XiaoMi-AI文件搜索系统
World File Search System原语
从元复杂性出发的量子密码学
在经典密码学中，单向函数 (OWF) 是最小假设，而最近的活跃研究表明，OWF 不一定是量子密码学中的最小假设。已经引入了几个新的原语，例如伪随机幺正 (PRU)、伪随机函数状状态生成器 (PRFSG)、伪随机状态生成器 (PRSG)、单向状态生成器 (OWSG)、单向谜题 (OWPuzzs) 和 EFI 对。它们被认为比 OWF 弱，但它们仍然意味着许多有用的应用，例如私钥量子货币方案、密钥加密、消息认证码、数字签名、承诺和多方计算。既然没有 OWF 的量子密码学的可能性已经打开，该领域最重要的目标是为它们提供具体的实例。例如，在经典密码学中，有许多基于具体硬度假设的 OWF 实例，例如离散对数的硬度或带误差学习。通用原语的研究是由具体实例的存在所证明的。另一方面，在量子密码学中，这些原语的所有已知构造都仅来自 OWF。因此，我们有以下重要的未解决的问题：它们是否有基于某些不意味着 OWF 的具体难度假设的实例？理想情况下，这些假设应该是在密码学以外的其他背景下研究的假设。在本文中，我们通过证明 GapK 问题的量子平均难度意味着 OWPuzzs 的存在，给出了该问题的候选答案。GapK 问题是一个承诺问题，用于确定给定的位串是否具有较小的 Kolmogorov 复杂度。其量子平均难度意味着一个实例是从量子多项式时间可采样分布中采样的，并且没有量子多项式时间算法可以高概率地解决该问题。据我们所知，这是第一次基于似乎不暗示 OWF 的具体难度假设构建“微密码”原语。此外，这些假设在密码学以外的其他背景下进行了研究，特别是在元复杂性领域。（注：在准备这份手稿期间，Khurana 和 Tomer [KT24b] 上传了一项并发工作。）
论文 用于可重构量子网络的 GHz 脉冲纠缠光子源
摘要 纠缠是量子网络中的通用资源，但纠缠光子源通常是为特定用例定制的。多功能性（包括状态调制和光子时间特性的可调谐性）是灵活网络架构和加密原语的关键，这些原语超越了量子密钥分发。本文，我们报告了一种灵活的源设计，可在连续波和 GHz 速率脉冲操作模式下产生高质量纠缠。利用现成的光学元件，我们的方法使用基于光纤的 Sagnac 环以高效率和高于 0.99 的保真度在电信波长下产生偏振纠缠光子。在产生纠缠态之前，高达 GHz 的相位调制也是可能的，以实现快速纠缠态切换。我们展示了 100 MHz 的相位调制，平均保真度为 0.95。此外，源 60 nm 光谱带宽与完全可重构的波长复用量子网络完全兼容。
CS 255
在此作业中，您的任务是使用Double Ratchet算法实现安全有效的端到端加密聊天客户端，这是一种流行的会话设置协议，为现实世界聊天系统（例如Signal WhatsApp）提供动力。作为一个额外的挑战，假设您生活在一个经过政府监视的国家。因此，要求所有发送的消息都必须包括政府发布的固定公共密钥的会话密钥。在您的实施中，您将利用我们在课堂上讨论的各种加密原语，尤其是密钥交换，公共密钥加密，数字签名和经过认证的加密。由于在密码学中实现自己的原语是不明智的，因此您应该使用已建立的库：在这种情况下，是kittlecrypto库。我们将提供包含基本模板的入门代码，您将能够填写以满足下面所述的功能和安全属性。
CS 255：加密介绍
在此作业中，您的任务是使用双棘轮算法（一个流行的密码系统，它为真实世界聊天系统（例如Signal）提供动力的流行密码系统，以实现安全且效率有效的端到端加密聊天客户端。作为一个额外的挑战，假设您生活在一个有政府监视的国家。因此，已发送的所有消息都必须包括政府发行的固定公钥加密的会话密钥。在您的实施中，您将利用我们在课堂上讨论的各种加密原语，尤其是密钥交换，公共密钥加密，数字签名和经过认证的加密。由于在密码学中实现自己的原语是不明智的，因此您应该使用已建立的库：在这种情况下，stan- ford javascript加密库（SJCL）。我们将提供包含基本模板的入门代码，您将能够填写以满足下面所述的功能和安全属性。
