XiaoMi-AI文件搜索系统
World File Search System通信资源
![arXiv:2312.04447v1 [quant-ph] 2023 年 12 月 7 日](/simg/d\dd2aade460d2360909b48294117fb12369783f96.webp)
arXiv:2312.04447v1 [quant-ph] 2023 年 12 月 7 日
分布式量子计算，特别是分布式量子机器学习，因其能够利用分布式量子资源的集体力量、超越单个量子节点的限制而获得了极大的关注。同时，分布式计算协议中隐私的关键问题仍然是一个重大挑战，特别是在标准的经典联邦学习 (FL) 场景中，参与客户端的数据容易通过服务器的梯度反转攻击而泄露。本文提出了具有量子通信的创新量子协议，旨在解决 FL 问题、加强隐私措施并优化通信效率。与利用表达变分量子电路或差分隐私技术的先前研究相比，我们考虑使用量子态进行梯度信息隐藏，并提出了两种不同的 FL 协议，一种基于隐私内积估计，另一种基于增量学习。这些协议在低通信资源的隐私保护方面取得了重大进展，为高效的量子通信辅助 FL 协议开辟了道路，并为安全分布式量子机器学习的发展做出了贡献，从而解决了量子计算时代的关键隐私问题。
QuComm：优化分布式量子计算的集体通信
分布式量子计算 (DQC) 是一种可扩展的构建大规模量子计算系统的方法。以前的 DQC 编译器要么关注量子比特到量子比特的节点间门，要么关注量子比特到节点的非局部电路块，而忽略了优化由多个节点上的非局部门组成的集体通信的机会。在本文中，我们观察到，通过利用集体通信模式，我们可以大大减少实现一组非局部门所需的节点间通信量。我们提出了 QuComm，这是第一个编译器框架，它揭示和分析隐藏在分布式量子程序中的集体通信模式，并根据发现的模式在任何 DQC 架构上有效地路由节点间门，从而降低目标程序的总体通信成本。我们还首次形式化了 DQC 编译中的通信缓冲区概念。通信缓冲区利用数据量子位来存储远程纠缠，以便我们可以确保任何 DQC 架构上都有足够的通信资源来支持针对集体通信的拟议优化。实验结果表明，与最先进的基线相比，QuComm 在各种分布式量子程序和 DQC 硬件配置中平均减少了 54.9% 的节点间通信量。
![arXiv:2007.01668v1 [quant-ph] 2020 年 7 月 3 日](/simg/5\534d32a19bfd35b08ec2be4904733cf25b635ec5.webp)
arXiv:2007.01668v1 [quant-ph] 2020 年 7 月 3 日
摘要。安全委托量子计算是一种双方加密原语，其中计算能力较弱的客户端希望以隐私保护的方式将任意量子计算委托给不受信任的量子服务器。通常假设通过量子信道进行通信，客户端可以与服务器建立必要的关联，以安全地执行给定的任务。这样做的缺点是，除非部署可靠的量子网络，否则所有这些协议都无法为普通用户使用。因此，问题变得重要，即是否有可能仅依靠客户端和服务器之间的经典信道，同时又能从其量子功能中受益，同时保留隐私。经典客户端远程状态准备 (RSP CC) 是实现这一目标的有希望的候选方案之一，因为它使客户端能够仅使用经典通信资源来远程准备量子状态。然而，使用 RSP CC 作为子模块来避免量子信道所带来的隐私损失尚不清楚。在这项工作中，我们使用 Maurer 和 Renner [MR11] 的构造性密码学框架来研究这个问题。我们首先将 RSP CC 的目标确定为从经典通道构建理想的 RSP 资源，然后揭示在一般和特定情况下使用 RSP CC 的安全限制：
计算和通信协同调度，实现无线边缘的及时多任务推理
摘要 — 在多任务远程推理系统中，智能接收器（例如，指挥中心）使用从多个远程源（例如，边缘传感器）接收的数据特征执行多个推理任务（例如，目标检测）。在这些系统中促进及时推理的关键挑战来自 (i) 源的计算能力有限，无法从其输入中产生特征，以及 (ii) 信道的通信资源有限，无法同时将特征传输到接收器。我们开发了一种新颖的计算和通信协同调度方法，该方法确定特征生成和传输调度，以最大限度地减少受这些资源限制的推理错误。具体来说，我们将协同调度问题表述为弱耦合马尔可夫决策过程，以基于信息时代 (AoI) 的及时性来衡量推理错误。为了克服其 PSPACE 难度，我们分析了该问题的拉格朗日松弛法，从而得出增益指标，用于评估每个潜在特征生成-传输调度操作的推理误差的改善。在此基础上，我们开发了一种最大增益优先 (MGF) 策略，我们证明，随着推理任务数量的增加，该策略对于原始问题而言是渐近最优的。实验表明，MGF 相对于不同任务、渠道和来源的基线策略获得了显着的改进。
量子飞行自组织网络中的能量高效路由（q...
