XiaoMi-AI文件搜索系统
World File Search System误差
通过泡利检查夹层来缓解量子误差
摘要 — 我们描述并分析了一种使用多对奇偶校验来检测错误存在的错误缓解技术。每对校验都使用一个辅助量子位来检测错误运算符的一个组件，并代表该技术的一层。我们以扩展标志小工具的结果为基础，并将其置于坚实的理论基础之上。我们证明，在噪声不影响校验的假设下，该技术可以恢复无噪声状态。该方法不会产生任何编码开销，而是根据输入电路选择校验。我们提供了一种针对任意目标电路获取此类校验的算法。由于该方法适用于任何电路和输入状态，因此可以轻松地将其与其他错误缓解技术相结合。我们使用大量数值模拟对 1,850 个由 Clifford 门和非 Clifford 单量子位旋转组成的随机输入电路进行评估，该类电路包含最常见的变分算法电路。我们观察到，通过六层校验，保真度平均提高了 34 个百分点。
五量子比特量子误差的实验探索......
量子纠错是通用量子计算的重要组成部分。尽管在量子纠错研究中投入了大量的实验努力，但迄今为止，尚未证明通用量子纠错码的实现，以及随后验证所有关键特性，包括识别任意物理错误、横向操纵逻辑状态和状态解码的能力。为了应对这一挑战，我们通过实验实现了 [5, 1, 3] 码，即所谓的最小完美码，可以纠正一般的单量子比特错误。在实验中，我们优化了编码电路，利用超导量子比特阵列实现了几个典型逻辑状态的 [5, 1, 3] 码，包括魔术状态，这是实现非 Clifford 门的不可或缺的资源。编码状态的平均保真度为 57 . 1(3)%，而在代码空间中保真度高达 98 . 6(1)%。然后，通过测量稳定器识别出手动引入的任意单量子比特错误。我们进一步在代码空间内实现保真度为 97 . 2(2)% 的逻辑泡利运算。最后，我们实现了解码电路并恢复输入状态，总保真度为 74 . 5(6)%，总共 92 个门。我们的工作展示了 [5, 1, 3] 代码的每个关键方面，并验证了使用超导量子比特实验实现量子纠错码的可行性。
消除 APW/LAPW 基组中的线性化误差
详细介绍了使用 APW/LAPW 类型基组以及由局部轨道提供的灵活扩展来实现相对论密度泛函理论 (RDFT) 方程的方法。使用完全相对论方法和 α -U 作为示例，证实了先前发现的 APW/LAPW 基组的高导数局部轨道 (HDLO) 扩展对于提高 DFT 计算精度的重要性。高能局部轨道 (HELO) 对 GW 计算来说必不可少，但在提高 DFT 应用精度方面却效率低得多。结果表明，对于本文考虑的五种材料的电子自由能，采用一种简化的相对论效应方法，即仅考虑它们在 muffin-tin (MT) 球体内部，会产生基本相同的结果（与完全相对论方法相比）。通过比较简化方法对电子自由能的影响和对电子动能的影响，我们得出结论，自由能对我们描述间隙区域的相对论效应的方式的不敏感性与该量的变分性质有关。
在免疫的先天误差中的树突状细胞
树突状细胞（DC）是启动和维持免疫反应的关键细胞。他们在体内平衡，炎症和自身免疫性中起着至关重要的作用。许多分子调节其功能，包括突触形成，迁移，免疫力和耐受性诱导。许多IEI的特征是在编码这些分子中的几个基因中突变，导致IEI的免疫效率，炎症和自身免疫性。目前，有465个天生的免疫力（IEI）已分为10个不同类别。但是，仅在少数IEI中报告了DC的全面研究。在这里，我们根据最近出版的IUIS分类审查了IEI分类中DC的生物学。我们已经审查了每个组类别中选定的IEI中的DC，并在DC中进行了深入的变化，其中可用的数据可用于DC在临床和免疫学表现中的作用。这些包括严重的免疫效率疾病，抗体缺陷，与相关和综合征特征的联合免疫差，尤其是突触形成的疾病以及免疫调节的疾病。
超导QUBITS中的电荷噪声和放松误差
我的博士学位的成功没有一个巨大的支持网络，我最大程度地赞赏和感激之情是不可能的。首先，我要感谢我的顾问罗伯特·麦克德莫特（Robert McDermott）教授，他在整个研究生生涯中指导我进行了几个项目，甚至对最细微的细节似乎无休止地了解了知识。一天，没有一个新想法或尝试测试的新理论。在他的领导下，我从对领域的几乎一无所知，到提出自己的问题并提出自己的理论进行测试。，当我们把他带出实验室时，罗伯特总是有一个有趣的故事来讲述诸如爆炸的低温恒温器或秘密俄罗斯掩体之类的事情。我还要感谢麦克德莫特实验室的其余成员在这些年中的工作和竞争。尤其要感谢Guilhem在我开始时将我带到他的翅膀上，因为他启动了我对Qubits，Ivan和Alex的理解，伊万和亚历克斯帮助我寻求更新实验室的软件基础架构，并为教会我所有关于噪音的教导。没有你们每个人，这里工作就不会一样。我的工作已经建立在实验室中其他每个学生的工作，无论是已经测试过的制造食谱还是低温器的设置和接线，为此，我非常感谢。我很幸运能在一路上有许多导师，这推动了我的物理职业发展。在大学里，有许多教授，学生和研究机会，我非常感谢您维持我对物理学的兴奋。