物理学-量子与计算

📄 中文摘要:
本文研究了约瑟夫森行波参数放大器(TWPA)中第三谐波的作用及其对放大器性能的影响。传统观点认为,泵浦音及其边带的更高阶谐波通常被视为寄生效应,因此设计上多致力于抑制这些谐波。然而,本研究通过瞬态仿真和扩展的耦合模式理论,揭示了第三谐波并非有害,反而能够显著提升放大器的增益和带宽。研究特别指出,基于等离子体振荡的放大器因其色散关系而尤其适合利用这一效应。作者通过JoSIM和WRspice进行瞬态数值仿真,验证了这一现象,并观察到放大器性能的显著提升,具体表现为带宽翻倍和增益增加。这一发现挑战了传统观念,为TWPA的设计和优化提供了新的思路。研究结果表明,通过合理利用第三谐波,可以在量子电子学和信号处理领域实现更高效的放大器设计,具有重要的理论和应用价值。未来研究可进一步探索其他高阶谐波的潜在作用,以及在不同放大器架构中的适用性。

📄 中文摘要:
本文对基于超导纳米线(ScNW)的低温振荡器中的注入锁定和相互耦合动力学进行了全面的数值研究。低温振荡器在超导电子学和量子计算中至关重要,能够提供稳定、低噪声的信号并最大限度减少能量损失。研究聚焦于两种关键机制:一是通过接近振荡器自然频率的外部交流信号引发的注入锁定,二是两个ScNW振荡器在不同耦合强度下的相互耦合动力学。作者识别出影响锁定范围的关键设计参数,包括分流电阻、纳米线电感以及耦合强度。此外,研究还探讨了注入信号幅度对锁定振荡幅度的影响,为功率感知的振荡器同步提供了重要见解。在耦合ScNW振荡器的相互同步方面,研究通过电容和电阻耦合元件分析了振荡器之间的相位差如何通过调节耦合强度实现精确控制,从而支持可编程的相位编码信息处理。研究结果表明,基于ScNW的振荡神经网络、同步低温逻辑模块以及片上低温谐振器阵列的构建具有可行性。这些发现为低温计算架构中的频率同步和信号协调提供了理论基础和设计指导,有助于推动超导电子学和量子计算领域的发展。

📄 中文摘要:
稀疏线性系统的求解通常依赖于预条件迭代方法,但通过稀疏三角求解应用预条件器时,由于不规则的内存访问和数据依赖性,常常会产生性能瓶颈。本研究通过细粒度域分解策略,将三角求解适配到GPU架构上,显著提升了计算效率。研究提出了一种细粒度的域分解方法,生成非重叠子域,从而在增加预条件器应用并行性的同时,仅以适度增加迭代次数为代价实现收敛。每个子域分配给一个线程块,并确保子域向量能够适配GPU共享内存,从而消除了块间同步的需求,并减少了对不规则全局内存的访问。相较于使用ROCmTM软件栈的其他最先进的实现方法,本研究在AMD InstinctTM MI210 GPU上实现了三角求解10.7倍的加速比,以及ILU0预条件的双共轭梯度稳定(BiCGSTAB)求解器3.2倍的加速比。研究结果表明,该方法在GPU上处理稀疏线性系统时具有显著的性能优势,为高性能计算领域中稀疏矩阵求解提供了新的优化思路。未来工作可以进一步探索该方法在不同GPU架构上的适应性,以及与其他预条件技术的结合效果,以进一步提升求解效率。

