- 综合排序
- 最热优先
- 最新优先
- 来自专栏Dechin的专栏
量子计算基础——矩阵语言
技术背景 量子计算作为一种新的计算框架，采用了以超导、离子阱等物理体系的新语言来描述我们传统中所理解的矩阵运算。不同于传统计算机中的比特（经典比特）表示方法，量子计算的基本单元被称为量子比特。 我们可以通过一个布洛赫球的模型来理解二者的区别： image.png 量子比特与量子操作 image.png 量子比特与量子操作 image.png image.png image.png image.png 总结概要 量子计算是一门当下非常火热的技术，抛开个别企业对量子计算的过分吹嘘不谈，其本身是一门非常有意义的跨学科研究领域。 本文仅从非物理科班专业的角度——用矩阵的语言去描述量子计算的基础单元和基础操作，包含量子态的含义、单比特量子门操作以及两比特量子门操作的矩阵形式。
1K10编辑于 2022-05-10 - 来自专栏浊酒清味
量子统计力学2
量子纠缠 上面这些公式对量子纠缠的研究很有用。纠缠跟黑洞热力学和热态的纯态化有关。 接下来我们来计算只作用于 的算符 的期望值 约化密度矩阵的定义为 在 里面的描述纯态的密度矩阵有如下形式 对 求迹 因此 求迹可得 过程中我们用到了 . 因此我们证明出 描述了一个可分离的态 所以说，只有描述纠缠态的 才能产生描述混合态的约化密度矩阵。这意味着约化密度矩阵 包含了 和 之间纠缠的信息。 定义是 它的密度矩阵是 现在我们来计算算符A在TFD态的期望值 约化密度矩阵 那么对于一个只能在 中观察的观测者来说，纯态TFD看上去就像是热态一样的。
60120发布于 2021-08-24 - 来自专栏Dechin的专栏
使用绝热演化量子退火算法求解矩阵本征态
绝热演化与量子退火 绝热演化过程可以这么理解，在求解一个已知哈密顿矩阵 H_1 的本征态时，先制备一个容易计算出本征态的哈密顿矩阵 H_0 所对应的物理系统，并使得该物理系统出于对应的本征态 \left 量子退火，实际上就是利用了绝热演化的原理：通过调制超导比特之间的耦合关系和对每个比特的控制，先制备一个本征能量较高的超导物理系统，然后精准控制物理温度缓慢降温，就可以实现到目标哈密顿矩阵的绝热演化。 绝热演化/量子退火算法Python模拟实现 首先我们定义一些常规的泡利矩阵： import numpy as np sigmai = np.array([[1, 0], [0, 1]], dtype = ，并且可以构造任意的 2\times 2 矩阵，这里不作展开介绍。 除了上述定义的哈密顿矩阵之外，我们还需要定义一个常用的量子力学操作：归一化。
1.3K40发布于 2021-05-21 - 来自专栏Python机器学习算法说书人
SciPy 稀疏矩阵（2）：COO
三元组的存储策略 如果存储一个稀疏矩阵对应的多个三元组可以有非常多的实现方式，针对每一种都进行讲解是非常不现实的，而且完全没有这个必要，因为三元组的存储策略可以分为 2 大类：三元组容器法以及三个序列法 2 种方法：三个序列法。 ： >>> row = np.array([0, 3, 1, 0]) >>> col = np.array([0, 3, 1, 2]) >>> data = np.array([4, 5, 7, 9]) 我们来看一下遇到这种情况会不会有什么问题： >>> row = np.array([0, 0, 1, 3, 1, 0, 0]) >>> col = np.array([0, 2, 1, 3, 1, 0, 这 2 个方法都是原地操作，无返回值。现在方法有了，怎么消除零元素以及重复的行列索引无非就是两个方法的调用顺序的问题。显然我们应该先消除重复的行列索引，再消除零元素。
1.2K20编辑于 2023-08-28 - 来自专栏又见苍岚
OpenCV - 矩阵操作 Part 2
