XiaoMi-AI文件搜索系统
World File Search System随机性
过渡湍流和充分发展湍流中的随机性
我们已经写出了水流方程。从实验中，我们找到了一组概念和近似值来讨论解决方案——涡街、湍流尾流、边界层。当我们在不太熟悉的情况下遇到类似的方程，并且还不能进行实验时，我们会尝试以一种原始、停滞和混乱的方式求解方程，以确定可能出现哪些新的定性特征，或者哪些新的定性形式是方程的结果。
NIST 轻量级密码最终候选者的随机性测试
2018 年 8 月，NIST 启动了一项流程，以征集、评估和标准化轻量级加密算法，这些算法适用于当前 NIST 加密标准性能不可接受的受限环境。要求加密算法提供经过认证的加密和关联数据 (AEAD) 功能，以及可选的哈希功能。从那时起，密码社区就为最初 57 份提交的密码分析和不同平台（包括软件和硬件）的基准测试做出了贡献。10 个入围者于 2021 年 3 月 29 日选出，分别是：ASCON、Elephant、GIFT-COFB、Grain128-AEAD、ISAP、Photon-Beetle、Romulus、Sparkle、TinyJambu 和 Xoodyak。在本报告中，我们展示了对不同数据集执行的 NIST 统计测试的结果，这些数据集是从 NIST 轻量级标准化流程的入围者的所有可能的缩减轮次版本的输出生成的。实验的目的是提供另一个指标来比较每个候选者的轮数选择是保守还是激进。请注意，在 1999 年和 2000 年的高级加密标准选择期间以及 2011 年的 SHA-3 候选者中也进行了类似的分析。
大脑如何将随机性转化为强大的记忆
之前对模仿大脑的人工智能系统（即神经网络）的研究表明，在神经网络活动中注入随机波动实际上可以提高它们在学习执行任务时的表现。然而，之前的研究是在相对简单的神经网络上进行的，这让人怀疑这种影响在现实生活中到底能发挥多大作用。
在多方计算中将随机性应用于安全性和隐私性
摘要 - 安全的多方计算（MPC）是分布式计算方法之一，它在其中计算一个函数，超过一个以上的一方共同给出的输入，并将这些输入与该过程中涉及的各方保持私密。秘密共享中的随机化导致MPC是对隐私增强的要求；但是，大多数可用的MPC模型都使用共享和组合值的信任假设。因此，忽略了秘密共享和MPC模块中的随机化。因此，可用的MPC模型容易出现信息泄漏问题，其中模型可以揭示共享秘密的部分值。在本文中，我们提出了使用随机函数发生器作为MPC原始的第一个模型。更具体地说，我们分析了对称随机函数生成器（SRFG）的先前开发，以提供信息理论安全性，如果系统安全地与无限计算资源和时间的对手有关，则该系统被认为具有无条件安全性。此外，我们应用SRFG来消除一般MPC模型中信息泄漏的问题。通过一组实验，我们表明SRFG是一个函数生成器，可以生成具有N/ 2-私有化到N-私有规范的组合函数（逻辑门的组合）。作为MPC的主要目标是对投入的隐私保护，我们分析了SRFG属性在秘密共享和MPC中的适用性，并观察到SRFG有资格成为MPC开发中的加密原始性。我们观察到，我们基于SRFG的MPC在吞吐量方面要好得多30％，并且还显示100％的隐私达到。我们还通过其他基于随机性生成的MPC框架来衡量我们提出的基于SRFG的MPC框架的性能，并使用最先进的模型分析了比较属性。
顺序量子相关和与设备无关的随机性认证的边界集
量子信息理论中的一个重要问题是，在任意维度的纠缠状态上进行局部测量而产生的相关性集合集。目前，解决此问题的最著名方法是NPA Hier-Archy；半限定程序的无限序列，可提供与所需相关集合的外部近似值越来越紧密的序列。在这项工作中，我们考虑了一种更一般的方案，其中一个人在任意维度的纠缠状态下执行局部测量序列。我们表明，对原始NPA层次结构的简单改编为这种情况提供了类似的层次结构，具有可比的资源要求和收敛属性。然后，我们使用该方法来解决与设备无关的量子信息中的一些问题。首先，我们展示了如何使用一系列测量序列从两位数状态下对超过2.3位独立于设备的局部随机性进行稳健认证，这超出了通过非测量测量值可以实现的两个位的理论最大值。最后，我们在连续的贝尔测试方案中显示了与以前定义的两个任务的紧密上限。
增加了暗相电沉积中的空间随机性和成核的混乱导致Phototr
作者的完整列表：Simonoff，Ethan；加利福尼亚理工学院，洛伦佐化学范·穆诺兹（Van Munoz）；加利福尼亚理工学院，内森·刘易斯；加利福尼亚技术，化学和化学工程研究所
在两个输入和两个输出方案中的一个以上量子随机性的实验认证
抽象的量子力学的引人注目的特性之一是钟形非本地性的出现。它们是该理论的基本特征，该理论允许两个共享纠缠量子系统的当事方观察到的相关性比古典物理学更强。除了其理论意义外，非本地相关性还具有实际应用，例如独立于设备的随机性生成，即使使用不受信任的供应商提供的设备获得了私人的不可预测数字。因此，确定可以使用一组特定的非本地相关性产生的可认证随机性的数量具有重大意义。在本文中，我们介绍了最近的贝尔型操作员的实验实现，旨在提供私人随机数，这些私人随机数与具有量子资源的对手相抵触。我们使用半明确编程在不依赖设备的场景中，就最小内侧面和von Neumann熵而言，在生成的随机性方面提供了较低的界限。我们比较了实验设置，这些设置提供了与Tsirelson接近事件发生率接近的贝尔违规行为，其设置的违规程度稍差，但事件速率较高。我们的结果证明了第一个实验，该实验从两方的二进制测量中证明了接近两个随机性。除了单轮认证外，我们还提供了使用熵积累定理的有限键协议来扩展量子随机性，并与现有解决方案相比显示了其优势。