📄 中文摘要:
本研究提出了一种新颖的方法,将多级晶体管放大器建模为动态系统网络,其中各个放大器级通过动态耦合相互作用。通过电路分析技术,研究表明一大类晶体管放大器可被建模为线性动态影响模型(LDIM),其中不同放大器级之间的交互被描述为线性动态方程。LDIM建模使得数据驱动的网络重建技术得以应用于表征级间交互、识别故障以及关键电路参数的高效分析。研究采用图形建模技术和维纳滤波,证明仅通过在电路特定点采样的电压时间序列数据即可重建网络结构。通过在Cadence中对多种放大器电路进行广泛仿真以及在物理硬件上的实验结果,验证了这些网络重建方法在多级放大器中的有效性。直接从测量数据推断网络结构的能力为设计者和用户提供了设计、分析和调试放大器电路的高效工具。为了进一步展示网络重建在多级放大器电路中的实用性,研究提出了一种利用这些技术的故障诊断方法。这一方法能够快速定位电路中的故障点,并为优化设计提供指导。研究结果表明,LDIM模型和网络重建技术不仅在理论上具有重要意义,还在实际电路设计和故障诊断中展现了广泛的应用前景,为未来的电子电路分析提供了新的思路和工具。

📄 中文摘要:
本文提出了一种基于动态网络的波计算框架,利用网络中节点和边缘的波传播特性(如频率混合或时间延迟)进行计算。该计算范式不仅能够像现有研究一样通过少量硬件单元同时探索指数级的可能性,实现内在并行性,还能将这一特性扩展到空间、时间和频率等多维空间中。这种方法在解决NP难问题方面表现出特别的效力。作者通过SPICE仿真验证了所提出的架构,展示了其在解决多个NP难问题(如数字分割问题、0/1背包问题和旅行商问题)方面的潜力。研究背景在于传统计算方法在面对复杂优化问题时效率低下,而波计算通过模拟物理波动的传播特性,提供了一种全新的计算视角。主要方法包括构建具有波操控能力的动态网络,利用波的干涉和叠加特性来并行搜索解空间。关键发现表明,该框架能够在较小的硬件规模下实现高效计算,尤其是在多维空间中表现出显著优势。结论指出,波计算为解决组合优化问题提供了一种有前景的替代方案,未来可进一步探索其在更广泛问题领域的应用及其硬件实现的可行性。

📄 中文摘要:
本文提出了一种基于信息理论的新型计算性能度量单位。随着现代计算系统的多样化发展,支持低精度格式、硬件专门化以及模拟、量子和可逆逻辑等新兴范式,传统的浮点运算(flops)等指标已无法准确反映计算复杂性。本研究将计算过程框架化为通过信道进行的信息转换,并以系统输入与输出之间的互信息(mutual information)来定义性能。这种方法不仅衡量处理的数据量,还评估计算过程中编码、操作和保留的有意义信息的量。本文提出的框架为评估计算性能提供了一个原则性强、与具体实现无关的基础。研究背景源于当前计算系统的多样性和传统度量方法的局限性,作者通过引入信息理论中的互信息概念,重新定义了计算性能的核心指标。关键方法包括将计算视为信息传输过程,并利用互信息量化系统在计算过程中保留和转换的有效信息量。研究发现,这种基于互信息的性能度量能够更全面地反映不同计算范式(包括传统数字计算和新兴量子计算)的效率和能力,尤其是在低精度和异构计算环境中表现出较强的适应性。作者还探讨了该框架在不同硬件架构和计算模式下的应用潜力。结论指出,该框架为未来计算性能评估提供了一个统一的理论基础,有助于推动计算系统设计和优化,尤其是在新兴计算领域中具有重要意义。

📄 中文摘要:
本文提出了一种强化学习(RL)框架,用于高效合成量子电路,以从固定的初始状态生成指定的目标量子态,解决了NISQ时代及未来容错量子计算中的核心挑战。该方法基于动作序列的表格Q学习,在离散化的量子状态空间中有效管理空间维度的指数增长。框架引入了一种混合奖励机制,结合了静态的、领域知识指导的奖励(引导智能体接近目标状态)和可定制的动态惩罚(抑制低效电路结构,如门拥塞和冗余状态回访)。通过利用稀疏矩阵表示和状态空间离散化,该方法能够在高维环境中实现可扩展的导航,同时最小化计算开销。在最多七个量子比特的图态准备任务上的基准测试表明,该算法始终能够发现最小深度电路,并优化门数量。此外,将框架扩展到任意量子态的通用门集后,仍能生成最小深度电路,凸显了算法的鲁棒性和适应性。研究结果表明,这种RL驱动的方法能够高效探索复杂的量子状态空间,并合成接近最优的量子电路,为量子电路优化提供了资源高效的基础。这一研究为量子计算领域的电路设计提供了重要的工具,可能对未来的量子算法开发和硬件实现产生深远影响。

