XiaoMi-AI文件搜索系统
World File Search System退火
关于量子退火器的高质量嵌入的讨论
人们已经尝试过多种方法来设计有效的方法来寻找 QA 中 Ising 问题的映射。这些尝试可以分为两类。第一种方法是寻找具有近乎最优嵌入的完全图的嵌入，同时考虑目标图的结构。第一项工作是由 V. Choi [3] 提出的，它提供了三角布局上完全图的最佳嵌入（TRIAD 方案）。这项初步工作由 C. Klymko 等人完成。[6]，他们提出了一种次要嵌入方法，专门用于在由定期分派的完全连通二分子图组成的格子上查找团嵌入。该方法考虑不可操作的量子位（目标图通常包含一些禁用的量子位），并生成从初始近乎最优的团嵌入派生的有效嵌入。第二种方法考虑在部分已知或未知的目标图上嵌入未知结构化输入图的算法。[2] 中提出了一种初始的通用启发式方法，并在 [4] 中实现。该算法由两步组成：第一步是为每个逻辑量子位找到一个允许重叠的初始映射（即，顶点 v ∈ V t 可能映射 V s 中的多个顶点 ϕ ( v )。第二步是细化，通过删除顶点映射 ϕ ( v ) 并寻找该顶点的更好映射来迭代改进映射，从而最小化物理顶点的总数。顶点映射的质量用成本函数计算。没有任何重叠的输出图被认为是有效的。当在特定次数的尝试期间没有取得任何改进时，细化阶段结束。其他几种启发式算法一直在重复使用这种算法
用量子退火算法解决资源受限的项目调度问题
量子退火是一种有前途的方法，可用于解决资源受限项目调度问题 (RCPSP) 等复杂调度问题。本研究首次应用量子退火来解决 RCPSP，分析了 12 个众所周知的混合整数线性规划 (MILP) 公式，并将量子比特效率最高的公式转换为二次无约束二进制优化 (QUBO) 模型。然后，我们使用 D-wave advantage 6.3 量子退火器解决该模型，并将其性能与经典计算机求解器进行比较。我们的结果表明，该算法具有巨大的潜力，尤其是对于中小型实例。此外，我们引入了目标时间和 Atos Q 分数指标来评估量子退火和逆量子退火的有效性。本文还探讨了高级量子优化技术，例如定制退火计划，以增强我们对量子计算在运筹学中的理解和应用。
Pd/a-Ge 双层生长和生长后退火过程中界面介导固相反应的原位研究
图 2：(a) 在 SIXS 光束线 (SOLEIL) 进行实时研究的实验装置，(b) 入射角为 α i 的掠入射散射几何。指示了反射的 x 射线束。显示了布拉格角 2 θ 处主 Pd(111) 布拉格反射的指向几何。由于掠入射几何，动量转移 q = kf − ki 与表面法线 n 成角度 θ − α i 。ki 和 kf 分别是入射和散射 x 射线束的波矢。通过扫描探测器角度 δ 和 γ 获得 XRD 图。在沉积过程中，2D 探测器监测白色矩形指示的区域。
在量子退火中进行辅助学习的应用程序应用
量子计算（QC）字段中的抽象研究一直在飙升，这要归功于最新的进展和更广泛的真实硬件可用性。对这项技术的强烈兴趣自然刺激了机器学习（ML）领域的污染。已经开发了两种执行ML和ML方法支持量子计算的量子方法。在很大程度上扩散的QC范式是量子退火器的机器，可以快速寻找解决方案的优化问题。他们的稀疏量子结构需要在计算之前搜索问题和硬件图之间的映射。这本身就是一个NP-坚硬的组合优化任务，称为次要嵌入。在这项工作中，我们旨在开发和评估强化学习执行此任务的能力。
通过量子退火优化电池材料中的离子配置
多元素化合物中离子排列的建模是能源材料计算研究的普遍挑战。混合或部分占据晶格位置的材料被广泛研究，例如用于光伏电池的掺杂半导体[1-3]，或用于锂离子电池（LIB）的插层材料和离子导体[4-7]。虽然元素的配置排列会影响计算的热力学[8,9]、电子[10]、化学[11]和离子传输参数[12,13]，但构建可靠的占据无序模型是模拟的一大困难[14-19]。对于包含 M 个位置的模拟单元，其中一部分 θ 被占据，可能的配置总数由（使用斯特林公式）M θ M 给出
基于量子退火的 Transformer 微调实例选择方法
摘要 目前，深度学习（DL）被广泛用于解决非常复杂的任务。然而，DL模型的训练需要庞大的数据集和漫长的训练时间。我们引入了一种新颖的量子实例选择（IS）方法，该方法将训练数据集的大小减少了多达 28%，同时保持了有效性，提高了训练效率和可扩展性。我们的方法利用量子退火（QA），一种特定的量子计算范式，可以解决优化问题。这是首次尝试使用 QA 解决 IS 问题，我们为其提出了一种新的二次无约束二元优化（QUBO）公式。对多个自动文本分类（ATC）数据集进行的大量实验表明，我们的解决方案是可行的，并且与当前最先进的 IS 解决方案具有竞争力。
