XiaoMi-AI文件搜索系统
World File Search System调度算法
能源存储杂志-NSF-PAR
我们研究确定与电网连接的光伏 (PV) 系统中电池储能系统 (BESS) 管理最佳策略的问题，其中负载的随机电力需求由三个来源满足：电网、光伏能源和 BESS。BESS 用于存储光伏系统产生的多余能量以供日后使用，或在分时电价 (TOU) 较低时从电网购买能源。目标是确定 BESS 的最佳充电/放电计划，以便最大限度地降低从电网购买能源的长期成本。通过使用周期性随机过程的概率模型来捕获负载和光伏能源的随机变化，并使用历史数据估计参数。优化问题是在周期性折现马尔可夫决策过程 (MDP) 框架下制定的，问题制定包括电池和太阳能电池板的老化效应。在线优化问题是通过采用针对周期性 MDP 定制的策略迭代方法来解决的。所提出的在线调度算法提供 24 小时周期性策略，其中系统模型每天根据前一天的负载和光伏能量以滚动方式更新。模拟结果表明，与没有光伏和 BESS 的传统系统相比，所提出的算法可以实现每年 41.6% 的电费减少，从而确定了安装 BESS 和光伏系统的价值。
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。
灌溉计划算法，用于由光伏模块提供的加压灌溉网络中的可持续能源消耗
摘要要满足水需求，加压灌溉网络通常需要泵送设备，其功率需求随泵头，流量和泵效率而异。为了满足泵的能源需求，太阳能光伏面板可以用作可再生能源。由于太阳能光伏电厂的电供应取决于辐照度，因此泵为一天中的时间变化的能量。本研究提出了一种通过灌溉泵来安排水分输送的策略，在太阳能光伏模块中同步能量生产并最大程度地降低了安装尺寸。提出了一种优化算法，该算法会改变泵送设备并将其调整为可用的太阳能供应所需的能量，从而最大程度地减少所需面板的数量。此问题适用于加压灌溉网络，公用事业经理可以在一天中的所有时间灌溉农作物。通过采用拟议的算法，灌溉将遵循严格的旋转时间表，以遵循新的灌溉计划。这种方法通过使用很少的计算时间使用最小二乘调度算法来改善早期的研究。在评估将其灌溉网络转换为光伏面板提供的独立系统时，这为经理和决策者提供了工具。提议在西班牙的阿利坎特大学加压灌溉网络中处理此问题的案例研究，以通过将推荐的调度灌溉计划连接到目前的运营，以节省潜在的节能。
GPU 集群中的预测辅助在线分布式深度学习工作负载调度
摘要 — 近年来深度学习 (DL) 模型的爆炸式增长使得人们迫切需要在 GPU 集群中对混合并行分布式深度学习训练 (DDLwMP) 进行高效的作业调度。本文提出了一种自适应最短剩余处理时间优先 (A-SRPT) 调度算法，这是一种新颖的预测辅助在线调度方法，旨在缓解与 DL 集群调度相关的挑战。通过将每个作业建模为与异构深度神经网络 (DNN) 模型及其相关的分布式训练配置相对应的图，A-SRPT 策略性地将作业分配给可用的 GPU，从而最大限度地减少服务器间的通信开销。观察到大多数 DDLwMP 作业会重复出现，A-SRPT 结合随机森林回归模型来预测训练迭代。至关重要的是，A-SRPT 将复杂的调度问题映射到单机实例中，该实例通过抢占式“最短剩余处理时间优先”策略得到最佳解决。该优化解决方案可作为 GPU 集群内实际作业调度的指南，从而实现理论上可证明的竞争性调度效率。我们进行了广泛的真实测试平台和模拟实验来验证我们提出的算法。
GPU 集群中的预测辅助在线分布式深度学习工作负载调度
摘要 — 近年来深度学习 (DL) 模型的爆炸式增长使得人们迫切需要在 GPU 集群中对混合并行分布式深度学习训练 (DDLwMP) 进行高效的作业调度。本文提出了一种自适应最短剩余处理时间优先 (A-SRPT) 调度算法，这是一种新颖的预测辅助在线调度方法，旨在缓解与 DL 集群调度相关的挑战。通过将每个作业建模为与异构深度神经网络 (DNN) 模型及其相关的分布式训练配置相对应的图，A-SRPT 策略性地将作业分配给可用的 GPU，从而最大限度地减少服务器间的通信开销。观察到大多数 DDLwMP 作业会重复出现，A-SRPT 结合随机森林回归模型来预测训练迭代。至关重要的是，A-SRPT 将复杂的调度问题映射到单机实例中，该实例通过抢占式“最短剩余处理时间优先”策略得到最佳解决。该优化解决方案可作为 GPU 集群内实际作业调度的指南，从而实现理论上可证明的竞争性调度效率。我们进行了广泛的真实测试平台和模拟实验来验证我们提出的算法。
eris：用于安排公正分布式的在线拍卖...
