XiaoMi-AI文件搜索系统
World File Search System量子态
按需量子态传输与纠缠...
通过传播光子耦合孤立量子系统是量子科学的中心主题 1、2，具有实现分布式容错量子计算 3 – 5 等突破性应用的潜力。到目前为止，光子已被广泛用于实现高保真远程纠缠 6 – 12 和状态转移 13 – 15，方法是用条件反射补偿效率低下，这是一种限制通信速率的概率性策略。与此相反，我们在这里通过实验实现了一个长期存在的确定性直接量子态转移的提议 16。利用高效的、参数控制的微波光子发射和吸收，我们展示了两个孤立超导腔量子存储器之间按需的高保真状态转移和纠缠。传输速率比任一存储器中光子的丢失速率更快，这是复杂网络的基本要求。通过以多光子编码传输状态，我们进一步表明，使用腔体存储器和状态独立传输创造了惊人的机会，可以通过量子误差校正确定性地减轻传输损耗。我们的研究结果为跨网络的确定性量子通信建立了一种引人注目的方法，并将实现超导量子电路的模块化扩展。直接量子态转移是一种快速、确定性的量子通信方案，用于在量子网络中传播光子 16 。在该协议中，发送节点以成形的光子波包形式发射量子态，然后被接收节点吸收。这需要光和物质之间强大的可调耦合，以及在共享通信频率上高效传输光子；到目前为止，由于光子耦合和传输效率低下，光网络中的状态转移具有高度概率性 8 。相比之下，超导微波电路可以将低损耗与强耦合相结合。该平台非常适合实现按需状态转移，从而以模块化方式扩展量子设备。为此，超导微波存储器和传播模式已成功对接，独立实现受控光子发射 17 – 20 和吸收 21 – 23。然而，由于高效、频率匹配的光子传输需求带来的困难，远距离确定性量子通信的目标至今仍未实现。
分布式Merlin-Arthur量子态合成及其应用
量子态的生成和验证是量子信息处理的基本任务，最近由 Irani、Natarajan、Nirkhe、Rao 和 Yuen [CCC 2022]、Rosenthal 和 Yuen [ITCS 2022]、Metger 和 Yuen [QIP 2023] 在状态合成这一术语下进行了研究。本文从量子分布式计算，特别是分布式量子 Merlin-Arthur (dQMA) 协议的角度研究了这一概念。我们首先在线上介绍一项新任务，称为具有分布式输入的状态生成 (SGDI)。在这个任务中，目标是在线的最右边节点生成量子态 U | ψ ⟩，其中 | ψ ⟩ 是在最左边节点给出的量子态，U 是一个酉矩阵，其描述分布在线的各个节点上。我们为 SGDI 提供了一个 dQMA 协议，并利用该协议为 Naor、Parter 和 Yogev [SODA 2020] 研究的集合相等问题构建了一个 dQMA 协议，并通过展示该问题的经典下限来补充我们的协议。我们的第二个贡献是基于 Zhu 和 Hayashi [Physical Review A, 2019] 的最新研究的 dQMA 协议，用于在没有量子通信的情况下在网络的相邻节点之间创建 EPR 对。作为此 dQMA 协议的一个应用，我们证明了一个通用结果，该结果展示了如何将任意网络上的任何 dQMA 协议转换为另一个 dQMA 协议，其中验证阶段不需要任何量子通信。
讲座 7：测量量子态之间的距离
场景：从集合中辨别状态。在前面的场景中，Bob 以概率 λ 收到量子态 ρ 0 ，以概率 1 − λ 收到量子态 ρ 1 。现在让我们将这个场景推广到两个以上的量子态：同样，Alice 站在一个有 n ∈ N 个按钮的设备旁边。按下按钮 “i” 后，设备从某个量子态集合 { ρ 1 , ... , ρ n } ⊂ D ( H ) 中发射一个量子态为 ρ i 的粒子。同样，Bob 抓住粒子，使用 POVM µ : { 1 , ... , n } → B ( H ) + 对其进行测量，并猜测如果 Alice 收到该结果，则他按下了按钮 j 。假设 Alice 按照概率分布 p ∈P{ 1 , ... , n } 按下按钮，Bob 猜测的最佳成功概率是多少？同样，给定一个特定的 POVM µ : { 1 , . . . , n } → B ( H ) + ，我们可以将成功概率表示为
11 量子态辨别 - 亨特学院
摘要。在量子通信和量子计算中提出的许多方案中，都涉及到对给定非正交量子态进行区分的问题。然而，量子力学对我们确定量子系统状态的能力施加了严重的限制。特别是，即使已知非正交状态，也无法完美区分它们，并且已经开发出各种针对某些适当选择的标准的最佳区分策略。在本文中，我们回顾了关于两种最重要的最佳区分策略的最新理论进展。我们还详细介绍了量子测量理论的相关概念。在对该领域进行简要介绍后，第二章讨论了最佳明确（即无误差）的区分。具有最小误差的模糊区分是第三章的主题。第四章概述了最近出现的多粒子状态区分子领域。最后，我们进行了简要的展望，试图概述近期的研究方向。
利用量子机器学习区分量子态