📄 中文摘要:
Transformer模型代表了深度神经网络(DNN)的尖端技术,在多种机器学习任务中表现出色。然而,处理这些模型需要大量的计算资源,并导致显著的内存占用。内存计算(IMC)通过高计算并行性和最小化数据移动,为加速向量-矩阵乘法(VMM)提供了希望,但将其应用于其他关键的DNN操作仍然是一项艰巨的任务。Transformer模型中广泛使用的复杂激活函数、Softmax以及数据依赖的矩阵乘法(DMMuls)进一步加剧了这一挑战。为解决这一问题,本文提出了一种可重构模拟计算引擎(RACE),通过增强模拟内容可寻址存储器(ACAMs)以支持更广泛的操作。基于RACE,本文提出了RACE-IT加速器(即内存中Transformer的RACE),以实现Transformer模型所有核心操作的高效模拟域执行。鉴于RACE支持任意计算的灵活性,RACE-IT非常适合适应新兴和非传统的DNN架构,而无需硬件修改。通过与各种加速器进行比较,结果表明,RACE-IT相较于最先进的GPU和现有的Transformer专用IMC加速器,性能分别提高了453倍和15倍,能量消耗分别降低了354倍和122倍。这一研究为深度学习硬件加速提供了重要的创新思路,可能对未来的神经网络架构设计和高效计算产生深远影响。

📄 中文摘要:
Transformer神经网络(TNN)在自然语言处理(NLP)、机器翻译和计算机视觉(CV)等领域表现出色,其不依赖于循环或卷积层的设计使其成为许多任务的首选模型。然而,Transformer模型对计算和内存资源的需求极高,尤其是在资源受限的设备如FPGA上。此外,不同应用场景下Transformer模型的处理时间差异较大,需要针对特定参数设计定制模型,而为每个模型设计专用加速器既复杂又耗时。现有的定制加速器通常缺乏运行时自适应能力,且常依赖稀疏矩阵来降低延迟,但这增加了硬件设计的难度,因为稀疏模式需针对具体应用进行优化。本文提出了一种名为ADAPTOR的运行时自适应加速器,专门用于FPGA上Transformer编码器和解码器的密集矩阵计算。ADAPTOR通过优化处理单元和片上内存的利用率,显著提升了并行性和降低了延迟。该设计采用了高效的矩阵分块技术,以便在不同FPGA平台上合理分配资源,并实现了全量化以提高计算效率和可移植性。在Xilinx Alveo U55C数据中心卡以及VC707和ZCU102等嵌入式平台上的评估结果表明,ADAPTOR在能效上分别比NVIDIA K80 GPU和i7-8700K CPU高出1.2倍和2.87倍。此外,与一些最先进的基于FPGA的加速器相比,ADAPTOR实现了1.7到2.25倍的加速效果。这些结果表明,ADAPTOR在资源受限环境下的Transformer模型加速方面具有显著优势,为FPGA上的深度学习应用提供了高效且灵活的解决方案。

