XiaoMi-AI文件搜索系统
World File Search SystemBenc
在合作社的生态系统中，量词后加密的可行性和基准测试
摘要 - 车辆及其周围环境（V2X）之间的全国沟通是一项关键技术，可实现针对道路安全，交通流量和驾驶舒适度的合作智能运输系统（C-ITS）。基于椭圆曲线密码学（ECC）的真实性和机密性（主要依赖于应用程序）的安全服务，以满足低潜伏期安全通信的硬约束和在密集的交通状况下的有限带宽无线电通信。由于量子计算机（QC）提出的威胁，经典的非对称加密算法可能会破坏影响公共密钥基础设施（PKI）的安全解决方案，并对（半自治车辆和道路使用者和道路使用者产生负面的安全后果）。我们的项目（TAM：值得信赖的自主流动性）[18]专注于合作，联系和自动化流动性（CCAM）领域的端到端网络安全和隐私。一个主要目标是找到合适的量子安全方案，以替换基于V2X通信中使用的ECC的当前加密标准。在定义了C-ITS的主要要求和关键性能指标后，对当前NIST预标准PQC算法进行基准测试，以评估C-ITS应用程序中的可行性和性能，并根据结果选择了最佳拟合解决方案。
IBM花岗岩基准测试和企业准备就绪
IBM花岗岩是IBM开发的生成AI模型家族，目标是满足企业AI的不同需求。IBM考虑了商务用例，开发了其花岗岩模型，并发布了几种变体，以满足不同的企业需求，所有这些都在Apache 2.0许可下的开源，鼓励透明度，并使用户能够根据其需求自定义模型。花岗岩3.0家族包括具有20亿和80亿个参数密度模型的预训练和训练后模型，以及较小的Experts（MOE）稀疏模型，具有4亿和8亿个活性参数。Granite 3.0家族中的所有模型都相对较小，目的是满足实用的企业部署要求，并使用企业数据启用自定义，以在低计算成本下实现最先进的性能。各种模型尺寸提供了额外的灵活性，以满足各种用例和基础设施功能。
对量子计算软件的性能进行基准测试
我们介绍了 Benchpress，这是一个用于评估多个量子计算软件开发工具包的性能和功能范围的基准测试套件。该套件包含 1000 多个测试，用于测量由多达 930 个量子比特和 O（10 6）个两量子比特门组成的量子电路上各种操作的关键性能指标，以及一个执行框架，用于以统一的方式在多个量子软件包上运行测试。我们详细概述了基准测试套件及其方法，并在七个不同的量子软件包上生成了代表性结果。Benchpress 框架的灵活性使得基准测试不仅可以跟上量子硬件改进的步伐，还可以预先衡量未来设备架构的量子电路处理成本。作为开源软件，Benchpress 确保了性能声明的透明度和可验证性。
基准为关联记忆的Hebbian学习规则
关联内存或内容可寻址内存是计算机科学和信息处理中的重要组成函数，同时它是认知和计算脑科学中的关键概念。已经提出了许多不同的神经网络架构和学习规则，以模拟大脑的关联记忆，同时研究关键组件功能，例如模式完成和竞争以及降低噪声。较少研究但同样重要的主动记忆功能是原型提取，其中训练集包括通过扭曲原型模式而生成的模式实例，而训练有素的网络的任务是回忆给定新实例的生成原型。在本文中，我们基于非模块化和模块化重复网络中使用的七个不同HEBBIAN学习规则的关联记忆功能，并在中度稀疏的二进制模式下进行赢家摄取的全部动态操作。总体而言，我们发现模块化网络具有最大的存储器为模式存储容量。流行的标准HEBB规则以最差的能力出现，而协方差学习则证明是强大但容量较低的，并且在测试的不同条件下，贝叶斯 - 赫比亚规则显示出最高的模式存储能力。
配备了机器的设置'台上的实验室...