内容列表 序号 函数 描述 1 cv2.exp() 实现矩阵的逐元素求指数幂 2 cv2.flip() 绕选定的轴翻转矩阵 3 cv2.gemm() 实现广义矩阵乘法 4 cv2.idct() 计算矩阵的离散余弦逆变换 5 cv2.idft() 计算矩阵的离散傅里叶逆变换 6 cv2.inRange() 测试矩阵的元素是否在两个其他矩阵的值之间 7 cv2.invert() 求方阵的逆 8 cv2.log() 计算矩阵逐元素的自然对数 ) 计算两个矩阵逐元素的最大值 13 cv2.mean() 计算矩阵元素的平均值 14 cv2.meanStdDev() 计算矩阵元素的均值和标准差 15 cv2.merge() 将多个单通道矩阵合并成一个多通道矩阵 16 cv2.min() 计算两个矩阵逐元素的最小值 17 cv2.minMaxLoc() 在矩阵中寻找最小值和最大值 18 cv2.mixChannels() 打乱从输入矩阵到输出矩阵的通道 19 cv2.multiply() 计算两个矩阵的逐元素乘积 20 cv2.mulTransposed() 计算矩阵和矩阵的转置的乘积 21 cv2.norm() 计算矩阵/矩阵差的范数 22 cv2.normalize
2.9K20编辑于 2022-08-09 - 来自专栏算法工程师的学习日志
MATLAB-矩阵相关计算（2）
5 -2 2 1 8 MATLAB除法（左，右）矩阵 MATLAB 中有两种矩阵除法符号：即左除“＼” 和右除 “／” 。 详细例子 在MATLAB中建立一个脚本文件，代码如下： a = [ 1 2 3; 2 3 4; 1 2 5] b = [ 2 1 3 ; 5 0 -2; 2 3 -1] prod = a * b 运行该文件 ，显示以下结果： a = 1 2 3 2 3 4 1 2 5 b = 2 1 3 5 0 - 2 2 3 -1 prod = 18 10 -4 27 14 -4 22 16 -6 MATLAB矩阵的行列式 MATLAB 2 3 4 1 2 5 ans = -2 MATLAB逆矩阵 MATLAB中矩阵A的逆矩阵被记为 A−1 ，下面的关系成立： AA−1 = A−1A
1.1K30编辑于 2022-07-27 - 来自专栏叶子的开发者社区
CSP 202305-2 矩阵运算
样例输入 3 2 1 2 3 4 5 6 10 10 -20 -20 30 30 6 5 4 3 2 1 4 0 -5 样例输出 480 240 0 0 -2200 -1100 答题 注意数值范围用 int已经不行了，必须要用long long 而且矩阵运算涉及到三层循环，可以利用cache机制减少取值时间，先将右矩阵转置再计算 最关键的是由于d远远小于n，所以先计算KTV得到的dxd大小的矩阵要远远小于先计算 QKT得到的nxn大小的矩阵，无论是存储上还是计算上都会大大减少时间 #include <iostream> using namespace std; long long** makeMatrix(int
58220编辑于 2023-09-06 - 来自专栏单细胞天地
根据表达矩阵进行分群-2
3 使用Seurat进行tSNE 上面我们使用了RPKM矩阵，下面的Seurat将会使用原始表达矩阵。 当然也是推荐使用原始矩阵进行分析的 3.1 下载原始表达矩阵 链接在：https://raw.githubusercontent.com/IStevant/XX-XY-mouse-gonad-scRNA-seq 2],cluster2[,1]) 0 1 2 3 C1 224 3 13 0 C2 6 0 84 0 C3 12 177 0 1 FF0000FF 190 43 90 240 # 取前1000个sd最大的基因作为HVGs choosed_count <- females # 表达矩阵过滤 3 4 1 2 0 0 206 0 2 1 106 0 0 0 3 0 93 10 0 0 4 1 138 0 1 5