📄 中文摘要:
序列建模是人工智能理解时间数据和检测复杂时间依赖模式的关键。虽然循环神经网络(RNN)、卷积神经网络(CNN)和Transformer在捕捉长距离依赖方面取得了进展,但由于内存保留受限(固定上下文窗口),它们在处理超长序列时难以实现高精度。状态空间模型(SSM)通过利用指数衰减的记忆能力,实现了更长的上下文窗口,从而比循环模型和基于Transformer的模型更高效地处理超长数据序列。然而,与传统的神经网络模型(如CNN和RNN)不同,基于SSM的模型需要通过连续积分求解微分方程,这使得在常规CPU和GPU上的训练和推理在计算和内存方面都非常密集。本文提出了一种专门的硬件加速器EpochCore,旨在加速SSM的推理过程。EpochCore基于收缩阵列(SA)设计,旨在提高基于SSM模型在长距离序列任务中的能效和吞吐量。在收缩阵列中,我们设计了一种多功能的处理单元(PE),称为LIMA-PE,支持传统和专门的MAC操作,以兼容传统深度神经网络(DNN)和SSM。为了配合EpochCore的微架构,我们提出了一种新的数据流ProDF,能够高效执行基于SSM的模型。通过结合LIMA-PE微架构和ProDF数据流,EpochCore在LRA数据集上的性能平均比GPU提高了2000倍,相较于传统的基于SA的加速器(如TPU),性能提升了250倍,能效提高了45倍。本研究为长序列建模任务提供了高效的硬件解决方案,对人工智能领域具有重要意义。

📄 中文摘要:
量子近似优化算法(QAOA)是一种重要的变分算法,广泛用于解决组合优化问题,如最大割问题(Max-Cut)。然而,QAOA的一个关键挑战在于如何高效地找到合适的参数(gamma, beta),以获得高质量的解。本研究提出了一种结合全信息粒子群优化(FIPSO)和Adam优化器的自适应梯度校正框架,用于导航QAOA的参数空间。该方法旨在解决QAOA中常见的贫瘠高原问题(barren plateaus)以及陷入局部最优的困境。通过在两种图实例(Erdos-Renyi图和Watts-Strogatz图)上的实验评估,研究团队在多个QAOA深度下测试了该算法的性能。实验结果表明,与随机初始化方法相比,提出的Adam-FIPSO框架在性能上具有显著优势,展现了其在参数优化中的有效性和鲁棒性。这一框架不仅提升了QAOA的求解效率,还为量子优化算法的参数搜索提供了新的思路。研究结论指出,该方法在处理复杂图结构时表现出较强的适应性,未来可进一步扩展到其他量子变分算法中,为量子计算在组合优化领域的应用奠定了基础。

📄 中文摘要:
本文研究了雷达数字信号处理中针对任意波形的通用多普勒和电离层色散校正技术。雷达信号处理中,电离层畸变和多普勒色散的校正是一项基本需求,传统上依赖于专用的雷达硬件来实现实时处理。尽管模拟解决方案在计算效率上具有优势,但其系统设计缺陷常常限制波形灵活性,并增加系统复杂性。随着现代通用计算系统的性能提升,实时数字信号处理逐渐可以通过非雷达专用高性能计算设备实现。本文提出并分析了适用于任意波形的多普勒和电离层校正算法,并探讨了在软件中高效实现这些算法的方法,特别是在GPU硬件上的应用。研究中采用了两种色散校正算法:基于FFT的电离层色散校正方法和通过sinc插值的数值插值方法用于多普勒色散校正。这两种算法在校正精度上与特定波形的解析方法相当,并且能够在单个NVIDIA H100 GPU上实现实时处理。性能评估包括执行时间和校正精度等指标,结果表明这些方法与波形无关,可直接应用于采样数据,从而提高了系统的灵活性,便于集成到现有的软件定义无线电系统中。此外,本文还为雷达信号处理中的实际应用提供了建议。这些技术的实现不仅降低了硬件依赖,还为雷达系统的设计和优化提供了新的可能性,具有重要的应用价值。

