Solitonic fixed point attractors in the complex Ginzburg-Landau equation for associative memories
最近显示[V. V. Cherny，T. Byrnes，A.N. Pyrkov，\textit{Adv. Quantum Technol.} \textbf{2019} \textit{2}，1800087]，具有特殊类型的简化耗散扰动的非线性薛定谔方程的特征在于非零振幅的零速度孤子解，其可以用于类比Hopfield关联记忆的吸引子。在这项工作中，我们考虑了一个更复杂的耗散微扰添加双光子吸收的影响和五次增益/损失的影响，正式产生复杂的金兹伯格-朗道方程（CGLE）。我们构造了一个微扰理论的CGLE与一个小的耗散扰动和定义的孤子解的行为与系统的参数和比较的解决方案与数值模拟的CGLE。我们发现，类似于非线性薛定谔方程与简化的耗散项，零速度孤子解的非零振幅出现作为吸引子的CGLE。在这种情况下，孤子固定点吸引子的振幅和速度不依赖于五次增益/损耗效应。此外，双光子吸收效应导致孤子不动点吸引子的强度增加。
2019-09-08 nlin.PS quant-ph
Quantum-assisted associative adversarial network: Applying quantum annealing in deep learning
NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）；Bay Area Environmental Research Institute（湾区环境研究所）
我们提出了一种通过生成对抗学习来学习潜变量生成模型的算法，其中正则均匀噪声输入被来自图形模型的样本所取代。该图形模型由玻尔兹曼机学习，玻尔兹曼机学习由机器提取的数据的低维特征表示。使用量子退火机D-Wave 2000 Q从该模型中取样。该算法加入了在深度学习中使用量子退火子例程的不断增长的算法家族，并提供了一个框架来测试量子辅助学习在GANs中的优势。完全连接，对称二分和嵌合体图拓扑结构进行了比较，减少随机二进制MNIST数据集，经典和量子退火采样方法。量子辅助关联对抗网络成功地学习了MNIST数据集的所有拓扑的生成模型，并且还应用于Chimera拓扑的LSUN数据集卧室类。使用Fréchet起始距离和起始分数进行评估，发现该算法的量子和经典版本对于学习MNIST数据集的隐式生成模型具有等效性能。
2019-04-23 cs.LG quant-ph stat.ML
Unraveling-Dependent Metastability in Monitored Quantum Systems and Associative Memories
Institute for Cross-Disciplinary Physics and Complex Systems, IFISC (UIB-CSIC)（交叉物理与复杂系统研究所，IFISC（巴利阿里群岛大学-西班牙国家研究委员会））
本文揭示受监测量子系统中亚稳态依赖监测通道与观测记录，提出轨迹层面亚稳态需通道、记录与流形兼容，并在量子联想记忆中验证。
2026-09-09 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Probabilistic Quantum Memories
典型的面向地址的计算机存储器不能识别不完整的或有噪声的信息。关联（内容可寻址）存储器解决了这个问题，但遭受严重的容量短缺。我提出了一个解决这两个问题的量子存储器模型。存储容量在qbit的数量上是指数的，因此是最佳的。不完整或噪声输入的检索机制是概率的，测量结果的后选择。输出由存储器上的概率分布确定，该概率分布在汉明距离中最接近输入的存储模式周围达到峰值。
2001-07-16 quant-ph
Quantum Annealing Machines Based on Semiconductor Nanostructures
基于超导量子比特的量子退火机（quantum annealing machines，QAM）近年来取得了很大的进展，在学术界和商业界得到了广泛的应用。另一方面，基于量子点（QD）等半导体纳米结构的量子调制解调器似乎仍处于初级研究阶段，因为难以控制量子位之间的相互作用。在本文中，我们回顾了QAM的基础上的半导体纳米结构，如浮栅（FG）或量子点的量子比特集成的观点。我们在理论上建议使用传统的高密度存储器，如NAND闪存用于QAM，而不是从头开始构建半导体量子比特系统。大型量子比特系统将作为商业级电子产品小型化的自然延伸而获得，尽管可能需要进一步的努力来实现高质量的量子比特。
