对多数观测的估计是量子插入处理的必不可少的任务。通常,通常可以将Obsavables分解为多倍的Pauli字符串的加权总和,即单价Pauli矩阵的张量产物,可以用低深度的Clif-Ford Circits轻松测量。但是,在这种方法中,射击噪声的积累严重限制了有限数量的测量值的可实现差异。我们引入了一种新颖的方法,称为连贯的Pauli总结(CPS),该方法通过利用访问单一量子量子存储器来避免这种限制,在该记忆中可以存储和确保测量信息。cps可减少给定方差所需的测量数量,该测量值与分解可观察到的Pauli字符串数量线性缩放。我们的工作表明了单个长相位量子记忆如何在基本任务中有助于多数Quantum设备的操作。
生成模型具有多种应用,包括语言处理和Birdsong分析。在这项研究中,我们证明了如何使用旨在防止序列产生过度笼的统计检验来推断孟加拉语歌曲中音节序列的最小模型。我们专注于部分可观察到的马尔可夫模型(POMM),该模型由状态和它们之间的概率过渡组成。每个状态都与特定的音节相关联,有可能多个状态与同一音节相对应。此特性将POMM与标准Markov模型区分开,其中每个音节都链接到单个状态。在音节中存在多个状态表明,音节之间的过渡受到这些转变发生的特定情况的影响。我们应用这种方法来分析六个成年男性孟加拉犬的歌曲。我们的结果表明,听觉反馈在塑造孟加拉语歌曲的上下文依赖性音节过渡方面起着至关重要的作用。
Yingyao Hu是Johns Hopkins University的Krieger-Eisenhower经济学教授,他自2007年以来一直在那里工作。。 在加入霍普金斯之前,他曾是德克萨斯大学奥斯汀分校经济学助理教授四年。 他是霍普金斯校友,拥有数学科学的MSE和2001年的经济学硕士学位,并在2003年获得经济学博士学位。 他还曾在密歇根州立大学,上海的Fudan大学和北京的Tsinghua大学学习。 在此之前,他在中国新疆出生和长大。 他的研究兴趣包括微观经济学,经验工业组织和劳动经济学。 在微观经纪学中,他的研究集中在测量误差模型,混合模型,具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。 他对以应用程序为导向的计量经济学特别感兴趣,在这种计量经济学中,计量经济学方法与经济理论或故事密切相结合。 在经验工业组织中,他在拍卖模式中致力于未观察到的异质性,具有未观察到的状态变量的动态模型,学习模型中的信念更新,生产功能的估计以及具有主观信念的动态离散选择。 在劳动经济学中,他的研究在纠正了当前人口调查中的自我报告错误之后,涉及美国的失业率,长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。Yingyao Hu是Johns Hopkins University的Krieger-Eisenhower经济学教授,他自2007年以来一直在那里工作。在加入霍普金斯之前,他曾是德克萨斯大学奥斯汀分校经济学助理教授四年。他是霍普金斯校友,拥有数学科学的MSE和2001年的经济学硕士学位,并在2003年获得经济学博士学位。他还曾在密歇根州立大学,上海的Fudan大学和北京的Tsinghua大学学习。 在此之前,他在中国新疆出生和长大。 他的研究兴趣包括微观经济学,经验工业组织和劳动经济学。 在微观经纪学中,他的研究集中在测量误差模型,混合模型,具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。 他对以应用程序为导向的计量经济学特别感兴趣,在这种计量经济学中,计量经济学方法与经济理论或故事密切相结合。 在经验工业组织中,他在拍卖模式中致力于未观察到的异质性,具有未观察到的状态变量的动态模型,学习模型中的信念更新,生产功能的估计以及具有主观信念的动态离散选择。 在劳动经济学中,他的研究在纠正了当前人口调查中的自我报告错误之后,涉及美国的失业率,长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。他还曾在密歇根州立大学,上海的Fudan大学和北京的Tsinghua大学学习。在此之前,他在中国新疆出生和长大。他的研究兴趣包括微观经济学,经验工业组织和劳动经济学。在微观经纪学中,他的研究集中在测量误差模型,混合模型,具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。他对以应用程序为导向的计量经济学特别感兴趣,在这种计量经济学中,计量经济学方法与经济理论或故事密切相结合。在经验工业组织中,他在拍卖模式中致力于未观察到的异质性,具有未观察到的状态变量的动态模型,学习模型中的信念更新,生产功能的估计以及具有主观信念的动态离散选择。在劳动经济学中,他的研究在纠正了当前人口调查中的自我报告错误之后,涉及美国的失业率,长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。在劳动经济学中,他的研究在纠正了当前人口调查中的自我报告错误之后,涉及美国的失业率,长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。yingyao已发表在许多经济学和统计学领域的领先期刊上,例如美国经济评论,计量经济学,美国统计协会杂志,《计量经济学杂志》,《计量经济学,游戏与经济行为》,人口经济学杂志和比较经济学杂志。他是《计量经济学杂志》的院士,并曾在几个期刊的编辑委员会任职。他还是《计量错误》杂志特刊杂志的共同编辑。yingyao与三个小孩结婚多年。从他们的角度来看,Yingyao是一位不做任何事情的老师。
