XiaoMi-AI文件搜索系统
World File Search System计算方案
JHR材料测试反应器的完整参考Apollo3®确定性方案
JHR是一种正在CADARACHE CADARACHE施工的新材料测试反应器。其高通量芯包含37个沿同心环的燃料组件，进入铝基质的肺泡。对于反应堆的运行，这些燃料组件中有二十七个在其中心构成了hafnium杆，而其他燃料组件也可以容纳其他燃料组件，而其他燃料组件也可以容纳铍径向反射器，可以容纳实验设备。为了准确预测其操作核心特性，也是其辐照性能，正在开发基于Apollo3®平台的最近开发的方案，该方案正在开发，该方案使用了子组方法来用于空间自屏蔽，特征的2D方法和3D非结构化的符合符合符号的尖塔nararet s n运输求解器。已建立并优化了JHR的2D模型，用于在晶格步骤中计算自屏蔽和凝结的横截面，这要归功于亚组方法和特征方法。根据Tripoli-4®随机参考计算进行基准测试。与以前的Apollo2方案相比，更精致的空间网格给出了更好的裂变率和反应性结果。经典的2步计算使用无限晶格配置的假设，这对于靠近中心的组件是合理的，但对于外围的组件是合理的。因此，考虑到每个组件的周围，正在设置一种新方法。新的3-步骤方案使用SN求解器尖塔，比传统的2步方案获得更好的结果。关键字：Apollo3®，JHR，确定性计算方案，S N方法这种方法将应用于包含实验设备并启用烧毁计算的异质JHR核心配置的3D建模。
训练时间的视觉变压器的结构修剪
基于注意力的变压器已成为实现自然语言处理和计算机视觉等任务的强大范式。但是，与卷积网络相比，变压器通常会显示更高的计算成本和参数计数。这种效率低下会阻碍将变压器部署到资源约束设备（例如边缘设备）上。结构化的修剪技术提出了一个有前途的方向，可以压缩变形金刚的边缘计算方案。本文研究了修剪技术以在视觉变压器中诱导结构化的稀疏性，从而减少了计算要求，同时最大程度地减少准确性降解。目标是为有效的视觉变压器推理开发方法。结构化的修剪在训练时间时通过解决一个优化问题来学习对单个网络组合的重要性得分，该问题试图最大程度地提高任务性能，同时最大程度地减少模型中参数的数量。随后，重要性得分转化为二进制掩码，这些面具修剪不重要的结构，例如特定线性层输出二 - 段或整个注意力头。为了促进诱发稀疏模式的规律性，提出了各种面具分享策略，以使相关构件元素的修剪决策对夫妇进行修剪决策。规律性至关重要，因为由于特定的变压器的特定连接模式，完全独立性排除了某些蒙版组件的去除，从而导致模型实际部署在硬件上时，导致压缩率较低。经验结果表明，在图像分类任务中，组件完全独立的掩蔽优于平衡准确性和稀疏性的共享策略。仍然是实验表明，通过共享和独立面具的混合，提出的修剪方案成功地压缩了视觉变压器的90％，精度仅为4％或70％的压缩率，精度下降小于1％。
测试和增强高维计算的对抗性鲁棒性
摘要 - 脑启发的超维度计算（HDC），也称为矢量符号结构（VSA），是一种急剧的“非von neumann”计算方案，该方案模仿人脑功能以处理信息或使用抽象和高维模式来处理信息或执行学习任务。与深神经网络（DNN）相比，HDC显示出诸如紧凑的模型大小，能量效率和少量学习的优势。尽管有这些优势，但HDC的一个不足的区域是对抗性的鲁棒性。现有的作品表明，HDC容易受到对抗性攻击的攻击，在这种攻击中，攻击者可以在原始输入中添加少量扰动到“傻瓜” HDC模型，从而产生错误的预测。在本文中，我们通过开发一种系统的方法来测试和增强HDC对对抗性攻击的鲁棒性，系统地研究HDC的对抗性鲁棒性，并具有两个主要成分：（1）TestHD，这是一种可以为给定的HDC模型生成高素质高素质的测试工具，该工具可以为给定的HDC模型生成高素质的高素质数据； （2）GuardHD，它利用TestHD生成的对抗数据来增强HDC模型的对抗性鲁棒性。testHD的核心思想建立在模糊测试方法之上。