📄 中文摘要:
本文提出了一种用于超低功耗应用的四级运算跨导放大器(OTA)。该设计通过最小化晶体管数量和无源元件,成功克服了传统四级OTA频率补偿的复杂性,使其设计复杂度回归到三级OTA的水平。同时,该电路展现了极高的功率效率,相较于之前的四级OTA(亚1V多级OTA),其大信号功率效率指标FOML提升了超过3.7倍,小信号功率效率指标FOMS提升了超过11.3倍。此外,由于相位裕度对负载电容的敏感性较低,该OTA在宽范围负载下保持稳定(如同任何三至四级OTA的双侧负载特性),实现了负载电容最大/最小比超过100倍的性能。这种设计在超低功耗应用中具有重要意义,尤其适用于需要高效率和宽负载范围的模拟电路场景。研究结果表明,该方法不仅简化了多级OTA的设计流程,还显著提升了电路的性能表现,为未来的低功耗模拟电路设计提供了新的思路和可能性。作者通过理论分析和仿真验证了设计的有效性,并与其他现有技术进行了详细对比,突显了其在功率效率和负载适应性方面的优势。总之,本文提出的四级OTA设计在超低功耗领域具有重要的应用价值和理论意义。

📄 中文摘要:
本文研究了一种基于同时传输和反射可重构智能表面(STAR-RIS)辅助的下行速率分割多址接入(RSMA)通信系统的鲁棒波束成形设计,考虑了收发器和STAR-RIS的硬件损伤(HWI)影响。研究场景中,基站(BS)通过STAR-RIS向多个用户同时传输消息,以提升通信质量并扩展用户覆盖范围。研究目标是在满足发射功率、STAR-RIS系数以及所有用户公共流实际速率的约束条件下,最大化用户的可达总速率。为解决这一高耦合且非凸的复杂优化问题,本文提出了一种基于分数规划(FP)的交替优化(AO)方法,其中每个子问题通过连续凸逼近(SCA)和罚函数(PF)方法求解。数值仿真结果表明,所提出的方案在可达总速率方面优于其他多址接入方案和传统的被动RIS。此外,考虑收发器和STAR-RIS的硬件损伤使得本文算法比未考虑此类影响的方案具有更强的鲁棒性。研究结果不仅验证了STAR-RIS在RSMA系统中的潜力,还为实际硬件环境下的通信系统设计提供了重要参考,特别是在硬件损伤不可避免的场景中,鲁棒性设计显得尤为关键。本文的工作为未来在复杂通信环境中部署智能表面技术提供了理论支持和实践指导。

📄 中文摘要:
在量子计算领域,高效计算以泡利算符之和形式表示的哈密顿量的低阶特征值是一个基本挑战。尽管已提出多种方法来降低量子电路的复杂性以完成此任务,但仍有进一步改进的空间。本文提出了一种新的电路设计方法,利用哈密顿量内的通勤群组来进一步降低基于哈密顿量的量子电路的复杂性。我们的方法包括将泡利算符划分为相互通勤的簇,并找到对每个簇进行对角化的Clifford酉变换。随后,我们设计了一种拟设,利用这些Clifford酉变换在簇之间高效切换,并为每个簇配备一层参数化的单量子比特旋转。通过数值模拟,我们展示了该方法在准确确定不同量子化学哈密顿量的基态能量方面的有效性。研究结果表明,我们的方法在设计针对各种量子计算应用的问题启发式拟设方面具有适用性和潜力。这一方法不仅降低了电路复杂性,还为量子计算中的变分算法提供了新的思路,可能对未来的量子化学模拟和优化问题产生重要影响。

📄 中文摘要:
本文研究了在大型纠错量子处理器物理实现中,如何有效应对失效(即‘死’)物理组件的问题,这些组件可能在设备启动时被识别或在计算过程中被检测到。针对固态量子比特,作者提出了一种理想的量子纠错协议,应满足以下条件:(1)使用与无失效组件时相同的原生操作集;(2)最大化功能组件的利用;(3)采用一致的全局操作调度以优化逻辑量子比特性能,并与系统的控制需求兼容。Grans-Samuelsson 等人(Quantum 8, 1429, 2024)提出的方案满足上述所有条件,通过最小侵入性修改(MIA)从表面码中有效切除失效组件。本研究对基于成对测量的表面码协议在存在失效组件和电路级噪声的情况下的性能进行了广泛的数值模拟。此外,作者还描述了一种无需手动电路标注即可直接从电路自动构建高效检查(检测器)基础的技术,这一技术本身也具有独立的研究价值。MIA 方案和自动检查基础计算技术均可轻松应用于基于测量的电路以及基于 CNOT 的电路。研究结果表明,该方法在性能上达到了当前最先进的水平,为量子纠错码在实际硬件实现中的应用提供了重要参考。作者通过模拟验证了该方案在处理失效组件时的有效性,并展示了其在逻辑量子比特性能优化方面的潜力。结论指出,MIA 方案为构建容错量子计算系统提供了一种实用且高效的策略,有望在未来的量子硬件设计中得到广泛应用。

