XiaoMi-AI文件搜索系统
World File Search System初始化
CAFQA：Clifford Ansatz 量子精度 - NSF-PAR
摘要 — 变分量子算法 (VQA) 依赖于参数化单元电路针对目标函数的迭代优化。由于量子机器噪声大且资源昂贵，因此必须适当选择 VQA 的假设，并使其初始参数尽可能接近最优值，因为这将改善并加速算法在量子设备上执行的精确收敛。这项工作通过提出 CAFQA（一种用于量子精度的 Clifford 假设）来解决寻找初始假设参数的问题。CAFQA 假设是一种仅使用 Clifford 门构建的硬件高效电路。在此假设中，通过经典模拟在 Clifford 参数空间中进行有效搜索来选择可调门的初始参数，从而产生合适的稳定器状态。结果表明，产生的稳定器状态始终等于或优于传统的经典初始化方法（例如 Hartree-Fock），即找到合适的计算基态，并且通常在量子设备上执行和探索之前就产生高精度估计。此外，该技术适用于经典计算，因为 a) 仅 Clifford 量子电路可以在多项式时间内进行经典精确模拟，以及 b) 离散 Clifford 空间虽然量子比特数量呈指数级增长，但可以通过贝叶斯优化进行有效搜索。对于变分量子特征求解器 (VQE) 任务（即估计多达 20 个量子比特的分子系统的基态能量），CAFQA 的 Clifford Ansatz 实现了接近 99% 的平均准确度，并且能够恢复高达 99.99% 的 Hartree-Fock 初始化分子相关能量。值得注意的是，该方法的可扩展性允许对具有挑战性的铬二聚体 (Cr 2 ) 进行初步的基态能量估计，其精度高于 Hartree-Fock 所达到的精度。CAFQA 还在优化任务上进行了评估，特别是高达 18 个量子比特的 MAXCUT 问题。借助 CAFQA 的高精度初始化，VQA 的收敛速度加快了 2.5 倍。总之，这项工作表明稳定器状态是变分算法的高精度假设初始化。此外，它突出了量子启发式经典技术作为 NISQ 时代及以后 VQA 的替代方案和支持方法的潜力。
量子电路和张量网络之间的协同作用
虽然最近的突破已经证明了嘈杂的中型量子 (NISQ) 设备能够在经典的难处理采样任务中实现量子优势，但使用这些设备解决更实际相关的计算问题仍然是一个挑战。实现实际量子优势的提案通常涉及参数化量子电路 (PQC)，其参数可以进行优化以在整个量子模拟和机器学习中找到解决各种问题的解决方案。然而，训练 PQC 以解决实际问题仍然是一个重大的实际挑战，这主要是由于随机初始化的量子电路的优化景观中存在贫瘠高原现象。在这项工作中，我们引入了一种可扩展的程序，用于利用经典计算资源来确定 PQC 的任务特定初始化，我们表明这显著提高了 PQC 在各种问题上的可训练性和性能。对于特定的优化任务，该方法首先利用张量网络 (TN) 模拟来识别有希望的量子态，然后通过高性能分解过程将其转换为 PQC 的门参数。我们表明，这种特定于任务的初始化避免了贫瘠的高原，并有效地将经典资源的增加转化为训练量子电路的增强性能和速度。通过展示一种使用经典计算机来提升有限量子资源的方法，我们的方法说明了量子计算中量子和量子启发模型之间的这种协同作用的前景，并开辟了利用现代量子硬件的力量实现实际量子优势的新途径。
Overlap-ADAPT-VQE：通过重叠引导的紧凑型模拟在量子计算机上进行实用量子化学
ADAPT-VQE 是一种用于近期量子计算机上量子化学系统混合量子经典模拟的稳健算法。虽然其迭代过程系统地达到基态能量，但 ADAPT-VQE 的实际实现对局部能量最小值很敏感，导致过度参数化的假设。我们引入了 Overlap-ADAPT-VQE，通过最大化它们与已经捕获一些电子相关性的任何中间目标波函数的重叠来增加波函数。通过避免在散布局部最小值的能量景观中构建假设，Overlap-ADAPT-VQE 产生了超紧凑的假设，适用于高精度初始化新的 ADAPT 程序。对于强相关系统，与 ADAPT-VQE 相比具有显著优势，包括电路深度的大幅节省。由于这种压缩策略也可以用精确的选定配置相互作用 (SCI) 经典目标波函数进行初始化，因此它为更大系统的化学精确模拟铺平了道路，并增强了通过量子计算的力量决定性地超越经典量子化学的希望。
