XiaoMi-AI文件搜索系统
World File Search System自算
对量子计算机上的量子灯干扰建模
传统上，光子设备的建模涉及求解光 - 膜相互作用和光传播的方程。在这里，我们通过使用量子计算机重现光学设备功能来演示另一种建模方法。作为例证，我们模拟了薄膜上的光的量子干扰。这种干扰可以导致通过薄膜的完美吸收或总传输光，这种现象吸引了对经典和量子信息网络中数据处理应用的关注。，我们将光子在干扰实验中的行为映射到Transmon的量子状态的演变，Transmon是IBM量子计算机的超导电荷矩形。实际光学实验的细节在量子计算机上无效地复制。我们认为，这种方法的优势在建模复杂的多光子光学效果和设备方面应该显而易见。
噪声量子计算机上的量子振幅估计
[1] G. Brassard 等人。量子振幅放大与估计。当代数学，305:53–74，2002。[2] Y. Suzuki 等人。不带相位估计的振幅估计。量子信息处理，19(2):75，2020。[3] S. Aaronson 和 P. Rall。量子近似计数，简化。在算法简单性研讨会上，第 24-32 页。SIAM，2020 年。[4] D. Grinko 等人。迭代量子振幅估计。arXiv 预印本 arXiv:1912.05559，2019。[5] K. Nakaji。更快的振幅估计。 arXiv preprint arXiv:2003.02417，2020 年。[6] R. Venkateswaran 和 R. O'Donnell。具有非自适应 Grover 迭代的量子近似计数，2020 年。[7] DS Abrams 和 CP Williams。用于数值积分和随机过程的快速量子算法。arXiv preprint quant-ph/9908083，1999 年。[8] A. Montanaro。蒙特卡罗方法的量子加速。英国皇家学会学报 A：数学、物理和工程科学，471(2181)：20150301，2015 年。[9] P. Rebentrost、B. Gupt 和 TR Bromley。量子计算金融：金融衍生品的蒙特卡罗定价。 Physical Review A, 98(2):022321, 2018. [10] S. Woerner 和 DJ Egger. 量子风险
理解并补偿 IBM 量子计算机上的噪声
量子算法为传统方法解决起来成本高昂的计算问题提供了有效的解决方案。现在，可以使用公共量子计算机（例如 IBM 提供的量子计算机）来运行执行量子算法的小型量子电路。但是，这些量子计算机极易受到噪声的影响。在这里，我们介绍了量子电路噪声和连通性的重要概念，必须解决这些概念才能在量子计算机上获得可靠的结果。我们利用几个例子来展示噪声如何随电路深度而变化。我们介绍了 Simon 算法（一种用于解决同名计算问题的量子算法），解释了如何在 IBM 的 Qiskit 平台上实现它，并比较了在无噪声模拟器和受噪声影响的物理硬件上运行它的结果。我们讨论了 Qiskit 的转译器的影响，该转译器将理想的量子电路适配到量子比特之间连通性有限的物理硬件上。我们表明，即使是只有几个量子比特的电路，其成功率也会因量子噪声而显著降低，除非采取特定措施将其影响降至最低。 # 2021 由美国物理教师协会独家授权出版。https://doi.org/10.1119/10.0006204
指导原理到地址 - 算力偏见 -
这是根据CC-BY-NC-ND许可条款分发的开放访问文章。相应的作者：芝加哥大学MPH，MPH，MPH，5841 S. MARYLAND AVE，MC2007，芝加哥，芝加哥，伊利诺伊州60637（mchin@bsd.uchicago.edu）； Lucila Ohno-Machado，医学博士，博士学位，MBA，耶鲁大学医学院，CEDAR ST 333 CEDAR St，New Haven，CT 06510（Lucila.ohno-machado@yale.edu）。作者的贡献：Chin博士可以完全访问研究中的所有数据，并负责数据的完整性和数据分析的准确性。概念和设计：Chin，Afsar-Manesh，Bierman，Chang，Colón-Rodríguez，Duran，Fair，Fair，Hernandez-Boussard，Hightower，Hightower，Jain，Jordan，Jordan，Konya，R.H。Moore，R.H. Moore，Rodriguez，Rodriguez，Shaheen，Shaheen，Shaheen，Srinivasan，Srinivasan，Umscheid，Umscheid，Ohno-Machado，Ohno-Machado。数据的获取，分析或解释：Chin，Bierman，Chang，Dullabh，Duran，Hernandez-Boussard，Hightower，Hightower，Jain，Jordan，Jordan，Konya，R.H。Moore，T.T.Moore，Rodriguez，Snyder，Srinivasan，Umscheid，Ohno-Machado。手稿的起草：Chin，Bierman，Dullabh，Hernandez-Boussard，Hightower，Jordan，Jordan，T.T。