📄 中文摘要:
本文通过数值模拟报道了一种基于光纳米毛细纤维(NCF)的单侧复合腔设计。该复合腔由光纳米毛细纤维与非对称缺陷模式光栅结合形成。研究团队设计了该腔体以实现高达80%的单侧NCF引导模式的最大通道效率,同时能够在欠耦合、临界耦合和过耦合三种工作模式下运行。在最大通道效率的情况下,腔体的最佳品质因子(Q因子)为19354,精细度为240,单次通过损耗为1.3%。通过优化设计,该平台展现了在光子学领域中构建高效光子传输和操控系统的潜力。研究结果表明,这种单侧复合腔结构在量子技术中具有重要应用前景,特别是在设计基于纤维的确定性单光子源方面可能开辟新的研究路径。本文详细分析了腔体参数对性能的影响,并探讨了其在不同耦合状态下的工作特性,为未来光子器件的设计提供了理论基础和实践指导。作者还指出了该技术在量子通信和量子计算领域的潜在应用价值,强调了其在实现高效光子操控和信息传输中的重要性。

📄 中文摘要:
在电力计量领域,精确测量交流(AC)和直流(DC)电流比值是基础性需求。然而,传统的交流和直流电流比较器依赖于不同的技术:交流测量依赖电磁感应,而直流测量则依赖超导量子干涉器件(SQUID)。这种技术分歧导致了溯源系统的复杂性和碎片化,难以满足新兴电力技术对统一电流标准的需求。本研究提出了一种紧凑型、室温条件下工作的交流/直流电流比较器,该设备集成了基于氮-空位中心的金刚石磁力计技术。实验结果表明,该比较器在交流和直流信号测量中均达到了10^-8的精度,并且支持高达300 Hz的系统带宽,无需低温制冷设备。与传统交流比较器相比,其精度提高了十倍,同时与最先进的直流比较器性能相当。这种无低温需求的统一解决方案不仅显著提升了测量的精度和多功能性,还扩展了其在量子电学标准中直流电阻电桥等领域的应用潜力。本研究为构建统一的电流计量标准提供了重要技术支持,有望推动电力计量技术的进一步发展。

📄 中文摘要:
本论文研究了在量子计算中高效合成稀疏量子态的问题,这对于许多量子算法的实现至关重要。特别是在容错量子计算的背景下,非Clifford门的执行成本远高于Clifford门,因此如何优化量子资源的使用成为关键挑战。作者提出了一种算法,专门针对稀疏量子态的合成,旨在减少量子电路的深度、辅助比特数量以及最重要的非Clifford门数量。算法生成的电路在稀疏度上的电路深度、辅助比特数和非Clifford门数量均为线性关系。作者推测非Clifford门数量的复杂度是最优的,并证明了这一推测的弱化版本。算法的核心组成部分包括两个方面:首先是广义W态的合成,作者提出了一种基于树的电路构建方法,并分析了树结构与电路复杂性之间的关系;其次是实现一个经典可逆电路,该电路通过置换将W态的基态映射到目标稀疏量子态的基态。作者将这一问题转化为二进制矩阵的对角化问题,并使用一组特定的基本矩阵操作(对应于经典可逆门)来解决。通过改进的高斯-约当消元法,作者进一步优化了电路复杂度,包括通过并行消元步骤减少电路深度。本研究为量子计算中的资源优化提供了重要思路,可能对未来的量子算法设计和容错量子计算的发展产生深远影响。