我们通过提出基于相似性的覆盖率度量来定制模糊方法，以指导TestHD连续突变原始输入，以生成可能触发HDC模型不正确行为的新输入。由于使用差异测试，TestHD不需要事先知道样品的标签。为了增强对抗性鲁棒性，我们设计，实施和评估GuardHD以捍卫HDC模型免受对抗数据的影响。GuardHD的核心思想是一种对抗探测器，可以通过测试HDD生成的对抗样本训练。在推断期间，一旦检测到对抗样本，GuardHD将用“无效”信号覆盖词典结果。我们评估了4个数据集和5个对抗性攻击方案的提议方法，具有6种对抗生成策略和2种防御机制，并相应地比较了性能。GuardHD能够区分精度超过90％的良性和对抗性输入，比基于对抗性训练的基线高达55％。据我们所知，本文在系统地测试和增强对这种新兴脑启发的计算模型的对抗数据的鲁棒性方面提出了第一个全面的努力。索引术语 - 远程计算，差异绒毛测试，对抗攻击，强大的计算
Tommaso Toffoli
信息机制。计算的基础和物理方面。细胞自动机理论。互连复杂性，同步。正式的计算模型与微观物理学（均匀性，位置，可逆性，惯性和其他保护原理，计算的变异，相对论和量子方面）一致。证明了可逆细胞自动机（1977）的计算通用性；提出了猜想（后来由卡里证明），所有可逆细胞自动机在结构上都是可逆的（1990）。介绍了“ to o oli Gate”（1981），后来被Feynman和其他人作为量子计算的基本逻辑原始词。提出，与弗雷德金（Fredkin）提出了第一个具体指控的计算计划（1980），这是近年来低功率行业所采用的想法。证明了耗散性细胞自动机算法可以用非解剖性晶格气体算法取代（2006– 2009年）。量子信息理论和热力学的进步（2006-2010）。批量计算的可及性；拉格朗日动作与计算能力之间的联系（1998-）。细粒体系结构，用于大规模并行计算。关于蜂窝机器机器的开创性工作：设计，实现，支持和应用（1982）。的开发和实现（与诺曼·玛格鲁斯（Norman Margolus）的CAM 8（一种精细的，难以扩展的多处理器体系结构）体现了可编程物质的概念（1987-1993）。微观动力学过程与宏观现象学之间的联系。在伴侣科学模拟中使用这些体系结构的方法以及探索各种平行计算方案。与TED Bach（2002-04）一起设计和实现SIMP/Step，软件引擎和IDE的IDE和IDE。discrete模型；开创了晶状体气体流体动力学的想法（1985）。对应原理是微观组合和宏观计算特性的；紧急计算。物理建模方法，利用了大量平行的，细粒度的计算资源。神经网络的某些方面。基于细粒度的自主动力学（1995）的图像操纵和三维渲染。微观动力学对模式识别：模拟染色，纹理锁定环。知识结构。作为旨在开发知识工程课程的电子书的一部分，创建并教授了新的研究生课程“个人知识工程”（2007-09）。与BU Earlab在大脑建模项目（2002- 2008年）合作。工作（自1998年起）开展了一项称为个人知识结构的倡议，旨在使普通人有效地利用计算机扩展其个人能力，这是识字的扩展。该策略是开发一套综合的文化和计算机资源，并建立一个试点社区，以支持和传播该学科。
使用量子存储器
量子控制是指具有所需精度为1的动态量子系统从初始目标或结果1。几种模拟控制波包及其应用的理论和实验方法对于为将来的仿真或量子计算方案铺平道路非常有用。在其中许多中，要控制的物理系统都是由外部电位驱动的，外部电位需要一直在体验中控制，直到达到目标为止。尽管在这项工作中我们没有声称提供量子控制的一般理论，但我们提供了一种新方法，其中控制方案一劳永逸地编码为其初始状态。这里的主要主角不是通用量子系统，而是在离散时间4 - 6中进行量子步行（QW）。鉴于此简单系统的公认多功能性，实际上似乎是一种特殊的选择，实际上具有巨大的潜力。实际上，QW是一种通用的计算模型7、8，它涵盖了大量的物理和生物学现象，与基本科学和应用都相关。