XiaoMi-AI文件搜索系统
World File Search SystemClassic
来自经典预言机的量子状态混淆
量子密码学中一个尚未解决的主要问题是是否有可能混淆任意量子计算。事实上，即使在经典的 Oracle 模型中，人们也可以自由地混淆任何经典电路，但关于量子混淆的可行性仍有许多需要了解的地方。在这项工作中，我们开发了一系列新技术，用于构建量子态混淆器，这是 Coladangelo 和 Gunn (arXiv:2311.07794) 最近在追求更好的软件版权保护方案时形式化的一个强大概念。量子态混淆是指将量子程序（由具有经典描述的量子电路 𝐶 和辅助量子态 | 𝜓 ⟩ 组成）编译成功能等价的混淆量子程序，该程序尽可能隐藏有关 𝐶 和 | 𝜓 ⟩ 的信息。我们证明了我们的混淆器在应用于任何伪确定性量子程序（即计算（几乎）确定性的经典输入/经典输出功能的程序）时是安全的。我们的安全性证明是关于一个高效的经典预言机的，可以使用量子安全不可区分混淆来启发式地实例化经典电路。我们的结果改进了 Bartusek、Kitagawa、Nishimaki 和 Yamakawa (STOC 2023) 的最新工作，他们还展示了如何在经典预言机模型中混淆伪确定性量子电路，但仅限于具有完全经典描述的电路。此外，我们的结果回答了 Coladangelo 和 Gunn 的一个问题，他们提供了一种关于量子预言机的量子态不可区分混淆的构造，但留下了一个具体的现实世界候选者的存在作为一个悬而未决的问题。事实上，我们的量子状态混淆器与 Coladangelo-Gunn 一起为所有多项式时间函数提供了“最佳”复制保护方案的第一个候选实现。我们的技术与之前关于量子混淆的研究有很大不同。我们开发了几种新颖的技术工具，我们期望它们在量子密码学中得到广泛应用。这些工具包括一个可公开验证的线性同态量子认证方案，该方案具有经典可解码的 ZX 测量（我们从陪集状态构建），以及一种将任何量子电路编译成“线性 + 测量”（LM）量子程序的方法：CNOT 操作和部分 ZX 测量的交替序列。
埃森哲——利用机器学习模型和系统生物学经典机械模型的集成实现癌症个性化医疗
注意：研究实习生可以选择一种特定的癌症作为重点研究（最好与他们的博士学位相关），或者可以与埃森哲都柏林实验室的生物信息学研究员一起工作，确定要关注的癌症。 [1] Nwaokorie, A.; Fey, D. 使用基于机制的机器学习模型的结直肠癌个性化医疗。 Int. J. Mol. Sci. 2021, 22, 9970。https://doi.org/10.3390/ijms22189970 [2] Hock Chuan Yeo、Kumar Selvarajoo，系统生物学的机器学习替代方案不应仅依赖于数据，生物信息学简报，第 23 卷，第 6 期，2022 年 11 月，bbac436，https://doi.org/10.1093/bib/bbac436 [3] Kolch, W.; Fey，D.个性化计算模型作为生物标志物。J. Pers.
