XiaoMi-AI文件搜索系统
World File Search System决策图
![arxiv：2403.07197v1 [Quant-ph] 2024年3月11日](/simg/1\1268035cfac024104a43f440dbd57c6bf709c9c8.webp)
arxiv：2403.07197v1 [Quant-ph] 2024年3月11日
摘要。量子电路汇编包括许多计算 - 尽管如此，＃p及其在pp中的决策对应物中仍然存在许多硬性推理任务。一般量子电路的经典模拟是一个核心示例。我们第一次表明，可以通过加权模型计数来很好地解决通用量子电路的强大模拟，从而通过提供CLI效率+t电路的线性编码。为了实现这一目标，我们利用Knill，Gottes-Mann和Aaronson利用稳定器形式主义，并且稳定器指出的事实构成了密度运算符的基础。使用开源模拟器实现，我们从经验上证明，基于ZX计算和决策图的模型计数通常优于状态模拟技术。我们的工作为应用现有强大的经典推理工具阵列铺平了道路，以实现有效的量子电路汇编；通往量子至高无上的道路上的障碍之一。
量子计算的快速弱模拟
摘要 — 量子计算机有望显著加快解决传统计算机无法解决的问题的速度，但尽管最近取得了进展，但在扩展和可用性方面仍然有限。因此，量子软件和硬件的开发严重依赖于在传统计算机上运行的模拟。大多数此类方法都执行强模拟，因为它们明确计算量子态的振幅。然而，这些信息不能直接从物理量子计算机中观察到，因为量子测量会从由这些振幅定义的概率分布中产生随机样本。在这项工作中，我们专注于弱模拟，旨在产生与无错误量子计算机统计上无法区分的输出。我们开发了基于决策图的量子态表示的弱模拟算法。我们将它们与使用状态向量数组和对前缀和进行二分搜索进行采样进行比较。经验验证首次表明，这能够模拟大规模的物理量子计算机。索引术语 — 量子计算、模拟、弱模拟、采样 I. 引言
迭代变量重新排序：驯服庞大的系统家族*
对于使用模型检查技术进行的系统验证，基于二元决策图 (BDD) 的符号表示通常有助于解决众所周知的状态空间爆炸问题。基于符号 BDD 的表示也被证明可以成功分析出现的系统族，例如，通过可配置参数或遵循面向特征的建模方法。此类系统族的状态空间面临参数或特征数量的额外指数爆炸。众所周知，有序 BDD 中变量的顺序对于模型表示的大小至关重要。特别是对于从现实世界系统自动生成的模型，由于变量顺序错误，族模型甚至可能无法构建。在本文中，我们描述了一种称为迭代变量重新排序的技术，它可以构建大规模的族模型。我们通过一个具有冗余机制的飞机速度控制系统来证明我们的方法的可行性，该系统以概率模型检查器 P RISM 的输入语言建模。我们表明，标准重新排序和动态重新排序技术分别由于内存和时间限制而无法构建系列模型，而新的迭代方法则成功生成了符号系列模型。
与ZX- ...
摘要 - 作为最先进的量子计算机是运行越来越复杂的算法的结合，需要自动化方法来设计和测试潜在应用。量子电路的等效检查是量子软件堆栈开发中的一项重要但几乎没有自动化的任务。最近，已经提出了新的方法，从广泛不同的角度解决了这个问题。其中之一是基于ZX-Calculus，这是一种用于量子计算的图形重写系统。但是，这种等价检查方法的功率和能力几乎没有探索。这项工作的目的是评估ZX-Calculus作为等效检查量子电路的工具。到此为止，可以展示如何扩展基于ZX-calculus的等效检查方法，以验证编译流的结果和对量子电路的优化。还表明，基于ZX-Calculus的方法还不完整，尤其是对于具有辅助量子的量子电路。为了正确评估所提出的方法，我们通过将其与其他两种等效检查的最新方法进行比较，进行了详细的案例研究：一种基于路径 - sums，另一个基于决策图。所提出的方法已集成到公开可用的QCEC工具（https://github.com/cda-tum/qcec）中，该方法是慕尼黑量子工具包（MQT）的一部分。
MQT 手册
量子计算机正在成为现实，目前正在研究众多具有短期前景（例如，用于金融、化学、机器学习和优化）和长期前景（例如，用于加密或非结构化搜索）的量子计算应用。然而，以可扩展的方式设计和实现这些设备的潜在应用需要自动化、高效且用户友好的软件工具，以满足整个量子软件堆栈各个级别的最终用户、工程师和物理学家的需求。在这方面要解决的许多问题类似于经典领域的设计问题，过去几十年来已经为这些领域开发了复杂的设计自动化工具。慕尼黑量子工具包 (MQT) 是由慕尼黑工业大学设计自动化系开发的量子计算软件工具集合，它明确利用了这种设计自动化专业知识。我们的总体目标是为整个量子软件堆栈的设计任务提供解决方案。这需要为最终用户实现其应用程序提供高水平支持、用于经典模拟、编译和验证量子电路的有效方法、用于量子纠错的工具、对物理设计的支持等。这些方法由相应的数据结构（例如决策图）和核心方法（例如 SAT 编码/求解器）支持。所有开发的工具均可作为开源实现使用，并托管在 github.com/cda-tum 上。