应用程序包括搜索算法9 - 12和图形同构算法13，以建模和模拟量子14 - 18和经典动力学19，20。这些模型引发了各种理论调查，涵盖了数学，计算机科学，量子信息和统计力学领域的领域，并在任何物理维度21、22和几个拓扑结构中都定义了23 - 25。QW出现在多个变体中，可以在任意图上定义。本质上，这些简单的系统具有两个寄存器：一个用于图表上的位置，另一个是其内部状态，通常称为硬币状态。它在图表上以内部状态为条件，类似于经典案例，在每个步骤中，我们翻转硬币以确定步行者的方向。本质上的区别在于，在量子情况下，步行者在图表上以从节点开始的各个方向上传播。此功能允许量子步行器四四式探索图形的经典范围，该属性使设计非常有用，例如高效的搜索算法。但是，我们不知道控制量子步行者演变的许多方法。例如，我们可以选择初始条件和进化操作员来调整步行者的方差σ（t）= af（t），其中a是一个真实的预替代器，f（t）通常是t的线性函数。然而，一旦它们在初始时间固定，f和a均在整个演化中保持不变，除非我们不允许进化操作员在每个时间步长以既定方式更改，否则在26、27中，这可能是非常昂贵的。我们如何在不必更改进化操作员的情况下控制沃克的动态？是否可以控制只有初始条件，方差或平均轨迹？在本手稿中，我们认为，以引入量子记忆的代价，答案是肯定的。带有内存的量子步行已经进行了研究，并有几种变体28、29。举例来说，这些修改的量子步行可能会有额外的硬币来记录沃克的最新路径，如30，31。在这里，这个想法是为网格中的每个位点定义一个额外的量子，步行者在整个演化过程中与之相互作用。令人惊讶的是，我们将证明整个系统的初始条件，内存 + Walker，足以控制步行者的方差和均匀位置。兴趣是双重的：从一方面，我们提供了一个简单的分布式量子计算模型，以控制单个量子沿其动力学，这将不需要我们控制和调整
火星大气中灰尘的垂直分布
MARS Express上的Omega光谱仪获得了对火星肢体的几种观察，这些观察仪仍未得到探索。在这里，我们根据火星大气灰尘的丰度和大小来探讨这些数据的信息内容。我们通过应用全球散射蒙特卡洛1D辐射转移代码来接近灰尘检索，以建模0.5 - 2.5μm光谱范围（VNIR和SWIR OMEGA通道），以使粉尘有效半径和数量密度变化在大约之间。8和50公里。 这是该方法第一次应用于欧米茄肢体数据。因此，我们仅介绍三个研究案例，其中水冰低于可检测性水平，以便将未来更广泛应用之前的方法论问题，假设和表现重点放在。 该模型完全包含多种散射效应，这些散射效应已知是导致在不同高度和表面上采用的肢体之间的耦合。 开发了表面反射率的延长的三维建模，形成了肢体光谱的表面晶体。 发现VNIR通道可用于降低辐射转移溶液的退化。 在15至30 km之间产生0.85±0.15μm（对应于模态半径〜0.3μm的模态R m m 〜0.3μm）的尘埃垂直分布，与全球循环模型（GCM）一致，但在模型中的模型预测中，与模型相比的一个级数相当一致，但与模型之间的模型（MC）相当吻合（GCMS），这是一个模型和MARS的clls clls clls clls clls clls clys的clains。8和50公里。这是该方法第一次应用于欧米茄肢体数据。因此，我们仅介绍三个研究案例，其中水冰低于可检测性水平，以便将未来更广泛应用之前的方法论问题，假设和表现重点放在。该模型完全包含多种散射效应，这些散射效应已知是导致在不同高度和表面上采用的肢体之间的耦合。开发了表面反射率的延长的三维建模，形成了肢体光谱的表面晶体。发现VNIR通道可用于降低辐射转移溶液的退化。在15至30 km之间产生0.85±0.15μm（对应于模态半径〜0.3μm的模态R m m 〜0.3μm）的尘埃垂直分布，与全球循环模型（GCM）一致，但在模型中的模型预测中，与模型相比的一个级数相当一致，但与模型之间的模型（MC）相当吻合（GCMS），这是一个模型和MARS的clls clls clls clls clls clls clys的clains。