XiaoMi-AI文件搜索系统
World File Search System计算速度
IEEE 电路与系统学报 I：普通论文
主题：电路与系统，例如多维非线性系统、大规模集成电路、电力网络等，在从基础科学理论到各种实际应用的整个过程中发挥着重要作用。随着应用需求的不断增长，通过高效学习、设计优化和集成实现，开发高精度、高稳定性、高灵活性和高安全性的电路与系统至关重要。随着人工智能（AI）的快速发展，电路与系统与人工智能在理论和应用上相辅相成。一方面，人工智能驱动下的电路与系统的高效学习、设计优化和集成实现研究得到了长足的发展，其中节能电路与系统有着非常广泛的应用，包括电力负荷预测、光伏/电池系统协调控制、图像/视频/音频处理、脑机接口等；另一方面，人工智能应用于实际应用也离不开高效低功耗计算的电路与系统的优化与实现。 1）从高效学习的角度，基于DNN进行电路与系统的信号处理、动态建模和非线性分析是一种可行、有效的方法。2）从设计优化的角度，目前的电路设计面临着内存占用和功耗方面的挑战。因此，迫切需要开发人工智能驱动的电路与系统设计优化，以确保以更少的内存占用、更高的能效和更快的计算速度执行复杂的计算。3）从集成实现的角度，电路与系统的硬件和软件实现都需要考虑利用率、适应性和兼容性。总的来说，通过人工智能驱动的高级学习、优化和实现，可以实现低功耗实时运行的高效电路和系统，以实现更广泛的应用。所有这些及时的重要主题都属于本特刊的讨论范围。
![arXiv:2108.12371v2 [quant-ph] 2021 年 9 月 21 日](/simg/g:\will\search\icon\source\1\1b76f33e0c2913548ca948c6edec6ea8f287cdd1.webp)
arXiv:2108.12371v2 [quant-ph] 2021 年 9 月 21 日
我们研究硬件规格如何影响最终运行时间和在容错机制下实现量子优势所需的物理量子比特数。在特定时间范围内，不同量子硬件设计的代码周期时间和可实现的物理量子比特数可能会相差几个数量级。我们从对应于特定化学应用的量子优势的逻辑资源需求开始，模拟 FeMoco 分子，并探索使用额外量子比特可以在多大程度上缓解代码周期变慢的问题。我们表明，在某些情况下，只要有足够的物理量子比特，代码周期时间明显变慢的架构仍然能够达到理想的运行时间。我们利用了之前在纠错表面码领域考虑过的各种空间和时间优化策略。具体来说，我们比较了两种不同的并行化方法，即表面代码单元游戏和 AutoCCZ 工厂，这两种方法都可以逐步加快计算速度，直到达到反应限制率。最后，我们计算了在可用且真正构成威胁的很短时间内破解比特币网络中 256 位椭圆曲线密钥加密所需的物理量子比特数。使用表面代码在一小时内破解加密需要大约 3.17 亿个物理量子比特，代码周期为 1 µs ，反应时间为 10 µs ，物理门误差为 10 − 3 。而要在一天内破解加密，则需要 1300 万个物理量子比特。
全范数氧化还原流量电池的开路电压是从UV-VIS光谱获得的电荷状态的函数
传统的冯·诺伊曼（Von Neumann）体系结构，自成立以来一直是计算的基础，将处理和内存单元隔离，因此导致众所周知的瓶颈通常被称为“ von noumann瓶颈”。1 - 3由处理和内存单元之间的数据持续穿梭产生的瓶颈不仅会产生大量的能耗，而且对计算速度产生了限制。4,5学术界和工业界正在积极寻求替代计算档案，以维持计算能力的进步，因为摩尔法律的终止以及进一步的晶体管微型化的局限性。6 - 8最有希望的替代方法是神经形态计算，它从人的大脑中吸引了启示，并将加工和记忆整合到统一的实体中。9,10大脑充当中央处理单元，众所周知，信息传播仅消耗约10-20W。11因此，科学家通过开发称为神经形态计算的新原理范式来复制了脑启发的计算，旨在模仿人类大脑中的认知功能。据我们所知，人类神经系统由超过860亿个神经元组成。 如图所示 1a，这些神经元形成了通过突触互连的复杂网络，促进了化学介质的传播（例如 ，Ca +，Na +和K +）从突触前到Postsy-aptic终端。 受此启发，Iontronics已成为据我们所知，人类神经系统由超过860亿个神经元组成。如图1a，这些神经元形成了通过突触互连的复杂网络，促进了化学介质的传播（例如，Ca +，Na +和K +）从突触前到Postsy-aptic终端。受此启发，Iontronics已成为
物理学 - 基于POD的学习，用于从头开始QEM- ...