抽象设计机器人代理执行开放词汇任务一直是机器人技术和AI的长期目标。最近,大型语言模型(LLM)在创建用于执行开放词汇任务的机器人代理方面取得了令人印象深刻的结果。但是,在不确定性的存在下为这些任务进行规划是具有挑战性的,因为它需要“经过思考链”推理,从环境中汇总信息,更新状态估计以及基于更新的状态估计来生成操作。在本文中,我们提出了一种使用LLM的部分可观察到的任务的交互式计划技术。在拟议的方法中,LLM用于使用机器人从环境中收集丢失的信息,并从收集的观测值中推断出基本问题的状态,同时指导机器人执行所需的操作。我们还通过自我教学使用了精致的Llama 2模型,并将其性能与像GPT-4这样的预训练的LLM进行比较。在仿真和现实环境中的几个任务上都证明了结果。
由Bellare和Rogaway引入的随机Oracle模型(ROM)(CCS 1993)引入了许多(有效)加密原始词和协议的正式安全证明,并且在实践中具有很大的影响。但是,安全模型还依靠一些非常强大且非标准的假设,即对手如何与加密哈希功能相互作用,这在现实世界中可能是不现实的,因此可能导致人们质疑安全分析的有效性。例如,ROM允许自适应编程哈希功能或观察对手进行的哈希评估。我们在后量词设置中引入了随机甲骨文模型的基本弱变体,我们称之为非观察量子量子随机甲骨文模型(无QROM)。我们的模型比Boneh,Dagdelen,Fischlin,Lehmann,Schaffner和Zhandry(Asiacrypt 2011)或Ananth和Bhaskar提出的不可观察的随机甲骨文模型(Provsec 2013)所提出的使用了较弱的启发式方法。 同时,我们表明我们的模型是通过证明重要原始词的安全性(例如可提取的不可兑现的承诺,数字签名以及选择无QROM中的可提取的不可兑现的式公开加密)来确定许多加密方案的可行选择。使用了较弱的启发式方法。同时,我们表明我们的模型是通过证明重要原始词的安全性(例如可提取的不可兑现的承诺,数字签名以及选择无QROM中的可提取的不可兑现的式公开加密)来确定许多加密方案的可行选择。
量子计算可能会提供机会,以随着物理时间的进化来模拟强烈相互作用的场理论,例如量子染色体动力学。这将使访问Minkowski-Signature的相关器,与目前进行的欧几里得计算相反。但是,与当今的计算一样,量子计算策略仍然需要限制有限的系统大小,包括有限的,通常是周期性的空间量。在这项工作中,我们研究了这在提取腺形和类似康普顿的散射幅度时的后果。使用Briceño等人中提出的框架。[物理。修订版d 101,014509(2020)],我们估计各种1 d Minkowski签名量的体积效应,并表明这些量可能是系统不确定性的重要来源,即使对于当今欧几里得计算标准的体积也很大。然后,我们提出了一种改进策略,基于有限体积的对称性减少。这意味着产生相同洛伦兹不变的运动点在周期系统中仍可能在物理上不同。我们所证明的是,在数值和分析上,在此类集合上平均都可以显着抑制不需要的体积变形并改善物理散射幅度的提取。由于改进策略仅基于运动学,因此可以在不详细了解系统的情况下应用它。
摘要 - 在这项工作中,我们提出了一位用于创建开环轨迹的计划者,该轨迹可以使用非恐怖分子的方法来解决不确定性下的重排计划问题。我们首先将蒙特卡洛树搜索算法扩展到了不可观察的域。然后,我们提出了两项默认政策,使我们能够快速确定实现目标的潜力,同时考虑到重新安排计划至关重要的联系。第一个策略使用从一组用户演示中生成的学习模型。可以快速查询此模型的一系列动作,这些操作试图创建与对象并实现目标。第二策略在全州空间的子空间中使用了启发式指导计划者。使用这些目标知情政策,我们能够快速找到该问题的初始解决方案,然后在时间允许的情况下不断地重新填充解决方案。我们在桌子上的7个自由度操纵器移动对象上演示了我们的算法。
我们的图形微积分的能力远远超出了这一长度的文章。尚未讨论经典控制,但是对控制的研究是[11]中†-Frobenius algebras的原始公理化的动力。这种控制概念允许表示量子测量的分支行为。因此,该系统包含测量计算的方程理论[22],并且可以模拟其他基于测量的方案,例如逻辑栅极传送[23]和状态转移[24]。正在进行的工作旨在在我们的图形环境中对基于一般测量的量子计算进行统一处理。我们强调,我们所描述的演算足以在量子力学领域进行许多计算。然而,已知它是代数不完整的;也就是说,并非可以以图形方式得出希尔伯特空间中的每个真实方程。additional,尚不清楚,将需要公理才能使所有理想的方程式衍生。由于其简单形式 - 方程是无向图的局部变形 - 我们呈现的演算是可以自动化的,打开了通向协议和算法的半自动或全自动推导的门,以及其正确性的证明。