XiaoMi-AI文件搜索系统
World File Search System子模型
土耳其计算机和数学教育杂志第12卷（2021），452-465
domi caroline s a和R. Arthi B电子和通信工程系Srminssitute srminstitut of Chennai Ramapuram校园。B电子与通信工程系SRMINSTUTES SRMINSTUTE，CHENNAI RAMAPURAM CAMPUS。 文章历史记录：收到：2021年1月10日；修订：2021年2月12日；接受：2021年3月27日； Published online: 20 April 2021 _____________________________________________________________________________________________________ Abstract: Quantum computing computes using superposition principles and entanglement principles that are the part of quantum. 量子计算机用于解决某些无法使用经典计算机解决的问题。 使用量子模型最广泛的是量子电路使用Qubits或量子位。在密码学中，量子加密术比经典方法提供了更多的安全性。 Shor的算法和Grover的算法主要是用于量子加密的方法。 使用直线碱基或对角线碱基进行加密和解密。量子密钥分布QKD是一种对称加密密钥分布方法。 QKD的重要特征是身份验证和机密性。 公共密钥协议和对称秘密密钥用于提供量子安全的密钥交换，并保证网络中的长期通信。 在拟议的系统中，摩尔斯密码用于加密和解密。 用于加密量位的摩尔斯密码作为量子密钥分布所需的光光子。B电子与通信工程系SRMINSTUTES SRMINSTUTE，CHENNAI RAMAPURAM CAMPUS。文章历史记录：收到：2021年1月10日；修订：2021年2月12日；接受：2021年3月27日； Published online: 20 April 2021 _____________________________________________________________________________________________________ Abstract: Quantum computing computes using superposition principles and entanglement principles that are the part of quantum.量子计算机用于解决某些无法使用经典计算机解决的问题。使用量子模型最广泛的是量子电路使用Qubits或量子位。在密码学中，量子加密术比经典方法提供了更多的安全性。Shor的算法和Grover的算法主要是用于量子加密的方法。使用直线碱基或对角线碱基进行加密和解密。量子密钥分布QKD是一种对称加密密钥分布方法。QKD的重要特征是身份验证和机密性。公共密钥协议和对称秘密密钥用于提供量子安全的密钥交换，并保证网络中的长期通信。在拟议的系统中，摩尔斯密码用于加密和解密。用于加密量位的摩尔斯密码作为量子密钥分布所需的光光子。关键字：QUBITS，QKD，量子加密，网络安全性，身份验证和机密性。
量子分类器集合
在当今被称为噪声中型量子 (NISQ) 的时代，在量子设备中编码大量数据具有挑战性，噪声的影响会严重影响所获得结果的质量。执行量子分类算法的一种可行方法是引入一个众所周知的机器学习范式，即集成方法。事实上，集成结合了多个内部分类器，由于用于训练的数据子集较小，这些分类器的特点是紧凑，以实现更准确和稳健的预测性能。通过这种方式，可以减少相对于单个较大分类器的量子比特要求，同时实现相当或改进的性能。在这项工作中，我们提出了一种实现方法和广泛的实证评估，用于二元分类的基于量子实例的分类器集成，目的是深入了解它们的有效性、局限性以及提高基本量子模型性能的潜力。特别是，这里考虑了三种经典的集成方法和三种基于量子实例的分类器。因此，已实施的方案（使用 Python）具有混合性质。结果（在真实数据集上获得）表明，集成技术相对于单个量子分类器具有准确性优势，并且鲁棒性也有所提高。事实上，事实证明，集成不仅可以有效缓解不合适的数据规范化，还可以减少噪声对量子分类器的影响，从而提高其稳定性。
