XiaoMi-AI文件搜索系统
World File Search System量量
利用参量放大器辅助零差检测测量连续变量量子纠缠
传统的测量爱因斯坦-波多尔斯基-罗森型连续变量量子纠缠的方法依赖于平衡零差检测，而平衡零差检测对由于探测器量子效率、被检测场与本振模式失配等因素引起的损耗耦合进来的真空量子噪声非常敏感。本文提出并分析了一种利用高增益相敏参量放大器辅助平衡零差检测实现的测量方法。相敏放大器的使用有助于解决因检测损耗引起的真空量子噪声。此外，由于高增益相敏放大器可以耦合两种不同类型的场，因此所提方案仅使用一次平衡零差检测便可揭示两种不同类型场之间的量子纠缠。进一步分析表明，在多模情况下，所提方案也优于传统方法。这种测量方法在涉及连续变量测量的量子信息和量子计量学中有着广泛的应用。
用少量量子比特实现可验证的混合秘密共享
我们考虑以可验证的方式在量子网络中共享秘密量子态的任务。我们提出了一种协议，该协议可以完成此任务，同时与现有协议相比，所需的量子比特数更少。为了实现这一点，我们将量子秘密的经典加密与基于 Calderbank-Shor-Steane 量子纠错码的现有可验证量子秘密共享方案相结合。通过这种方式，我们获得了一种用于共享量子比特的可验证混合秘密共享方案，该方案结合了量子和经典方案的优点。我们的方案不会向参与协议的 n 个节点中不到一半的任何组透露任何信息。此外，为了共享一个量子比特状态，每个节点都需要一个量子存储器来存储 n 个单量子比特共享，并且需要最多 3 n 个量子比特的工作空间来验证量子秘密。重要的是，在我们的方案中，单个共享被编码在单个量子比特中，而以前的方案则需要每个共享 (log n ) 个量子比特。此外，我们定义了一个斜坡可验证的混合方案。我们给出了基于现有量子纠错码的各种可验证混合方案的具体示例。
聚合学习：一种学习神经网络分类器的矢量量化方法
我们更进一步考虑学习神经网络分类的问题。在信息瓶颈 (IB) 原则下，我们将这个分类问题与表示学习问题联系起来，我们称之为“IB 学习”。我们表明，IB 学习实际上等同于量化问题的一个特殊类别。率失真理论的经典结果表明，IB 学习可以受益于“矢量量化”方法，即同时学习多个输入对象的表示。这种方法辅以一些变分技术，产生了一种用于使用神经网络模型进行分类的新颖学习框架“聚合学习”。在这个框架中，多个对象由单个神经网络联合分类。通过在标准图像识别和文本分类任务上的大量实验验证了该框架的有效性。
在任意偏置点的持续电流基础上的通量量子比特读出
测量假设是量子力学的基础 [1]。要获得有关封闭系统量子态的信息，需要与额外的读出系统（仪表）相互作用。可以设计这种相互作用，使得测得的可观测量是读出过程中运动的积分。这称为量子非破坏（QND）测量。QND 测量使重复测量能够得到相同的结果，最初旨在超越与引力波探测相关的标准量子极限 [2-4]。随着量子信息的发展，人们对 QND 测量方法的兴趣与日俱增，它们在各个方面发挥着重要作用，例如，误差校正 [5] 或通过测量初始化 [6]。超导通量量子比特 [7] 对于量子退火领域 [8-15] 尤其令人感兴趣，其中电感耦合的内在可能性和相当大的非谐性带来了巨大优势。然而，对于通量量子比特，在持续电流基中 QND 测量仅在远离通量简并点的地方进行 [ 16 – 20 ]。在简并点处，作为测量变量的持续电流的期望值对于量子比特能量本征态为零。通过将量子比特横向耦合到谐振器，可以测量简并点处的能量本征基，从而测量量子电感 [ 21 – 24 ]，或者通过使用基于调制耦合的更复杂方案 [ 25 ]。在任意操作点的通量基中进行测量的能力在量子退火中尤其有趣。如果能够在退火过程中进行测量，而无需首先将量子比特远离简并点，那么将带来巨大的优势，例如，避免退火计划中的淬火，这会限制成功概率 [ 13 , 26 , 27 ]，或者仅通过随机相互作用实现量子加速 [ 28 ]。此外，
使用...优化超导通量量子比特读出