2018-10-15 quant-ph
Optimal storage capacity of quantum Hopfield neural networks
本文提出一种基于经典自旋玻璃理论和Gardner方法推广的通用方法，用于计算量子神经网络的最优存储容量，并通过开放系统量子联想记忆实例验证了其有效性。
2022-10-14 cond-mat.dis-nn quant-ph
Mirror modular cloning and fast quantum associative retrieval
INFN（意大利国家核物理研究所）；University of Perugia（佩鲁贾大学）；SwissScientific Technologies SA（瑞士科学技术公司）
我们证明了一个量子态可以通过依赖于一个单一参数的幺正变换完美地克隆到全局镜像。然后，我们表明，这是相当于“完美”克隆量子联想记忆，因此有效地保持指数比他们的经典同行更多的信息。最后，我们提出了一个量子关联检索算法，它可以纠正损坏的输入，是指数比Grover算法快。
2022-06-03 cs.AI cs.CV quant-ph
Quantum Associative Memory
本文将量子计算与经典神经网络理论相结合，提出了一种量子计算学习算法。量子计算使用微观量子级效应来执行计算任务，并且在某些情况下产生的结果比经典计算结果快得多。量子理论的独特特性也可以用于创建具有神经元数量的容量指数的量子联想记忆。本文结合两种量子计算算法来产生这样的量子联想记忆。结果是与传统的联想记忆（如Hopfield网络）相比，记忆容量呈指数级增长。本文涵盖了必要的高层次量子力学和量子计算的想法，并介绍了量子联想记忆。理论分析证明了该存储器的实用性，并指出在不久的将来，一个小的版本应该是物理上可实现的。
1998-07-18 quant-ph
Comment on "Probabilistic Quantum Memories"
本文评论指出Trugenberger关于量子寄存器可作为指数级联想存储器的方案不优于同等大小的经典寄存器，并指出Holevo界等界限排除了基于量子态的强大经典信息存储器。
2004-01-22 cs.ET quant-ph
High-capacity associative memory in a quantum-optical spin glass
Stanford University（斯坦福大学）；Princeton University（普林斯顿大学）；University of St. Andrews（圣安德鲁斯大学）
该研究在由原子和光子组成的驱动-耗散自旋玻璃中实验实现了高容量联想记忆，利用量子光学非平衡动力学将存储容量超越Hopfield极限高达七倍，原子运动通过动态修改连接性提升了容量，实现了量子光学系统中学习的前体。
2025-09-15 cond-mat.dis-nn cond-mat.quant-gas cond-mat.stat-mech
Associative Memory for Quantum Entangled States
The University of Chicago（芝加哥大学）；Argonne National Laboratory（阿贡国家实验室）
该研究将经典Hopfield联想记忆模型推广至量子纠缠态存储，基于截断投影子求和哈密顿量构造，发现容量缩放优于经典预期，暗示量子优势。
2026-09-25 cond-mat.stat-mech quant-ph
Quantum Annealing Machine based on Floating Gate Array
基于超导量子比特的量子退火机有可能比数字计算机更快地解决优化问题，不仅对研究人员而且对公众都非常感兴趣。在这里，我们提出了一种基于半导体浮栅（FG）阵列的量子退火机。我们使用与商业FG NAND闪存相同的器件结构，除了较小的差异，如更薄的隧穿势垒。从理论上推导出FG系统单电子区的伊辛哈密顿量。最近的高密度NAND闪存存储器受到源自其小FG单元的若干问题的影响。为了可靠地存储信息，每个FG单元中的电子数量应该足够大。然而，存储在每个FG单元中的电子的数量变得更小并且可以是可计数的。因此，我们利用可计数电子区来操作FG电池的单电子效应。其次，在传统的NAND闪存中，FG单元的高密度通过它们的互电容耦合引起单元间干扰的问题。这种干扰问题通常通过使用纠错码软件的各种方法来解决。我们从这种自然的电容耦合推导出伊辛相互作用。考虑到电池的尺寸为10 nm，预期操作温度约为液氮的温度。如果使用商业64 Gbit NAND闪存，理想情况下，我们期望可以通过在与制造NAND闪存相同的工厂中使用常规制造工艺来构建2兆字节（MB）纠缠量子位。最高密度的量子比特系统将作为这个社会中常用存储器小型化的自然延伸而获得。