1.1K40发布于 2020-03-30 - 来自专栏Hank’s Blog
3-2 矩阵的子集
> x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > x [1,2] [1] 3 > x[2,3] [1] 6 > x[1,] #第一行的内容 [1] 1 3 5 > x[,1] #第一列的内容 [1] 1 2 > x[2,c(2,3)] #第二行的第 2和第3个元素 [1] 4 6 > class(x[1,2]) [1] "integer" > x[1,2,drop=FALSE] [,1] [1,] 3 > x[1,2,drop
81520发布于 2020-09-16 - 来自专栏计算机技术-参与活动
后量子聚合签名；后量子聚合签名和MuSig2区别；量子攻击
目录后量子聚合签名后量子聚合签名简介使用哈希函数实现后量子聚合签名简单举例说明优势后量子聚合签名和MuSig2区别一、定义与背景二、技术特点三、应用场景量子攻击1. 量子攻击的基本原理2. 后量子聚合签名和MuSig2区别一、定义与背景后量子聚合签名：定义：后量子聚合签名是结合了后量子密码学和聚合签名技术的签名方案。 MuSig2：定义：MuSig2是一种多签名方案，它允许多个用户共同生成一个签名，而不需要暴露各自的私钥。背景：MuSig2是在MuSig的基础上改进而来的，旨在提供更高效、更安全的多签名解决方案。 MuSig2：多签名：支持多个用户共同生成一个签名，而不需要暴露各自的私钥。高效性：通过减少通信轮次和计算复杂度，提高了签名的生成和验证效率。 在传统密码学中，密钥的安全性取决于当前计算机技术下的难度，而量子计算机的出现使得这些难度大大降低。2.
1.4K11编辑于 2024-11-22 - 来自专栏量子化学
《量子化学软件基础》习题（2）
【小编注：HF优化结构仅为练习使用，实际计算中一般用DFT方法】 (2) 产生MP2 自然轨道的输入文件如下。 ① BDF的输入文件： $compass title c2h5n mp2 basis cc-pvtz geometry file=c2h5n.xyz end geometry saorb nosymm 时要写入Nature和Molden关键词，其作用分别为计算密度矩阵并输出自然轨道以及输出自然轨道为molden格式的文件。 其中关键词Density可以构造成两种类型的密度矩阵：relaxed（弛豫）和unrelaxed（非弛豫）。由于MP2波函数不是变分的，两种密度是有差别的。 关键词natorbs会将密度矩阵对角化得到Natural orbitals，最终的轨道会存储在JobName.mp2nat（GBW类型的文件），此文件内波函数可以作为其他计算的初猜轨道 （例如，从MP2
1.5K20编辑于 2022-12-07 - 来自专栏新智元
从2^N到N^2：量子计算开始助推神经网络！华人学者首次展示量子优势
IBM 量子计算机发展规划 相较于量子计算机硬件的迅猛发展，量子计算软件的发展明显滞后。目前为止，仅有少数的应用展示了量子优势，例如质数分解，随机数生成等。 量子计算具有独天得厚的优势，其可以使用 K 个量子比特表示 2^K 个数据并进行并行计算。但是，如何利用量子计算的特性来实现神经网络，并获得量子优势仍然是一个未知课题。 图 3 QuantumFlow 协同设计框架加入新成员:U-LYR 与 QF-hNet 针对U-LYR的量子设计获得了量子优势，对于输入为 2^N 的数据，相较于传统计算机上需要使用 O(2^ N ) 计算时间复杂度，在量子计算机上仅仅需要使用 O(N^2) 的计算时间复杂度。 例如，假设单位时间为秒，当 N = 30 时，传统计算机需要使用 2^30 秒 ≈ 34 年的时间进行计算，在量子计算机上，仅需要使用 30^2 = 900 秒就可以完成 。 ?