量子随机函数的组合方法
伪随机函数 (PRF) 是现代密码学的基本组成部分之一。Goldreich、Goldwasser 和 Micali 在开创性著作 [ 13 ] 中引入了 PRF，回答了如何构建一个与随机函数难以区分的函数的问题。粗略地说，PRF 可以保证没有任何有效算法能够通过 oracle 访问这样的函数而将其与真正的随机函数区分开来。事实证明，PRF 是密码原语（如分组密码和消息认证码）设计中的宝贵工具，而且现在已成为一个很好理解的对象：继 [ 13 ] 基于树的构造之后，PRF 已从伪随机合成器 [ 19 ] 和直接从许多难题 [ 20 、 21 、 22 、 11 、 18 、 7 、 2 ] 构建而成。然而，当考虑更精细的量子设置时，对 PRF 硬度的研究仍处于起步阶段。在深入研究这一原语的细节之前，需要进行一些澄清，因为可以用两种方式定义 PRF 的量子安全性：
使用自由能量优化的早期声音学习和对应匹配的大脑启发模型
我们提出了一个受皮层基底系统 (CX-BG) 启发的发展模型，用于婴儿的发声学习，并解决他们在听到具有不同音调和音高的陌生声音时面临的对应不匹配问题。该模型基于神经架构 INFERNO，代表循环神经网络的迭代自由能优化。自由能最小化用于快速探索、选择和学习要执行的最佳操作选择（例如声音产生），以便尽可能准确地重现和控制代表所需感知（例如声音类别）的脉冲序列。我们在本文中详细介绍了 CX-BG 系统，该系统负责在几毫秒的量级上将声音和运动原语因果联系起来。使用小型和大型音频数据库进行的两个实验展示了我们的神经架构在发声学习期间和与未听过的声音（不同性别和音调）进行声学匹配时检索音频原语的探索、泛化和抗噪能力。
使用英特尔® 人工智能分析工具包和第三代至强可扩展处理器加速深度学习工作负载
英特尔® TensorFlow 优化 与 Google 合作，TensorFlow 使用英特尔® oneAPI 深度神经网络库 (oneDNN) 的原语直接针对英特尔® 架构 (IA) 进行了优化。通过设置与 CPU 相关的配置 (--config=mkl) 编译的最新 TF 二进制版本已作为工具包的一部分包含在内。
量子电路模拟的近似决策图
量子计算机有望比传统计算机更快地解决重要问题。其背后是一个完全不同的计算原语，它为帮助设计相应量子算法的软件工具的开发带来了新的挑战。不同的计算原语使得经典的量子电路模拟变得特别具有挑战性。虽然传统电路的逻辑模拟相对简单，复杂度与门的数量呈线性关系，但量子电路模拟必须处理在非量子硬件上表示量子态与量子比特数量呈指数增长的内存需求。决策图 (DD) 通过利用矩阵和向量中的冗余来解决这一挑战，在许多情况下提供更紧凑的表示。此外，量子计算的概率性质使我们可以从另一个角度来应对复杂性：量子算法在一定程度上可以抵抗量子态中的小误差，因为这些误差只会导致结果概率的微小变化。我们建议利用这种对（小）错误的抵抗力来获得更紧凑的决策图。
量子扇出：电路优化和技术建模
摘要 — 指令调度是量子计算中一个关键的编译器优化，就像它对于经典计算一样。当前的调度程序通过允许同时执行指令来优化数据并行性，只要它们的量子位不重叠。然而，在许多量子硬件平台上，重叠量子位上的指令可以通过全局交互同时执行。例如，虽然传统量子电路中的扇出从逻辑层面来看只能按顺序实现，但物理层面的全局交互允许一步实现扇出。我们利用这种同时扇出原语来优化 NISQ（嘈杂中型量子）工作负载的电路合成。此外，我们引入了基于扇出的新型量子存储器架构。我们的工作还解决了扇出原语的硬件实现问题。我们对捕获离子量子计算机进行了真实的模拟。我们还展示了使用超导量子位扇出的实验概念验证。我们在实际噪声模型下对 NISQ 应用电路和量子存储器架构进行了深度（运行时）和保真度估计。我们的模拟结果表明，结果令人满意，运行时具有渐近优势，错误率降低了 7-24%。