XiaoMi-AI文件搜索系统
World File Search System过少
利用蛋白质语言模型通过少量学习实现蛋白质的快速进化
1 医学系 医学工程分部 哈佛医学院 布莱根妇女医院 美国马萨诸塞州 波士顿 02115 2 麻省总医院 基因与细胞治疗研究所 麻省理工学院 剑桥 02139 3 病毒学和疫苗研究中心 哈佛医学院 贝斯以色列女执事医疗中心 美国马萨诸塞州 波士顿 02115 4 生物工程系 麻省理工学院 剑桥 02139 5 圣加仑州立医院皮肤病学和过敏学系 瑞士圣加仑 9000 6 麻省理工学院科赫综合癌症研究中心 麻省理工学院 剑桥 02139 7 东京大学工程研究生院化学与生物技术系 东京都文京区本乡 7-3-1 邮编 113-8656 日本 8 东京大学先进科学技术研究中心结构生物学部4-6-1 Komaba, Meguro-ku, Tokyo 153-8904, Japan 9 稻盛科学研究所 620 Suiginya-cho, Shimogyo-ku, Kenya 600-8411, Japan †通讯地址：omar@abudayyeh.science 和 jgoot@mit.edu
通过少量基础测量实现快速而稳健的量子态断层扫描
量子态断层扫描是一种功能强大但资源密集型的通用解决方案，可用于众多量子信息处理任务。这促使我们设计出尽可能节省相关资源的稳健断层扫描程序。重要的成本因素包括状态副本数量和测量设置，以及经典后处理时间和内存。在这项工作中，我们提出并分析了一种在线断层扫描算法，该算法旨在优化所有上述资源，但代价是降低对准确性的依赖性。该协议是第一个在状态副本、测量设置和内存的秩和维数方面提供可证明的最佳性能的协议。经典运行时间也大幅减少，数值实验表明与其他最先进的技术相比具有良好的可比性。通过在量子计算机上执行该算法，可以实现进一步的改进，从而为量子态断层扫描提供量子加速。