WikiEdge:ArXiv-2408.17265v1/summary：修订间差异

←上一编辑

可视化wikitext

2024年9月3日 (二) 10:22的最新版本

编辑

这份文件是一篇关于混合物质-光子量子信息处理器中资源态生成的研究论文，论文的主要内容可以概括如下：

引言：介绍了量子计算的两种模型——门阵列模型和基于测量的模型，以及它们在实现量子门和量子计算中的作用。特别强调了基于测量的方法在光学量子信息处理中的优势，以及融合基量子计算（FBQC）作为一种模块化架构的提出。
理论框架：提出了一种利用脉冲控制序列生成簇态的方法，通过选择性地翻转特定的自旋来消除长程相互作用，同时保留近邻耦合。介绍了如何通过动态解耦序列精确控制自旋间的相互作用，以及如何通过全局场实现选择性脉冲。
例子：讨论了在四自旋和六自旋系统中实现脉冲簇态准备协议的具体形式，包括考虑位置不确定性的情况，并探讨了将该方案扩展到大约20个自旋的理想更大的自旋环系统的可行性。
潜在的实验实现：介绍了在金刚石中的氮空位（NV）中心系统中实现脉冲簇态准备方案的可能性，包括NV中心的介绍、实际挑战、与附近核自旋的耦合、以及如何通过微波场操控电子自旋。
结论与展望：总结了所提出的在量子自旋系统中生成簇态的方案，并讨论了其在构建基于物质-光子的量子计算架构、实现量子寄存器以及扩展系统大小方面的潜在应用。

@@ 第1行： / 第1行： @@
-本文介绍了一种基于[[忆阻器]]的计算存储硬件加速器，用于片上训练和推理，重点关注其在设备变化、导电误差和输入噪声下的准确性和效率。
+<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17265v1/summary|action=edit}} 编辑]</div>
-利用商业可用的基于[[银]]的金属自定向通道（M-SDC）忆阻器的真实SPICE模型，研究将固有的设备非理想性纳入电路仿真中。
+这份文件是一篇关于[[混合物质-光子量子信息处理器]]中[[资源态生成]]的研究论文，论文的主要内容可以概括如下：
-硬件由30个忆阻器和4个[[神经元]]组成，利用[[钨]]、[[铬]]和[[碳]]介质的三种不同的M-SDC结构执行二进制[[图像分类]]任务。
+# '''引言'''：介绍了[[量子计算]]的两种模型——[[门阵列模型]]和[[基于测量的模型]]，以及它们在实现[[量子门]]和量子计算中的作用。特别强调了基于测量的方法在[[光学量子信息处理]]中的优势，以及[[融合基量子计算]]（FBQC）作为一种[[模块化架构]]的提出。
-片上训练算法精确调整忆阻器导电性以实现目标权重。结果表明，训练期间加入适度噪声（<15%）可以增强对设备变化和噪声输入数据的[[鲁棒性]]，
+# '''理论框架'''：提出了一种利用[[脉冲控制序列]]生成[[簇态]]的方法，通过选择性地翻转特定的[[自旋]]来消除长程相互作用，同时保留近邻耦合。介绍了如何通过[[动态解耦序列]]精确控制自旋间的相互作用，以及如何通过[[全局场]]实现选择性脉冲。
-即使在导电变化和输入噪声下也能实现高达97%的[[准确率]]。网络可以在不显著损失准确率的情况下容忍10%的导电误差。值得注意的是，
+# '''例子'''：讨论了在[[四自旋]]和[[六自旋系统]]中实现脉冲簇态准备协议的具体形式，包括考虑位置不确定性的情况，并探讨了将该方案扩展到大约20个自旋的理想更大的[[自旋环系统]]的可行性。
-在训练期间省略初始忆阻器重置脉冲可以显著减少训练时间和能量消耗。使用基于铬的忆阻器设计的硬件表现出优越的性能，
+# '''潜在的实验实现'''：介绍了在[[金刚石]]中的[[氮空位（NV）中心系统]]中实现脉冲簇态准备方案的可能性，包括NV中心的介绍、实际挑战、与附近[[核自旋]]的耦合、以及如何通过[[微波场]]操控[[电子自旋]]。
-实现了2.4秒的训练时间和18.9毫焦耳的能量消耗。这项研究为开发用于[[边缘应用]]的[[片上学习]]的鲁棒和能效高的基于忆阻器的[[神经网络]]提供了见解。
+# '''结论与展望'''：总结了所提出的在量子自旋系统中生成簇态的方案，并讨论了其在构建基于物质-光子的量子计算架构、实现[[量子寄存器]]以及扩展系统大小方面的潜在应用。

WikiEdge:ArXiv-2408.17265v1/summary：修订间差异

2024年9月3日 (二) 10:22的最新版本

导航菜单

搜索