XiaoMi-AI文件搜索系统
World File Search SystemCompiler
量子代码 - MRM组
QC和资源约束：词中间尺度量子（NISQ）一词被创造为参考当今的QC实现，这些实现在能力方面很快，但仍然受到严重的资源约束。1在堆栈的一端，Quantu-Hardware继续扩展到越来越多的物理量子位，但是成功可执行程序的深度（即操作计数）仍然受量子相干时间和高操作误差率的限制。同样，当前的硬件通常仅显示一个小社区内的Qubits之间的通信非常有限，因为所需的交换操作由昂贵且容易出错的纠缠大门主导。尽管有这些挑战，但如果编译器为
实用的现代量子编程
在本文中，我们提出了一种cavy的编译器，Cavy是一种命令性量子编程语言。Cavy系统的主要贡献是将区域推断应用于安全且有效的Ancilla Qubit分配，使用和交易位置，并以可逆子集的编程语言中的位置。此方法可以通过任意Ancilla操作的程序来汇编优化的量子电路。与其他有关Ancilla Deadlocation的最新工作相比，安全分析是Rust编程语言中引入的借用检查器的一种变体。它具有“移动参考”，这是一种独特的参考类型，可以安全地传输其参考文献的所有权。为了解决问题并激发这些特征，我们描述了一个量子算法，其最近的实验实现使传统线性量子量子编程语言的表现力构成表达，并给出了该算法的cav效。
MSIN学位特定核心课程清单
注意：如果课程与其他部门交叉上市，则学生应始终在INI课程编号（14-XXX）下注册。在下面的课程标题的右侧提供了交叉上市课程的数字。这些课程是12个单元，除非另有说明。请注意：课程编号和标题可能会改变。如果您注意到了这样的更改，请发送电子邮件至ini-academic@andrew.cmu.edu。在参加课程之前。10-601 Introduction to Machine Learning 10-605 Machine Learning with Large Datasets 10-701 Introduction to Machine Learning (PhD) 11-642 Search Engines 11-663 Applied Machine Learning (cross-listed 05-834) 11-685 Introduction to Deep Learning 14-735 Secure Coding 14-741 Introduction to Information Security 14-742 Security in Networked Systems 14-744 Mobile and Embedded Software Design 14-757 Introduction to Adversarial Machine Learning 14-760 Advanced Real-World Data Networks 14-795 AI Application in Information Security 14-819 Introduction to Software Reverse-Engineering 14-829 Mobile & IoT Security 14-848 Cloud Infrastructure and Services 15-605 Operating System Design and Implementation 15-611 Compiler Design 15-618 Parallel Computer Architecture and Programming 15-619 Cloud Computing 15-641 Networking and the Internet 15-645 Database Systems 15-712 Advanced Operating Systems and Distributed Systems 15-719 Advanced Cloud Computing (cross-listed 18-709) 15-740 Computer Architecture 15-744 Computer Networks 15-745 Optimizing Compilers for Modern Architectures 15-793 Secure Computer Systems 18-645 How to Write Fast Code 18-648 Real-Time Embedded Systems 18-649分布式嵌入式系统18-730计算机安全简介
Steve Zdancewic - UPenn CIS - 宾夕法尼亚大学