97630发布于 2020-09-27 - 来自专栏LET
坐标系与矩阵(2):朝向
，可以旋转矩阵为： ? 这里， ? 是反对称矩阵(skew-symmetric)，存在 ? ，可得： ? 推导后得到： ? 例子1： ? 单位立方体绕通过其角 A 和 G 的直线旋转 π/4。 ，如果已知矩阵 ? ，是否可以获取对应的 ? ： ? 另外，我们还可以通过Euler parameters形式来表达： ? 这样，可得R： ? 同样，我们也可以根据矩阵R反推出对应的欧拉参数 ? 例子2： ? 上图一点 ? 绕着向量 ? 旋转 ? ，旋转后的点 ? 一个没有亲手算过四元数的程序员不能算是一个真正的renderman，当然这个是必要不充分条件，这个问题留给大家自己来算吧。 前两篇主要是基于我的理解，从坐标系到矩阵，从轴角到欧拉参数到最后的四元数这样的方式，将各个知识点之间的关系整合起来，最终确定物体旋转后的orientation，希望这个梳理后的知识体系能够对大家有所帮助
1.5K20发布于 2021-06-21 - 来自专栏SpringCloud专栏
3 Spark机器学习 spark MLlib 矩阵向量、矩阵运算Breeze库-2
上一篇是矩阵的创建、连接等相关操作。 这一篇主要是矩阵的数值计算。 3), (4, 5, 6)) val b = DenseMatrix((1, 1, 1), (2, 2, 2)) println(a + b) println println(a :*= 2) println("-------------") val x = DenseMatrix((1, 2, 3), (4, 2 求和函数 主要是对矩阵内行、列等的求和函数。 //对第1行求和 println(sum(a(0, ::))) println("-----------") //对角线求和，必须是正方形矩阵
1.5K20发布于 2019-01-17 - 来自专栏数说戏聊
10.RFM分析&矩阵分析1.RFM分析2.矩阵分析
2.汇总RFM分值 RFM=100*R_S+10*F_S+1*M_S 3.根据RFM分值对客户划分8种类型 1.2 RFM分析前提 1.最近有过交易行为的客户，再次发生交易的可能性要高于最近没有交易行为的客户 2.交易频率较高的客户比交易频率较低的客户，更有可能再次发生交易行为。 3.过去所有交易总金额较多的客户，比交易总金额较少的客户，更有消费积极性。 0.6 1050 0.8 1069 1.0 1281 Name: RecencyAgg, dtype: int64 bins[0] = 0 labels = [5, 4, 3, 2, 2 122 1 2 14570 1044 15 8261 3 4 4 344 5 3 164 3 135 4 153 5 154 6 142 7 151 8 148 2.矩阵分析 根据事物（如产品、服务等）等两个重要指标作为分析依据
1.2K20发布于 2018-08-02 - 来自专栏GIS与遥感开发平台
分类模型的评估指标 | 混淆矩阵（2）
放到混淆矩阵中就是真实情况为A类的像元数中有多少像元数被分类器分为了别的类别。 2 ---结果 kappa系数的计算结果处于（-1，1）之间，但一般情况下其结果处于（0，1）之间，且可分为五个级别来表示一致性： （0，0.2】表现为极低一致性； （0.2，0.4】表现为一般一致性； 除总体分类精度和kappa系数外，其他指标以A类为例： 1 ---总体分类精度 overall accuracy=（20+15+18）/100=53% 2 ---生产者精度 producer accuracy =20/(20+5+2)≈74% 3 ---用户精度 user accuracy=20/（10+10+20）=50% 4 ---错分误差 commission error =（10+10）/40 =1 -user accuracy=50% 5 ---漏分误差 omission error =（5+2）/27 =1-producer accuracy ≈26% 6 ---kappa系数 Po=0.53
3.9K30编辑于 2022-04-29 - 来自专栏新智元
量子计算可靠性提升800倍！微软开启2级弹性量子计算新时代