量子飞行自组织网络 (Q-FANET) 提供了一种独特的通信范式，利用量子原理实现安全高效的数据传输。然而，由于动态拓扑变化和有限的通信资源，Q-FANET 中的路由带来了重大挑战。本文提出了一种利用 Mamdani 模糊推理增强型 Dijkstra 算法 (MFI-EDA) 的新型路由方法，该方法专为 Q-FANET 环境量身定制。MFI-EDA 的工作机制涉及将模糊逻辑与 Dijkstra 算法相结合，以根据环境条件（例如节点移动性和能量水平）和网络动态（例如链路质量和流量拥塞）智能地调整路由决策。这种混合方法通过结合模糊逻辑来增强传统路由算法，从而为 Q-FANET 提供稳健性和适应性。其主要贡献在于模糊推理的无缝集成，这使 MFI-EDA 能够根据实时环境反馈动态调整路由路径，从而提高能源效率和可靠性。通过大量模拟实验评估了 MFI-EDA 在 Q-FANET 场景中的性能，证明了其在实现节能和可靠路由方面的有效性。结果表明，MFI-EDA 优于传统路由方法，为量子自组织网络中的高效通信提供了良好的前景。关键词：量子网络、Q-FANET、Mamdani 模糊推理、Dijkstra 算法、路由 1. 引言
天空地一体化网络中的移动边缘计算：架构、关键技术与挑战
摘要：天空地一体化网络（SAGIN）为异构网络中无处不在的用户提供了无缝的全球覆盖和跨域互联，极大地促进了智能移动设备和应用的快速发展。然而，对于计算能力和能量预算有限的移动设备来说，满足计算密集型无处不在的移动应用的严格延迟和能量要求仍然是一个严峻的挑战。因此，鉴于地面移动网络的巨大成功，在SAGIN中引入移动边缘计算（MEC）已成为解决该挑战的有前途的技术。通过在移动网络边缘部署计算、缓存和通信资源，SAGIN MEC既提供低延迟、高带宽，又提供广泛覆盖，大大提高了移动应用的服务质量。由于其高度动态、异构和复杂的时变拓扑结构，仍然存在许多前所未有的挑战。因此，在SAGIN中有效的MEC部署、资源管理和调度优化具有重要意义。然而，现有的研究大多只关注网络架构和系统模型，或对计算卸载的具体技术进行分析，而没有对SAGIN的关键MEC技术进行完整的描述。基于此，本文首先提出了SAGIN网络系统架构和服务框架，随后描述了其特点和优势。然后，详细讨论了SAGIN中的MEC部署、网络资源、边缘智能、优化目标和关键算法。最后，讨论了SAGIN中MEC的潜在问题和挑战。
在IOV中，联合和加强学习的联合和加强学习
摘要 - 边缘缓存是一项有前途的技术，可以减轻互联网（IOV）的互联网（IOV）的内容访问延迟。它通过中间路边单元预先使用靠近车辆的物品预先使用。先前的边缘缓存工作通常认为内容受欢迎程度是事先知道的，或者遵守简化的模型。然而，这种假设是不现实的，因为内容受欢迎程度随着IOV的空间交通需求不确定而变化。联合学习（FL）使车辆能够通过分布式培训预测流行内容。它保留了培训数据仍然是本地的，从而解决了隐私问题和通信资源短期。本文通过利用异步FL和深钢筋学习（DRL）来调查流动性吸引的边缘缓存策略。我们首先实施了一个新型异步FL框架，以用于本地更新和堆叠自动编码器（SAE）型号的全局聚合。然后，利用训练有素的SAE模型提取的潜在特征，我们采用了混合过滤模型来预测和推荐流行内容。fur-hoverore，我们在内容预测后探索智能缓存决策。基于公式的马尔可夫决策过程（MDP）问题，我们提出了一个基于DRL的解决方案，并采用基于神经网络的参数近似RL中的维度诅咒。广泛的模拟是根据现实世界数据轨迹进行的。尤其是，我们提出的方法的表现优于FedAvg，LRU和NODRL，当高速缓存能力达到350 MB时，边缘命中率分别提高了大约6％，21％和15％。
脑机接口中的信息传输速率
摘要。目的。信息传输速率 (ITR) 或有效比特率是一种流行且广泛使用的信息测量指标，尤其适用于基于 SSVEP 的脑机 (BCI) 接口。通过将速度和准确性结合为单值参数，该指标有助于评估和比较不同 BCI 社区中的各种目标识别算法。为了计算 ITR，通常假设输入分布均匀，并且通道模型过于简单，该模型无记忆、静止且本质上对称，字母大小离散。因此，为了准确描述性能并启发未来 BCI 设计的端到端设计，需要更彻底地检查和定义 ITR。方法。我们将视网膜膝状体视觉通路承载的共生通信介质建模为离散无记忆通道，并使用修改后的容量表达式重新定义 ITR。我们利用有向图的结果来表征由于新定义导致的转换统计不对称与 ITR 增益之间的关系，从而得出数据速率性能的潜在界限。主要结果。在两个著名的 SSVEP 数据集上，我们比较了两种尖端目标识别方法。结果表明，诱导的 DM 通道不对称对实际感知的 ITR 的影响大于输入分布的变化。此外，证明了新定义下的 ITR 增益与通道转换统计的不对称呈反比。进一步表明，单独的输入定制可以带来感知的 ITR 性能改进。最后，提出了一种算法来寻找二分类的容量，并进一步讨论了通过集成技术将这些结果扩展到多类情况。意义。我们期望我们的研究结果将有助于表征高度动态的 BCI 通道容量、性能阈值和改进的 BCI 刺激设计，以实现人脑与计算机系统之间更紧密的共生，同时确保有效利用底层通信资源。
