XiaoMi-AI文件搜索系统
World File Search System连续变量
比较机器学习和基于逻辑回归的常规预测模型，用于种族多样化的人群中的妊娠糖尿病； Monash GDM机器学习模型
背景：希望有效的生活方式干预措施可预防GDM并减少相关的不良后果，因此希望早期鉴定出患有妊娠糖尿病（GDM）高风险的孕妇。可以使用风险前字典模型来确定怀孕期间开发GDM的个性化概率。这些模型从传统统计数据扩展到机器学习方法；但是，准确性仍然是最佳的。目标：我们旨在比较多个机器学习算法以开发GDM风险预测模型，然后确定预测GDM的最佳模型。方法：从2016年1月至2021年6月的大型卫生服务网络的日常产前护理的数据进行了监督的机器学习预测分析。预测指标集1来自现有的国际验证的Monash GDM模型：GDM历史，体重指数，种族，年龄，糖尿病的家族史以及过去的不良产科历史。具有不同预测因子的新模型，考虑了统计原理，其中包括更健壮的连续变量和衍生变量。随机选择的80％数据集用于模型开发，验证为20％。绩效指标，包括校准和歧视指标。进行决策曲线分析。结果：在内部验证后，机器学习和逻辑回归模型在曲线下的区域（AUC）的区域在不同算法中的范围从71％到93％，最好是Catboost分类器（CBC）。Based on the default cut-off point of 0.32, the performance of CBC on predictor set 4 was: Accuracy (85%), Precision (90%), Recall (78%), F1-score (84%), Sensitivity (81%), Specificity (90%), positive predictive value (92%), negative predictive value (78%), and Brier Score (0.39).结论：在这项研究中，机器学习方法在传统统计方法上实现了最佳的预测性能，从75％增加到93％。catboost分类器方法通过包括连续变量的模型达到了最佳状态。
基于氮化硅微环谐振器的二分纠缠量子频率梳设计平台
集成克尔量子频率梳 (QFC) 具有产生多个可扩展量子态的潜力，已成为宽带纠缠的紧凑、稳定和基本资源。在这里，我们构建了一个通过片上氮化硅微环谐振器设计二分纠缠 QFC 的平台。通过建立克尔非线性微谐振器的系统量子动力学，我们的平台可以支持多达 12 个连续变量量子模式，形式为受磁滞影响的六个同时双模压缩对。频率模式对的纠缠度取决于谐振器结构和环境温度。通过调节腔体温度，我们可以在特定的注入泵浦功率和泵浦失谐下优化纠缠性能。我们全面的 QFC 设计流程和纠缠分布控制可以改善纠缠的产生和优化。
使用量子计算进行过程应用程序
抽象量子计算（QC）承诺在计算速度中具有变换的飞跃，这可能允许解决以前无法实现的大规模复杂优化问题。虽然QC有效地解决了二次无约束的二进制优化（QUBO）问题，但解决连续变量的问题仍然具有挑战性。为了解决这个问题，我们设计了一个框架来解决涉及整数和持续决策变量的混合构成二次约束二次编程（MIQCQP）优化问题。在我们的框架中，我们通过一元和二进制编码表示连续和整数变量，并使用它们将MIQCQP转换为QUBO。这样做，我们消除了需要使用经典计算来解决子问题的任何混合经典量词方案的需求。然后，我们使用量子退火技术解决QUBO。我们通过解决一些测试问题来证明框架的实用性。
![arXiv:2302.12674v1 [quant-ph] 2023 年 2 月 24 日](/simg/g:\will\search\icon\source\6\6a9501e8e452dd7d0e66ee17211a7218b305bbb6.webp)
arXiv:2302.12674v1 [quant-ph] 2023 年 2 月 24 日