工业赞助的博士学位：配备机器学习（ML）作为公式设计和验证的高吞吐量（HTP）的“长凳上的实验室（LOB）”设置。伯明翰大学化学工程学院教授与配方工程CDT CRODA税收助学金，每年20,000英镑，还支付了费用。项目描述：大多数化学产品由多种配制的化合物组成，其中开发过程是迭代，费力和复杂的。配制的产品行业为英国经济的总增值贡献了超过1.49亿英镑，需要创新方法来加速创新速度并增强相应的可持续性概况。该项目的目的是开发一种与机器学习算法集成的高度创新的“实验室（LOB）”设置，作为用于筛选和开发在广泛应用程序中使用的配方产品的高吞吐量方法。该项目具有以下目标：i）进一步开发LOB设置，该设置结合了微流体和微型特征技术； ii）验证LOB方法的准确性和效率； iii）将ML算法与LOB操作集成在一起，形成封闭的反馈回路； iv）在研究具有高吞吐量效率的一系列配方产品时应用LOB设置。知识将用于指导新配制产品的开发。他们将开发可转让技能的组合，例如项目管理，沟通和团队工作，这确保了项目完成后的出色就业能力。与工业合作伙伴Croda紧密合作，博士候选人将在胶体和界面科学，计算机科学和仪器方面发展广泛的技能，并建立了对配方工程的广泛认识。如果您具有化学，物理或化学工程的背景，并且对可持续性和仪器充满热情，那么这是一个绝佳的机会。资金详细信息：符合EPSRC资金候选人的资格必须在工程或科学学科或2（2）加MSC中至少具有2（1）。要申请，请通过电子邮件将您的简历发送至CDT-Formulation@contacts.bham.ac.uk。仅由于资金限制而向英国国民开放。截止日期：2025年3月21日
yolov11变体的性能基准测试 -
使用指标（例如平均平均精度（MAP，标准度量测量检测准确性）在整个交叉点（IOU）阈值从50％到95％（定义了预测和地面实现框之间的重叠），精度，召回和GPU和CPU的跨越速度。The results highlight trade-offs between model complexity and performance: smaller variants like YOLOv11-n achieved faster inference speeds (170.74 FPS on GPU and 5.86 ms on GPU), while larger models like YOLOv11-x excelled in detection accuracy and recall but at the cost of slower speeds (240.03 FPS on GPU and 4.17 ms on GPU).yolov11-s提供了最高FPS（1120.46 GPU FPS）的平衡，但准确性和回忆为中等。这些发现证明了Yolov11变体对应用程序要求的适应性，从高速实时系统到优先级检测准确性的场景。这项研究通过为yolov11变体提供详细的性能基准来推进对象检测。它提供了在不同领域中部署Yolov11的实用见解，包括物流，交付跟踪和其他需要有效且准确的对象检测的域。关键字：Yolo; Yolov11;对象检测模型；深度学习计算机视觉；神经网络；
skada bench：对无监督的域适应方法进行基准测试，并对多种方式进行现实验证
无监督的域适应性（DA）包括适应在标记的源域上训练的模型，以在未标记的目标域上表现良好，并具有某些数据分布变化。虽然文献中提出了许多方法，但公平和现实的评估仍然是一个悬而未决的问题，尤其是由于方法学困难在无监督环境中选择超参数。在Skada Bench的情况下，我们提出了一个框架，以评估DA方法的不同方式，除了在文献中很大程度上探讨的计算机视觉任务之外。我们对现有浅层算法进行了完整而公平的评估，包括重新加权，映射和子空间对齐。现实的超参数选择是通过嵌套的交叉验证和各种无监督的模型选择得分进行的，这两个模拟数据集都具有受控的偏移和现实世界数据集的不同模式，例如图像，文本，生物医学和表格数据。我们的基准强调了现实验证的重要性，并为现实生活中的应用提供了实用的指导，并对模型选择方法的选择和影响有了重要的见解。Skada-Bench是开源的，可再现的，可以通过新颖的DA方法，数据集和模型选择标准轻松扩展，而无需重新评估竞争对手。Skada-Bench可在https://github.com/scikit-adaptation/skada-bench上在github上获得。
根据不同的生命周期步骤，电池对运输应用的环境影响
摘要本文实验研究了与最大基数匹配问题的实例相遇时，通过D波商业化的模拟量子计算机的行为，这些问题被专门设计为难以通过模拟退火而解决。我们在各种尺寸的情况下基准一个D-Wave“华盛顿”（2倍），具有1098个操作码头，并观察到，除了其中最琐碎的最小的所有情况外，它都无法获得最佳的解决方案。因此，我们的结果表明，量子退火至少在D-Wave设备中实现，与类似的退火相同的陷阱，因此提供了其他证据，表明存在多项式的问题，即这种机器无法有效地求解最佳性。此外，我们研究了Qubits互连拓扑的程度，以解释后一种实验结果。特别是我们提供的证据表明，这些拓扑的稀疏性会导致人为膨胀大小的QUBO问题，可以部分解释上述令人失望的观察结果。因此，本文暗示，要释放量子退火方法的潜力，必须使用密度的互连拓扑。
色氨酸Kynurenine途径基于脑部疾病和肿瘤学的基于基于肿瘤的成像剂至床边
摘要：基于色氨酸（TRP）的放射性示踪剂具有出色的可能成像的大脑病理学的潜力，因为它们涉及血清素和Kynurenine（Kyn）途径。然而，针对Kynurenine代谢途径特有的放射性示例受到限制。此外，历史上基于TRP的放射性药物与短寿命的同位素碳11合成。正在开发一种新一代的基于TRP的成像剂，它正在开发较长的半寿命和市售的同位素，例如氟-18和碘-124。在临床前研究中，已证明新开发的基于氨基酸的示踪剂具有有利的放射化学和成像特征。但是，Kyn途径特异性放射性示例的临床翻译中仍然存在许多障碍。