二维建模的边界条件和初始条件
• 基于输送平均 WSE 的流量 • 基于输送的流量分布 • 注意陡峭的曲线和/或曲线中的急剧转变 • 注意“不良”低流量曲线 • 额定曲线上的零流量点不必位于反转（可以更高） • 可能存在初始化问题（当 RC 与冷启动条件不一致时）
嵌入式系统的轻巧伪随机数生成器Andi Sama 1*，Meyliana 2，Yaya Heryadi 1，Taufik Roni Sahroni 3
用于数据传输加密的加密算法提供了机密性，需要相当大的计算能力，并且在具有有限的计算能力的嵌入式系统中不常用，例如可编程逻辑控制器（PLC）。PLC是工业自动化中自动化和控制的核心组成部分。数十年来，PLC优先考虑速度而不是安全性； PLC中的程序执行必须尽可能高效。加密算法使用种子，初始化矢量，用加密量键加密数据以加强加密。伪随机数发生器（PRNG）可以用作初始化向量。本文提出了Xorasm PRNG算法，该算法是基于Xorshift的轻量级算法，并带有系统时钟的修改种子。应用的方法可以生成和可视化PRNG，测试随机性并在紧凑型PLC上实现PRNG。Xorasm进行统计评估。这项研究的发现是，p值表明Xorasm在统计学上是统计学和明显的随机性，并且有证据表明，Xorasm生成的数据分布实际上是在99.95％的置信度下随机的，适用于嵌入式系统中的实施，作为轻量级的PRNG。
通过meta- ...
摘要 - 该论文考虑了通过元强化学习的无人机（UAV）的轨迹设计问题。假定无人机可以在不同的方向上移动以探索特定区域并从该区域的地面节点（GNS）收集数据。无人机的目标是到达目的地，并最大程度地提高轨迹轨迹期间收集的总数据，同时避免与其他无人机发生碰撞。在有关无人机轨迹设计的文献中，香草学习算法通常用于训练特定于任务的模型，并为GNS的特定空间分布提供了近乎最佳的解决方案。但是，当GNS的位置变化时，此方法需要从头开始重新审查。在这项工作中，我们提出了一个元加强学习框架，该框架结合了模型 - 静态元学习方法（MAML）。而不是训练任务特定模型，我们为GNS和不同的通道条件的不同分布进行了共同的初始化训练。从初始化中，适应具有不同GN分布和通道条件的不同任务只需要几个梯度下降。此外，我们还探讨了何时优选提出的MAML框架，并且可以优于比较算法。
固态 X 波段地面移动雷达 (SMR)
该处理器包括一个定制的、灵活的数字波形发生器和相关的匹配滤波器/检测器。它包括一个后处理器软件包，用于促进目标检测、鬼影抑制和减少误报目标，以及在特定区域自动初始化的目标跟踪。在杂波严重的情况下，处理器可以轻松管理和解决图融合、多路径反射、分裂和数据恢复。
ASYNCOS的发行说明15.5.3用于Cisco Secure Email和Web Manager -MD（维护部署）
•如果您安全的电子邮件和网络管理器的任何服务都使用无法初始化的保险库服务，则可以通过邮件，Web界面和CLI接收警报消息。如果启用了加密，您将始终收到警报邮件。如果禁用了加密，则仅在配置了使用Vault服务的服务时才收到警报邮件。您可以使用AdminaccessConfig>
可解释的人工智能是一场与模型复杂性的竞赛吗？
联结主义的复兴和巨大成功创造了一个以数据集大小、模型复杂度（以参数或权重的数量衡量）和计算时间为王的体系。深度学习模型性能的爆炸式提升伴随着模型复杂度和计算成本的爆炸式增长。有人认为，这些大型、昂贵的模型可能实际上没有必要。彩票假说 [1] 认为，较大的模型表现更好，因为它们更有可能包含有利于随机初始化的参数。因此，随机初始化的网络可能包含一个小得多的子网络，经过单独训练，该子网络的性能可以与原始网络相媲美。修剪这些模型是一个活跃的研究和辩论领域 [2,3]。尽管如此，较大模型在经验上更优异的性能使得杰出的研究人员得出结论：“利用计算的通用方法最终是最有效的”（萨顿的“惨痛教训”[4]）。 “扩展假设”认为，一旦找到合适的基本架构，我们只需实例化该架构的较大版本，即可生成任意级别的智能。因此，神经网络结构的操纵和表达已成为机器学习研究界的首要关注点，尽管也饱受批评。