层退火温度对暴露于酒精蒸气的自旋涂层SBS层的感测特性的影响
为10-40 kJ/mol [75]。根据表3，三种类型的酒精的相互作用是物理吸附（ED = 27-45 kJ/mol）。物理吸附相互作用是可逆的。酒精
XX 催化剂对微扰交叉量子退火谱的影响
在绝热量子计算中，达到给定基态保真度所需的运行时间由退火谱中基态和第一激发态之间出现的最小间隙大小决定。一般来说，避免的能级交叉的存在要求退火时间随系统大小呈指数增加，这会影响算法的效率和所需的量子比特相干时间。正在探索的一种产生更有利的间隙缩放的有希望的途径是引入催化剂形式的非量子 XX 耦合 - 特别令人感兴趣的是利用有关优化问题的可访问信息的催化剂。在这里，我们展示了 XX 催化剂对优化问题编码的细微变化的影响的极端敏感性。特别是，我们观察到，包含单个耦合的目标催化剂可以显著减少在避免的能级交叉处随系统大小而闭合的间隙。然而，对于相同问题的略微不同的编码，这些相同的催化剂会导致退火谱中的间隙闭合。为了了解这些闭合间隙的起源，我们研究了催化剂的存在如何改变基态矢量的演化，并发现基态矢量的负分量是理解间隙谱响应的关键。我们还考虑了如何以及何时在绝热量子退火协议中利用这些闭合间隙 - 这是一种有前途的绝热量子退火替代方案，其中利用向更高能级的跃迁来减少算法的运行时间。
使用量子和数字退火器的功率流分析
功率流 (PF) 分析是研究电网中功率流的一种基础计算方法。该分析涉及求解一组非线性和非凸微分代数方程。因此，最先进的 PF 分析求解器面临着可扩展性和收敛性的挑战，特别是对于大规模和/或病态情况，这些情况的特点是可再生能源渗透率高。事实证明，绝热量子计算范式能够有效地找到嘈杂中尺度量子 (NISQ) 时代的组合问题的解决方案，并且它可以潜在地解决最先进的 PF 求解器所带来的局限性。我们首次提出了一种用于高效 PF 分析的新型绝热量子计算方法。我们的主要贡献是 (i) 一种组合 PF 算法和一个符合 PF 分析原理的修改版本，称为绝热量子 PF 算法 (AQPF)，它们都使用二次无约束二进制优化 (QUBO) 和 Ising 模型公式；(ii) AQPF 算法的可扩展性研究；(iii) AQPF 算法的扩展，以使用分区方法处理更大的问题规模。使用不同的测试系统大小在 D-Wave 的 Advantage™ 量子退火器、富士通的数字退火器 V3、D-Wave 的量子-经典混合退火器和两个在经典计算机硬件上运行的模拟退火器上进行了数值实验。报告的结果证明了所提出的 AQPF 算法的有效性和高精度，以及它在使用量子和量子启发算法处理病态情况的同时加速 PF 分析过程的潜力。
二元溶剂体系用于制造完全无退火钙钛矿太阳能电池
有机-无机金属卤化物钙钛矿正在迅速接近最先进的硅太阳能电池，性能最佳的设备现在已达到 25.7% 的能量转换效率 (PCE)。[1] 尽管稳定性仍然是钙钛矿太阳能电池 (PSC) 面临的挑战，但它们的溶液加工性是一大优势。刮刀涂布、[2] 狭缝模头涂布 [3] 和喷涂 [4] 等技术与卷对卷 (R2R) 加工兼容，原则上，这应该可以实现比现有硅太阳能技术高得多的生产速度。然而，用于结晶钙钛矿活性层的漫长退火时间降低了实际制造过程中可以达到的最大理论网速。2020 年，Rolston 等人展示了所有可扩展 PSC 加工技术中最高的涂层速度，实现了 > 12 m min −1 的生产速度。 [5] 喷涂工艺与大气等离子体后处理工艺相结合，[6] 制备出的 PSC 器件和模块的 PCE 分别为 18% 和 15.5%。至关重要的是，它们是在不对钙钛矿层进行退火的情况下制造的。在这种速度下，模块成本预计可以与 Si 完全竞争。[7] 相比之下，经过 10 分钟退火的旋涂 PSC 的计算吞吐率仅为 0.017 m min −1 ；这个速率远远超出了商业化要求。此外，高温处理步骤会增加公用设施成本并降低吞吐率，从而增加了器件制造成本。[8] 高工艺温度也与许多敏感的柔性（聚合物）基板不兼容，而这些基板预计在“物联网”应用中非常重要。[9,10] 这个不断增长的市场预计将使钙钛矿的初始投资和市场进入门槛降低一个数量级。[11]