尽管超导量子比特为可扩展的量子计算架构提供了潜力，但执行实用算法所需的高保真度读出迄今为止仍未实现。此外，高保真度的实现伴随着较长的测量时间或量子态的破坏。在本论文中，我们通过将两个超低噪声超导放大器集成到单独的色散通量量子比特测量中来解决这些问题。我们首先演示了一个通量量子比特，该量子比特与由电容分流 DC SQUID 形成的 1.294 GHz 非线性振荡器电感耦合。振荡器的频率由量子比特的状态调制，并通过微波反射法检测。微带 SQUID（超导量子干涉装置）放大器 (MSA) 用于提高测量灵敏度，使其高于半导体放大器。在第二个实验中，我们报告了通过共享电感耦合到由交错电容器和蛇形线电感器并联组合形成的准集总元件 5.78 GHz 读出谐振器的通量量子比特的测量结果。近量子极限约瑟夫森参量放大器 (paramp) 可大幅降低系统噪声。我们展示了使用 MSA 在读出谐振器中低至百分之一光子的读出激发水平下提高保真度和降低测量反作用的测量结果，观察到读出可见度提高了 4.5 倍。此外，在读出谐振器中低于十分之一光子的低读出激发水平下，未观察到 T 1 的降低，这可能使连续监测量子比特状态成为可能。使用 paramp，我们展示了具有足够带宽和信噪比的连续高保真读出，以解决通量量子比特中的量子跳跃。这是通过读出实现的，该读出可将读出指针状态分布的误差区分为千分之一以下。再加上能够在 T 1 时间内进行多次连续读出，允许使用预兆来确保初始化到可信状态（例如基态）。这种方法使我们能够消除由于虚假热布居引起的误差，将保真度提高到 93.9%。最后，我们使用预兆引入一个简单、快速的量子比特重置协议，而无需更改系统参数来诱导 Purcell 弛豫。
神经肌肉疾病的运动功能测量量表……
针对神经肌肉疾病开发了一种新的运动功能测量量表。验证研究包括 303 名患者，年龄为 6-62 岁。72 名患者患有杜氏肌营养不良症，32 名贝克尔肌营养不良症，30 名肢带型肌营养不良症，39 名面肩胛肱骨营养不良症，29 名强直性肌营养不良症，21 名先天性肌病，10 名先天性肌营养不良症，35 名脊髓性肌萎缩症和 35 名遗传性神经病变。该量表包含 32 个项目，分为三个维度：站立姿势和转移、轴向和近端运动功能、远端运动功能。评分者间信度一致性系数在 9 个项目中为优秀 (k Z 0.81–0.94)，在 20 个项目中为良好 (k Z 0.61–0.80)，在 3 个项目中为中等 (k Z 0.51–0.60)。总分与其他分数之间存在高度相关性：Vignos (r Z 0.91) 和 Brooke (r Z 0.85) 等级、功能独立性测量 (r Z 0.91)、医生 (r Z 0.88) 和物理治疗师 (r Z 0.91) 使用视觉模拟量表评估的残疾总体严重程度。该量表可靠，不需要任何特殊设备，并且深受患者欢迎。正在评估其对变化的敏感性，以允许其用于神经肌肉疾病的临床试验。q 2005 Elsevier B.V. 保留所有权利。
神经肌肉疾病的运动功能测量量表……
针对神经肌肉疾病开发了一种新的运动功能测量量表。验证研究包括 303 名患者，年龄为 6-62 岁。72 名患者患有杜氏肌营养不良症，32 名贝克尔肌营养不良症，30 名肢带型肌营养不良症，39 名面肩胛肱骨营养不良症，29 名强直性肌营养不良症，21 名先天性肌病，10 名先天性肌营养不良症，35 名脊髓性肌萎缩症和 35 名遗传性神经病变。该量表包含 32 个项目，分为三个维度：站立姿势和转移、轴向和近端运动功能、远端运动功能。评分者间信度一致性系数在 9 个项目中为优秀 (k Z 0.81–0.94)，在 20 个项目中为良好 (k Z 0.61–0.80)，在 3 个项目中为中等 (k Z 0.51–0.60)。总分与其他分数之间存在高度相关性：Vignos (r Z 0.91) 和 Brooke (r Z 0.85) 等级、功能独立性测量 (r Z 0.91)、医生 (r Z 0.88) 和物理治疗师 (r Z 0.91) 使用视觉模拟量表评估的残疾总体严重程度。该量表可靠，不需要任何特殊设备，并且深受患者欢迎。正在评估其对变化的敏感性，以允许其用于神经肌肉疾病的临床试验。q 2005 Elsevier B.V. 保留所有权利。