噪声中型量子 (NISQ) 量子计算机正在迅速发展,目前已有超过 400 量子比特的机器 [7],业界预计 4000 量子比特或更大的设备将在未来十年内问世 [14]。到目前为止,它们对于量子纠错来说还太小,但已经在优化、化学和其他重要领域有着广阔的应用前景 [8, 10, 11]。在不同类型的技术中,基于超导量子比特技术的 NISQ 计算机由许多公司开发,例如 IBM、Rigetti 或 Quantum Circuits, Inc. 这些机器使用在约 20 ℃ 温度下工作的超导电子电路实现量子计算。即使在极端冷却下,这些设备也会对不同类型的环境干扰以及噪声敏感。
摘要 - 图像搜索是一个热门话题,它在各种物联网(IoT)应用程序(例如疾病诊断,面部识别和指纹识别)中发挥了重要作用。同时,图像的扩散使图像所有者将图像外包到云中,以减轻本地存储和计算负担。因此,图像搜索没有任何对云的隐私范围的搜索,已引起了很大的关注,并在文献中广泛探讨了。过去几年已经提出了许多基于Bloom滤波器的方案,但是大多数方案都遭受了高存储开销,较低的假正率,甚至揭露了Bloom滤波器中的值。为了解决这些挑战,在本文中,我们首先设计了一个合并和重复的不可区分的布鲁姆过滤器(MRIBF)索引结构,该结构可以减少开销的存储空间并以较低的假阳性速率实现自适应安全性。然后,使用MRIBF,我们提出了一个安全有效的基于BLOOM过滤器搜索方案(BFIS),以实现比线性更快且更准确的搜索。详细的理论分析表明,我们的方案确实是准确且安全的。广泛的实验表明,我们的计划确实是有效且可行的。
不同类型的环境干扰以及量子计算机本身控制中的噪声。环境变化或设备本身的变化都会影响 NISQ 计算机的可靠性和运行。为了让用户可以使用这些 NISQ 量子计算机,越来越多的公司将它们部署为基于云的加速器。如今,公共云基础设施已经允许按需轻松访问来自不同制造商的各种量子计算机。IBM Quantum [6]、Amazon Bracket [1] 和 Microsoft Azure [12] 等基于云的服务是为用户提供超导量子计算机远程访问的服务之一。虽然用户可以借助基于云的服务轻松访问设备,但他们无法控制物理设备及其环境。对于想要使用硬件的用户来说,了解硬件的运行以及硬件中的任何物理或环境变化至关重要。通过分析 IBM Quantum 的真实量子计算机历史校准数据 [ 6 ],我们证明 IBM Quantum 提供的计算机会经历许多事件,例如量子比特频率发生突变或频率在一段时间内波动。频率本身的变化并不重要。但是,它们可以用作机器环境或物理变化的指标。这些变化反过来又可以与其他属性的变化(如门错误)相关联。通过跟踪量子比特频率的变化,用户可以使用显著的频率变化事件作为重新优化算法的触发器。此外,众所周知,超导量子比特设备对温度变化很敏感。频率变化可以指示用于容纳超导量子比特设备的低温制冷机的热循环。因此,跟踪量子比特频率变化可用于检测物理变化或对机器的篡改。因此,我们研究的一个关键结论是,为了充分描述量子计算机的行为,用户需要了解和跟踪传统指标之外的属性,例如量子比特退相干时间和门错误率。此外,通过历史设备数据,我们分析了不同设备之间的设备离线时间如何关联以及它们如何与频率变化相关联。我们发现了一些相关性,其中许多设备往往同时处于离线状态,这表明它们可能共享冷却、控制或其他基础设施。共享基础设施可能是一个潜在的故障点,希望在 NISQ 量子计算机上可靠地执行程序的用户可能希望避免使用可能共享全部或部分相同基础设施的机器。另一方面,我们还发现,许多频率变化事件与设备可能离线的时间段无关,这表明存在未知且未公开的原因
随着云计算的日益普遍性,提供对存储在云中的信息的安全访问已成为关键问题。由于访问控制策略的复杂性,管理员可以无意间允许对私人信息的意外访问,这是基于云的服务中数据泄露的常见来源。在本文中,我们提出了一种定量符号分析方法,用于自动化政策维修,以确定过度保证政策。我们使用SMT公式编码访问控制策略的语义,并使用模型计数评估其允许性。给定政策,宽容的限制以及应允许的一组请求,我们通过减少允许性和改进来迭代修复该政策,以便在仍然允许给定的一组请求时达到限制的限制。我们通过将其应用于亚马逊AWS身份和访问管理(IAM)策略语言中的策略来证明我们的自动化政策维修技术的有效性。1
我们从根本上看到了以下能力:第一,捕获大量历史数据,并将其用于机器学习和 AI。第二,拥有一个基于云的平台,可以获取内部和外部数据,从天气和能源市场到内部交易,这样我们不仅可以拥有完整的数据历史,还可以快速应用实时数据,以便模型可以运行。第三部分是在我们的处理中拥有可扩展性,以便我们可以实时运行模型,推动实时决策,而不仅仅是进行历史或趋势分析。” Brad Walker,Alinta Energy 数据和分析总经理
