XiaoMi-AI文件搜索系统
World File Search System计算方案
RLTG：多目标定向灰盒模糊测试
定向灰盒模糊测试可以引导模糊器探索特定的目标代码区域，在补丁测试等场景中取得了良好的效果。然而，如果有多个目标代码需要探索，现有的定向灰盒模糊测试器（如AFLGo和Hawkeye）往往会忽略一些目标，因为它们使用距离的调和平均值，倾向于测试可达路径较短的目标。此外，现有的定向灰盒模糊测试器由于程序中存在间接调用，无法计算出准确的距离。此外，现有的定向灰盒模糊测试器无法解决探索和利用问题，种子调度效率低下。针对这些问题，我们提出了一种动态种子距离计算方案，当可达路径遇到间接调用时，动态增加种子距离。此外，种子距离计算可以处理多目标场景下的偏差问题。利用种子距离计算方法，我们提出了一种基于置信上限算法的种子调度算法，以解决定向灰盒模糊测试中的探索和利用问题。我们实现了一个原型 RLTG，并在实际程序上对其进行了评估。原型评估表明，我们的方法优于最先进的定向模糊器 AFLGo。在多目标基准测试 Magma 上，RLTG 以 6.9 倍的速度重现错误，并且比 AFLGo 多发现 66.7% 的错误。
逻辑量子信道中的相干性 - John Preskill
摘要 我们研究了量子纠错对相干噪声的有效性。相干误差（例如，单位噪声）可以相互干扰，因此在某些情况下，受相干误差影响的量子电路的平均不保真度可能会随着电路大小的增加而二次增加；相反，当误差不相干（例如，去极化噪声）时，平均不保真度在最坏的情况下会随着电路大小线性增加。我们考虑了量子稳定器代码对噪声模型的性能，在该模型中，对每个量子位应用单位旋转，其中所有量子位的旋转轴和旋转角度几乎相同。特别是，我们表明，对于受这种独立相干噪声影响的环面代码和最小权重解码，只要噪声强度与代码距离成反比衰减，纠错后的逻辑通道会随着代码长度的增加而变得越来越不相干。对于弱相关相干噪声，也有类似的结论。我们的方法还可用于分析其他代码和容错协议对相干噪声的性能。然而，我们的结果并未表明，在噪声强度随代码块增长而保持不变的更物理相关情况下，逻辑通道的相干性会受到抑制，并且我们重述了阻止我们将结果扩展到这种情况的困难。尽管如此，我们的工作支持了容错量子计算方案将有效对抗相干噪声的想法，为担心控制误差和与环境的相干相互作用的破坏性影响的量子硬件制造商提供了令人鼓舞的消息。
解决现代量子的车辆路由问题
领先的国际公司在竞争中已经使用了用于解决优化问题的摘要混合量子经典服务，而实现“量子优势”是绝对的全球趋势。量子计算的使用允许加速解决几种经济问题，物流，病毒学和许多高科技的解决方案，这些技术决定了该领域在世界范围内的基础研究的融资。本文的目的是研究用于解决量子计算机上的路由问题的算法。应注意的是，现代量子计算机对Qubits的数量和量子位之间的连接数量或电路深度有限的连接数量都有重大限制。此外，现代量子计算机只能提供结合优化问题的近似溶液，这是由于技术创造和维持量子状态稳定性和许多其他物理局限性的技术不完善的结果。这意味着许多路由算法将无法很快能够在量子计算机上运行。因此，作者将量子算法的审查限制为解决车辆路由问题的综述到已在实际量子计算机上测试的算法列表，并为其开发人员提供了程序的源代码。算法和计算方案，用于解决IBM和D-WAVE的现代混合量子量子云服务以及量子计算机模拟器上的车辆路由问题。关键字1量子计算机，量子计算机数学，值，车辆路线问题，旅行推销员问题
通过形式抽象的非高斯噪声的动态系统的强大控制
在安全 - 关键设置中运行的动态系统的控制器必须解释随机干扰。这种干扰通常被建模为动态系统中的过程噪声，并且常见的假设是潜在的分布是已知和/或高斯。但是，在实践中，这些假设可能是不现实的，并且可能导致真实噪声分布的近似值差。我们提出了一种新型控制器合成方法，该方法不依赖于噪声分布的任何明确表示。特别是，我们解决了计算一个控制器的问题，该控制器可在安全达到目标时提供概率保证，同时避免了状态空间的不安全区域。首先，我们将连续控制系统抽象为有限状态模型，该模型通过离散状态之间的概率过渡捕获噪声。作为关键贡献，我们根据有限数量的噪声样本来调整方案方法的工具，以计算这些过渡概率的近似正确（PAC）。我们在所谓的间隔马尔可夫决策过程（IMDP）的过渡概率间隔中捕获了这些界限。此IMDP具有用户指定的置信度概率，可抵抗过渡概率的不确定性，并且可以通过样本数量来控制概率间隔的紧密度。我们使用最先进的验证技术在IMDP上提供保证，并计算一个保证将这些保证置于原始控制系统的控制器。此外，我们开发了一种量身定制的计算方案，该方案降低了IMDP上这些保证的合成的复杂性。现实控制系统上的基准测试显示了我们方法的实际适用性，即使IMDP具有数亿个过渡。