Moore，Rodriguez，Shaheen，Snyder，Srinivasan，Ohno-Machado。对重要智力内容手稿的批判性审查：Chin，Afsar-Manesh，Bierman，Chang，Colón-Rodríguez，Duran，Fair，Hernandez-Boussard，Hightower，Hightower，Jain，Jordan，Jordan，Konya，Konya，Konya，R.H。Moore，R.H。Moore，T.T.T.T.Moore，Shaheen，Umscheid，Ohno-Machado。 获得了资金：Bierman，Chang，Dullabh，Duran，Ja那教。 行政，技术或材料支持：Chin，Bierman，Chang，Colón-Rodríguez，Duran，Fair，Fair，Jain，Jordan，Jordan，Konya，R.H。Moore，T.T。 Moore，Rodriguez，Shaheen，Snyder，Srinivasan，Umscheid，Ohno-Machado。Moore，Shaheen，Umscheid，Ohno-Machado。获得了资金：Bierman，Chang，Dullabh，Duran，Ja那教。行政，技术或材料支持：Chin，Bierman，Chang，Colón-Rodríguez，Duran，Fair，Fair，Jain，Jordan，Jordan，Konya，R.H。Moore，T.T。Moore，Rodriguez，Shaheen，Snyder，Srinivasan，Umscheid，Ohno-Machado。监督：Duran，Umscheid。
SiC 中的 NV 中心：量子计算技术的解决方案？
金刚石和最近的碳化硅中的自旋 S = 1 中心已被确定为可用于各种量子技术的有趣固态量子比特。金刚石中氮空位中心 (NV) 是研究较多的案例，被认为是适用于大多数应用的量子比特，但也存在重大缺点。最近的研究表明，SiC 中的双空位 (V Si VC ) ° 和 NV (V Si NC ) 中心可以克服许多缺点，例如与微电子技术、纳米结构以及 n 型和 p 型掺杂的兼容性。特别是，4H-SiC 多型体是一种广泛用于功率器件的微电子半导体，这些问题已经得到解决，并且大规模基板 (300mmm) 可供商业化使用。研究较少的 3C 多型体可以拥有相同的中心 (VV、NV)，并且具有额外的优势，因为它可以在 Si 上外延，从而允许与 Si 技术集成。执行光学操控和自旋状态检测的光谱范围从金刚石中 NV 中心的可见光 632 nm 移至 SiC 中双空位和 NV 中心的近红外 1200 – 1300 nm（电信波长）。然而，还有其他关键参数对于可靠的信息处理至关重要，例如自旋相干时间、芯片上的确定性位置和受控缺陷浓度。在这篇评论中，我们重新审视并比较了金刚石中 NV 中心以及 4H 和 3C-SiC 中双空位和 NV 中心的一些基本特性。
测量量子计算机上的相关量子比特误差
缺乏纠错能力是阻碍科学家开发全尺寸量子计算机的障碍之一。纠正相关错误需要庞大而复杂的纠错方案，这些方案难以实施且成本高昂。在我的实验中，我研究了真实 IBM 量子计算机上量子计算中相关错误的普遍性，以提高对纠错的理解。我假设量子位在相邻时会出现相关错误，但在非相邻时不会出现相关错误。
量子计算机上的二进制域蒙哥马利乘法
Google、IBM 等国际公司正在推进大规模量子计算机的研发。量子计算机在某些领域比经典计算机拥有更强大的计算能力，比如深度学习、化学、密码学等。如果研发出能够运行量子算法的大规模量子计算机，那么目前广泛使用的密码算法的安全性可能会降低甚至被突破。Shor 算法已经被证明可以突破 RSA 和椭圆曲线密码 (ECC) 的安全性。RSA 和 ECC 能够使用多久取决于量子计算机的发展和 Shor 算法的优化 [1]。在 [2] 中，作者估计对于 n 位密钥的 RSA，Shor 算法可以应用 2 n + 2 个量子比特。Gidney 估计了改进的 2 n + 1 个量子比特的数量 [3]。Shor 算法也可以应用于椭圆曲线中的离散对数 (即 ECC)。在 [4] 中，作者通过估算解决椭圆曲线离散对数所需的量子资源，指出 ECC 比 RSA 更容易受到量子计算机的攻击。在 [5] 中，作者证明了
囚禁离子量子计算机上的最近质心分类
近年来，量子机器学习在理论和实践方面取得了长足的发展，已成为量子计算机在现实世界中应用的有希望的领域。为了实现这一目标，我们结合了最先进的算法和量子硬件，为量子机器学习应用提供了实验演示，并可证明其性能和效率。具体来说，我们设计了一个量子最近质心分类器，使用将经典数据高效加载到量子态并执行距离估计的技术，并在 11 量子比特离子阱量子机上进行了实验演示，其准确度与经典最近质心分类器的准确度相当，可用于 MNIST 手写数字数据集，并可实现 8 维合成数据的准确度高达 100%。
使用从头算 DFT 方法模拟 CMOS 量子点
...................................................................................................................................................... 23