随机概念和反向数学
随机性。通过算法测试的随机性理论在Schnorr [37，38]的工作中以及[16]等DeMuth的工作中，在Martin-Lof的论文[28]中开始使用。这些作者中的每一个都使用算法工具来介绍一个有限位序列是否是随机的测试。而不是算法随机性的绝对概念，而是根据允许的算法工具的强度出现的随机性概念的层次结构。martin-lof引入了现在以他命名的随机概念，该概念基于康托尔空间中均匀计算的开放场景序列。schnorr根据可计算的投注策略考虑了更限制的测试，这导致较弱的概念现在称为可计算的随机性，而现在称为schnorr随机性的甚至更弱的概念。随机性比Martin-Lof强，但仍在算术中，库尔兹（Kurtz）在某种程度上提出了算术[24]。 对我们的重要性将是2随意性（即相对于停止问题的ML随机性），而弱2随机性的概念中间介于2随意性和ML随机之间。 有关正式定义，请参见第3和第5节。 算法随机性领域从1990年代后期开始进行了一段激烈的活动，其中大量的研究论文导致出版了两本教科书[17,34]。 这样做的一个原因是实现，回到kuˇcera [25,26]，它使满足的随机性概念与图灵oracles的计算复杂性以有意义的方式相互作用（后者是计算理论中的主要主题）。随机性比Martin-Lof强，但仍在算术中，库尔兹（Kurtz）在某种程度上提出了算术[24]。对我们的重要性将是2随意性（即相对于停止问题的ML随机性），而弱2随机性的概念中间介于2随意性和ML随机之间。有关正式定义，请参见第3和第5节。算法随机性领域从1990年代后期开始进行了一段激烈的活动，其中大量的研究论文导致出版了两本教科书[17,34]。这样做的一个原因是实现，回到kuˇcera [25,26]，它使满足的随机性概念与图灵oracles的计算复杂性以有意义的方式相互作用（后者是计算理论中的主要主题）。可以辨别随机性概念研究的两个主要方向：
数据随机性和模型参数化影响物种分布模型的性能：从模拟研究中获得的见解
1 简介。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2 2 方法。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.1 调查区域。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...5 2.2 海洋条件 ..................。。。。。。。。。。。。。。。。。。。。。。。。.5 2.3 模拟虚拟物种 ....................。。。。。。。。。。。。。。。。。。。。。。。。.6 2.4 模拟虚拟调查 ....................。。。。。。。。。。。。。。。。。。。。。。。。.8 2.5 采样分辨率处理 .....................。。。。。。。。。。。。。。。。。。。8 2.6 建模。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 3 结果。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 3.1 虚拟调查。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。.......10 3.2 单变量模型 ..............。。。。。。。。。。。。。。。。。。。。。。。。..........11 3.3 模型选择 ............。。。。。。。。。。。。。。。。。。。。。。。。...................12 3.4 模型预测 ......。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 4 讨论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18 4.1 方法学局限性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18 4.2 采样类型的影响。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20 4.3 环境异质性的影响。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21 4.4 主要信息。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22