任何量子系统都不能被视为完全与其环境隔离。在大多数情况下，感兴趣的系统与外部自由度之间的相互作用会深刻改变其动态，如开放量子系统理论所述。然而，工程环境可以转化为对某些量子信息任务有益的影响。在这里，我们展示了一个量子系统的光学模拟器，它耦合到一个任意且可重构的环境，该环境构建为一个复杂的量子相互作用系统网络。我们通过利用连续变量光学平台的压缩和纠缠关联，通过实验检索开放量子系统动力学的典型特征，如光谱密度和量子非马尔可夫性。这为在可重构环境中对开放量子系统进行实验测试开辟了道路，这些环境与量子信息、量子热力学、量子传输和量子同步等相关。
基于蒙特卡洛树搜索的变分量子电路混合优化
变分量子算法是近期和未来容错量子设备模拟的前沿。虽然大多数变分量子算法只涉及连续优化变量，但有时可以通过添加某些离散优化变量来显著增强变分假设的表示能力，广义量子近似优化算法 (QAOA) 就是一个例子。然而，广义 QAOA 中的混合离散-连续优化问题对优化提出了挑战。我们提出了一种称为 MCTS-QAOA 的新算法，它将蒙特卡洛树搜索方法与改进的自然策略梯度求解器相结合，分别优化量子电路中的离散变量和连续变量。我们发现 MCTS-QAOA 具有出色的抗噪特性，并且在广义 QAOA 的具有挑战性的实例中优于先前的算法。
发散的量子速度极限：经典性的先驱
量子速度极限 (QSL) 何时才是真正的量子？虽然 QSL 时间的消失通常表示经典行为的出现，但目前仍未完全了解经典性的哪些方面是这种动力学特征的起源。在这里，我们表明 QSL 时间的消失（或量子速度的发散）可以追溯到量子可观测量不确定性的降低，因此可以理解为这些特定可观测量出现经典性的结果。我们通过为经历一般高斯动力学的连续变量量子系统开发 QSL 形式来说明这种机制。对于这些系统，我们表明导致 QSL 时间消失的三个典型场景，即大压缩、小有效普朗克常数和大粒子数，可以从根本上相互联系。相反，通过研究开放量子系统和混合态的动力学，我们表明由于添加经典噪声而导致状态不相干混合而出现的经典性通常会增加 QSL 时间。
一个保护自身的超导量子
假定威胁量子计算的噪声过程是局部的，这意味着它们在电路的特定部分（例如个体物理Qubits）上作用。在QEC的“扩展”方法中，量子信息被编码为多个物理量子，这些量子构成了用于实际计算任务的每个逻辑量子。因此，即使一个物理量子被噪声破坏了，逻辑量子携带的信息也不会损坏。在QEC的“异国状态”方法中，每个计算单元是一个单个振荡器，逻辑位由振荡器的两个特殊状态（称为非平凡状态）表示，这些状态可与局部噪声抗衡。外来状态技术采用连续变量的系统，例如电磁模式，这些系统是在自身稳健（被动QEC）的状态下初始化的，或者可以通过不影响逻辑值（Active QEC）的操作来稳定。
长距离连续可变的测量设备 -
我们引入了一个健壮的方案，用于长距离连续变量（CV）测量设备独立的（MDI）量子密钥分布，在该分布中，我们在通过不受信任的继电器介质进行通信的遥远各方之间采用了选择后。我们执行了一个安全分析，该分析允许每个链接的一般透射率和热噪声方差，我们假设窃听器会执行集体攻击并控制通道中的过量热噪声。引入选择后，当事方能够在超过现有CV MDI协议的距离上维持秘密关键率。在中继位置位置的最坏情况下，我们发现当事方可以在标准光学纤维中牢固地沟通14公里。我们的协议有助于克服先前提出的CV MDI协议的率距离限制，同时保持其许多优势。
1量化临床和流行病学中可能的偏见...
错误分类发生。8连续变量也可能导致测量误差。为一个例子，由于研究参与者对酒精摄入量的误会而导致的一些饮酒研究发生了错误分类。9，10作为另一个例子，在使用电子健康记录或保险索赔数据的研究中，如果并不总是将结果报告给或记录由个人的医疗保健专业人员报告或记录的结果，则可能会出现结果错误。11测量误差被认为误差的概率取决于另一个变量（例如，根据结果取决于结果，差异参与者对暴露状态的回忆）时。多个变量测量中的错误可能取决于（即相互关联），特别是当从单个来源收集数据时（例如，电子健康记录）。测量误差可能导致描述性和病因的有偏见的研究结果（即原因效应）非介入研究。12