Jianzhou Zhao，博士，2013 年 8 月。形式化基于 SSA 的编译器以进行验证的高级程序转换 Peter-Michael Osera，博士，2016 年 8 月。带类型的程序合成 Jennifer Paykin，博士，2018 年 6 月。嵌入式领域特定语言的线性/非线性类型 Robert Rand，博士，2018 年 12 月。形式化验证的量子编程 Li-yao Xia，博士，2022 年 8 月。（由 Benjamin Pierce 共同监督）具有交互树的可执行表示语义 Yishuai Li，博士，2022 年 5 月。（由 Benjamin Pierce 共同监督）通过对偶化进行测试 Lucas Silver，博士，2023 年 8 月。交互树和形式规范 Irene Yoon，博士2023 年 12 月。LLVM IR 的模块化语义和元理论 Calvin Beck Paul He Nicholas Rioux Lawrence Dunn（由 Val Tannen 共同监督） Stephen Mell（由 Osbert Bastani 共同监督） Joey Velez-Ginorio（由 Konrad Kording 共同监督）
使用MicroTVM
摘要 - 在过去的几年中，越来越多的AI应用程序应用于边缘设备。但是，由数据科学家培训的具有机器学习框架的模型，例如Pytorch或TensorFlow，无法在边缘无缝执行。在本文中，我们开发了一个端到端代码生成器，使用MicrotVM（机器学习编译器框架扩展程序扩展）解决裸机设备上的推理的后端，将预训练的模型解析为C源库。一个分析表明，具有通用模块化加速器（UMA）界面的专用计算密集型运算符可以轻松地向专用加速器进行流动，而其他则在CPU核心中处理。通过使用提前C运行时自动生成的自动生成，我们在ARM Cortex M4F核心上进行了手势识别实验。索引项 - TVM，MicroTVM，模型部署，BYOC，UMA
论量子软件与硬件的协同设计
量子计算系统自然由两部分组成，即软件系统和硬件系统。量子应用程序使用量子软件进行编程，然后在量子硬件上执行。然而，现有量子计算系统的性能仍然有限。在量子计算机上解决超出传统计算机能力的实际问题尚未得到证实。在本文中，我们指出，量子软件和硬件系统应协同设计，以充分利用量子计算的潜力。我们首先回顾了三项相关工作，包括一个硬件感知的量子编译器优化、一个应用感知的量子硬件架构设计流程和一个针对新兴量子计算化学的协同设计方法。然后我们讨论了一些遵循协同设计原则的潜在未来方向。
Quff：一种动态类型混合量子-经典编程语言
摘要 当前的量子软件开发策略仍然在量子力学本身错综复杂的特性之上表现出复杂性。量子编程语言要么局限于附加到经典对象以生成电路的低级、基于门的操作，要么需要通过代数表示对希尔伯特空间中的量子态变换进行建模。本文介绍了 Quuff 语言，它是一种高级、动态类型的量子经典编程语言。Quuff 编译器和运行时系统通过跨量子经典范式抽象的高级表达来促进量子软件开发。Quuff 构建在 Truffle 框架之上，该框架有助于堆栈的实现和效率，同时重用 JVM 基础架构。所呈现的比较表明，Quuff 本身是一种有效、易于使用的解决方案，可用于开发具有自动电路生成和高效计算功能的可执行量子程序。
糖尿病研究的研究审查
印度班加罗尔的Ja那教计算机科学和信息技术系摘要：有效的量子电路汇编对于最大化嘈杂的中等规模量子（NISQ）设备的实用性至关重要。本文使用动态编程提出了一种新型的自适应量子电路汇编技术，该技术可以显着降低电路深度，同时保持高保真度。我们的方法称为ADAQC（自适应量子编译器），根据特定的量子硬件约束和噪声特性，动态调整了编译策略。与最先进的编译器相比，我们证明了电路深度降低30％，基准电路在超导二极管体系结构上的忠诚度损失不到1％。此外，我们还对各种量子算法和硬件配置中ADAQC的性能进行了全面分析，从而展示了其在现实世界中的适应性和效率。索引术语：量子计算，电路编译，NISQ，动态编程，自适应算法
将人工智能与软件智能相结合
软件智能技术就是这种能力的体现，它由编译器、编码语言和数据库结构专家经过多年的深入研发磨练而成。软件智能技术使机器能够全面理解任何系统，无论其规模有多大。该技术可以读取和理解数据库结构、端到端事务和 API，并将内部结构逆向工程为图形数据库，该数据库可以转换为可搜索的蓝图，供架构师和开发团队立即获得各种技术问题的答案。这种能力本身可以消除手动完成的大量耗时工作，并提高团队维护、更改、现代化和扩展应用程序的能力。但是，系统越大，人类就越难掌握其全部内容，即使内部工作以最易于导航和使用的可视化方式呈现。在解释“原样”并为 AWS、Azure、GCP、混合或本地设计目标架构方面，人力投入是不可忽视的。
关强博士是俄亥俄州肯特州立大学计算机科学系的助理教授。关博士是 G
机器学习、数值科学模拟和金融等许多领域对量子计算机的需求不断增长，这促使量子计算机产生更稳定、更不容易出错的结果。然而，减轻每个量子设备内部噪声的影响仍然是当前的挑战。在这个项目中，我们利用从现有 IBMQ 机器收集的系统校准数据，应用保真度退化检测来生成保真度退化矩阵。基于保真度退化矩阵，我们定义了多个新的评估指标来比较量子机的量子比特拓扑之间的保真度（相同拓扑上的量子比特保真度），并搜索最具有错误鲁棒性的机器，以便用户可以期待最准确的结果，并研究量子比特之间相关性的洞察力，这可能会进一步激发量子比特映射的量子编译器设计。此外，我们构建了一个可视化系统 VACSEN 来说明量子计算后端的错误和可靠性。