新型药物的发展是现代科学的一个重大挑战,具有巨大的成本和时间投资。 深度生成模型已成为通过有效探索广阔的化学空间来加速药物发现的有希望的工具。 然而,这个快速发展的领域缺乏标准化的评价协议,阻碍了方法之间的公平比较。 这项研究对分子集(MOSES)平台进行了广泛的分析,这是一个全面的基准框架,旨在标准化分子设计中深层生成模型的评估。 通过对多种生成性架构(包括循环神经网络、变异自动编码器和生成对抗网络)的严格评估,我们研究了它们生成有效、独特和新颖分子结构的能力,同时保持特定的化学特性。 我们的研究结果表明,不同的架构在各种指标上表现出互补的优势,突出了化学空间探索和开发之间的复杂权衡。 这项研究提供了对分子生成技术现状的详细见解,并为人工智能驱动的药物发现的未来发展奠定了基础。
不同粒子物种的混合量子系统是量子材料和量子信息科学的基础。 在这项工作中,我们建立了一个严格的理论框架,证明在访问未知的自旋玻色子类型Hamiltonian时,我们的算法仅使用O(polylog(ε^-1)测量,实现了所有耦合参数的Heisenberg有限估计,直至错误,总进化时间O(ε^-1)。 它也是针对小状态准备和测量误差的稳健性。 此外,我们还提供了一种基于分布式量子传感的替代算法,可显著降低每次测量的进化时间。 为了验证我们的方法,我们展示了它在混合哈密尔顿学习和频谱学习中的效率,在AMO,凝聚态和高能物理学中具有广泛的应用。 我们的结果为混合量子平台的精确汉密尔顿表征提供了一个可扩展和强大的框架。
本文的目的是研究量子相干反馈网络的动力学,其中N级原子与腔体耦合,空腔也与单个或多个平行波导耦合。 当原子在最高能量水平初始化时,它可以向腔内发射多个光子,光子可以进一步传输到波导并与空腔量子电动力学(腔-QED)系统重新相互作用。 波导中光子的传输可以构建一个反馈通道,延迟由波导的长度决定。 我们将腔-QED系统的原子和光子状态的动力学建模为具有延迟的线性控制系统。 通过调整原子、空腔和波导之间的耦合强度等控制参数,量子系统的特征态可以呈指数级稳定或不稳定,具有延时线性量子控制系统的指数稳定性与单光子和多光子态的产生有关。 此外,当空腔QED系统与多个平行波导耦合时,发射的光子在不同的波导之间振荡,量子态的稳定性受到波导之间的反馈回路长度和耦合强度的影响。
No more items to load.