📄 中文摘要:
量子电路的规模与实际应用(如量子化学或Shor算法)所需规模之间存在巨大差距,当前的量子软件在编译和操作能力上远远不足。本研究提出了Pandora,一款高效、开源、多线程且支持高性能计算的工具,基于电路重写技术开发。Pandora可用于量子电路等价性验证、大规模电路的完整编译以及可扩展的流式量子资源估算框架。该工具能够轻松处理数十亿个量子门,并在资源估算流水线中以极高的速率流式处理电路分区。本研究利用Pandora完成了Fermi-Hubbard 100x100模型和1024位Shor算法电路的完整编译。与TKET和Qiskit相比,Pandora在操作超过10000个量子门的电路时表现出显著的性能优势。在等价性验证任务中,对于超过32个量子比特的特定电路,Pandora的性能优于MQT.QCEC。Pandora的高性能和多功能性为量子软件开发开辟了新的路径。其设计支持大规模量子电路的高效处理,为解决量子计算实际应用中的规模问题提供了重要工具,同时也为未来的量子软件框架设计提供了参考。研究结果表明,Pandora在处理复杂量子电路任务时具有显著的潜力,可能推动量子计算领域的进一步发展。

📄 中文摘要:
本文提出了一种名为Tesseract的最可能错误解码器,专门用于低密度奇偶校验量子纠错码。Tesseract通过在所有错误子集的图上进行搜索,寻找与输入症状一致的最低成本错误子集。尽管该图的规模呈指数级增长,但通过结合A*搜索技术和几种剪枝启发式方法,针对随机错误可以在实践中实现高效搜索。研究通过对表面码、颜色码和双变量自行车码的基准电路测试表明,Tesseract在中等物理错误率下显著快于基于整数规划的解码器,同时保持了相当的准确性。此外,Tesseract能够解码中性原子量子计算机上表面码的横向CNOT协议。研究还比较了表面码和双变量自行车码电路,发现使用最可能错误解码时,[[144,12,12]]双变量自行车码比表面码的效率高出14倍至19倍,而使用相关匹配和BP+OSD解码器时仅提高约10倍。如果假设长距离耦合器的噪声增加10倍,则使用Tesseract的效率提升降至约4倍,而使用相关匹配和BP+OSD时仅为2倍。这些结果表明,Tesseract在量子纠错解码中具有显著的性能优势,尤其是在特定硬件和噪声模型下,为量子计算的实际应用提供了重要支持。研究结论强调了搜索 기반解码方法在提高量子纠错效率方面的潜力,并为未来量子硬件设计和纠错策略优化提供了参考。

📄 中文摘要:
变分量子本征求解器(VQE)是一种用于求解给定哈密顿量基态的算法,近年来其在二进制形式组合优化(CO)问题中的应用得到了广泛研究。然而,传统的VQE方法在处理CO问题时常常陷入局部极小值或遇到贫瘠高原问题,限制了其获得最优解的能力。量子虚时间演化(QITE)提供了一种有效的基态准备替代方法,但其需要大规模电路来近似非幺正操作。尽管压缩QITE(cQITE)减少了电路深度,累积误差最终仍会导致能量增加。为解决这些挑战,本文提出了一种自适应加权QITE-VQE(AWQV)算法,通过自适应加权方案在优化过程中将VQE梯度与cQITE更新相结合。在无权正则图上的MaxCut问题的数值模拟中,AWQV取得了接近最优的近似比;而在加权Erdős-Rényi实例中,AWQV的表现优于经典的Goemans-Williamson算法。研究表明,AWQV算法在组合优化问题中展现了显著的优势,能够有效克服传统方法的局限性,为量子计算在实际应用中的潜力提供了新的证据。AWQV通过平衡VQE和QITE的优点,不仅提高了求解精度,还在一定程度上缓解了量子电路深度和误差积累的问题,为未来量子优化算法的设计提供了重要启示。结论指出,AWQV算法在理论和实践上均具有重要价值,可能推动量子计算在组合优化领域的进一步发展。