合成维度中量子模型的经典类似物
我们通过将POTTS模型扩展到包括真实和合成空间中邻近的原子之间的相互作用并研究其效能特性的原子之间的相互作用来引入超声分子合成或rydberg原子合成维度的量子物质类似物。对于J 1的中间值，所得阶段和相图与时钟和小人模型的相似，其中三个阶段出现。有一个类似于高温无序相和低温铁磁相之间量子合成维度模型的板相。我们还使用机器学习来使用混淆方法学习相图的非平凡特征，该方法能够辨别出几种连续的相变。
用于静态代码分析的经典和量子源代码的统一表示
摘要 — 量子计算的出现提出了如何在开发过程中识别（与安全相关的）编程错误的问题。然而，目前的静态代码分析工具无法对特定于量子计算的信息进行建模。在本文中，我们识别了这些信息，并建议相应地扩展经典代码分析工具。在这些工具中，我们认为代码属性图非常适合这项任务，因为它可以很容易地通过量子计算特定信息进行扩展。为了验证我们的概念，我们实现了一个工具，该工具在图中包括来自量子世界的信息，并展示了它分析用 Qiskit 和 OpenQASM 编写的源代码的能力。我们的工具汇集了来自经典和量子世界的信息，从而实现了跨两个领域的分析。通过将所有相关信息结合到一个详细的分析中，这个强大的工具可以帮助应对未来的量子源代码分析挑战。索引词 — 静态代码分析、软件安全、量子代码属性图、量子源代码分析
利用经典的反卷积和零照片图像恢复中的特征提取
非盲反卷积的目的是从鉴定获得的内核中恢复其模糊的图像。iS iSTING TEEP神经体系结构通常是基于大型地面真相图像的大型数据集建立的，并接受了监督训练。并不总是可用的，尤其是针对生物化应用，敏锐的高质量地面真相图像并不总是可用的。这严重阻碍了当前方法在实践中的适用性。在本文中，我们提出了一种新型的非盲卷曲方法，该方法利用了深度学习和经典迭代反卷积算法的力量。我们的方法结合了一个预先训练的网络，从输入图像中提取深度特征以及Itera的Richardson-Lucy反卷积步骤。随后，采用零射击优化过程来集成反浏览特征，从而产生高质量的重建图像。通过使用经典的迭代反卷积方法进行初步重构，我们可以有效地利用较小的网络来产生最终图像，从而加速重建，同时减少需求量，以减少有价值的计算资源。我们的方法证明了各种现实世界应用程序中的显着改进。
用于图像分类的混合量子-经典卷积神经网络模型
摘要 — 图像分类在遥感中起着重要作用。地球观测 (EO) 不可避免地进入了大数据时代，但对计算能力的高要求已经成为使用复杂机器学习模型分析大量遥感数据的瓶颈。利用量子计算可能有助于解决这一挑战，因为它可以利用量子特性。本文介绍了一种混合量子-经典卷积神经网络 (QC-CNN)，它应用量子计算有效地从 EO 数据中提取高级关键特征以进行分类。此外，采用振幅编码技术减少了所需的量子位资源。复杂度分析表明，与经典模型相比，所提出的模型可以加速卷积运算。通过 TensorFlow Quantum 平台，使用不同的 EO 基准（包括 Overhead-MNIST、So2Sat LCZ42、PatternNet、RSI-CB256 和 NaSC-TG2）对模型性能进行评估，结果表明，该模型能够取得比经典模型更优的性能，且具有更高的泛化能力，验证了 QC-CNN 模型在 EO 数据分类任务上的有效性。
量子数据编码：经典到量子映射技术的比较分析及其对机器学习准确性的影响
本研究探索了将量子数据嵌入技术集成到经典机器学习 (ML) 算法中，旨在评估一系列模型的性能增强和计算影响。我们探索了各种经典到量子的映射方法，从基础编码、角度编码到幅度编码，对于编码经典数据，我们进行了一项广泛的实证研究，涵盖了流行的 ML 算法，包括逻辑回归、K 最近邻、支持向量机和集成方法，如随机森林、LightGBM、AdaBoost 和 CatBoost。我们的研究结果表明，量子数据嵌入有助于提高分类准确性和 F1 分数，尤其是在本质上受益于增强特征表示的模型中。我们观察到对运行时间的细微影响，低复杂度模型表现出适度的增加，而计算密集型模型则经历明显的变化。值得注意的是，集成方法在性能提升和计算开销之间表现出良好的平衡。这项研究强调了量子数据嵌入在增强传统 ML 模型方面的潜力，并强调了权衡性能改进与计算成本的重要性。未来的研究方向可能涉及改进量子编码过程以优化计算效率，并探索现实世界应用的可扩展性。我们的工作为量子计算和传统机器学习交叉领域的知识体系的不断增长做出了贡献，为寻求在实际场景中利用量子启发技术优势的研究人员和从业者提供了见解。
