XiaoMi-AI文件搜索系统
World File Search System计算速度
可编程通用光子处理器中的情境性、连贯性和维度的实验认证
高维状态的量子叠加使得加密协议中的计算速度和安全性都得以提升。然而，层析成像过程的指数复杂性使得这些属性的认证成为一项具有挑战性的任务。在这项工作中，我们使用由飞秒激光写入技术制造的六模通用光子处理器实现的成对重叠测量，通过实验认证了针对不断增加的维度的量子系统的相干性见证。特别是，我们展示了所提出的相干性和维度见证对于维度高达 5 的量子比特的有效性。我们还展示了量子询问任务中的优势，并表明它是由量子语境性推动的。我们的实验结果证明了这种方法对于可编程集成光子平台中量子属性认证的有效性。
绝热量子计算和量子退火
在 AQC 模型中开发的几种值得注意的算法包括用于解决非结构化搜索和组合优化问题的方法。在理想情况下，这些算法的渐近复杂性分析表明，与最先进的传统方法相比，计算速度可能有所提高。然而，非理想条件的存在，包括非绝热动力学、残余热激发和物理噪声，使潜在计算性能的评估变得复杂。量子退火的互补计算启发式方法捕获了绝热条件的放松，它适用于在有限温度和开放环境中运行的物理系统。虽然量子退火 (QA) 为实际量子物理系统的行为提供了更准确的模型，但非绝热效应的可能性掩盖了与传统计算复杂性的明显区别。
光电跟踪系统的动态高型区间2型模糊逻辑控制
摘要：提出一种基于区间2型模糊逻辑控制器（IT2FLC）的动态高型控制（DHTC）方法，将其应用于光电跟踪系统，提高稳态精度和响应速度。在传统的多环反馈控制环中加入积分器，可以增加系统型数，从而加快响应速度，提高稳态精度，但存在积分饱和的风险。根据系统状态动态切换型数，可以在保留高型优点的同时避免积分饱和。模糊逻辑控制（FLC）可以根据输入的变化动态地改变输出值，具有响应速度快、处理不确定性能力强等优点。因此，本文将FLC引入高型控制系统，以FLC的输出作为积分器的增益来控制积分器的通断，达到动态切换型数的目的，并在实验中得到成功验证。 IT2FLC引入了三维隶属函数，进一步提高了FLC处理不确定性的能力。从实验结果来看，与T1FLC相比，IT2FLC处理不确定性的能力明显提高。另外，为了加快IT2FLC的计算速度，本文提出了一种改进的类型归约算法，即加权梯形Nie-Tan（WTNT）。与传统类型归约算法相比，WTNT具有更快的计算速度和更好的稳态精度，且已成功应用于实时控制系统，有很好的工程应用价值。最后，为了减少人为因素的干扰，提高系统的自动化水平，采用多种群遗传算法（MPGA）对FLC的参数进行迭代优化，提高了输出精度。在柔性快速反射镜(FFSM)实验平台上,对比了传统控制器、T1FLC及IT2FLC的控制效果,证明了IT2FLC-DHTC系统具有更快的响应性能、更高的稳态精度、以及更强的处理不确定性的能力。
光电跟踪系统的动态高型间隔 2 型模糊逻辑控制
摘要：本文提出一种基于区间2型模糊逻辑控制器（IT2FLC）的动态高型控制（DHTC）方法，将其应用于光电跟踪系统，提高稳态精度和响应速度。在传统的多环反馈控制环中加入积分器，可以增加系统类型，从而加快响应速度，提高稳态精度，但存在积分饱和的风险。根据系统状态动态切换类型，可以在保留高型优点的同时避免积分饱和。模糊逻辑控制（FLC）可以根据输入的变化动态地改变输出值，具有响应速度快、处理不确定性能力强的优点。因此本文将FLC引入高型控制系统，利用FLC的输出作为积分器的增益来控制通断，达到动态切换型的目的，并在实验中成功验证。IT2FLC引入了三维隶属函数，进一步提高了FLC处理不确定性的能力。从实验结果来看，与T1FLC相比，IT2FLC处理不确定性的能力明显提高。此外，为了加快IT2FLC的计算速度，本文提出了一种改进的类型降阶算法，称为加权梯形Nie-Tan（WTNT）。与传统降阶算法相比，WTNT具有更快的计算速度和更好的稳态精度，并已成功应用于实时控制系统，具有很好的工程应用价值。最后，为了减少人为因素的干扰，提高系统的自动化水平，采用多种群遗传算法（MPGA）对FLC的参数进行迭代优化，提高了输出精度。在柔性快速反射镜（FFSM）实验平台上，对比了传统控制器、T1FLC和IT2FLC的控制效果，证明了IT2FLC-DHTC系统具有更快的响应性能、更高的稳态精度和更强的处理不确定性的能力。
带错误反向传播算法和实验实现的量子电路学习