📄 中文摘要:
本文提出了一种基于四足猫码(four-legged cat code)的平面容错架构,用于解决玻色子模式中主要错误——单光子丢失的问题。四足猫码是首个突破盈亏平衡点的量子纠错码,展示了量子纠错的实用性。本研究通过将四足猫码与XZZX码结合,采用基于融合的纠错方法,构建了首个二维最近邻容错融合纠错架构。研究详细描述了如何利用标准电路量子电动力学(circuit-QED)技术实现所需操作,包括资源态制备和贝尔测量,具体涉及腔间分束器耦合、腔位移、腔-传输子色散耦合以及传输子驱动等技术。通过分析和数值模拟,研究表明在硬件层面上,玻色子模式和控制辅助比特中的主要硬件错误在一阶近似下均得到纠正。因此,外层XZZX码仅需处理较小的残余错误,这些错误被二次抑制,从而有效将架构的容错距离翻倍。此外,该架构的性能不受腔自Kerr等非线性效应的限制,也无需复杂的耦合技术(如χ匹配或高阶耦合)。总体而言,本文提出的架构显著降低了实现四足猫码容错所需的硬件复杂性,为量子计算的容错实现提供了重要的技术路径。研究结果表明,这种方法在量子纠错领域具有潜在的应用价值,可能推动量子计算硬件设计的进一步发展。

📄 中文摘要:
无序超导体为量子电路提供了新的阻抗机制,为保护量子比特提供了可能路径,并因其高动能电感和片电阻而有助于改进超导探测器。然而,这些设备的性能可能受到准粒子(超导体的基本激发态)的限制。尽管实验表明无序对准粒子的弛豫有显著影响,但其微观机制仍未被完全理解。本研究通过测量无序β-Ta薄膜中的准粒子弛豫来探讨这一问题,该薄膜被设计为微波谐振器的电感器。研究发现,准粒子的复合受声子散射时间的控制,其速度比有序超导体中的传统复合更快。研究者将这一结果解释为无序诱导的局域准粒子复合,这些准粒子通过吸收声子首先去局域化。研究还对不同无序程度的超导体进行了准粒子弛豫测量,并得出结论:这种现象是无序超导体固有的特性。本研究揭示了无序超导体中准粒子弛豫的微观机制,为优化基于无序超导体的量子器件提供了理论支持,并对未来在量子计算和超导探测领域的应用具有重要意义。

📄 中文摘要:
本文提出了一种专门的模型,用于辅助科学计算中心的排放生命周期分析。该模型综合考虑了硬件的隐含碳排放和使用过程中的排放,同时纳入了数据中心能耗效率、数据中心扩展、硬件更换、下一代硬件能效提升、电力供应碳强度的降低以及热量再利用潜力等多个因素。与现有模型相比,该模型在硬件隐含碳排放的详细处理以及各种影响排放因素的时间依赖性方面具有显著差异。作者通过多个场景分析,应用该模型对不同国家的真实高性能计算(HPC)中心进行评估,展示了各种因素对排放权衡的影响,并通过与文献的对比验证了模型的有效性。研究背景聚焦于科学计算中心在全球能源消耗和碳排放中的重要角色,强调了在高性能计算需求快速增长的背景下,减少其环境影响的迫切性。主要方法包括构建一个多维模型,量化不同阶段和因素对总排放的贡献,并通过实际案例分析探讨优化策略。关键发现表明,硬件更新周期、能源效率提升和电力来源的碳强度对排放影响显著,而热量再利用等措施具有潜在的减排效益。结论指出,通过合理规划硬件更新和能源使用策略,科学计算中心可以显著降低其碳足迹,为可持续计算提供重要参考。