利用可编程中性原子阵列进行费米子量子处理
模拟多体费米子系统的特性是材料科学、量子化学和粒子物理学领域一项突出的计算挑战。尽管基于量子比特的量子计算机可能比传统设备更有效地解决这一问题，但编码非局部费米子统计数据会引入所需资源的开销，从而限制其在近期架构中的适用性。在这项工作中，我们提出了一种费米子量子处理器，其中费米子模型在费米子寄存器中局部编码，并使用费米子门以硬件高效的方式进行模拟。我们特别考虑了可编程镊子阵列中的费米子原子，并开发了不同的协议来实现非局部门，从而在硬件级别保证费米统计数据。我们使用这个门集以及里德堡介导的相互作用门，为数字和变分量子模拟算法找到有效的电路分解，这里以分子能量估计为例进行说明。最后，我们考虑一种组合费米子量子比特架构，其中利用原子的运动自由度和内部自由度来有效地实现量子相位估计以及模拟格点规范理论动力学。
超越事后可解释的人工智能
摘要。AI模型被批评为黑匣子，这可能会使气候科学更加不确定性。已提出了可解释的人工智能（XAI）来探测AI模型并增加信任。在这篇评论和观点论文中，我们建议，除了使用XAI方法外，气候科学领域的AI研究人员还可以从过去的成功发展中学习基于物理学的动态气候模型的成功。动力学模型很复杂，但获得了信任，因为它们的成功和失败可以在某些时候归因于特定的组件或子模型，例如，当指向细胞参数化来解释模型偏差时。我们提出了三种类型的理解作为评估动力学和AI模型的信任的基础：（1）工具理解，当模型通过功能测试时，这是对此进行的； （2）在研究人员可以使用统计技术识别输入输入关系的建模结果时获得的坚定理解； （3）组件级的理解是指建模者指向模型架构中特定模型组件或部分的特定模型组件的能力，作为不稳定的模型行为的罪魁祸首，或者是模型的原因。我们演示了过去几十年来通过气候模型对比项目进行的组件级别的理解和实现。这种组件级别的理解通常会导致模型改进，也可以作为思考AI驱动气候SCI-
以三维为特征的显示调光模型...
摘要：自发光显示设备在各种工作环境中必不可少，例如飞机驾驶舱以及车辆和火车的驾驶室，这些环境中的外部光环境变化很大。由于光照变化很大，根据环境光照自动调节显示亮度对于驾驶员高效舒适地工作是必要的。本研究提出了一种基于人体工程学测试三个维度的显示调光模型，包括视觉性能（VP）、视觉舒适度（VC）和视觉疲劳（VF）。本实验展示了五种环境照度，每种环境照度与五种显示亮度水平相结合，共形成 25 种条件。采用受试者内设计，十位观察者体验了所有组合条件。实验采用 Anfimov 表测试 VP、VC 量表评估 VC 和 VF 量表评估 VF。根据实验结果，构建子模型以阐明每个维度（VP、VC 和 VF）的特征。随后，采用层次分析法，计算各维度在总分中的权重，构建评价体系。最后，利用指数拟合，构建大范围显示调光模型，明确描述复杂光环境匹配的内在联系。© 作者。由 SPIE 在 Creative Commons Attribution 4.0 Unported License 下发布。在 who 中分发或复制此作品
可解释人工智能的粒度计算
目的和动机：本期特刊旨在提供一套全面的方法、模型和系统，这些方法、模型和系统都属于粒计算的共同范畴，旨在为机器学习方法和应用提供可解释性。可解释人工智能 (XAI) 将允许领域专家验证黑盒 AI 算法或过程提供的结果，以让他们参与决策过程。为此，XAI 方法应该提供对 AI 模型结果背后原因的清晰理解。在这方面，XAI 方法可以采用信息粒化方法，以分层和/或语义方式聚合数据实例，以提供聚合的、人类可理解的解释；以语义组织的方式表示数据实例（例如通过聚类）以查找类原型或反事实；采用符号或神经符号建模来隔离由特定符号激活的神经网络部分（例如，手写符号可以识别为笔画组）；并获得语义相关的信息颗粒（例如通过表示学习）作为构建解释的概念。此外，一些人工智能方法构建了可通过设计解释的模型，即不需要任何额外的程序来解释其内部模型，因为它们不是黑匣子。当前研究的主要不足之一是了解可通过设计解释的模型在准确性方面是否与需要通过多种方式解释的黑匣子模型兼容。
隧道 Angath/奥地利 - 格拉茨技术大学
