XiaoMi-AI文件搜索系统
World File Search System冰河时代
量子时代的信息安全
整个全球安全基础设施基本上依赖于 20 世纪 70 年代末设想的公钥加密模型（用于执行密钥分发）和使用快速对称密码（用于执行加密）的组合 [1–4]。在这种背景下，RSA 无处不在，但其有效性和安全性仅依赖于计算难度假设。换句话说，足够强大的计算设备可能会构成威胁。事实证明，量子计算机开始受到广泛关注，部分原因就在于此。Shor 算法 [5] 可以及时破解 RSA，这是我们今天拥有的即使是最强大的超级计算机也绝对无法做到的。虽然目前，现有的量子计算机还不够先进，无法针对 RSA 使用的那些大参数运行 Shor 算法，但威胁是真实存在的、不可避免的，因此必须加以解决。对称密码（例如 AES）在一定程度上容易受到 Grover 算法的攻击 [6]，这是量子信息领域的一项基本成果，可以加速暴力攻击，将密钥的安全性降低至其长度的一半，这意味着在运行 Grover 算法的量子计算机面前，256 位密钥的安全性相当于 128 位密钥的安全性 [7–9]。在这里，我们重点介绍 Grover 算法的工作原理，并分析了在 IBM 的 Quantum Experience 平台上实现该算法的一些结果，源代码见清单 1。
COVID-19时代的数字转换
快速可靠的连通性促进了人，组织和机器之间的互动，并可以在关键环境中使用连接的设备，包括健康，制造和运输。连通性随着时间的推移而稳步改善；经合组织国家/地区的移动宽带订阅从2009年的每100名居民的32个订阅增加到2019年6月的每100名居民的近113个订阅。同时，在短短四年的时间里，平均移动数据使用三倍，2018年达到4.6 GB，高使用移动宽带计划的价格从2013年到2019年下降了约60％。尽管以较慢的速度提高，但到2019年6月，纤维占经合组织中所有固定宽带订阅的27％（图1），而在9个经合组织国家中，纤维占不少于50％的纤维。
量子银行时代
SULTAN MEGHJI：欢迎收听 FDIC 播客。我叫 Sultan Meghji。我是首席创新官，今天我非常高兴再次邀请到杜克大学普拉特工程学院的 Jimmie Lenz 博士，以及他的另外两位同事 Jungsang Kim 博士和 Chris Monroe，他们是美国量子计算领域的两位领军人物。正如那些在社交媒体上关注我的人所知，这是我花了很多时间讨论的一个领域，我们真的很幸运能邀请到这些专家。既然你已经认识 Jimmie，我就不请他自我介绍了，因为我们已经做过了，但我将先让 Kim 博士自我介绍，然后再让 Monroe 博士自我介绍，然后我们可以从那里开始。JUNGSANG KIM：好的，谢谢 Sultan 邀请我参加这个播客。我叫金正尚，是杜克大学电子与计算机工程系教授，同时也是物理学教授，研究离子阱和量子计算。我和克里斯一起从事这项工作已有近二十年，我也是 INQ 的联合创始人。同时，我还担任 INQ 的首席技术官。很高兴认识你们。克里斯·门罗：谢谢苏丹。我的介绍将与金正尚非常相似，我和金正尚已经密切合作了几十年。我也在杜克大学电子与计算机工程系和物理系任职。是的，我们在五六年前共同创立了 INQ。我想说，金正尚更像是一位经验丰富的概念工程师。而我则更偏向科学研究，量子计算领域是这两者的完美结合。我认为这确实需要双方的积极参与，因为正如我们将要讨论的……量子计算的用例，我们只是暗示，我们只是对这些东西能够做什么有了初步了解。因此，确实需要一个庞大的社区，不仅在商业航天工业，而且在大学和政府实验室研究方面。苏丹·梅吉：但简单来说，我们的大多数听众都是银行业、联邦政府监管部门的人……并不是每个人都拥有计算机科学或物理学博士学位。