XiaoMi-AI文件搜索系统
World File Search System量子数
高保真超导量子处理器通过...
摘要 - 在维持高质量量子门的同时缩小量子数的数量仍然是量子计算的关键挑战。目前，积极可用以> 50 Qubits的超导量子处理器。对于此类系统，固定频率传输由于其长度连贯性和噪声免疫而具有吸引力。但是，由于精确的相对频率要求，缩放固定的频率档案证明了具有挑战性。在这里，我们采用激光退火来选择性地将Transmon Qubits调整为所需的频率模式。数百个退火量子的统计数据表明，经验调整精度为18.5 MHz，没有对量子相干性的可测量影响。我们在调谐的65克处理器上量化了门错误统计，中位两分之一的门限制为98.7％。基线调整统计量产生的频率等效性精度为4.7 MHz，高收益缩放量超过10 3个Qubit水平。向前迈进，我们预计选择性激光退火将在扩展固定频率体系结构中发挥核心作用。
提高量子误差校正的变异量子算法的速度
我们考虑为作用在量子电路上的通用量子噪声设计合适的量子误差校正程序（QEC）程序的问题。通常，没有分析通用程序来获得编码和校正统一门，如果噪声未知并且必须重建噪声，问题甚至更难。现有过程依赖于变分的量子算法（VQA），并且由于成本函数的梯度的大小随量子数而衰减，因此很难训练。我们使用基于量子1（QW 1）的量子Wasserstein距离的成本函数来解决此问题。在量子信息处理中通常采用的其他量子距离方面，QW 1缺少单一不变性属性，这使其成为避免被困在本地最小值中的合适工具。专注于一个简单的噪声模型，该模型已知确切的QEC解决方案，并且可以用作理论基准，我们进行了一系列数值测试，这些测试表明如何通过QW 1指导VQA搜索，确实可以显着提高成功培训的可能性，并在使用恢复状态的情况下，以实现的态度来实现会议的方法。
在嘈杂的中间量子量子硬件
摘要 - Grover搜索是一种著名的量子搜索算法，它利用量子叠加来找到具有二次加速的标记项目。但是，当在嘈杂的中间量子量子（NISQ）硬件上实现时，甲骨文和扩散操作员的重复迭代随量子数的数量而增加，从而导致噪声显着。为了解决这个问题，我们提出了一个混合量子式架构，该体系结构用经典优化器的更新代替了量子迭代。此优化器将Oracle Hamiltonian的期望值最小化，相对于代表目标位字符串的参数化量子状态。我们的参数化量子电路比Grover搜索电路要浅得多，我们发现它在嘈杂的模拟器和NISQ硬件上的表现优于Grover搜索。当量子位的数量大于5时，我们的方法仍然保持可用的成功概率，而Grover搜索的成功概率与随机猜测的水平相同。索引术语 - Quantum搜索，嘈杂的中间尺度Quantum，变异量子eigensolver
使用量子退火器计算分子的基态特性
量子退火器是量子计算的替代方法，它利用绝热定理有效地找到了可实现的哈密顿量的基态。此类设备当前可商购，并已成功应用于多个组合和离散优化问题。然而，由于难以将分子系统映射到伊辛模型汉密尔 - 汉密斯尼亚人，因此将量子试剂应用于化学问题仍然是一个相对稀疏的研究领域。在本文中，我们回顾了使用基于ISING模型的量子退火器找到分子哈密顿量的基础状态的两种不同的方法。另外，我们通过计算H + 3和H 2 O分子的结合能，键长和键角并映射其势能曲线的相对有效性。我们还通过确定使用各种参数值模拟每个分子所需的量子数和计算时间来评估每种方法的资源要求。虽然这些方法中的每一种都能够准确预测小分子的基态特性，但我们发现它们仍然超过现代经典算法的表现，并且资源需求的扩展仍然是一个挑战。
![arxiv：2402.13895v1 [Quant-ph] 2024年2月21日](/simg/g:\will\search\icon\source\4\4c903a15cfd60b11ccf62c889d157188dd1f8f31.webp)
arxiv：2402.13895v1 [Quant-ph] 2024年2月21日
摘要。在晶格中找到最短的向量是一个问题，据信对于经典计算机而言很难。许多Ma-Jor后Quantum Secure Cryptosystems的安全性基于最短矢量问题（SVP）的硬性[MOO23]。为SVP找到最佳的经典，量子或混合经典量子算法对于选择具有较高安全级别的加密系统参数是必不可少的。Grover的搜索量子算法提供了一种通用的二次加速，允许访问Oracle实现某些函数，该功能描述了何时找到解决方案。在本文中，我们为SVP提供了这种甲骨文的具体实现。我们定义了电路，并根据量子数，门数，深度和T量子成本来评估成本。然后，我们分析了如何将Grover的Quantu搜索与最先进的经典求解器相结合，这些求解器使用了众所周知的算法，例如BKZ [SE94]，该算法被用作子例子。这可以使比经典的最新记录更高的概率解决更大的SVP实例，但仍然不远，对被认为是标准化的密码系统构成任何威胁。根据可用的技术，创建此组合有一系列交易。
多目标量子汇编算法
变异量子算法（VQA）如量子近似优化算法（QAOA），变异量子本元素（VQE），量子神经网络（QNN）和量子汇编（QC），可用于求解对噪声中量表量量标准量量表的实用任务（NISQ）的实用任务，这是有希望的。最近的成就证明了量子态制备2 - 6，量子动态模拟2、7-9和量子计量学10-14的有效性。QC，特别是获得了显着的利益。它使用培训过程将信息从未知目标统一转换为可训练的已知统一15，16。此方法具有各种应用，包括盖茨优化15，量子辅助编译16，连续变量的量子学习17，Quantu-State State polagrogrich 18和量子对象模拟2。例如，可以使用QC 2在量子电路中模拟量子对象（例如量子状态）。QC的性能取决于量子数和电路深度的数量。Ansatzes（可训练的量子电路）的选择也至关重要，必须仔细选择。一些纠缠
在线自我符合和相对平滑的最小化...
