XiaoMi-AI文件搜索系统
World File Search System公式表示
基于Petri网的实时嵌入式系统建模与验证技术
嵌入式系统应用范围广泛，从家用电器和移动设备到医疗设备和车辆控制器。它们通常以实时行为为特征，其中许多必须满足严格的可靠性和正确性要求。在本文中，我们专注于实时嵌入式系统建模和形式化验证方面的研究。首先，我们基于 Petri 网定义了一个实时嵌入式系统的形式化计算模型。我们的模型可以捕捉此类系统的重要特征，并允许以不同粒度级别表示它们。我们的建模形式化具有明确定义的语义，因此它支持精确的系统表示、使用形式化方法来验证其正确性以及设计过程中不同任务的自动化。其次，我们提出了一种以我们的建模形式化方法表示的实时嵌入式系统形式化验证问题的方法。我们利用模型检查来证明某些属性（以时间逻辑公式表示）是否适用于系统模型。我们引入了系统程序将我们的模型转换为时间自动机，以便可以使用可用的模型检查工具。各种示例（包括现实的工业案例）证明了我们的方法在实际应用中的可行性。
Maxell，Ltd。 v。AmperexTechnology Limited
Maxell，Ltd。拥有美国专利号9,077,035，它涂抹并声称可充电锂离子电池。am-perex Technology Limited是锂离子电池的制造商。在两个现在固定的行动中，麦克斯尔（Maxell As-As）侵权和安培克斯（Amperex）对'035专利主张的有效性提出了质疑。'035专利的主张至少需要两个含锂的过渡金属牛，以包括过渡金属元件M 1的公式表示，在这里相关，在此相关的是该元素对该元素的索赔状态要求的两个限制。诉讼法院持有索赔语言定义M 1是因为这两个限制相互矛盾的是Maxell，Ltd。诉Amperex Technology Ltd.，No.21-CV-00347，2022 WL 16858824，at *19-21（W.D.tex。2022年11月10日）（索赔建设令），在该法院，法院对Am-Perex，J.A。进行了部分最终判决。18–20。我们逆转了，得出的结论是没有矛盾，因此没有不确定。案件被还押以进行进一步诉讼。
使用 QAOA 进行分类的特征选择
摘要 — 特征选择在机器学习中非常重要，它可用于降低分类、排名和预测问题的维数。删除冗余和噪声特征可以提高训练模型的准确性和可扩展性。但是，特征选择是一项计算量大的任务，其解决方案空间会以组合方式增长。在这项工作中，我们特别考虑了二次特征选择问题，该问题可以用量子近似优化算法 (QAOA) 来解决，该算法已用于组合优化。首先，我们用 QUBO 公式表示特征选择问题，然后将其映射到 Ising 自旋哈密顿量。然后我们应用 QAOA 来找到该哈密顿量的基态，这对应于特征的最佳选择。在我们的实验中，我们考虑了七个不同的真实世界数据集，维数高达 21，并在量子模拟器和 7 量子比特 IBM (ibm–perth) 量子计算机上（对于小型数据集）运行 QAOA。我们使用选定的特征集来训练分类模型并评估其准确性。我们的分析表明，使用 QAOA 解决特征选择问题是可能的，并且目前可用的量子设备可以得到有效利用。未来的研究可以测试更广泛的分类模型，并通过探索性能更好的优化器来提高 QAOA 的有效性。索引术语 —QAOA、特征选择、QUBO、分类