XiaoMi-AI文件搜索系统
World File Search System误差
使用近似误差校正接近量子单例界限
众所周知，没有任何速率为 푅 的量子纠错码能够纠正超过 ( 1 − 푅 )/ 4 部分符号的对抗性错误。但是，如果我们只要求我们的代码能够大致恢复消息呢？在这项工作中，我们针对接近量子单例界限 ( 1 − 푅 )/ 2 的对抗性错误率构建了可有效解码的近似量子码，对于任何恒定速率 푅 。具体来说，对于每个 푅 ∈( 0 , 1 ) 和 훾 > 0，我们构造速率为 푅 、消息长度为 푘 和字母表大小为 2 푂 ( 1 / 훾 5 ) 的代码，这些代码可以有效地解码 ( 1 − 푅 − 훾 )/ 2 分数的对抗性错误，并恢复高达反指数误差 2 − Ω ( 푘 ) 的消息。在技术层面，我们使用经典的鲁棒秘密共享和量子纯度测试将近似量子误差校正减少到合适的量子列表解码概念。然后，我们通过 (i) 引入折叠量子 Reed-Solomon 码和 (ii) 应用新的量子版本距离放大来实例化我们的量子列表解码概念。
旋转式Gottesman-Kitaev-Preskill代码原子合奏中的量子误差校正
Los Alamos国家实验室是一项平权行动/均等机会雇主，由Triad National Security，LLC经营，为美国能源部国家核安全管理局根据合同89233218CNA000001运营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
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
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。
超导量子处理器上的统计阶段估计和误差缓解
量子相估计（QPE）是一种关键量子算法，已广泛研究它作为对未来易耐故障量子计算机进行化学和固态计算的方法。最近，几位作者提出了QPE的统计替代方法，这些替代方案对早期容忍设备有好处，包括较短的电路和更好的减轻误差技术的适用性。然而，缺乏对实际量子处理器算法的实验研究。在这里，我们对Rigetti超导处理器实施统计阶段估计。特别是，我们使用Lin和Tong [Prx Quantum 3，010318（2022）]算法的修改，并改善了Wan等人的傅立叶近似。[物理。修订版Lett。 129，030503（2022）]并应用一项变分兼容技术来减少电路深度。 然后，我们结合了减轻错误的策略，包括零噪声外推和减轻读数的读数和读数。 我们提出了一种从统计阶段估计数据中估算能量的新方法，发现相对于先前的理论界限，最终能量估计的准确性提高了1-2个数量级，从而降低了执行准确的相位估计计算的成本。 我们将这些方法应用于四个轨道中多达四个电子的活性空间的化学问题，包括应用量子嵌入方法，并使用它们在化学精度中正确估计能量。Lett。129，030503（2022）]并应用一项变分兼容技术来减少电路深度。然后，我们结合了减轻错误的策略，包括零噪声外推和减轻读数的读数和读数。我们提出了一种从统计阶段估计数据中估算能量的新方法，发现相对于先前的理论界限，最终能量估计的准确性提高了1-2个数量级，从而降低了执行准确的相位估计计算的成本。我们将这些方法应用于四个轨道中多达四个电子的活性空间的化学问题，包括应用量子嵌入方法，并使用它们在化学精度中正确估计能量。我们的工作表明，统计阶段估计具有自然的弹性，尤其是在缓解相干错误之后，并且可以达到比以前分析所建议的要高得多的准确性，这表明其作为早期耐故障设备的有价值的量子算法的潜力。
用于检测主动矫形器装置引入的误差的 EEG 和 EMG 数据集