这项工作考虑在线投资组合选择（OPS）和在线学习量子状态，并具有对数损失。在遗憾和效率上设计最佳OPS算法的问题已经开放了30多年（Cover，1991; Cover and Ordentlich，1996; Helmbold等人。，1998; Nesterov，2011年； Orseau等。，2017年； Luo等。，2018年；范·埃文（Van Erven）等。，2020年； Mhammedi和Rakhlin，2022年； Zimmert等。，2022）。在线学习量子状态是对量子设置的OPS的概括（Lin等人，2021; Zimmert等。，2022）。量子状态的维度随量子数的数量而成倍增长，因此相对于维度的可扩展性成为量子设置中的关键问题。我们将这两个问题提出为在线凸优化，其中损失函数是自我一致的障碍，并且相对于凸函数h而平滑。我们用H作为正规器分析了在线镜像的遗憾。然后，根据分析，我们以统一的方式证明了以下内容。用t表示时间范围和d参数维度。
量子计算和模拟用被困离子的振动模式
电容，其中C G是栅极电容，C J是连接电容，如图1。对于电荷零件，约瑟夫森能量与充电能量E J / E C的典型比率约为1，因此充电能量主导。特征力E M对过渡能E 01的响应比（E 1-e 0在n g = 0。5）在图中绘制了量子的2（a）。对于不同的E J / E C（5、10和50）的其他比率E M / E 01也在图1和图2中绘制。2（b） - 2（d）。由于ˆφ和ˆ n满足换向关系ˆφ，ˆ n = i，电荷数是一个良好的量子数，并且相相对较大。Josephson连接通常用DC平方（Su-percoductucting量子干扰装置）代替，该连接可以用作可调的Josephson交界处，从而增加了操纵电荷Qubit的功能。在所谓的电荷基础上，[4] ˆ n =σn n | n⟩⟨n |和cosφ= 1 /2·σN（|n⟩⟨n + 1 | + | n + 1⟩⟨n |），可以将汉密尔顿人写成< / div>
自旋模型中的量子动力学与经典动力学
我们对不同几何结构（从一维链、准一维梯形到二维方晶格）中量子和经典自旋模型中的自旋和能量动力学进行了全面比较。我们重点研究形式上无限温度下的动力学，特别考虑局部密度的自相关函数，其中时间演化由量子情况下的线性薛定谔方程或经典力学情况下的非线性哈密顿运动方程控制。虽然在一般情况下，量子动力学和经典动力学之间不能期望有定量一致性，但我们对自旋 1/2 系统（最多 N = 36 个晶格点）的大规模数值结果实际上违背了这一预期。具体来说，我们观察到所有几何都具有非常好的一致性，这对于准一维或二维的非可积量子模型来说是最好的，但在可积链的情况下仍然令人满意，至少如果传输特性不受大量守恒定律的支配。我们的研究结果表明，经典或半经典模拟提供了一种有意义的策略来分析量子多体模型的动力学，即使在自旋量子数 S = 1 / 2 很小且远离经典极限 S →∞ 的情况下也是如此。
可区分的矩阵产品状态用于模拟变异量子计算化学
量子计算被认为是量子化学概率的最终解决方案。在大规模，完全容忍的量子计算机出现之前，变量量子本质量（VQE）是一种有希望的启发式量子算法，可以解决现实世界中量子化学问题上的近期噪声量子计算机。在这里，我们基于量子状态的矩阵乘积状态表示，为VQE提供了高度可行的经典模拟器，该模拟态显着扩展了iS exting模拟器的模拟范围。我们的模拟器无缝地将量子电路演变为经典的自动差异框架，因此可以有效地计算梯度与经典的深神经网络有效地相似，该缩放的比例与变异参数的数量无关。作为应用，我们使用模拟器研究常用的小分子，例如HF，HCl，Lih和H 2 O，以及较大的分子CO 2，BEH 2和H 4，最多40量Qubit。我们的模拟器对量子数的数量的有利缩放和参数的数量可以使其成为近期量子算法的理想测试场，并且是噪声量子计算机上迎接大型大规模VQE Excorments的完美基准基线。