2017-07-06 cond-mat.mes-hall quant-ph
Quantum annealing with ultracold atoms in a multimode optical resonator
在高$Q$多模腔中，在零温度附近，稀填充的$N$位光晶格可以映射到在所有长度尺度上具有可剪裁相互作用的自旋系综。有效的全位点对位点相互作用矩阵可以通过应用高达合适几何形状、频率和功率的$N(N+1)/2$激光束来动态地控制，这允许依赖于实时可控的全对全有效自旋耦合来实现量子退火动力学。从超流初态出发，通过绝热扫描，可以找到该系统的最低能量定态。由于腔模是有损耗的，因此可以修正误差，并且即使从有限温度状态通过基态腔冷却仍然可以达到基态。最终原子态的物理性质可以直接且几乎无损地从腔输出场读出。作为例子，我们模拟了一个量子Hopfield联想记忆方案。
2016-12-22 quant-ph
Quantum memories for squeezed and coherent superpositions in a driven-dissipative nonlinear oscillator
本文推广了非线性驱动-耗散量子振子，分析了压缩态及其相干叠加态的存储，证明强对称性下可实现压缩猫态存储，并在弱对称性下探讨其在量子计算与联想存储器中的应用及压缩对性能的影响。
2024-07-26 cond-mat.dis-nn quant-ph
Particle Track Classification Using Quantum Associative Memory
在亚原子物理学实验中，通常采用模式识别算法来简化具有挑战性和必要性的径迹重建步骤。模式识别有助于区分相关的相互作用，它试图通过隔离感兴趣的信号来加速轨迹重建。在高冲突率实验中，这种算法对于确定是否保留或丢弃来自给定交互的信息（甚至在数据传输到磁带之前）可能特别重要。随着数据速率、检测器分辨率、噪声和低效率的增加，模式识别在计算上变得更具挑战性，从而促使开发更高效的算法和技术。量子联想记忆是一种试图利用量子力学现象来获得学习能力优势的方法，或者可以存储和准确回忆的模式数量。在这里，我们研究基于量子退火的量子联想记忆，并将其应用于粒子轨迹分类。我们专注于量子联想记忆模型（QAMM）召回和量子内容寻址记忆（QCAM）召回的伊辛配方的基础上的歧视模型。我们的特征分类性能，这些方法作为一个功能检测器的分辨率，模式库的大小，和检测器的效率低下，使用D波2000Q处理器作为测试平台。判别标准是使用溶液状态能量和嵌入在溶液状态的分类标签。我们发现，基于能量的QAMM分类在小模式密度和低检测器效率的情况下表现良好。相比之下，基于状态的QCAM实现了相当高的准确率召回大模式密度和最大的召回准确率鲁棒性的各种检测器噪声源。
2020-11-24 hep-th quant-ph
Quantum Pattern Retrieval by Qubit Networks with Hebb Interactions
受赫布规则启发，具有长程相互作用的量子比特网络可以用作量子联想记忆。从均匀叠加开始，由这些相互作用产生的幺正演化在临界计算时间驱动网络通过量子相变，之后铁磁序保证测量检索存储的存储器。这些量子比特网络的最大存储容量p在存储密度p/n=1时达到。
2006-09-15 cond-mat.dis-nn cs.NE quant-ph
Quantum Pattern Recognition
我回顾并扩展了我最近提出的量子联想记忆模型。在该模型中，n比特的二进制模式存储在n个量子比特的计算基的适当子集的量子叠加中。信息可以通过在该子集内执行存储器量子态的依赖于输入的旋转并测量所得到的状态来检索。这种旋转的记忆状态的振幅达到峰值的汉明距离最接近的输入，导致在一个很高的概率测量的记忆模式非常相似，它。模式召回的准确性可以通过调整一个参数的作用，有效的温度进行调整。该模型解决了经典联想记忆中众所周知的容量不足问题，提供了指数级的容量改进。付出的代价是信息检索的概率性质，然而，这个模型与我们自己的大脑共享一个特征。
2002-12-04 cond-mat.dis-nn cs.IR nlin.AO