摘要：量子计算具有胜过经典计算机的潜力，并有望在各种领域中发挥积极作用。在量子机学习中，发现量子计算机可用于增强特征表示和高维状态或功能近似。量子 - 古典杂交算法近年来在嘈杂的中间尺度量子计算机（NISQ）环境下为此目的提出了量子 - 级别的混合算法。 在此方案下，经典计算机所起的作用是量子电路的参数调整，参数优化和参数更新。 在本文中，我们提出了一种基于梯度下降的反向传播算法，该算法可以充分地计算参数优化中的梯度并更新量子电路学习的参数，该参数以当前参数搜索算法的范围优于计算速度，同时呈现相同的测试精度，甚至更高。 同时，所提出的理论方案成功地在IBM Q的20量量子计算机上实施。 实验结果表明，栅极误差，尤其是CNOT门误差，强烈影响派生的梯度精度。 随着由于累积的门噪声误差，在IBM Q上执行的回归精度变得较低。量子 - 级别的混合算法。在此方案下，经典计算机所起的作用是量子电路的参数调整，参数优化和参数更新。在本文中，我们提出了一种基于梯度下降的反向传播算法，该算法可以充分地计算参数优化中的梯度并更新量子电路学习的参数，该参数以当前参数搜索算法的范围优于计算速度，同时呈现相同的测试精度，甚至更高。同时，所提出的理论方案成功地在IBM Q的20量量子计算机上实施。实验结果表明，栅极误差，尤其是CNOT门误差，强烈影响派生的梯度精度。随着由于累积的门噪声误差，在IBM Q上执行的回归精度变得较低。
NEC AI 使用 Supermicro 服务器来增加 AI 研究
NEC 选择使用 NVIDIA A100 Tensor Core GPU，主要原因是使用 NVIDIA A100 进行 AI 运算的总计算速度非常出色。此外，A100 的 GPU 内存带宽为 2TB/s，但在深度学习中，这基本上是内存带宽限制。因此，使用 A100 中的 TF32，范围与 FP32 相同，但精度可以视为 FP16，虽然精度没有受到影响，但可以缓解内存带宽瓶颈。换句话说，更容易利用 A100 的计算性能。特别是，NEC 内部许多小组都在研究和开发使用图像的 AI，例如生物特征认证、图像识别和视频识别，这对 GPU 的内存限制更大。因此，NEC 采用了支持 TF32 的 A100。
可编程通用光子处理器中的上下文性、相干性和维度的实验认证
高维状态的量子叠加可以提高加密协议的计算速度和安全性。然而，层析成像过程的指数级复杂性使得这些属性的认证成为一项具有挑战性的任务。在这项工作中，我们使用由飞秒激光写入技术制造的六模通用光子处理器实现的成对重叠测量，通过实验认证了针对不断增加的维度的量子系统的相干性见证。特别是，我们展示了所提出的相干性和维度见证对于维度高达 5 的量子位的有效性。我们还展示了在量子询问任务中的优势，并表明它是由量子语境性推动的。我们的实验结果证明了这种方法对于可编程集成光子平台中量子属性认证的有效性。
及时融合的基于方案的风险管理...
现代风险管理实践通常需要进行蒙特卡洛模拟，以可视化投资组合资产的未来实现。许多资产可能具有相互依存的路径，但是，将相当大的复杂性引入模拟。例如，鉴于共同行业因素，苹果和微软等公司的股票回报可能正在共同发展。目前，相互依赖性通常是通过Copulas模拟在模拟中建模的，这可能是从计算速度和平稳性假设中属于优势。代替了与Copulas的Monte-Carlo，在本文中，我们提出了一种基于注意力的模型，称为时间融合变压器（TFT）。我们表明，TFT模型可以通过在存在相互依存的因子和定性变量的情况下模拟资产的复杂动力学，从而为蒙特卡洛方法提供深度和广度等效的等效性。
QuEra Computing Inc. 白皮书
量子计算是一项重新定义信息处理极限的尖端技术。这种转变由硬件驱动，其最小部件——量子比特——遵循量子力学定律，为计算机程序引入固有概率和并行性。这影响了计算速度、解决方案质量以及解决当今一些最困难问题所需的能耗。最后，它为新机遇打开了大门，引发了对新问题和解决方案的探索，这些问题和解决方案将塑造人类未来的需求。过去几十年来，量子计算及其应用取得了许多飞跃发展，但科学与商业化之间仍然存在差距。当今大多数机器太小、太通用；量子比特变化无常，缺乏硬件驱动的应用重点导致有限的可用量子资源未得到充分利用。此外，竞争量子技术尚未表现出扩大这些有限资源的良好能力。
glskeleton：几何laplacian骨骼化...
摘要 - 曲线骨架是几何建模和计算机图形群落已知的，它是形状删除者之一，它凭直觉指示对象的拓扑特性。近年来，研究还提出了应用曲线骨骼来协助机器人推理和计划的潜力。但是，原始的扫描点云模型通常不完整且嘈杂。此外，处理大点云在计算上也效率低下。专注于物体不完整和分布较差的对象云的曲线骨骼化，在这项工作中提出了有效的基于Laplacian的骨骼化框架（GLSKeleton）。我们还提出了引入的局部还原策略（LPR）方法的计算效率，而无需牺牲主要的拓扑结构。使用开源数据集进行了全面的实验来基准性能，并且它们在收缩和整体骨骼化计算速度方面都有显着改善。