摘要 — 可再生能源供应是解决数据中心不断增加的电力成本、能源消耗和有害气体排放问题的有前途的解决方案。然而,由于可再生能源的不稳定性,可再生能源供应不足可能导致使用储存能源或棕色能源。为了解决这个问题,本文提出了一种不稳定性弹性可再生能源分配系统。我们将作业的服务水平目标 (SLO) 定义为仅使用提供的可再生能源成功运行的概率。系统将具有相同 SLO 级别的作业分配给相同的物理机器 (PM) 组,并使用可再生能源发电机为每个 PM 组供电,这些发电机有不低于其 SLO 的概率生产不低于其能源需求的数量。我们使用深度学习技术来预测生产不低于每种可再生能源的每个值的概率,并预测每个 PM 区域的能源需求。我们制定了一个优化问题,将具有不同不稳定性的可再生能源资源匹配到不同的 PM 组进行供应,并使用强化学习方法和线性规划方法对其进行求解。我们进一步提出了一种能源驱动的计算资源分配方法,该方法根据每个 PM 组中的作业截止时间和故障概率调整每个作业的计算资源量,以及一种基于故障预测的节能方法。实际跟踪驱动的实验表明,与其他方法相比,我们的方法实现了更低的 SLO 违规、总能源货币成本和总碳排放量,并且与单个方法的有效性相比。
摘要:物联网 (IoT) 的迅猛发展产生了大量的近距和遥感数据,随着可持续环境新解决方案的出现,这些数据还在不断增加。云计算通常用于帮助资源受限的物联网传感设备。然而,云服务器位于核心网络深处,距离物联网很远,引入了大量数据交易。这些交易需要大量电力消耗,并向环境释放有害的二氧化碳。一种位于网络边缘的分布式计算环境,即雾计算,已被推广,以减少云计算对物联网应用的限制。雾计算可以处理实时和延迟敏感的数据,并减少流量,从而最大限度地降低能耗。通过实施节能任务调度,可以减少额外的能耗,该调度根据最小完成时间、成本和能耗来决定在云或雾节点上执行任务。本文提出了一种称为节能完工成本感知调度 (EMCS) 的算法,该算法使用进化策略来优化执行时间、成本和能耗。通过大量模拟对本文工作的性能进行了评估。结果表明,在完工时间方面,EMCS 比成本完工感知调度 (CMaS) 好 67.1%,比异构最早完成时间 (HEFT) 好 58.79%,比蜜蜂生命算法 (BLA) 好 54.68%,比进化任务调度 (ETS) 好 47.81%。比较 EMCS 模型的成本,其成本比 CMaS 低 62.4%,比 BLA 低 26.41%,比 ETS 低 6.7%。在比较能耗时,EMCS 的能耗比 CMaS 低 11.55%,比 BLA 低 4.75%,比 ETS 低 3.19%。结果还表明,随着雾节点和云节点数量的增加,云节点和雾节点之间的平衡在完工时间、成本和能耗方面提供了更好的性能。
全美共有超过 1.85 亿根配电杆,其中大多数电线杆的使用寿命都远远超过了预期。公用事业单位通常需要每 5 年检查一次电线杆。由于电动汽车和其他电气化工作的爆炸式增长,对这些电线杆的依赖呈指数级增长,而极端天气和老化基础设施带来的威胁日益增加,也带来了维护方面的挑战。这些威胁需要新技术来提高当今电网的可靠性和降低风险。检查和准确盘点所有电网资产的过程对于电网管理人员来说至关重要。到目前为止,这个过程主要是手动的,速度慢,成本高。电力公用事业行业需要经济实惠、高效且可扩展的方法来检查电网资产并提高资产盘点的准确性。
[1] H. Ramp,T。J. Clark,B。D. Hauer,C。Doolin,K。C. Balram,K。Srinivasan和J. P. Davis,《从3D微波炉从3D微波腔到电信的波长转导,使用Piezoeleelectric oporyicalical Crystals,应用物理学Letters Letters Letters Letters 116,(202020202020)。[2] M. Schatzl, F. Hackl, M. Glaser, P. Rauter, M. Brehm, L. Spindlberger, A. Simbula, M. Galli, T. Fromherz, and F. Schäffler, Enhanced Telecom Emission from Single Group- IV Quantum Dots by Precise CMOS-Compatible Positioning in Photonic Crystal Cavities , ACS Photonics 4 , 665 (2017).[3] J. Morville,S。Kassi,M。Chenevier和D. Romanini,快速,低噪声,模式,逐示,通过二极管激光自锁定的自锁,应用物理学B:激光器和光学80、1027(2005)。[4] O. Painter,R。K. Lee,A。Scherer,A。Yariv,J。D. O'Brien,P。D. Dapkus和I. Kim,二维光子波段缺陷模式激光,科学284,1819(1999)。[5]
针对配电网长期尺度预测偏差问题,提出一种基于智能变压器供电区域边一致性算法的云边协调快速调节策略。云对边缘变压器供电区域簇进行全局初始优化分配,簇对边缘区域进行二次协同优化分配。建立基于一致性算法的簇内快速功率交互模型,以调度费用微增长率为一致性变量,使得簇调节量最优分配到各个变压器供电区域,使得所有变压器供电区域总调度费用最小。仿真算例验证了本文基于智能站簇边一致性算法的云边协同快速控制策略的有效性。