摘要 - 边缘情报的出现使智能物联网服务（例如，视频/音频监视，自动驾驶和智能城市）成为现实。To ensure the quality of service, edge service providers train unbiased models of distributed machine learning jobs over the local datasets collected by edge networks, andusuallyadopttheparameterserver(PS)architecture.However, the training of unbiased distributed learning (UDL) depends on geo-distributed data and edge resources, bringing a new challenge for service providers: how to effectively schedule and price UDL jobs such that the long-term系统实用程序（即社会福利）可以最大化。在本文中，我们提出了一种基于在线拍卖的调度算法ERIS，该算法确定了每个到达UDL作业的数据工作负载，并发工人和PSS的数量和位置，并且基于当前资源消耗的基于当前资源消耗而动态价格有限。eris应用了一个原始的双重框架，该框架称为有效的双重子例程来安排UDL作业，实现了良好的竞争比率和伪多项式时间的复杂性。为了评估ERIS的有效性，我们同时实施了一个测试床和大型模拟器。结果表明，与当今云系统中的最新算法相比，ERIS优于表现和实现多达44％的社会福利。
迈向基于混乱的图像密码的准确键空间分析
摘要近年来，新的基于混乱的加密算法激增，其中许多声称具有异常大的钥匙空间。尽管加密原语（例如对称键密码）应该具有足够大的秘密键空间以抵抗蛮力攻击，但仅增加秘密密钥的大小可能不会导致安全保障的提高。n -bit键不一定会由于密钥调度算法或如何使用密钥而具有2 n -1的密钥空间。在本文中，我们从其关键时间表的角度来看，加密基于混乱的算法。我们的数值分析基于Kerckhoff的原理，并考虑用于实数计算的数字表示。我们的分析表明，这些密码的实际安全保证金显着降低，其中有些比所声称的超过200倍以上。然后，我们为这些密码提供准确的键空间估计值。最后，我们重点介绍了如何在基于混乱的密码学背景下如何使用秘密密钥的替代解决方案，并提出了一个简单的密钥时间表作为概念证明。尽管简单起见，但提出的密钥时间表不仅可以确保钥匙空间匹配密钥长度，而且还通过NIST和ENT统计测试套件，也使其成为生成安全加密密钥的可行选择。我们的工作有助于解决基于混乱的密码学中基本问题之一，该问题限制了其在加密社区中的实际影响和声誉。
医疗保健领域的人工智能：前景与陷阱
当 AI 应用程序集成到组织流程（例如，调度、记录保存、计费）中时，它们可以提高效率、降低成本并改善患者体验。虽然有很多这样的例子，但基于 AI 的调度是一个很好的例子，因为它可以增加获得护理的机会，同时优化患者流量、提高临床效率并减少等待时间。护理团队影响。基于机器学习的需求预测可以使用过去的预约数据来预测未来的利用趋势。这些预测与智能调度算法相结合，可以根据各种输入（如预约类型、医生可用性以及患者需求/偏好）创建更优化的预约时间表。此外，当取消预约时，由 AI 驱动的自适应调度系统可以调整时间表并随时推荐预约时间更改，这有助于确保有效利用时间段。患者影响。使用 NLP 和机器学习构建的自动聊天机器人（并集成到调度系统本身）创建交互式虚拟助手，帮助患者安排、重新安排或取消预约。聊天机器人还可以提供预约详细信息，例如诊所时间或位置。同样，自动化系统可以发送预约提醒，以减少缺席的可能性。机器学习系统甚至可以从患者的行为和/或所陈述的偏好（例如，回复电子邮件还是短信）中学习，以便在就医时提供更具针对性的体验。
资源密集型环境中的可扩展电路切割和调度......
摘要 —尽管量子计算发展迅速，但由于量子比特数和质量有限，当前系统在实际应用方面仍然受到限制。各种技术，如超导、离子阱和中性原子量子计算技术，正在向容错时代发展，但它们在可扩展性和控制方面都面临着一系列不同的挑战。最近的努力集中在多节点量子系统上，该系统连接多个较小的量子设备以执行更大的电路。未来的演示希望使用量子通道来耦合系统，然而目前的演示可以利用经典通信和电路切割技术。这涉及将大电路切割成较小的子电路，并在执行后重建它们。然而，随着量子比特和门数量的增加，现有的切割方法受到搜索时间过长的阻碍。此外，它们通常无法有效利用多节点系统中各种工作者配置的资源。为了应对这些挑战，我们引入了 FitCut，这是一种将量子电路转换为加权图的新方法，并利用基于社区的自下而上的方法根据资源约束（例如每个工作者的量子比特数）切割电路。FitCut 还包括一个调度算法，可优化工作者之间的资源利用率。FitCut 使用 Qiskit 实现并经过广泛评估，其性能明显优于 Qiskit 电路编织工具箱，将时间成本降低了 3 到 2000 倍，并将工作者端的资源利用率提高了 3.88 倍，实现了全系统 2.86 倍的改进。索引术语 — 电路切割、电路调度、分布式量子系统
基于可再生能源的异构网络节能离网基站
摘要：异构网络 (HetNet) 是一种专用蜂窝平台，用于处理快速增长的预期数据流量。从通信角度来看，数据负载可以映射到通常放置在运营商网络上的能源负载。同时，可再生能源辅助网络可以减少化石燃料消耗，从而减少环境污染。本文提出了一种基于可再生能源的离网 HetNet 电源架构，该架构使用了一种新颖的能源共享模型。每个宏基站、微基站、微微基站或毫微微基站 (BS) 都使用太阳能光伏 (PV) 以及足够的储能设备。此外，宏基站和微基站还使用生物质发电机 (BG)。共置的宏基站和微基站通过端到端电阻线连接。通过权衡功耗和通信延迟，提出了一种具有睡眠机制的新型加权比例公平资源调度算法，用于非实时 (NRT) 应用。此外，针对窄带物联网 (IoT) 应用，提出的具有扩展不连续接收 (eDRX) 和省电模式 (PSM) 的算法可延长物联网设备的电池寿命。HOMER 优化软件用于执行最佳系统架构、经济和碳足迹分析，而蒙特卡罗模拟工具用于评估吞吐量和能效性能。通过孟加拉国农村地区的实际数据验证了提出的算法，从中可以看出，提出的电源架构节能、经济、可靠且环保。