XiaoMi-AI文件搜索系统
World File Search System经典
来自细分的最佳几何局部量子和经典代码
几何局部量子码是一种位于 RD 内的纠错码，其中校验仅作用于固定空间距离内的量子位。主要问题是：几何局部代码的最佳维度和距离是多少？最近，Portnoy 在代码方面取得了重大突破，实现了高达多对数的最佳维度和距离。然而，这种构造调用了一个有点高级的数学结果，即将链复形提升到流形。本文绕过了这一步骤，并通过注意到一类良好的量子低密度奇偶校验码、平衡乘积码自然带有二维结构来简化构造。结合将在其他地方展示的新嵌入结果，这种量子码在所有维度上都实现了最佳维度和距离。此外，我们表明该代码具有最佳能量势垒。我们还讨论了经典代码的类似结果。
使用经典和量子机学习模型的洪水预测
这项研究研究了量子机学习的潜力（QML）改善洪水预测。我们专注于2023年德国武河沿线的每日洪水事件。我们的方法将经典的机器学习（SVM，KNN，回归，AR模型）与QML技术（adaboost，量子变异电路，Qboost，qsv c _ ml）结合在一起。该混合模型利用量子和纠缠等量子特性，以提高准确性和效率。经典模型和QML模型。结果表明，QML模型的竞争训练时间和提高了预测准确性。这项研究意味着朝着利用量子技术进行变化适应的一步。我们强调合作和持续创新，以在现实世界中实施这种模型，最终增强了针对洪水的全球弹性。
论量子密码学与经典通信的中心原语
最近的研究为密码学引入了“量子计算经典通信”（QCCC）（Chung 等人）。有证据表明，单向谜题（OWPuzz）是此设置（Khurana 和 Tomer）的自然中心密码原语。被视为中心的原语应具备若干特征。它应行为良好（在本文中，我们将其视为具有放大、组合器和通用构造）；它应由多种其他原语所暗示；并且它应等同于某些类有用的原语。我们提出了组合器、正确性和安全性放大，以及 OWPuzz 的通用构造。我们对安全性放大的证明使用了来自 OWPuzz 的新的、更清晰的 EFI 构造（与 Khurana 和 Tomer 的结果相比），该构造可推广到弱 OWPuzz，是本文中技术含量最高的部分。此前已知 OWPuzz 由其他感兴趣的原语所隐含，包括承诺、对称密钥加密、单向状态生成器（OWSG）以及伪随机状态（PRS）。然而，我们能够通过展示一般 OWPuzz 与受限类 OWPuzz（具有有效验证的原语，我们称之为 EV-OWPuzz）之间的黑盒分离来排除 OWPuzz 与许多这些原语的等价性。然后我们证明 EV-OWPuzz 也由大多数这些原语所隐含，这也将它们与 OWPuzz 区分开来。这种分离还将扩展 PRS 与高度压缩 PRS 区分开来，回答了 Ananth 等人的一个悬而未决的问题。
使用硬件感知准局部策略降低多路复用量子中继器中的经典通信成本
未来的量子网络将具有配备多个量子存储器的节点，从而允许多路复用 14 和纠缠蒸馏策略，以提高交付率并减少端到端 15 纠缠分发的等待时间。在这项工作中，我们引入了用于多路复用量子中继器 16 链的准局部策略。在完全局部策略中，节点仅根据对自身状态的了解做出决策。在我们的 17 准局部策略中，节点增加了对中继器链状态的了解，但不一定是 18 完整的全局知识。我们的策略利用了这样的观察结果：对于节点必须做出的大多数决策 19，它们只需要掌握有关它们所属链的连接区域的信息，而不是整个 20 链。通过这种方式，我们不仅获得了优于局部策略的性能，而且还降低了全局知识策略固有的经典 21 通信 (CC) 成本。我们的策略在实际相关的参数范围内也优于众所周知的、被广泛研究的嵌套净化和加倍交换策略。我们还仔细研究了纠缠蒸馏的作用。通过分析和数值结果，我们确定了蒸馏有意义且有用的参数范围。在这些范围内，我们还解决了以下问题：“我们应该先蒸馏再交换，还是反之亦然？”最后，为了提供进一步的实用指导，我们提出了一种基于多路复用的中继器链的实验实现，并通过实验演示了关键元素，即高维双光子频率梳。然后，我们通过对两个具体内存平台（即稀土离子和金刚石空位）的模拟结果，评估了我们基于多路复用的策略在这种真实网络中的预期性能。
（2+ ...）剪切粘度的经典和量子计算
表示在jmax=12处截断。我们还发现谱函数与频率的比值ρxyðωÞω在频率较小时呈现峰结构。在更大格子上超过jmax=12后，精确对角化方法和简单矩阵乘积态经典模拟方法都需要指数增长的资源。因此，我们开发了一种量子计算方法来计算延迟格林函数，并分析了计算的各种系统性，包括jmax截断和有限尺寸效应、Trotter误差和热态制备效率。我们的热态制备方法仍然需要随着格子尺寸呈指数增长的资源，但在高温下具有非常小的前因子。我们在Quantinuum模拟器和IBM模拟器上对小格子进行了测试，得到了与经典计算结果一致的结果。
Simons问题描述任务经典解决方案量子...