HealthFog：基于集合的基于深度学习的智能医疗系统，用于自动诊断集成的物联网和雾计算环境中的心脏病
云计算通过Internet提供资源，并允许部署大量应用程序以为不同行业提供服务。当前在这些云框架中面临的主要瓶颈是它们的可扩展性有限，因此无法满足基于集中的物联网（IoT）的计算环境的要求。这样做的主要原因是，诸如健康监测和监视系统之类的潜伏敏感应用程序现在需要计算大量数据（大数据）转移到集中数据库以及从数据库到云数据中心，从而导致此类系统性能下降。与云域相比，通过使资源更接近用户并为数据处理提供了低潜伏期和节能解决方案，从而提供了雾和边缘计算的新范式提供创新的解决方案。仍然，当前的雾模型从有限的角度上限制了局限性，并且关注结果的准确性或减少响应时间，但并非两者兼而有之。我们提出了一个名为“ HealthFog”的新型框架，用于将整体深度学习整合到边缘计算设备中，并将其部署为自动心脏病分析的现实应用。HealthFog使用物联网设备提供医疗保健作为雾服务，并有效地管理心脏病患者的数据，这是根据用户要求提供的。启用FOG的云框架，Fogbus用于在功耗，网络带宽，潜伏期，抖动，抖动，准确性和执行时间方面部署和测试所提出模型的性能。©2019 Elsevier B.V.保留所有权利。HealthFog可与各种操作模式配置，这些操作模式可根据需要在不同的雾计算方案和不同的用户要求下提供最佳的服务质量或预测准确性。
通过 NN 迈向高级智能网络数据平面...
新兴的可编程网络引发了对智能网络数据平面 (INDP) 的大量研究，该平面实现了基于学习的线速流量分析。INDP 中的现有技术专注于在数据平面上部署树/森林模型。我们观察到基于树的 INDP 方法的一个基本限制：尽管可以在数据平面上表示更大的树/森林表，但数据平面上可计算的流特征从根本上受到硬件约束的限制。在本文中，我们提出 BoS，通过以线速实现神经网络 (NN) 驱动的流量分析来突破 INDP 的界限。许多类型的 NN（例如循环神经网络 (RNN) 和转换器）旨在与顺序数据一起工作，它们比基于树的模型具有优势，因为它们可以将原始网络数据作为输入，而无需进行复杂的特征计算。然而，挑战是巨大的：RNN 推理中使用的循环计算方案与网络数据平面上使用的匹配动作范式有着根本的不同。BoS 通过以下方式应对这一挑战：（i）设计一种新颖的数据平面友好型 RNN 架构，该架构可以在有限的数据平面阶段执行无限的 RNN 时间步骤，从而有效实现线速 RNN 推理；（ii）用基于非开关变压器的流量分析模块补充开关上 RNN 模型，以进一步提高整体性能。我们使用 P4 可编程交换机作为数据平面实现了 BoS 的原型，并在多个流量分析任务中对其进行了广泛的评估。结果表明，BoS 在分析准确性和可扩展性方面均优于最先进的技术。
用于耦合微流体的多功能 SPH 建模框架...
摘要 许多增材制造 (AM) 技术依赖于粉末原料，粉末原料通过熔化或化学结合随后烧结形成最终部件。在这两种情况下，工艺稳定性和最终部件质量都取决于粉末颗粒和流体相（即熔融金属或液体粘合剂）之间的动态相互作用。本研究提出了一种通用的计算建模框架，用于模拟涉及热毛细管流和可逆相变的耦合微流体-粉末动力学问题。具体而言，液相和气相与由基材和移动粉末颗粒组成的固相相互作用，同时考虑温度相关的表面张力和润湿效应。在激光-金属相互作用的情况下，通过额外的机械和热界面通量来整合快速蒸发的影响。所有相域都使用光滑粒子流体动力学进行空间离散化。该方法的拉格朗日性质在由于相变和耦合的微流体-粉末动力学而动态变化的界面拓扑背景下是有益的。在制定相变时要特别小心，这对于计算方案的稳健性至关重要。虽然底层模型方程具有非常通用的性质，但所提出的框架特别适用于各种 AM 过程的中尺度建模。为此，通过几个应用驱动的示例证明了计算建模框架的通用性和稳健性，这些示例代表了特定的 AM 过程，即粘合剂喷射、材料喷射、定向能量沉积和粉末床熔合。除其他外，它还展示了粘合剂喷射中液滴的动态影响或粉末床熔合中蒸发引起的反冲压力如何导致粉末运动、粉末堆积结构的扭曲和粉末颗粒的喷射。