摘要 — 量子机器学习 (QML) 算法在机器学习 (ML) 领域具有重要意义，因为它有望在执行基本线性代数子程序 (BLAS) 时实现量子加速，而基本线性代数子程序是大多数 ML 算法的基本元素。通过利用 BLAS 操作，我们提出、实现并分析了一种时间复杂度低至 O (NKlog (D) I/C) 的量子 k 均值 (qk-means) 算法，以将其应用于判别读出时量子态的基本问题。判别量子态允许从低级同相和正交信号 (IQ) 数据中识别量子态 | 0 ⟩ 和 | 1 ⟩，并且可以使用自定义 ML 模型来完成。为了减少对传统计算机的依赖，我们使用 qk-means 在 IBMQ Bogota 设备上执行状态鉴别，并设法找到高达 98.7% 的分配保真度，仅略低于 k-means 算法。检查将两种算法应用于量子态组合所产生的分配保真度分数，结果与我们使用 Pearson 相关系数的相关性分析一致，其中证据表明，在所分析的设备上，(1, 2) 和 (2, 3) 相邻量子比特对之间存在串扰。索引术语 — 量子计算、机器学习、量子机器学习、K-Means、QK-Means、串扰
量子态测量的储层计算方法
高效的量子态测量对于最大限度地从量子系统中提取信息非常重要。对于多量子比特量子处理器而言，开发可扩展的架构以实现快速和高保真读出仍然是一个尚未解决的关键问题。在此，我们提出使用储层计算作为超导多量子比特系统量子测量的资源高效解决方案。我们考虑一个小型的约瑟夫森参数振荡器网络，它可以以最小的设备开销实现，并且与被测量子系统位于同一平台上。我们从理论上分析了这种设备作为储层计算机的运行，以根据量子统计特征对随机时间相关信号进行分类。我们将该储层计算机应用于联合多量子比特读出的测量轨迹的多项分类任务。对于现实条件下的 2 量子比特色散测量，我们证明了分类保真度可靠地超过最佳线性滤波器，仅使用 2 – 5 个储层节点，同时需要的校准数据少得多 — 每个状态只需几次拍摄。我们通过分析网络动态来了解这一卓越性能，并直观地了解储层处理。最后，我们演示了如何操作该设备以同等效率和轻松校准的方式执行 2 量子比特状态断层扫描和连续奇偶校验监控。该储层处理器避免了其他机器学习框架常见的计算密集型训练，并且可以作为集成低温超导设备实现，用于在计算边缘低延迟处理量子信号。
具有对称性的量子态的一般纠缠熵
摘要：当从希尔伯特空间均匀随机地抽取量子纯态时，该状态通常是高度纠缠的。随机状态的这种特性被称为量子态的一般纠缠，长期以来一直从黑洞科学到量子信息科学等多个角度对其进行研究。在本文中，我们探讨了量子态的对称性如何改变一般纠缠的性质。更具体地说，我们研究从给定对称性的不变子空间均匀随机抽取的量子态的二分纠缠熵。我们首先将众所周知的浓度公式扩展到适用于任何子空间的公式，然后表明：1. 与轴对称相关的子空间中的量子态仍然高度纠缠，尽管它比没有对称性的量子态的纠缠程度要低；2. 与置换对称相关的量子态的纠缠程度明显较低；3. 具有平移对称性的量子态与一般量子态一样纠缠。我们还用数字方式研究了一般纠缠分布的相变行为，这表明即使随机状态具有对称性，相变似乎仍然存在。
量子态、群和单调度量张量
其中 ρ 是量子态，U ∈ U ( H ) ，φ U 表示每个单调度量张量 G 的等距同构，因为在代表经典粗粒化量子版本的完全正、保迹映射下，单调性是必须的 [ 35 , 40 ]。从无穷小角度来看，作用量 φ 可以用 S + 上的基本矢量场来描述，从而提供酉群李代数 u ( H ) 的反表示。这些矢量场用 X b 表示，其中 b 是 H 上的埃尔米特算子（第 2 节将对此进行详细介绍），对于所有单调度量张量来说，它们都是 Killing 矢量场，因为 U ( H ) 通过等距同构起作用。现在，李代数 u(H) 是 H 上有界线性算子空间 B(H) 的李子代数，具有由线性算子之间的交换子 [·,·] 给出的李积。特别地，可以证明 B(H)（具有 [·,·]）同构于 U(H) 复数化的李代数，即 H 上由可逆线性算子组成的李群 GL(H) 的李代数。此外，已知 [9,15,26,27] GL(H) 作用于流形 S + ，更一般地作用于整个量子态空间 S ，根据
借助量子态测量评估随机性
随机性是科学、密码学、工程学和信息技术中的宝贵资源。由于单个量子过程的不确定性，量子力学随机源具有吸引力。在这里，我们考虑从光子偏振测量中产生随机比特。我们首先从教学角度讨论这种测量中固有的量子随机性如何与量子相干性相关联，以及如何根据量子态和相关熵值（称为最小熵）对其进行量化。然后，我们通过执行一系列适合本科实验室的单光子实验来探索这些概念。我们准备不同非纠缠态和纠缠态的光子，并对这些状态进行断层扫描测量。我们使用有关量子态的信息来确定最小熵，即通过不同的比特生成测量从给定光子状态产生的最小随机量。这有助于评估量子随机性的存在并确保随机比特源的质量和安全性。 VC 2020 美国物理教师协会。https://doi.org/10.1119/10.0000383
改善量子态转移：纠正非
摘要 量子态转移是量子信息处理的关键操作。原始的投接协议依靠具有设计波包形状的飞行量子比特或单光子来实现确定性、快速和高保真度的传输。然而，这些协议忽略了两个重要因素，即传播过程中波包的扭曲以及由于时间相关控制导致的发射和再吸收过程中的非马尔可夫效应。在这里，我们解决了一般量子光学模型中的这两个难题，并提出了一种改进量子态转移协议的校正策略。在我们的理论描述中包括非马尔可夫效应，我们展示了如何导出控制脉冲，这些控制脉冲在波包上印上相位以补偿传播引起的失真。我们的理论结果得到了详细数值模拟的支持，表明合适的校正策略可以将状态转移保真度提高三个数量级。