二进制神经网络的精确定量分析
作为一种新的编程范式，基于神经网络的机器学习已将其应用扩展到许多现实世界中的问题。由于神经网络的黑盒性质，验证和解释其行为变得越来越重要，尤其是当它们部署在安全至关重要的应用中时。现有的验证工作主要集中于定性验证，该验证询问是否存在针对神经网络的输入（指定区域），以便违反财产（例如，局部鲁棒性）。但是，在许多实际应用中，几乎可以肯定存在这样的（对抗性）输入，这使得定性答案降低了有意义。在这项工作中，我们研究了一个更有趣，更具挑战性的问题，即对神经网络的定量验证，该验证询问财产经常得到满足或侵犯财产的频率。我们针对二进制神经网络（BNNS），一般神经网络的1位量化。BNN最近在深度学习中引起了越来越多的关注，因为它们可以大幅度地减少记忆存储和执行时间，而智力操作在求助方案中至关重要，例如，嵌入式设备用于物联网的嵌入式设备。朝着对BNNS的定量验证，我们提出了一种新型算法方法，用于将BNN作为二进制决策图（BDDS），这是一种在形式验证和知识表示中广泛研究的模型。通过利用BNN的内部结构，我们的编码将BNN中块的输入输出关系转化为基数约束，然后由BDD编码。基于新的BDD编码，我们为BNN开发了一个定量验证框架，可以在其中对BNN进行精确和全面的分析。为了提高BDD编码的可扩展性，我们还研究了各个级别的并行化策略。我们通过为BNN提供定量鲁棒性验证和解释性来证明我们的框架的应用。广泛的实验评估证实了我们方法的有效性和效率。
动态有向图的量子编码
在路由、网络分析、调度和规划等应用领域，有向图被广泛用作形式模型和核心数据结构，用于开发高效的算法解决方案。在这些领域，图通常会随时间而演变：例如，连接链路可能由于临时技术问题而失败，这意味着图的边缘在一段时间内无法遍历，必须遵循替代路径。在经典计算中，图既通过邻接矩阵/列表显式实现，又以有序二元决策图符号化实现。此外，还开发了临时访问程序来处理动态演变的图。量子计算利用干扰和纠缠，为特定问题（例如数据库搜索和整数分解）提供了指数级加速。在量子框架中，一切都必须使用可逆运算符来表示和操作。当必须处理动态演变的有向图的遍历时，这带来了挑战。由于路径收敛，图遍历本质上不是可逆的。对于动态发展的图，路径的创建/销毁也会对可逆性产生影响。在本文中，我们提出了一种新颖的量子计算高级图表示，支持实际网络应用中典型的动态连接。我们的程序可以将任何多重图编码为一个酉矩阵。我们设计了在时间和空间方面最优的编码计算算法，并通过一些示例展示了该建议的有效性。我们描述了如何在恒定时间内对边/节点故障做出反应。此外，我们提出了两种利用这种编码执行量子随机游走的方法：有和没有投影仪。我们实现并测试了我们的编码，获得运行时间的理论界限并由经验结果证实，并提供有关算法在不同密度图上的行为的更多细节。
AI计划的符号推理方法
计划是行动之前的审议思维行为（Haslum 2006）。它基于世界的符号模型及其在其中作用的选项，通常在功能 - 无函数的一阶逻辑中定义。规划师必须找到一系列行动（计划），该动作从当前状态带到了期望的目标状态。纯粹的物理描述可以通过部分有序的语法式结构（分层任务网络或HTN）进行增强，描述专家知识，或实用，法律或操作要求。在本次演讲中，我将使用符号方法来调查各种自动得出计划的方法。这些符号方法 - 从某种意义上说 - 将计划问题转化为其他，更简单的符号代表，并推理了这些方法，以找到计划。作为这些方法的基础，我首先将在计划中介绍相关的理论结果。首先，我将讨论规划形式主义的表现力（Houler等人2014; Houler等。2016）和第二，HTN计划的计算复杂及其相关任务，例如HTN计划验证，计划修改和计划识别（Behnke，Houler和Biundo 2015； Behnke等； Behnke等人2016）。基于这些理论结果，我将开发为什么基于SAT的HTN计划以及如何进行基于SAT的HTN计划。为此，我将在顶级会议上调查我的几个公开（Behnke，Houler和Biundo 2017，2018，2019a，b; Behnke等人。接下来，我提出了表达以SAT（Houler and Behnke 2022）的升级经典计划的想法。2020; Behnke 2021） - 在其中，我开发了一个基于SAT的HTN问题计划者，包括找到最佳计划以及接地的能力，以作为预处理步骤。由此产生的计划是第一个基于SAT的计划者 - 事实证明，在出版时表现出了高效且优于所有其他提起的计划者。值得注意的是，Lisat是第一位计划者（被解除或扎根），仍然是唯一一个解决具有挑战性的有机合成基准的计划者，甚至可以证明所有计划的最佳性。最后，我介绍了具有象征性表示的计划概念（Behnke和Speck 2021； Behnke等人。2023） - 使用二进制决策图（BDD）紧凑地编码大量状态。使用BDD注释的finenite自动机的组合，我们可以结构