XiaoMi-AI文件搜索系统
World File Search System量子噪声
基准测试量子计算机和量子噪声的影响
基准测试是如何确定计算系统的性能。令人惊讶的是，即使对于古典计算机来说，这也不是一个简单的过程。必须选择适当的基准和指标来提取有意义的结果。不同的基准测试以不同的方式测试系统，每个单独的指标可能会或可能不是感兴趣的。选择适当的方法很棘手。对于量子计算机来说，情况更加开放，那里的硬件范围更大，建立的指南更少和其他复杂因素。值得注意的是，量子噪声会显着影响性能，并且难以准确建模。在这里，我们从计算机体系结构的角度讨论量子计算机的基准测试，并提供数值模拟，突出了暗示谨慎的挑战。
量子电路优化的综合回顾
摘要：优化量子电路对于提高计算速度和减轻量子噪声引起的错误至关重要。必须在不损害计算正确性的前提下实现有效的优化。本综述探讨了量子电路优化的最新进展，涵盖了独立于硬件和依赖于硬件的技术。它回顾了最先进的方法，包括分析算法、启发式策略、基于机器学习的方法和混合量子经典框架。本文重点介绍了每种方法的优势和局限性，以及它们带来的挑战。此外，它还确定了这一不断发展的领域中的潜在研究机会，为量子电路优化的未来方向提供了见解。
在杂种量子古典深度学习中的对抗性鲁棒性DGA检测
摘要：本文旨在为对抗性的防御研究差距做出贡献，这是广告讽刺机器学习（ML）攻击和防御的最新技术。更具体地，它有助于对对抗性示例攻击的人工智能（AI） / ML模型的鲁棒性进行度量测量，目前，这仍然是网络安全域中的一个空旷问题，并且在更大程度上是基于量子计算的AI / ML应用程序的更大程度的问题。我们提出了一种新的对抗性鲁棒性测量方法，该方法从量子ML ML模型实验的性能结果中测量统计特性（例如精度和t检验结果的平均值）。我们认为，我们提出的方法适合实现量子安全世界的实际使用，因为在当前嘈杂的中间尺度量子设备（NISQ）时代，量子噪声对于建模是复杂且具有挑战性的，因此使测量任务或基准测试变得复杂。我们的研究的第二个贡献是用于僵尸网络域生成算法（DGA）检测的新型硬化杂交量子量化深度学习（DL）模型，它采用了一种模型硬化的广告范围训练技术来减轻新型未知DGA对手，因为新的CyberAttarake从网络攻击中进行了新的CyberAttack，因此可以预期的是遇到网络武器竞赛。我们的分析表明，混合量子DL模型对对抗性示例攻击的脆弱性高达19％的平均准确性下降。我们还发现，硬化模型的优越性获得的平均准确性高达5.9％。此外，我们发现杂交量子型DL方法使抑制量子噪声对分类器性能的负面影响的好处。我们演示了如何应用我们提出的测量方法评估我们的新型混合量子DL模型，并强调了我们的模型与对抗性示例攻击的对抗性鲁棒性，这是我们研究对跨量子对抗机器学习的实际意义的证据。
非线性多谐振量子光子陀螺仪中 Fisher 信息的贝叶斯优化
摘要：我们提出了一种基于非线性多谐振光学器件的片上陀螺仪，该器件位于薄膜𝜒 (2) 谐振器中，同时兼具高灵敏度、紧凑外形和低功耗。我们从理论上分析了一种新颖的整体度量标准——多谐振非线性光子腔的 Fisher 信息容量，以充分表征我们的陀螺仪在基本量子噪声条件下的灵敏度。利用贝叶斯优化技术，我们直接最大化非线性多谐振 Fisher 信息。我们的整体优化方法协调了多种物理现象的和谐融合——包括噪声压缩、非线性波混频、非线性临界耦合和非惯性信号——所有这些都封装在单个传感器谐振器中，从而显著提高了灵敏度。我们表明，与具有相同占地面积、内在品质因数和功率预算的散粒噪声受限线性陀螺仪相比，可以实现约 470 × 的改进。
非线性多刺量子光子学中Fisher信息的贝叶斯优化