博士。朱涵 - 应用电磁实验室
重点介绍 26 名毕业的博士（包括 7 名女性和 1 名非裔美国人）和 4 名毕业的硕士、4 名前博士后，以及目前 15 名博士生和 1 名博士后 ACM 杰出演讲者 2022-2025 2021 年 IEEE Kiyo Tomiyasu 奖，以表彰其在职业生涯早期至中期对具有创新应用前景的技术所做的杰出贡献，引文如下：“对博弈论和自主通信网络的分布式管理所做的贡献。” 2020 年 AAAS 院士，因在博弈论领域的杰出贡献，特别是在通信网络中新应用的建模、分析和算法设计方面做出的杰出贡献 自 2019 年起成为 ACM 杰出会员 IEEE 杰出讲师，2015-2018 年 2016 年 IEEE Leonard G. Abraham 通信系统领域奖（IEEE 通信选定领域期刊最佳论文奖） 2015 年 EURASIP 信号处理进展期刊最佳论文奖 2014 年 IEEE 院士，因在无线通信资源分配和安全方面的贡献而获得 2011 年 IEEE 通信学会 Fred W. Ellersick 奖（IEEE 无线通信杂志最佳论文奖） 18 项国家科学基金会奖和 1 项 MURI 奖 15 项会议最佳论文奖 研究、学术或创造性活动卓越奖，两次，2010-2011 年，2014-2015 年，大学，每年2名获奖者 11本教科书/1本编辑书籍，全部由剑桥大学出版社出版 820篇已发表/已接受的会议论文/杂志/通讯，600多篇会议论文，15本研究专著，21个书籍章节和3项专利 自2017年以来，Web of Science计算机科学类别前1%的高被引研究人员 Google Scholar引用> 67,000和H指数126 大满贯马拉松俱乐部中第一位完成北极马拉松和七大洲（包括南极洲）七场马拉松的中国人。半程铁人三项
响应可持续性年度报告
为FY24和FY25，该州投资了公共卫生应急准备（秒145a.135 MN法规），法定语言：第239.27-240.12行，拨款语言：810.26行）支持州，地方和部落级别的紧急响应能力。他们还投资了维持医疗保健战略库存，COVID-19的转变和复员，对MDH中现有计划的响应活动，归档Covid-19-19s响应文件以及将经验教训的整合到响应和恢复计划和附件中。已在全州取得了显着的进步，以发展和维持响应良好的劳动力，修改和改善计划，使社区参与准备计划，并加强跨机构的合作伙伴关系。COVID-19的响应已被复员，并已存档了Covid-19的文件。仓库业务已被缩减，关注现在集中于在紧急响应期间为医疗保健运营提供战略性关键护理供应资源。MDH使用干部方法修订并对其响应结构进行了现代化，以建立更深入的更深入的响应劳动力，其中将包括改进的培训和锻炼计划。紧急准备和响应（EPR）部门已经建立了一个数据工作组，该组将创建数据管理计划以及标准化的流程和程序，以用作紧急响应期间所需的数据的基础。MDH EPR继续通过指导，材料开发，培训和技术援助来支持社区卫生委员会（CHB）和部落卫生部门（THDS）。MDH EPR与当地公共卫生协会（LPHA）合作，为CHB提供了额外支持的资金，以准备响应。他们与MDH合作举行了一次全州会议，进行了三项领导培训，培养了CHB的信息和资源共享，并提供了发展技能的学习机会。这包括在LPHA会议上进行有关通信和消息框架的演讲。他们正在开发一个工具包，以填补CHB的准备工作中的资源差距。此工具包将包含Factsheets，通信资源，用于新的STA Qu的工具以及区域最佳实践。赠款（每年$ 8,400,00）分发给了CHB和THD，该报告表明，这项资金对政府公共卫生的响应准备工作有显着贡献。在所有活动中取得了进展，包括Sta ulg，与社区和跨机构联系，并通过计划和协议更新来建立内部准备。CHB和THD一直通过多种方法，例如招聘，增加了紧急准备，响应，恢复和签约的时间来建立劳动力。认识到内部和外部伙伴的关键作用，CHB具有加强和建立新的关系的强化。所有CHB都在努力更新关键计划并检查灾难响应协议的状态。这些专门用于公共卫生应急准备的资金正在与社区和合作伙伴的更广泛参与方面有所不同。CHB能够在关键的响应和恢复主题和技能上进行更多的培训，从而提高劳动力能力。已更新了针对公共卫生应急响应和恢复多个组成部分的计划。还解决了响应和恢复的几个基本方面，包括维护联系人列表以及改善通信的方法。这些行动已导致明尼苏达州响应准备就绪的公共卫生系统的重大进展。