用于增材制造中耦合微流体-粉末动力学的多功能 SPH 建模框架：粘合剂喷射、材料喷射、定向能量沉积和粉末床熔合
许多增材制造 (AM) 技术都依赖于粉末原料，这些原料通过熔化或化学结合随后烧结形成最终部件。在这两种情况下，工艺稳定性和最终部件质量都取决于粉末颗粒和流体相（即熔融金属或液体粘合剂）之间的动态相互作用。本研究提出了一种通用的计算建模框架，用于模拟涉及热毛细管流动和可逆相变的耦合微流体-粉末动力学问题。具体而言，液相和气相与由基材和移动粉末颗粒组成的固相相互作用，同时考虑温度相关的表面张力和润湿效应。在激光-金属相互作用的情况下，快速蒸发的影响通过额外的机械和热界面通量来整合。所有相域都使用光滑粒子流体动力学进行空间离散化。该方法的拉格朗日性质在动态变化的界面拓扑背景下是有益的。在制定相变时要特别小心，这对于计算方案的稳健性至关重要。虽然底层模型方程具有非常通用的性质，但所提出的框架特别适用于各种 AM 过程的中尺度建模。为此，通过几个应用驱动的示例证明了计算建模框架的通用性和稳健性，这些示例代表了特定的 AM 过程，即粘合剂喷射、材料喷射、定向能量沉积和粉末床熔合。除其他外，它还展示了粘合剂喷射中液滴的动态影响或粉末床熔合中蒸发引起的反冲压力如何导致粉末运动、粉末堆积结构的扭曲和粉末颗粒的喷射。
![arXiv:2106.00754v1 [quant-ph] 2021 年 6 月 1 日](/simg/g:\will\search\icon\source\f\f919e91cb28ba0df3200589a24bff1a31e185935.webp)
arXiv:2106.00754v1 [quant-ph] 2021 年 6 月 1 日
实现可扩展量子计算机面临的最大挑战之一是设计一个物理设备，使每个量子处理操作的错误率保持在较低水平。这些错误可能源于量子操纵的准确性，例如固态量子比特中栅极电压的扫描或光学方案中激光脉冲的持续时间。错误还源于退相干，退相干通常被认为更为关键，因为它是量子系统固有的，从根本上说是与外部环境耦合的结果。将小的量子比特集合分组为具有对称性的簇可能有助于保护部分计算免受退相干的影响。在这项工作中，我们使用 4 级核心和离散旋转对称性的直接概括（称为 ω -旋转不变性）来编码耦合量子比特对和通用 2 量子比特逻辑门。我们将量子误差作为退相干的主要来源，并表明对称性使逻辑操作特别能抵御不合时宜的各向异性量子比特旋转。我们提出了一种可扩展的通用量子计算方案，其中核心充当量子计算晶体管（简称量子电阻）的角色。通过将量子电阻与引线进行隧道耦合，可以实现初始化和读出。外部引线被明确考虑在内，并被认为是另一个主要的退相干源。我们表明，通过调整量子电阻的内部参数，可以动态地将量子电阻与引线解耦，从而赋予它们作为可控量子存储单元所需的多功能性。通过这种动态解耦，量子电阻内的逻辑运算也可以对称地免受参数中无偏噪声的影响。我们确定了可以实现 ω -旋转不变性的技术。我们的许多结果可以推广到更高级别的 ω -旋转不变系统，或适用于具有其他对称性的集群。
用于耦合微流体的多功能 SPH 建模框架...
摘要 许多增材制造 (AM) 技术依赖于粉末原料，粉末原料通过熔化或化学结合随后烧结形成最终部件。在这两种情况下，工艺稳定性和最终部件质量都取决于粉末颗粒和流体相（即熔融金属或液体粘合剂）之间的动态相互作用。本研究提出了一种通用的计算建模框架，用于模拟涉及热毛细管流和可逆相变的耦合微流体-粉末动力学问题。具体而言，液相和气相与由基材和移动粉末颗粒组成的固相相互作用，同时考虑温度相关的表面张力和润湿效应。在激光-金属相互作用的情况下，通过额外的机械和热界面通量来整合快速蒸发的影响。所有相域都使用光滑粒子流体动力学进行空间离散化。该方法的拉格朗日性质在由于相变和耦合的微流体-粉末动力学而动态变化的界面拓扑背景下是有益的。在制定相变时要特别小心，这对于计算方案的稳健性至关重要。虽然底层模型方程具有非常通用的性质，但所提出的框架特别适用于各种 AM 过程的中尺度建模。为此，通过几个应用驱动的示例证明了计算建模框架的通用性和稳健性，这些示例代表了特定的 AM 过程，即粘合剂喷射、材料喷射、定向能量沉积和粉末床熔合。除其他外，它还展示了粘合剂喷射中液滴的动态影响或粉末床熔合中蒸发引起的反冲压力如何导致粉末运动、粉末堆积结构的扭曲和粉末颗粒的喷射。