Richardson先生首先让我对我的高中物理课上的物理学奇迹睁开了眼睛，教我们如何通过有趣，有趣的问题工作（几年后我以TA为ta！）。大学毕业后，我在西北国家实验室的Brent Vande-vender指导我。正是这种指导和经验影响了我去研究生并继续研究物理学的决定。当我介绍我物理生涯的这一章时，我对我的家人表示不足。当我还是个孩子的时候，我的父母向我提供了巡回演出和科学实验套件，并尽力回答我所有的“为什么？”我父亲总是非常支持我的想法，并鼓励我的批判性思维。我妈妈反复大喊：“我等不及要参加物理课！”事实证明，她对我对物理的热情是正确的。我的姐姐安娜，我的祖母和我的大家庭也充满了无休止的鼓励和爱。没有我的家人，这一切都是不可能的，我永远感谢他们不断的支持。研究生有时会令人沮丧，累人和令人生畏。我感谢我庞大而充满爱心的朋友网络，这些网络帮助我度过了艰难的时期，并为我的工作生活提供了平衡。对那些与我一起冒险的人，听了我，支持我，和我一起看日落或电影，和我一起玩飞盘，通常让我在这段旅程中保持理智，谢谢。
算子代数量子误差校正的稳定器形式
我们引入了一种稳定器形式，用于称为算子代数量子纠错 (OAQEC) 的通用量子纠错框架，它概括了 Gottesman 对传统量子纠错码 (QEC) 的公式和 Poulin 对算子量子纠错和子系统代码 (OQEC) 的公式。该构造生成混合经典量子稳定器代码，我们制定了一个定理，该定理完全描述了给定代码可纠正的 Pauli 错误，概括了 QEC 和 OQEC 稳定器形式的基本定理。我们发现了受形式主义启发的 Bacon-Shor 子系统代码的混合版本，并应用该定理得出了给出此类代码距离的结果。我们展示了一些最近的混合子空间代码构造如何被形式主义捕获，我们还指出了它如何扩展到量子比特。
向后变异推理中的添加平滑误差...
我们使用变量推断考虑一般状态空间模型中的状态估计问题。对于使用与实际关节平滑分布相同的向后分解位置定义的通用变异家族，我们在混合假设下确定了加性状态函数期望的变化近似值会导致误差在观测值数量上最线性地增长。此保证与已知的上限一致，用于使用标准的蒙特卡洛方法近似平滑分布。我们用基于向后参数化和使用前向分解的替代方案来说明我们的理论结果。这项数值研究提出了基于状态空间模型中神经网络的变异推理的指南。关键字：变化推理，状态空间模型，平滑，向后分解，状态推理
使用一个量子退火器的误差测量
两端施加相反自旋极化的有限长度铁磁链是最简单的受挫自旋模型之一。在干净的经典极限中，由于边界条件而插入的畴壁以相等的概率存在于任何一个键上，并且简并度恰好等于键数。如果通过横向场引入量子力学，畴壁将表现为盒子中的粒子，并且更倾向于靠近链的中间而不是两端。因此，真实量子退火器的一个简单特征是这些极限中的哪一个在实践中实现。在这里，我们使用具有反平行边界自旋的铁磁链来测试真实通量量子比特量子退火器，并发现与两个预期相反，由于存在有效随机纵向场，发现的畴壁分布不均匀，尽管在量子比特之间的耦合名义上为零时进行了调整以将这些场归零。我们对畴壁分布函数的形式进行了简单的推导，并展示了我们发现的效应如何用于确定表征退火器的有效随机场（噪声）的强度。以这种方式测量的噪声小于单量子比特调谐过程中看到的噪声，但仍然会定性地影响退火器执行的模拟结果。
精确雷达定位的神经误差协方差估计
自动驾驶汽车由于技术进步及其改变转移的潜力而引起了极大的关注。该领域中的一个关键挑战是精确的定位，尤其是在基于激光雷达的地图匹配中，由于数据中的退化，这很容易出现错误。大多数传感器融合技术，例如卡尔曼过滤器，都依赖于每个传感器的准确误差协方差估计来提高定位精度。但是，获得地图匹配的可靠协方差值仍然是一项复杂的任务。为了应对这一挑战，我们提出了一个基于神经网络的框架，用于预测LIDAR地图匹配中的本地化错误协方差。为了实现这一目标，我们引入了一种专门设计用于错误协方差估计的新型数据集生成方法。在使用Kalman滤波器的评估中，我们实现了2 cm的定位准确性，这是该域的显着增强。
使用周期误差重建估计误差分布的相干贡献
缓解和校准方案对于最大限度地扩大当今的嘈杂中型量子 (NISQ) 硬件的计算范围至关重要，但这些方案通常专门用于解决相干或退相干误差源。因此，量化这两类误差是在对误差抑制工具进行基准测试时理想的特性。在本文中，我们提出了一种可扩展的以周期为中心的方法，用于详细估计相干对硬计算周期误差分布的贡献。我们建议的协议基于周期误差重建 (CER)，也称为 K 体噪声重建 (KNR)。该协议类似于周期基准测试 (CB)，因为它基于泡利保真度估计提供以周期为中心的诊断 [1]。我们在 CER 中引入了一个额外的超参数，允许硬周期在进行泡利旋转之前折叠多次。对我们添加的超参数的不同值执行 CER 可以通过保真度衰减公式的推广来估计相干误差贡献。我们通过量子模拟器上的数值模拟确认了我们方法的准确性，并在三个 IBM 芯片（即 ibmq_guadalupe 、 ibmq_manila 和 ibmq_montreal ）上进行了概念验证实验。在这三个实验中，我们测量了 Z 中存在显著的相干误差偏差。