实际上与MCS数据达成了总体协议，在一种情况下，欧米茄退休的尘埃与Hellas Basin的当地风暴兼容。在火星气候数据库中没有很好地表示，该数据库提供了每月平均统计数据。我们的结果证明了欧米茄肢体数据在定量上有助于火星尘埃研究的能力，尽管需要在探测的光谱范围内准确地对多个散射进行准确模拟多个散射，但仍需要进行较复杂且缓慢的辐射转移计算方案。在整个Omega肢体数据集中，理想的检索方法的理想应用也有助于评估当地沙尘暴的发生，需要进一步的工作，旨在包括水冰气溶胶和可能的热发射。是使用蒙特卡洛建模方法对欧米茄肢体数据进行的首次尝试，这项工作代表了一种有用的基准测试，用于更快，虽然准确，但较不准确，辐射转移模型。
拓扑马约拉纳量子比特上 CNOT 门的完整实现
拓扑量子计算 (TQC) 是一种量子计算方法，旨在通过利用由非阿贝尔任意子组成的非局部自由度的拓扑属性来最小化硬件层面的退相干 [1-3]。后者是奇异的准粒子激发，具有非平凡的交换统计数据，用辫子群的多维表示来描述。非阿贝尔任意子集合嵌入在退化基态流形中，这允许非局部存储量子信息并通过编织实现幺正变换来处理它。在所有非阿贝尔任意子中，马约拉纳零能量模式 (MZM) 是最有希望用于 TQC 开发的模式 [4-8]，因为它们是凝聚态系统中最可行的模式。过去十年，开创性的实验确实在多个不同平台上为它们的存在提供了强有力的证据，如近邻半导体纳米线[9-12]、磁性吸附原子链[13，14]、拓扑超导体内的涡旋[15，16]、平面约瑟夫森结[17，18]和近邻量子自旋霍尔边缘[19，20]。基于马约拉纳量子计算机的构建块是马约拉纳量子比特，由四个马约拉纳零点模型组成。通过物理编织这些马约拉纳零点模型，可以实现所有单量子比特 Clifford 门 [21-23]。这些门受到拓扑保护，因为它们的结果完全取决于 2+1 维空间中任意子绝热遵循的轨迹的拓扑。重要的是，一对 MZM 的编织可以通过多种方式实现，这些方式都等同于两个非阿贝尔任意子的物理交换 [ 24 – 30 ] 。事实上，通过考虑额外的 (混合的) 辅助马约拉纳粒子的存在，我们可以通过适当调整不同 MZM 之间的成对耦合 [ 31 , 32 ] 或通过执行顺序射影宇称测量 [ 8 , 33 – 38 ] 来进行编织。非 Clifford 操作（如 T 门）无法通过马约拉纳编织实现，并且必然依赖于没有拓扑保护的实现，并且需要额外的纠错方案（如魔法态蒸馏）[ 23 , 39 ] 。为了实现通用量子计算，单量子比特门必须补充纠缠门，如 CNOT 门。遗憾的是，这种两量子比特 Clifford 门无法在可扩展架构中仅通过马约拉纳编织操作实现 [22, 40]。基于测量的方法使我们能够克服这个问题，通过对（联合）马约拉纳奇偶性进行高保真投影测量来实现 CNOT 门 [8, 35, 41 – 44]。然而，尽管基于测量的 TQC 已被证明对未来开发完全可扩展的拓扑量子计算机非常有价值，但所需的测量协议仍然是一项艰巨的挑战 [35,45,46]。因此，目前，最好设计和描述替代方案，这些方案不依赖于高保真测量，但仍允许稳健地纠缠不同的拓扑量子位。在这项工作中，我们提出了一种基于完整方法的 CNOT 门的无测量实现。完整量子计算的关键思想是利用非阿贝尔几何相在底层哈密顿量的退化特征空间上实现幺正运算 [47]。当系统参数沿着参数空间中保持退化的闭环进行调整时，就会出现这些规范不变相。这种方法相当通用，已经在非拓扑量子计算方案中成功运用 [47-49]。因此，在 TQC 中使用完整技术也很有意义。事实上，马约拉纳粒子的编织过程本身可以解释为一个完整的过程，其中系统遵循成对马约拉纳粒子耦合的三维参数空间中特定的、拓扑保护的环路 [8, 31]。完整的编织描述的优点是它可以很容易地推广，既可以通过考虑具有不同拓扑结构的环路来实现，也可以通过考虑具有不同拓扑结构的环路来实现。