摘要：我们在薄膜𝜒（2）谐振器中基于非线性多辅音光学元件提出了一个片上陀螺仪，该光学具有同时结合了高灵敏度，紧凑的外形和低功率消耗的谐振器。我们理论上分析了一种新型的整体度量 - 多种非线性光子腔的Fisher信息能力 - 以充分表征我们陀螺仪在娱乐性量子噪声条件下的灵敏度。利用贝叶斯优化技术，我们直接最大化了非线性多辅助渔民信息。我们的整体选择方法策划了多种物理现象的和谐融合，包括噪声挤压，非线性波混合，非线性临界耦合和非稳态信号，都封装在单个传感器谐波中，从而显着增强敏感性。我们表明，与射击有限的线性陀螺仪具有相同的占地面积，固有质量因素和功率预算相比，可以进行约470倍的改进。
贝叶斯网络结构学习的量子近似优化算法
贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在这项工作中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1) / 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法来解决贝叶斯网络结构学习问题的合理性。
贝叶斯网络结构学习的量子近似优化算法
摘要 贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在本文中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1)/ 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法解决贝叶斯网络结构学习问题的合理性。
田丽 - 物理与天文系
依赖于光学读出场的传感和计量平台中，最小可分辨信号越来越受到标准量子极限 (SQL) 的限制，而标准量子极限由光子散粒噪声决定。因此，散粒噪声降低技术对于下一代传感器的开发至关重要，这些传感器可用于从土木工程到生物化学等各种应用，以及用于能够分辨以前被量子噪声所掩盖的材料特性的新型显微镜平台。本次演讲展示了使用双模压缩光进行亚散粒噪声限制量子生物传感方面取得的一些重大进展，并重点介绍了机器学习算法的实现，该算法用于恢复量子信息，否则这些信息将被噪声所掩盖，这些信息位于查塔努加市中心的世界上第一个软件可编程量子网络基础设施中。
一种快速精确的化学发光臭氧检测仪...
摘要。介绍了一种用于快速精确测量臭氧 (O 3 ) 的商用干式化学发光 (CI) 仪器。灵敏度为每 ppbv 臭氧 ∼ 9000 计数 s − 1。其精度完全取决于到达检测器 (光电倍增器) 的光子数量，即受量子噪声限制。因此，相对精度 (� O 3 /O 3 以 %) 遵循泊松统计，并与测量频率 f 的平方根和 O 3 混合比的倒数成比例：� O 3 /O 3 ∝ f 0 。5 · O − 0 。5 3 。在典型的 O 3 混合比介于 10 和 100 ppbv（和 1 bar）之间时，精度为 0.3–1.0 %，f = 10 Hz。最大测量频率为 50 Hz。描述了机械和电子设置以及仪器性能。给出了关于适当的入口管配置（入口管长度、采样流量）以及在固定地面平台和机载飞机上校准方式的建议。
迈向连续变量量子编译器
连续变量 (CV) 量子光学系统 (QOS) 是量子计算 (QC)、量子机器学习 (QML) 和量子传感 (QS) 的一个有利平台，因为它们可以在室温下运行，具有确定性纠缠操作，并且具有变分量子算法 (VQA) 中使用的高效量子噪声缓解协议 [1,2]。VQA 评估在量子计算机上执行的参数化量子电路的成本函数 [3]，而经典计算机通过优化电路参数来最小化该成本。到目前为止，VQA 已在 CVQOS 中为变分特征值求解器实现 [4]。CV 平台特别适合 CV 幺正的变分编译任务 [5]。这种量子编译可用于优化量子门组合，以最大限度地减少量子算法所需的资源。