量子纳米结构在电子，光子学，材料，药物等方面提供了重要应用。为了精确设计和分析纳米结构和材料，始终需要对Schrӧdinger或Schrӧdinger样方程进行模拟。对于大纳米结构，这些特征值问题在计算上可能是密集的。一种有效的解决方案是通过正交分解（POD）的学习方法，以及Schrӧdinger方程的Galerkin投影。pod-galerkin将问题投射到降低的空间上，其POD基础代表由模拟中的第一个原理引导的电子波函数（WFS）。为了最大程度地减少训练工作并增强Pod-galerkin在较大结构中的鲁棒性，先前提出了量子元素方法（QEM），该方法将纳米结构划分为通用量子元素。较大的纳米结构可以通过受过训练的通用量子元素构造，每个元素用其POD-Galerkin模型表示。这项工作对QEM-Galerkin进行了多元素量子点（QD）结构的彻底研究，以进一步提高QEM-Galerkin的训练效率和仿真精度和效率。为了进一步提高计算速度，在QEM-Galerkin模拟中还检查了定期电势的POD和傅立叶基础。结果表明，考虑到效率和准确性，POD电位基础甚至在周期性潜力方面都优于傅立叶电位基础。总的来说，Qem-Galerkin在计算中提供了多个元素QD结构的直接数值模拟的2阶速度，并且在包含更多元素的结构中观察到了更多改进。
改进了ECG数据中的HRV分析：使用
抽象心率变异性（HRV）分析是评估自主神经系统调节和心血管健康的重要工具。本研究通过使用MATLAB代码并将其性能与广泛使用的软件工具（Kubios和GHRV）进行比较，探讨了改进的HRV分析技术。在四个不同条件下的十个受试者（基线，休息，Stroop颜色任务和冥想）中的十个受试者的心电图（ECG）数据收集和分析。该研究重点是开发和实施MATLAB中的新算法进行HRV估计，从而对现有方法进行了全面的比较。该研究研究了通过MATLAB实施获得的HRV分析结果的准确性和可靠性，与Kubios和GHRV相比。MATLAB代码被优化，以增强计算速度和准确性，从而实时处理ECG数据。结果表明，使用拟议的MATLAB实现，HRV分析的显着改善。提出的MATLAB代码和Kubios对于高频功能具有相似的精度，精度为85％。GHRV的PNN50精度为100％，表明其在匹配参考数据方面的准确性很高。比较分析证明了在不同实验条件下的不同HRV指标。此外，结果突出了Kubios和GHRV之间研究方法的差异，展示了其在临床和研究环境中广泛采用的潜力。本研究不仅提出了先进的HRV分析方法，而且还提供了有关现有软件工具可靠性的宝贵见解。这些发现为研究人员和临床医生为其特定应用选择HRV分析工具时提供了明智的选择，以确保对心血管健康和自主神经系统功能的准确有效评估。有必要进行进一步的研究和验证，以建立跨不同人群和实验范式的拟议方法的鲁棒性和概括性。
位置不可源性的无源域自适应学习来预测太阳能发电
摘要 - 太阳能发电的预测是一项挑战任务，因为它依赖于表现出空间和时间变化的气候特征。由于数据分布的变化，预测模型的性能可能会在不同的位置各不相同，从而导致一个模型在一个区域中效果很好，但在其他区域则不能。此外，由于全球变暖的结果，天气模式的改变是明显的加速。这种现象引入了随着时间的流逝，即使在同一地理区域内，现有模型的功效也会降低。在本文中，提出了一个域自适应深度学习框架，以使用可以解决上述挑战的天气特征来估算太阳能发电。以监督的方式训练了一个已知位置数据集的馈电深度卷积网络模型，并用于预测以后未知位置的太阳能。这种自适应数据驱动的方法在计算速度，存储效率及其在最先进的非自适应方法失败的情况下改善结果的能力表现出显着的优势。我们的方法已显示出10的改进。