这样的实验成果，也使得量子计算作为一个行业，有史以来第一次从1级基础量子计算，迈向2级弹性量子计算。 风雨飘摇的量子计算 是高高在上的未来尖端科技，还是处于疯狂泡沫中的当代骗局？ 量子计算新时代 研究团队使用了Quantinuum的H2离子阱处理器，能够将30个物理量子比特，组合成四个高度可靠的逻辑量子比特。 Quantinuum的H2量子处理器 由霍尼韦尔提供支持的H2系统模型，是最新一代的量子计算机，具有新的跑道形陷阱。 Quantinuum的H2具有32个完全连接的量子比特和全新的架构，可提供65,536的量子体积和最大的GHZ状态。 Quantinuum的系统模型H2包括许多标志性功能： - 32个全连接量子比特 - 65,536量子体积 - 99.997%单量子比特门保真度 - 99.8%双量子比特门保真度 - 多对多连接 - 量子比特重用
53610编辑于 2024-04-12 - 来自专栏又见苍岚
矩阵分解 -2- 特征值分解
线性代数中，特征分解（Eigendecomposition），又称谱分解（Spectral decomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。 进行因式分解，而得到 {\displaystyle p\left(\lambda \right)=(\lambda -\lambda {1})^{n{1}}(\lambda -\lambda {2} )^{n{2}}\cdots (\lambda -\lambda {k})^{n{k}}=0! Q} \mathbf {\Lambda } \mathbf {Q} ^{T}} 其中 Q 为 正交矩阵， Λ 为实对角矩阵。 通过特征分解求反(逆)矩阵 若矩阵 A 可被特征分解并特征值中不含零，则矩阵 A 为非奇异矩阵，且其逆矩阵可以由下式给出： {\displaystyle \mathbf {A} ^{-1}=\mathbf
2.7K20编辑于 2022-10-05 - 来自专栏HkingAuditore
从几何看线性代数(2)：矩阵
感谢 @awesome-xu 同学帮忙整理 矩阵 矩阵是什么 也许各位对矩阵的了解都是从"解方程组"开始的，但实际上矩阵的意义远远不止于此。实际上，矩阵在计算机图形学中永远十分广泛的应用。 当然，还有几个问题需要解答： 矩阵与向量相乘对二者的型号如何要求？ 看看我们的演算过程："取 倍第1个向量，再取入 倍第2个向量......，再取 倍第 个向量，把它们相加。" 矩阵与矩阵相乘 我们在上一节了解了如何用矩阵去变换一个向量，于是我们很自然地会有这么一个问题：我们是否可以用矩阵去变换另一个矩阵？ 综上 (2)若 与 有一秩为0，则 。若组合 与 两个向量组出现维度交集，即存在维度 ，则计算 时， 会受到抵消，则显然 即对组成 ， 各自的向量进行相加。 （2）若 矩阵表示降维过程 与1类似， 对 中 个基进行了降维，即 中 个基张成空间的名义维度降至 维，由此可知 不大于 。
1.1K30编辑于 2023-10-26 - 来自专栏Dechin的专栏
量子计算基础——量子测量
技术背景 在上一篇博客中，我们用矩阵的语言介绍了量子计算中基本量子单元——量子比特，与量子门操作的相关概念。通过对量子态的各种操作，相当于传统计算机中对经典比特的操作，就可以完成一系列的运算了。 量子测量的矩阵形式 image.png 可以看到，采样得到量子态并不是完全等同于理论预测值，但是也非常的接近，采样得到 \left|1\right> 态的概率约为：49.22%。 Z轴上进行，可以简单的理解为，把一个布洛赫球上的量子态矢量投影到Z轴上进行读取，最后得到一个统计的结果，布洛赫球的示意图如下所示： 如果用数学矩阵来表示的话，Measure在量子计算中使用到了一个Observable 测量基得到的结果是这样的形式： P=\left<\psi_t\right|O\left|\psi_t\right> 然后把我们上述所得到的量子态矢量与测量基矩阵代入到上面的这个式子中，就可以得到以下的测量结果 sqrt{2}}{2} \end{matrix} \right)=\frac{1}{2} 这就等同于我们在Z轴的测量基下所计算得的理论预期结果，跟上述IBM Composer所得到的结果是一致的，这就是量子测量的最基本的运算
2.4K20编辑于 2022-05-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号