传统的强化学习（RL）使用回报（也称为累积随机奖励的期望值）来训练代理学习最佳策略。 但是，最近的研究表明，学习学习收益的分布要比学习其预期价值具有不同的优势，如在不同的RL任务中所见。 从使用传统RL的收益期望到分配RL收益分配的转变，为RL的动力学提供了新见解。 本文基于我们最近的研究RL量子方法的工作。 我们的工作使用量子神经网络实现了分位数回归（QR）分布Q学习。 该量子网络在具有不同分位数的网格世界环境中进行了评估，说明了其对算法学习的详细影响。 还将其与马尔可夫决策过程（MDP）链中的标准量子Q学习进行了比较，这表明量子QR分布Q学习比标准量子Q学习可以更有效地探索环境。 RL中的主要挑战是有效的勘探以及开发与勘探的平衡。 先前的工作表明，可以从分布的角度采取更多有益的措施。 我们的研究结果表明了其成功的另一个原因：分布式RL的性能增强可以部分归因于其有效探索环境的卓越能力。

云计算、隐私计算、量子计算

首先分析粮食仓库选址的原则和影响因素等，研究建立了粮库选址模型；进而考虑带障碍约束条件，采用量子粒子群优化的空间聚类分析方法，解决了粮库选址问题；最后，以河南省粮库选址为实例进行了模型验证。实验表明，使用量子粒子群优化方法提高了粮库选址的科学性，为科学合理地进行粮库建设与布局提供了决策依据。

在有限甚至更高的温度下保持量子系统中纠缠的可能性（所谓的“热纠缠”）具有明显的实际意义，但还需要进行更严格的理论研究。 由于系统中的量子纠缠随时间发展并且连续地遭受环境退化，因此需要通过开放量子系统的非平衡描述。 为了确定可能导致“热缠结”存在或不存在的关键问题和影响因素，我们对有限温度标量场描绘的共享浴中两个空间分离的耦合振荡器进行了模型研究。 。 从我们为正常模态得出的Langevin方程和从协方差矩阵构造的纠缠量度中，我们考察了后期纠缠结构上直接耦合，场致相互作用和有限分离之间的相互作用。 我们表明，振荡器之间的耦合在维持中间温度和有限间隔内的纠缠中起着至关重要的作用。 相反，振荡器之间的场致相互作用是非马尔可夫效应，在高温下变得非常无效。 我们确定临界温度，在该临界温度以上，纠缠消失，以减小的振荡器系统的质心模式的反频率为主导，以领先为界，结果并非意外，这排除了这种设置下的热纠缠。

通过一组称为量子光谱曲线的函数方程，可以有效地解决AdS5×S5超弦谱及其双平面最大超对称Yang-Mills理论的光谱问题。 我们讨论了相同的概念如何应用于η形变的AdS5×S5超弦，这是具有量子群对称性的AdS5×S5超弦的可积变形。 该模型可以视为AdS5×S5超字符串的三角形式，例如XXZ和XXX自旋链之间的关系，或者香肠和S2 sigma模型。 我们通过将相应的基态热力学Bethe ansatz方程重新构造为解析Y系统，得出η形变弦的量子光谱曲线，并将其映射到解析T系统，在适当的量规固定后，该解析T系统将生成Pμ系统-量子 光谱曲线。 然后，我们讨论对这个系统的渐近性的约束，以找出特定的激发态。 在光谱级别，η形变的弦及其量子光谱曲线插值在AdS5×S5超弦和“镜像” AdS5×S5上的超弦之间，反映了η形变的弦的光谱和热力学数据之间存在更一般的关系。 尤其是，镜面AdS5×S5弦的光谱问题以及未变形的AdS5×S5弦的热力学是由我们的三角量子光谱曲线的第二有理极限来描述的，它不同于规则的未变形极限。

针对用BaumWelch算法训练隐马尔可夫模型用于序列比对算法的搜索空间有限性容易陷入局部最优点的缺陷，提出一种用量子粒子群优化算法训练隐马尔可夫模型的生物多序列比对新方法。该方法克服了BaumWelch算法在收敛性能上的缺陷，在整个可行解空间中进行搜索。从BaliBASE数据库中选取测试例子进行数值实验，实验结果表明，所提算法优于BaumWelch算法，对标准例子进行的实验证明了算法的有效性。

HANDBOOK OF OPTICS Volume IV Optical Properties of Materials, Nonlinear Optics, Quantum Optics THIRD EDITION Contents Contributors Brief Contents of All Volumes Editors' Preface Preface to Volume IV Glossary and Fundamental Constants Part 1.Properties Part 2. Nonlinear Optics Part 3.Quantum and Molecular Optics Index

这是PDF版的，清晰度一般般，不过不影响阅读

剑桥大学出版的一本，量子光学书，是入门级的相对简单易懂一些，很经典对相干态有详细的描述、

l-曲线矩阵代码随机基准 该存储库收集了一些python程序，这些程序在量子控制问题中实现了基于Clifford的随机基准测试技术，从而确定了给定量子门的错误性能。 版本 v1 。 （历史版本）重写了克利福德集团的随机unit门的生成规则。 没有应用其他更改，这意味着它们与原始MATLAB程序相同。 第2版。 在将m个Clifford组门应用于初始状态后，该程序现在能够计算保真度。 目前，我们只考虑了一次迭代。 在下一个版本中，将重复相同的过程以计算平均保真度。 同时，我们将修改m并在此基础上进行曲线拟合。 v2.1 。 函数get_para简化。 v3 。 对于固定值m重复K次，求和单个保真度值的总和，并计算平均保真度。 当前在笔记本中：m = 10，K =50。总运行时间：532.96s〜8.88min v4 。 1.重写产生克利福德门的部分。 2.修复了错误：修复了函数get_para不能正常工作的问题。 那是因为当gamma ， theta和phi都等于零时，时间计算部分将遇到“被零除”的错误。 3.在m上添加迭代。 v4.1 。 小错误已在函数get_para中修复。 v4.