验证经典mceliece：检查形式方法在后量子加密标准化中的作用
在计划的证明中将有足够的进步，以至于验证原始词将被视为平凡的，并且对任何新提出的算法都是有力的要求。尽管有这种乐观，但大多数提交了NIST Quantum cryp-tography标准化过程[5]在其开发中没有记录在其开发中使用计算机辅助加密。的确，只有两个提交的NTRU Prime [15]和Classic McEliece [8]提到了对改进其设计的任何潜在使用。NTRU Prime支持文档指出[15]，该方案的设计选择使其对其安全性属性更容易正式验证，并且作者已经开始努力验证针对参考信息的优化NTRU Prime实现[14]。经典的mceliece规范表明，需要对量子安全性的验证证明，并提到了对定时攻击的防御措施正式验证的潜力。此外，在评估迄今为止为标准化提出的任何方案评估时，计算机辅助的形式技术还没有太多使用。最近，NIST得出了其标准化过程的第三轮。在第三轮之后，未选择其余的基于代码的候选者进行标准化，但所有这些候选者都被转移到第四轮[1]。基于ISEGEN的方案Sike也已进入第四轮，但随后看到了对其潜在的硬问题的成功攻击[21]。如果选择了任何第四轮KEM候选人进行标准化，则它们很可能是基于代码的，这会激发这些候选人的进一步审查。剩下的基于代码的候选人的安全性知之甚少，尤其是经典的McEliece，这已经长期研究了。因此，其他标准将在评估和区分这些方案中起重要作用。我们认为，在此阶段，应用计算机辅助密码学的工具来研究这些方案至关重要。首先，使用这些工具进行审查和验证的每种方案的不适当性可能是评估的标准。其次，证明计划的设计或实施已被验证在该方案中进一步提供了解决方案。在这项工作中，我们专注于应用计算机辅助的加密技术，以开发经典的McEriece计划。我们的主要重点是将SAW/Cryptol工具链[25，20]应用于经典的McEliece参考实现。我们还使用互动定理供属依据来报告我们最近的e Ort在经典McEliece设计的基本方面的验证中。
bb84和b92在混合量子古典的背景下...
摘要。随着互联网的不断扩大，对有效的多DATA传输和提高安全性的需求变得越来越强大。但是，传统的点对点系统在满足多个用户之间链接链接的不断增长的要求方面缺乏。这是混合量子 - 古典网络（一种实用且经济上可行的解决方案），在有限的资源框架内为更大的用户群服务。本文探讨了两种构建方案，即BB84和B92，这些方案是这些混合网络的功能的基础。基于它们的基本逻辑和传输模拟的这些协议的检查和比较将为建立混合量子古典网络奠定坚实的基础。将详细阐述混合量子 - 古典网络的概念，主要关注其在光纤中的性能，以模拟现实生活中的数据传输。的目的是为建立量子古典混合网络提供敏锐的建议，并在BB84和B92协议之间存在明显的差异。实际上，本文的目的是在满足数据传输和安全性通过量子古典混合动力网络的未来需求的旅程中成为宝贵的资源。它强调了从理论到实践的过渡，将量子协议变成了我们日常数字互动中的有形性。
安德森塔的经典磁序的出现：量子达尔文主义在行动
在量子力学中，环境被认为起着负作用，破坏量子系统的相干性，从而随机改变其状态。然而，对于最初处于简并基态的量子系统，情况可能会有所不同。在这种情况下，基态特征函数的无限流形可以包含一些零纠缠态，这可以通过最小化冯·诺依曼熵来证明。然后，遵循量子达尔文主义，这些“经典”组合由量子环境选择和促进，这意味着不同的独立观察者在实验中发现它们。在这项工作中，我们从安德森状态塔的数值实现出发，在天元和反铁磁量子系统的特征谱中发现并探索了这种经典状态。量子基态的简并性被证明是解释经典世界中磁性物质的非平凡性质的关键，包括经典极限下出现的拓扑保护。