所以也许我们可以做的是，请你们先谈谈你们目前正在大学进行的一些研究。在你们这样做的同时，也许可以向一些听众更深入地介绍一些量子计算的基础知识。克里斯·门罗：当然，也许，也许我会深入探讨。量子计算这个话题很容易从高层次和低层次谈论，因为它的核心其实相当简单。尽管它涉及的概念与我们日常生活完全不同。我最初是一名物理学家，在物理学领域，我们确实教授，我们真正理解事物的方式是通过类比……比如扔棒球，我们可以准确预测会发生什么。我们可以将这种类比应用到各种事物上，令人惊讶的是……你可以将其类比为晶体管。例如，传统计算机中的单个晶体管可以类比为交换网络。但在量子中，即使
基因组时代的系统发育
分子系统发育学诞生于20世纪中叶，当时蛋白质和DNA测序的出现为研究生物体之间的进化关系提供了一种新颖的方式。该学科的第一个50年可以看作是对解决力量的长期追求。目标 - 重建生命之树 - 似乎是无法到达的，方法进行了严重辩论，并且数据限制了。也许是出于这些原因，即使是整个方法的相关性，也反复质疑，作为所谓分子与形态辩论的一部分。通常在长期存在的难题中结晶的争议，例如土地植物的起源，胎盘哺乳动物的多样化或原核生物/真核生物鸿沟。随着基因和物种样本的规模增加，其中一些问题已解决。多年来，分子系统发育学已经逐渐从一个辉煌的革命性思想演变成一个以可靠建造树木的问题为中心的成熟研究领域。在2000年代后期，这种逻辑进展突然中断。高通量测序出现，该领域突然移入了完全不同的东西。对基因组规模数据的访问深刻地重塑了方法论挑战，同时打开了惊人的新应用观点。系统发育学使系统学领域占据了本世纪最令人兴奋的研究领域之一 - 基因组学。这是这本书的目的：在当前的系统基因组时代，我们如何做树木以及我们对树木的工作。第2部分涵盖了数据问题过渡到基因组规模数据的一个明显的实际结果是，最广泛使用的树木建造方法基于序列进化的概率模型，需要密集的算法优化才能适用于当前数据集。本书的第1部分中考虑了此问题，其中包括对马尔可夫模型（第1.1章）的一般介绍以及如何最佳设计和实施最大可能性（第1.2章）和贝叶斯（第1.4章）系统发育推论方法的详细描述。现代系统基因组学计算方面的重要性是，有效的软件开发是该领域众多研究小组的主要活动。我们承认这一点，并包括七个“如何”章节，其中介绍了主要的系统基因组工具的最新更新 - RAXML（第1.3章），门类（第1.5章），MACSE（第2.3章），BGEE（第4.3章），Revbayes（Revbayes（第5.2章），Beagle（第5.4章），和BPP（第5.4章），和BPP（5.6）。基因组规模的数据集非常大，以至于统计能力是过去几十年中系统发育推断的主要限制因素，不再是主要问题。大量数据集倾向于扩大它们传递的信号（无论是生物学还是人工），因此偏见和不一致而不是采样方差，是基因组时代系统发育推断的主要问题。
生命智能时代
AlphaFold 是一种预测蛋白质结构的人工智能工具，在两年一度的蛋白质结构预测挑战赛中，它击败了大约 100 个团队，而这一挑战赛长期以来一直困扰着生物学家。在 2023 年 12 月的更新中，Isomorphic Labs 和 DeepMind 发布了改进的 AlphaFold 模型，该模型可以更准确地预测蛋白质结构，并模拟与配体等其他分子的相互作用。AlphaFold 预测了人体中几乎所有蛋白质的形状，以及在 20 种研究最广泛的生物体（包括酵母、果蝇和老鼠）中发现的数十万种其他蛋白质。最近，在 2024 年 5 月，该团队推出了 AlphaFold 3，这是一种新模型，不仅可以预测蛋白质的结构，还可以预测几乎所有生物元素，如 DNA、RNA、配体及其相互作用。