47％，7。 44％，5。 分别为加利福尼亚州（CA），佛罗里达州（FL）和纽约（纽约）（纽约）的最佳性能非自适应方法相比，太阳能预测的准确性为11％。 索引术语 - 表现力，深度学习，域适应性，可再生能源47％，7。44％，5。分别为加利福尼亚州（CA），佛罗里达州（FL）和纽约（纽约）（纽约）的最佳性能非自适应方法相比，太阳能预测的准确性为11％。 索引术语 - 表现力，深度学习，域适应性，可再生能源分别为加利福尼亚州（CA），佛罗里达州（FL）和纽约（纽约）（纽约）的最佳性能非自适应方法相比，太阳能预测的准确性为11％。索引术语 - 表现力，深度学习，域适应性，可再生能源
P-DRGEP：一种减少等离子辅助燃烧应用动力学机制的新方法
等离子辅助燃烧的详细动力学机制包含许多物种和反应，它们模拟了非平衡等离子体过程和碳氢化合物氧化之间的相互作用。虽然物理上准确且全面，但这种详细的机制对于模拟非稳态多维等离子体放电及其对实际设备中反应混合物的影响并不实用。在这项工作中，我们开发并应用了一种新方法，用于将大型详细等离子辅助燃烧机制简化为较小的骨架机制。该方法扩展了带误差传播的有向关系图 (DRGEP) 方法，以考虑还原过程中等离子体放电的能量分支特性。确保电子在各种类型的撞击过程（即振动和电子激发、电离和撞击解离）中损失的能量相对比例具有严格的误差容差，是保持骨架机制中正确的放电物理的关键。为此，在 DRGEP 中定义并纳入了包括能量转移在内的新目标。这种新型框架称为 P-DRGEP，其性能通过纳秒重复脉冲放电模拟乙烯-空气点火进行评估，条件与超音速燃烧和超燃冲压发动机腔内火焰保持有关，即温度从 600 K 到 1000 K、压力为 0.5 atm，当量比在 0.75 到 1.5 之间。P-DRGEP 被发现大大优于应用于等离子辅助点火的传统还原方法，因为它可以生成更小的骨架机制，误差显著降低。对于目标条件下的乙烯-空气点火，P-DRGEP 生成具有 54 种物质和 236 种反应的骨架机制，使点火模拟的计算速度提高了 84%，同时保证所需时间的误差低于 10%
fem-circuit共同模拟超导同步风发电机，使用麦克斯韦方程的同质j-a配方连接到直流网络
摘要。高温超导体（HTS）非常有吸引力的高效和高能量密度功率设备。它们与需要轻型和紧凑型机器（例如风力发电）的应用特别相关。在这种情况下，为了确保超导器机器的正确设计及其在电力系统中的可靠操作，那么开发可以准确包含其物理功能但也可以正确描述其与系统的相互作用的模型很重要。为了实现这样一个目标，一种方法是共同模拟。这种数值技术可以通过有限元模型（FEM）带来机器的细几何和物理细节，同时处理整个系统的操作，该系统包含了机器，以及由外部电路代表的电网的子集。当前工作的目的是在涉及超导组件时使用这种数值技术。在这里，提出了一个案例研究，该案例研究涉及通过整流器及其相关滤波器与直流电流（DC）网络耦合到直流电流（DC）网络的15 MW杂交超导同步发电机（HTS转子和常规定子）。与风能应用有关的案例研究允许在使用与HTS机器的共同模拟时抓住技术问题。发电机的FEM是在商用软件COMSOL多物理学中完成的，该商品通过内置功能模拟单元（FMU）与电路模拟器Simulink进行交互。因此，它是在本研究中，引入了最新版本的最新版本J-与均化技术结合使用的配方，与T -A公式相比，计算时间更快。分布式变量和全局变量，例如前者和电压，电流，电磁扭矩以及后者的功率质量的电流密度，磁通量密度和局部损失，并进行了比较。这个想法是在计算速度，准确性和数值稳定性的标准下找到最适合的组合FEM电路。
基于量子神经网络基于Speck- ...
