XiaoMi-AI文件搜索系统
World File Search System搜索算法
CS 256，人工智能的主题秋季2024
在本课程中，参与者将通过一系列专注的主题获得对人工智能（AI）的全面了解。他们将了解AI的基础，包括其历史和关键概念。参与者将探索智能代理，其理性行为以及环境相互作用的结构。此外，他们还将学习搜索算法，既没有信息又通知，并有效地应用它们。该课程涵盖了本地搜索技术，优化和计划算法，强调了经典的计划算法和启发式方法。参与者还将研究概率推理，贝叶斯网络和机器学习技术，例如增强学习和基于模型的学习。在课程结束时，参与者将能够设计智能代理，应用搜索和约束满意度技术，不确定性下的理由，建立机器学习模型，了解机器人系统并实施计划算法。
人工智能：HP 中的潜在应用 - HIMCOSTE
应用过去 60 年来，人工智能的主要进步包括搜索算法、机器学习算法以及将统计分析融入对整个世界的理解。我们见证了许多人工智能应用：机器人、机器翻译、聊天机器人、语音识别器等等。人工智能技术被用于解决许多现实问题。某些机器人正在帮助寻找地雷，搜寻因自然灾害而被困在废墟中的人类。人工智能的用途更为微妙，例如检查购买历史和影响营销决策。人工智能在我们的生活中发挥着越来越重要的作用，最新的趋势是人工智能芯片和随之而来的智能手机应用程序。人工智能算法已在数据中心和大型计算机上使用多年，但最近才出现在消费电子领域。文字处理或检查文本的语法和拼写是符号人工智能的经典应用，已经使用很长时间了。
超出对称方案的量子攻击中的二次加速
2位来自n个位块密码中，带有2个键的密钥，并在理想模型中具有安全性证明。我们证明了Bonnetain等人的OfflIne-Simon算法。（ASIACRYPT 2019）可以扩展到在量子时间e O（2 n）中攻击这种结构，在最佳的古典攻击中提供了2.5个量子加速。关于对称密码的量子后安全性，通常认为将密钥尺寸加倍是一种充分的预防措施。这是因为Grover的量子搜索算法及其衍生物最多只能达到二次加速。我们的攻击表明，可以利用某些对称结构的结构来克服这一限制。尤其是2xor-cascade不能用来加强对量子对手的块密码，因为它仅具有与块密码本身相同的安全性。
薛定谔方程的量子模拟
量子计算是物理学研究中最有前途的活跃领域之一。这是因为量子算法有潜力超越经典算法。与经典线性搜索相比，Grover 搜索算法的速度提高了二次方。与经典模拟相比，薛定谔方程的量子模拟具有指数级的内存节省。本文回顾了量子计算的思想和工具。以 Grover 算法为例进行了研究和模拟。使用 Qiskit 量子计算库，开发了一个模拟一维粒子薛定谔方程的代码，在本地进行模拟，并在实际的 IBM 量子计算机上运行。在零势场、谐波势场和线性势场中演化出几个初始状态。将得到的结果与文献中的类似结果进行了比较。
量子电路的高效正确编译
摘要 — 量子算法的高级描述不考虑物理硬件的限制。因此，在量子计算机上实际执行量子电路形式的算法需要首先针对所需的目标架构对其进行编译。量子电路的编译依赖于有效的方法，才能适用于除琐碎实例之外的所有实例。为此，过去曾引入过不同的编译方法，但仍有改进的空间。此外，仅有高效的编译过程本身是不够的——生成的电路也必须正确。在这篇总结论文中，我们回顾了如何利用启发式搜索算法或精确推理引擎来优化现有的编译方法。此外，我们回顾了如何通过巧妙的数据结构（如决策图）来验证所获得结果的正确性。这说明了编译流程的核心步骤，该流程可以为许多实例生成最小或接近最小的结果，此外，还保证了整个过程的正确性。
使用正交相机进行光线投射的量子算法
摘要 — 量子计算有可能为许多具有挑战性或超出传统计算机能力的问题提供解决方案。渲染中有几个问题可以用量子计算机解决，但这些问题尚未在实践中得到证实。这项工作迈出了将量子计算应用于渲染中最基本的操作之一的第一步：射线投射。该技术计算由一组几何图元描述的 3D 世界模型中两点之间的可见性。对于给定的射线，该算法返回与其原点最接近的图元相交。如果没有空间加速结构，此操作的经典复杂度为 O(N)。在本文中，我们提出了一种用于射线投射的 Grover 算法（一种量子搜索算法）的实现。这提供了二次加速，允许在 O(√) 中对非结构化图元进行可见性评估
