【摘 要】
：
量子计算在近十年取得了长足的进展.随着量子调控技术达到前所未有的高度,包括超导量子比特、光量子器件、原子系综等在内的量子实验平台都进入到了崭新的时代.目前在特定计算任务上超越经典的量子计算优势也已经被报道.其中一种可以有效运用可控量子器件的计算方案是采用绝热量子计算.绝热量子计算中算法的选择与研究至关重要,其将直接决定量子计算优势是否能够最大限度地被挖掘.本综述主要介绍近期机器学习在绝热量子算法设计方面的应用,并讲述该计算架构在3-SAT和Grover搜索等问题上的应用.通过与未经机器学习优化设计的绝热量
【基金项目】
：
国家自然科学基金(批准号:11934002),国家重点基础研究发展计划(973计划)(批准号:2017YFA0304204),上海量子信息技术市级科技重大专项(批准号:2019SHZDZX01)资助的课题.
论文部分内容阅读
量子计算在近十年取得了长足的进展.随着量子调控技术达到前所未有的高度,包括超导量子比特、光量子器件、原子系综等在内的量子实验平台都进入到了崭新的时代.目前在特定计算任务上超越经典的量子计算优势也已经被报道.其中一种可以有效运用可控量子器件的计算方案是采用绝热量子计算.绝热量子计算中算法的选择与研究至关重要,其将直接决定量子计算优势是否能够最大限度地被挖掘.本综述主要介绍近期机器学习在绝热量子算法设计方面的应用,并讲述该计算架构在3-SAT和Grover搜索等问题上的应用.通过与未经机器学习优化设计的绝热量
其他文献
以虚拟仿真实验、MOOC和实体实验相结合,构建了以线下实体实验为主,虚拟仿真实验为辅的线上线下混合式物理实验教学模式,开展混合式教学与考核方式探索.
量子人工智能是一个探究人工智能与量子物理交叉的领域:一方面人工智能的方法和技术可以用来解决量子科学中的问题;另一方面,量子计算的发展也可能为人工智能,尤其是机器学习,提供新的范式,极大促进人工智能的发展.然而,量子机器学习和经典学习系统对于对抗样本同样具有脆弱性:在原始数据样本上添加精心制作的微小扰动将很可能导致系统做出错误的预测.本文介绍经典与量子对抗机器学习的基本概念、原理、以及最新进展.首先从经典和量子两个方面介绍对抗学习,通过二维经典伊辛模型和三维手征拓扑绝缘体的对抗样本揭示出经典机器学习在识别物
对最速降线问题发生的历史进行溯源和探究.从伽利略对该问题进行初步探索开始,简述约翰•伯努利发起公开挑战的过程和原因,介绍其对此问题的巧妙解答,阐述其推动18世纪分析领域发展的历史意义.
在Nambu−Jona-Lasinio模型框架下,研究温度和重子化学势对同位旋非对称量子色动力学物质状态方程和热力学性质的影响.通过将零温和零重子化学势下的pion超流物质状态方程以及有限温下同位旋密度、压强与格点数据做比较,发现两种方法给出的结果符合得较好.进一步计算表明,零温和零重子化学势下的平均同位旋能量随同位旋密度单调增加,而非零重子化学势和有限温下却呈现具有极小值的非对称抛物线行为.最后,利用得到的状态方程探讨声速随同位旋化学势的变化行为,结果显示有限温和(或)重子化学势下的声速在相变点不连续,
应用从头算分子动力学方法,模拟了在挤压剪切作用下石墨烯片层作为润滑剂添加于硅基材料界面的摩擦过程,研究了水分子和石墨烯表面氧化对石墨烯片层运动行为的影响.干燥环境下,压强较大时单纯石墨烯片层才会出现滑移,而氧化石墨烯片层在低压强下就开始滑移.潮湿环境下,界面结构影响水分子的整体分布和运动状态,而水分子的运动状态又影响氧化石墨烯片层的运动行为.由于二氧化硅表面羟基取向角较大,使得水分子在挤压剪切作用下偶极矩角变大,从而导致其与氧化石墨烯片层之间的结合强度削弱,二者之间出现相对滑移.石墨烯片层运动行为的改变引
大多数光学加密系统都是对称加密系统,在光学图像加密中明文和密文之间具有线性关系,其系统的安全性有待加强.而基于相位截断傅里叶变换(phase-truncated Fourier transform, PTFT)的非对称加密系统,其非线性的相位截断操作使加密系统的安全性得到了极大提升.本文提出使用深度学习方法攻击PTFT加密系统,通过PTFT加密系统构造出明密文对图像数据集,然后将其输入残差网络(r
根据经典文献综述了从发现阴极射线到确定是电子这段过程,介绍了莱纳德、佩林特别是汤姆孙的实验,以及如何认定阴极射线就是电子流的物理学史料.
经典计算机的运算能力依赖于芯片单位面积上晶体管的数量,其发展符合摩尔定律.未来随着晶体管的间距接近工艺制造的物理极限,经典计算机的运算能力将面临发展瓶颈.另一方面,机器学习的发展对计算机的运算能力的需求却快速增长,计算机的运算能力和需求之间的矛盾日益突出.量子计算作为一种新的计算模式,比起经典计算,在一些特定算法上有着指数加速的能力,有望给机器学习提供足够的计算能力.用量子计算来处理机器学习任务时,首要的一个基本问题就是如何将经典数据有效地在量子体系中表示出来.这个问题称为态制备问题.本文回顾态制备的相关
近年来,很多基于生成模型的机器学习算法,如生成对抗网络、玻尔兹曼机、自编码器等,在数据生成、概率模拟等方面有广泛的应用.另一方面,融合量子计算和经典机器学习的量子机器学习算法也不断被提出.特别地,量子生成模型作为量子机器学习的分支,目前已有很多进展.量子生成算法是一类量子-经典混合算法,算法中引入参数量子线路,通过执行参数线路得到损失函数及其梯度,然后通过经典的优化算法来优化求解,从而完成对应的生成任务.与经典生成模型相比,量子生成模型通过参数线路将数据流映射到高维希尔伯特空间,在高维空间中学习数据的特征
层流气体雾化制备的金属粉末具有粒径较小且粒度分布窄的优点,目前对层流气体雾化的研究主要集中在工艺参数对雾化效果和粉末特性的影响,其雾化机理仍不完全清楚.本文通过数值模拟和实验分析,系统地研究了层流气体雾化过程中的雾化气体流场、一次雾化和二次雾化机理以及最终的粉末颗粒形态.采用标准k-e湍流模型,研究了基于De Laval喷嘴的层流雾化单相气体流场,流场呈“项链”状结构,并伴有斜激波的膨胀波团.采用耦合水平集-体积分数法研究了一次雾化和二次雾化机理,并通过雾化实验得到了凝固碎片和粉末,验证了该模型的有效性,