过去十年，岩土工程和隧道工程的数字化趋势一直由这些学科内建筑信息模型 (BIM) 的发展所引领。虽然已经取得了许多进展，但 BIM 地面建模仍然是一个挑战，因为地下固有的异质性和不确定性难以描述和建模。本文介绍了 BIM 地面建模的新概念和框架。建议将 BIM 地面模型分为几个“子模型”：“事实数据模型”、“岩土模型”和“岩土综合模型”。提出的 BIM 地面建模概念基于并符合当前的国际发展（例如 DAUB / 德国 ITA 分支或 IFC 隧道），应作为如何在未来项目中进行 BIM 地面建模的范例。在介绍这一理论背景之后，本文给出了奥地利隧道 Angath 的案例研究，其中在项目规划阶段完成了最先进的 BIM 地面建模。尽管该项目的建模被视为成功，但它也凸显了阻碍 BIM 在地面建模领域得到广泛采用的几个缺陷：例如，永久数据存储、可编辑模型传输和 BIM 地面模型的轻松可视化。尽管如此，结论是 BIM 地面建模对隧道行业是有益的，因为它有助于实现更标准化和更易于理解的工作流程，并增强决策基础。
采用工业 CMOS 制造的低电荷噪声量子点
硅自旋量子比特是用于大规模量子计算机最有希望的候选者之一，8 这得益于它们出色的相干性以及与CMOS技术的兼容性，可用于升级。先进的工业CMOS工艺流程可实现晶圆级均匀性和高器件成品率，但由于设计和操作条件不同，现成的晶体管工艺无法直接转移到量子比特结构上。因此，为了利用微电子行业的专业知识，我们定制了一条300毫米晶圆生产线，用于硅MOS量子比特集成。通过对MOS栅极堆栈进行精心优化和工程设计，我们报告了在毫开尔文温度下Si/SiOx接口上稳定均匀的量子点操作。我们提取了不同器件和各种操作条件下的电荷噪声，结果显示1 Hz时平均噪声水平低至0.61 μeV/√Hz，在某些器件和操作条件下甚至低于0.1 μeV/√Hz。通过对不同操作和设备参数下的电荷噪声进行统计分析，我们表明噪声源确实可以用两级涨落子模型很好地描述。这种可重现的低噪声水平，加上我们量子点的均匀操作，标志着 CMOS 制造的 MOS 自旋量子比特已成为成熟且高度可扩展的高保真量子比特平台。
Francesco Scazza - 的里雅斯特
我是里雅斯特大学物理系副教授，也是 CNR-INO 的副研究员。我领导着一个在里雅斯特新成立的实验小组（7 名团队成员），研究具有人工量子系统的多体物理学，重点研究关联多轨道费米子系统中的非平衡动力学和传输。我在超冷原子的量子模拟方面的专业知识得到了多次受邀报告、国际合作和在高影响力国际期刊上发表的论文的认可。我目前的研究兴趣包括：超冷量子气体的量子多体物理学 - 强关联量子多体系统、强相互作用费米气体实验、量子杂质、量子传输和非平衡多体动力学、超冷费米气体中的超流动性和磁性、光晶格中的哈伯德物理学、SU(N) 对称费米子模型。实验原子物理和光学技术——激光冷却和捕获、费什巴赫共振、射频精密光谱、光钟光谱、光晶格、任意光势、量子气体显微镜。量子信息和量子光学——光镊阵列、中性原子量子信息处理、光原子相互作用中的集体效应、连续变量量子光学、光量子通信和 QKD。
SCPMA-2021-0584-在线 1..1
量子机器学习是一个新兴的跨学科领域，它探索机器学习和量子物理之间的相互作用，有可能彻底改变人工智能的多个方面 [1]。同时，为隐私量子计算而提出的盲量子计算 (BQC) 协议有望处理委托计算任务而不泄露客户端的隐私数据 [2]。量子机器学习和盲量子计算的结合可能为多方联邦学习任务带来启示。在参考文献 [3] 中，作者从安全角度探索了可能的量子优势，并介绍了一种基于 BQC 的联邦学习新量子协议，其中多个客户端可以协作训练共享的量子学习模型，同时隐藏他们的敏感数据。基本量子模型是变分量子分类器，它可以在 BQC 平台上自然实现，用于监督学习任务。然而在联邦学习中，如果一个公共模型训练得效果很好，那么一定有“有效”信息从客户端流向公共服务器，而私有信息可能会被梯度攻击等一些逆向工程方法泄露 [ 4 ]。为了解决这个问题，作者将差分隐私的思想 [ 5 ] 应用于量子联邦学习协议，对上传的数据进行随机化，这在信息论上具有隐私保护的保证。该防御策略的性能已通过混合量子-经典“梯度攻击”进一步测试，结果证明它可以有效抵御这些恶意攻击。在