贾登·加列戈斯，M；海尔·马卢辛，J； Yaselga Auz, W 和 Cocha Telenchana, M. (2024)。人工智能虚拟助手对大学生学业成绩的影响。边境社会杂志； 4(4): e338。 https://doi.org/10.59814/resofro.2024.4(4)338
摘要本研究旨在探讨人工智能虚拟助手对大学生学业成绩的影响。使用 SCOPUS 数据库来识别相关的科学文章，使用了涵盖该主题的多项研究的特定搜索算法。该方法包括选择某些类型的文献和时间标准，其中包括西班牙语和英语的文章，以保证该领域研究的全球性和代表性视野。通过详细的分析，评估了虚拟助手在提高学生学业成绩和满意度方面的有效性。研究结果表明，这些辅助工具通过提供个性化学习和持续帮助等好处，具有相当大的提高学业成绩的潜力。然而，人们也认识到了技术和道德障碍，这需要适当的管理，以确保在高等教育中有效和公平地使用人工智能。结论强调了了解这些技术整合带来的潜在优势和挑战的重要性，并强调需要采取平衡的方法来最大限度地发挥优势并减轻潜在的缺点。
以人为本的 AI 驱动探索大型复杂数据集的框架 Maria F. Costabile 1 、 Giuseppe Desolda 1 、 Giovanni Dimauro 1 、 Rosa Lanzilotti 1 、 Daniele Loiacono 2 、 Marisella Matera 2 和 Massimo Zancanaro 3
通过授予对决定系统行为的相关参数的交互式操作，还可以实现对系统的可靠用户控制 [19]。在 HCAI 愿景中，用户控制和系统自主性并不被视为相互对立，而是在设计对人类有益的智能系统时需要充分校准的两个维度 [21]。应该让用户能够利用 AI 算法的强大功能，但也不能忽视用户作为领域专家所拥有的知识的重要性。例如，在 [2] 中介绍了一种基于 ML 的工具，用于从过去的患者那里直观地检索医学图像（来自活检的组织）。该工具支持对新患者的医疗决策，使医生能够即时应对搜索算法，并传达在不同情况下哪些类型的相似性最重要。人与系统之间的这种交互决定了逐步细化，从而增加了所发现图像的诊断效用以及用户对算法的信任。
量子机器学习的量子嵌入搜索
摘要 —本文介绍了一种自动搜索算法（QES，发音为“quest”），该算法为监督量子机器学习推导出纠缠布局的最佳设计。首先，我们使用 CNOT 门建立纠缠结构与有向多图表示之间的联系，从而实现明确定义的搜索空间。所提出的将量子纠缠编码为基因型向量的方案将 ansatz 优化与经典机器学习联系起来，允许在任何明确定义的搜索空间上进行有效搜索。其次，我们激发纠缠级别以将搜索空间的基数降低到实际实现的可行大小。最后，我们通过基于模型的顺序优化使用代理模型来降低评估真实损失函数的成本。我们在模拟和基准数据集（包括 Iris、Wine 和乳腺癌数据集）上证明了我们提出的方法的可行性，这通过经验表明 QES 发现的量子嵌入架构在预测性能方面优于手动设计。
Grover 在 SPEEDY 上
摘要：随着量子计算机的出现，重新审视密码学的安全性近年来一直是一个活跃的研究领域。在本文中，我们估算了将 Grover 算法应用于 SPEEDY 分组密码的成本。SPEEDY 是 CHES'21 中提出的一类超低延迟分组密码。可以确保配备 Grover 算法的密钥搜索将分组密码的 n 位安全性降低到 n 2 位。问题是 Grover 算法需要多少量子资源才能工作。NIST 将对称密钥密码的后量子安全强度估计为 Grover 密钥搜索算法的成本。SPEEDY 提供 128 位安全性或 192 位安全性，具体取决于轮数。根据我们估计的成本，我们提出增加轮数不足以满足对量子计算机攻击的安全性。据我们所知，这是 SPEEDY 作为量子电路的首次实现。