外骨骼和矫形器经常用于促进运动障碍患者的肢体运动，因为它们可以使用脑电图 (EEG) 信号整合镜像疗法等经典治疗方法（Kirchner 等人，2013 年；Kirchner 和 Bütefür，2022 年）。除了触发外骨骼辅助外，EEG 还可用于推断运动意图（Kirchner 和 Bütefür，2022 年），这已被证明对于成功的神经康复至关重要（Noda 等人，2012 年；Hortal 等人，2015 年）。此外，EEG 还可用于推断人类观察或与之交互的机器人行为的主观正确性，正如 Iturrate 等人（2015 年）和 Kim 等人（2017 年、2020 年）在多篇论文中所证明的那样。为了验证辅助设备的正确性，深入了解患者感受到的支持水平非常重要。具体而言，必须评估患者是否感觉到机器人辅助系统所犯的错误。对于某些辅助设备，支持可以通过视觉观察到，并且可以根据从 EEG 信号中检测到的 ErrP 验证和调整主观正确性（Batzianoulis 等人，2020 年）。但是，对于患者佩戴的机器人，例如主动外骨骼或主动矫形器（Kirchner 和 Bütefür，2022 年），患者可能看不到但能感觉到不正确的行为。因此，研究外骨骼或矫形器中不正确行为的触觉检测是否会引发与视觉观察到的行为类似的事件相关电位 (ERP) 是有意义的。这些信息可用于纠正患者感知到的不正确行为[有关此已发布数据集的初步结果以及关于利用不同模式传输错误信息的进一步讨论，请参阅 Kim 和 Kirchner (2023)]。在脑电图研究中，当观察到错误行为（Iturrate 等人，2010 年；Kim 和 Kirchner，2013 年）、收到指示错误事件的反馈（Holroyd 和 Coles，2002 年）或在交互过程中发生错误（Kim 等人，2017 年）时，就会引发所谓的错误相关电位 (ErrP)。Chavarriaga 等人 (2014 年) 对此进行了全面的综述。此外，通过检测 ErrP 从脑电图中推断错误具有挑战性，因为它需要对相关模式进行异步分类（Kim 等人，2023 年）。这种异步分类通常会导致大量假阳性，因为与系统的交互时间较长或任务执行时间延长（Omedes 等人，2015 年；Spler 和 Niethammer，2015 年；Lopes-Dias 等人，2021 年）。在大多数研究中，视觉刺激用于诱发错误相关电位 (ErrPs)（例如，van Schie 等人，2004 年）。虽然一些研究
用BATH对蛋白质编码DNA的敏感且耐误差的注释
我们提出了Bath，这是一种基于该DNA与蛋白质序列数据库的直接比对或对蛋白质序列的数据库的直接比对或蛋白质序列或profe file file file隐藏的马尔可夫模型（PHMMS）的高度敏感注释的工具。BATH建立在HMMER3代码库的顶部，并通过提供直接的输入接口和易于解释的输出来简化基于PHMM的注释的注释工作。BATH还引入了新型的Frameshift感知算法，以检测诱导核苷酸插入和缺失（Indels）。BATH匹配HM-MER3对于包含误差的序列注释的准确性，并产生与所有经过测试的工具相比，用于含有核苷酸indels的序列的所有测试工具。这些结果表明，当需要高注释灵敏度时，应使用浴缸，尤其是当预期的移码误差被期望中断蛋白质编码区域时，与长期读取的数据和假基因的背景下一样。
天体量子误差校正I：来自非交通klein空间的Qubit
4D渐近平坦的空间中的量子重力特征是由于软辐射头发而引起的自发对称性，这与IR差异的增殖密切相关。通过推定的2D CFT的全图描述预计没有此类冗余。在这两篇论文中，我们通过启动天体CFT（CCFT）中量子误差校正的研究来解决这个问题。在第一部分中，我们通过在Kleinian Hyperkhler SpaceTimes中重新审视非交通性几何形状来构建具有有限自由度的玩具模型。该模型遵守朝径向方向重新归一致的灯芯代数，并承认等距嵌入`la gottesman-kitaev-preskill。代码子空间由在柔软的时空波动下可靠的2量稳定态组成。hyperkhler空间的对称性是离散的，并转化为量子计算中熟悉的克利福德组。然后将结构嵌入扭曲空间的发病率关系中，为即将到来的工作中解决的CCFT制度铺平了道路。
表征基于体素的激光扫描匹配中的透视误差
摘要本文量化了限制激光扫描匹配精度的误差源，特别是对于基于体素的方法。LIDAR扫描匹配匹配，用于DEAD RECKONING（也称为LiDAR Odometry）和映射，计算最能使一对点云对齐的旋转和翻译。透视错误是从不同角度观看场景时发生的，从每个角度看，不同的表面变得可见或遮挡。要解释在数据中观察到的透视异常，本文模拟了代表城市景观的两个对象的透视误差：一个圆柱形柱和一个双壁cor ner。对于每个对象，我们提供了基于体素的LIDAR扫描匹配的透视误差的分析模型。然后，我们分析当配备激光雷达的车辆越过这些物体时，透视误差是如何产生的。