叠加：量子计算机在叠加状态下初始化了n个Qubit的寄存器。为此，它使用了Hadamard Gates。纠缠：量子计算机将n个点的寄存器带入纠缠状态。查询：将量子傅立叶变换应用于状态。这种傅立叶变换将秘密位模式s纳入纠缠量子位。叠加的分辨率：叠加通过应用Hadamard大门解决。纠缠的结果被转移到单个Qubits。测量：在这一点上，Qubits“知道”秘密位模式s，但是在测量过程中丢失了此详细信息。测量给出了一点点解决方案。因此，必须使用经典的后处理来合并多个测量结果。
AA216/CME345：基于投影的模型订单还原LLM可以在沙漠中生存吗？评估生成代理在经典团队建设问题上的协作能力
提高LLM代理商的协作能力引起了人们的极大兴趣，因为LLM的潜力比任何一个LLM都能单独实现更好的性能和决策。从关于人类或人类计算机互动的先前讨论中脱颖而出，在本文中，我们研究了计算机计算机的互动及其社会协作行为的能力。我们在生成代理（香草，民主，一对一和独裁统治）之间实施了四种不同的协作方法，并尝试了两种不同的座席架构设计（直接提示和角色扮演）。我们在经典的团队建设问题上基准了这些方法的表现：沙漠生存问题（DSP）。我们发现，在某些协作条件下，生成代理人作为一个团队做出的决定要比任何一个代理人一个人都能做得更好。
机器学习随机微分方程用于经典多体系统平衡态和非平衡态序参量的演化
摘要。我们开发了一种机器学习算法来推断控制多体系统序参量演化的随机方程。我们训练我们的神经网络来独立学习作用于序参量的定向力以及有效扩散噪声。我们使用具有 Glauber 动力学的经典 Ising 模型和接触过程作为测试案例来说明我们的方法。对于代表典型平衡和非平衡场景的两种模型，可以有效地推断出定向力和噪声。Ising 模型的定向力项使我们能够重建序参量的有效势，该序参量在临界温度以下形成特征性的双阱形状。尽管它具有真正的非平衡性质，但这种有效势也可以用于接触过程，并且其形状表示相变到吸收状态。此外，与平衡 Ising 模型相反，吸收状态的存在使噪声项依赖于序参量本身的值。
量子到经典神经网络迁移学习应用于药物毒性预测
摘要：毒性是阻碍大量药物用于可能挽救生命的应用的障碍。深度学习为寻找理想的候选药物提供了一种有希望的解决方案；然而，化学空间的广阔性加上底层的 n ( ) 3 矩阵乘法意味着这些努力很快就会变得计算量巨大。为了解决这个问题，我们提出了一种混合量子经典神经网络来预测药物毒性，该网络利用量子电路设计来模仿经典神经行为，通过明确计算复杂度为 n ( ) 2 的矩阵积。利用 Hadamard 测试进行有效的内积估计，而不是传统使用的交换测试，我们将量子比特数减少了一半，并且消除了对量子相位估计的需要。直接以量子力学方式计算矩阵积允许将可学习的权重从量子转移到经典设备以进行进一步训练。我们将我们的框架应用于 Tox21 数据集，并表明它实现了与模型的完全经典相当的预测准确度
可证明缺乏贫瘠的高原意味着经典的模拟能力？或者为什么我们需要重新考虑变分量子计算
简介。近年来，变异量子算法[1-3]和量子机学习[4 - 9]吸引的最初兴奋已被贫瘠的高原现象[10-56]缓解。也就是说，越来越意识到，大量的量子学习体系结构表现出损失功能的景观，这些景观将指数置于系统大小的平均值上。因此，确定事实证明不会导致贫瘠高原的建筑和培训策略已成为一个高度活跃的研究领域。然而，从某种意义上说，这些策略都利用了问题的一些简单基础结构。这引起了一个问题：是否能够避免避免贫瘠的高原以有效地经典地模拟损失函数的相同结构吗？在这里，我们认为这个问题的答案是“是”。具体来说，我们声称可以使用多项式时间内运行的经典算法模拟可证明不表现出贫瘠高原的损失景观。重要的是，此模拟仍可能需要在初始数据采集阶段使用量子计算机[57 - 60]，但是它不需要在量子设备或混合量子量子式优化环上实现的参数化量子电路。这些论点可以理解为无贫瘠高原景观中各种量子电路的信息处理能力的消除形式。