摘要：随着物联网技术的发展，我们的生活中正在使用许多传感器设备。为了保护此类传感器数据，应用了轻质块密码技术，例如Speck-32。但是，还研究了这些轻型密码的攻击技术。块密码具有不同的特征，这些特征在概率上是可以预测的，因此已使用深度学习来解决此问题。自GOHR在加密货币2019年的工作以来，已经对基于深度学习的杰出者进行了许多研究。当前，随着量子计算机的开发，量子神经网络技术正在开发。量子神经网络也可以像经典的神经网络一样学习并对数据进行预测。但是，当前的量子计算机受许多因素（例如，可用量子计算机的规模和执行时间）的限制，这使量子神经网络很难超越经典的神经网络。量子计算机比经典计算机具有更高的性能和计算速度，但这在当前的量子计算环境中无法实现。然而，找到未来量子神经网络在技术开发中起作用的领域非常重要。在本文中，我们提出了NISQ中块密码Speck-32的第一个基于量子神经网络的区别。我们的量子神经差异化因素即使在受约束条件下也成功进行了多达5轮。此外，我们对影响量子神经区分因子性能的各种因素进行了深入分析。由于我们的实验，经典神经区分器的精度为0.93，但是由于数据，时间和参数的限制，我们的量子神经区分剂的精度为0.53。由于环境受到约束，它不能超过经典神经网络的性能，但是它可以作为区别者起作用，因为它的精度为0.51或更高。因此，确定了嵌入方法，量子数和量子层等具有效果。事实证明，如果需要一个高容量的网络，我们必须正确调整，以考虑电路的连接性和复杂性，而不仅仅是添加量子资源。将来，如果有更多的量子资源，数据和时间可用，则可以通过考虑本文提出的各种因素来设计实现更好性能的方法。
Quantum加密后的应用
摘要：随着量子计算机的不断发展功能，依靠复杂数学问题的常规加密系统可能会遇到无法预料的漏洞。与普通计算机（通常被认为是成本效率低下的加密攻击）不同，量子计算机在计算速度方面具有重要优势。这种区别可能会使当前使用的算法更加安全甚至完全脆弱，这迫使人们对量子加密后（PQC）的探索是量子威胁的最合理解决方案。本评论旨在提供有关与PQC相关的应用，收益和挑战的当前信息。审查采用系统的范围审查，范围仅限于2022年和2023年；本文仅使用了在科学期刊上发表的文章。审查检查了有关量子计算在各个领域的应用的文章。但是，本文的范围仅限于PQC的领域，因为大多数分析的文章都以该领域为特征。随后，本文正在分析各种PQC算法，包括基于晶格的，基于哈希的，基于代码的，基于代码的多项式多项式和基于ISEGEN的密码学。每个算法都根据其潜在应用，鲁棒性和挑战来判断。在数字签名，通信渠道和物联网等应用中，所有分析的算法在后量子时代都有希望。此外，某些算法已经在银行交易，沟通和知识产权领域实施。同时，尽管它们具有潜力，但这些算法由于缺乏标准化而面临严重的挑战，需要大量的存储和计算能力，并且可能只有多年的密码分析才能发现未知的脆弱性。此概述旨在通过其应用和挑战对当前的量子加密后的现状进行基本了解。随着世界进入量子时代，这篇综述不仅表明了可以抵抗量子攻击的强大安全方法的需求，而且在量子技术的进步的指导下，对安全通信的未来进行了乐观的看法。通过弥合理论研究与实际实施之间的差距，本文旨在激发该领域的进一步创新和协作。