XiaoMi-AI文件搜索系统
World File Search SystemOracles
量子程序的覆盖引导测试生成器
摘要 — 量子软件测试的自动化对于支持系统且经济高效的测试至关重要。为此，我们提出了一种名为 Quito 的量子软件测试工具，它可以自动生成测试套件，涵盖用 Qiskit 编码的量子程序的输入和输出上定义的三个覆盖标准，即输入覆盖率、输出覆盖率和输入输出覆盖率。Quito 还根据程序规范实现了两种类型的测试预言，即检查量子程序是否产生了错误的输出或使用统计测试检查概率测试预言。我们描述了该工具的架构和方法。我们还用一个量子程序和一个有缺陷的版本验证了该工具。结果表明，Quito 可以生成测试套件并执行检测故障的测试评估，并产生具有良好时间性能的测试结果。 Quito 的代码：https://github.com/Simula-COMPLEX/quito Quito 的视频：https://youtu.be/kuI9QaCo8A8 可用的工件：https://doi.org/10.5281/zenodo.5288665
![arxiv：2503.04731V1 [CS.LO] 2025年1月31日](/simg/2\2fc93682539b307d80eb9355c3a3830234bf790b.webp)
arxiv：2503.04731V1 [CS.LO] 2025年1月31日
答案集编程（ASP）是一个突出的问题模型和解决框架，其解决方案称为答案集。认知逻辑程序（ELP）扩展了ASP，以推理全部或某些答案集。解决方案可以看作是多个答案集（称为世界观）的后果。虽然对命题计划的综合性进行了充分的研究，但非地面案例仍然开放。本文确定了非地面ELP的复杂性。我们为众所周知的程序片段提供了一张全面的图片，事实证明，该类别的nexptime是完整的，可以访问高达σp2的甲壳。在定量设置中，我们建立了＃EXP以外的复杂性的复杂性结果。为了减轻高复杂性，我们在界定的谓词ARITY的情况下建立了结果，达到了多项式层次结构的第四级。最后，我们为参数树宽度提供了伦理紧密的运行时结果，该宽度具有定量推理中的应用，在该定量推理中，我们推理了epymic文字的（边际）概率。
Mac
消息身份验证代码或MAC是一个经过良好研究的加密原始原始词，用于对共享秘密密钥的两个当事方之间的通信进行身份验证。令牌化的Mac或TMAC是由Ben-David＆Sattath（QCrypt'17）介绍的相关密码原始的，它允许通过使用单使用量子签名令牌将有限的签名授权委派给第三方。这些令牌可以使用秘密键发出，以便每个令牌可用于在最多一个文档上签名。我们为基于BB84州的TMAC提供了基础结构。我们的构造可以忍受高达14％的噪声，使其成为第一个耐噪声的TMAC结构。我们结构所需的量子状态的简单性，结合其噪声的耐受性，使其几乎比以前的TMAC构造更可行。提出的TMAC对具有签名和验证词的副本（即，它类似于MAC的EUF-CMA安全性），这是不可生存的。
对实用共识协议的理论采取
摘要。异步公共子集（ACS）问题是分布式计算中的一个基本问题。最近，Das等人。（2024）开发了一种具有多种理想属性的新ACS协议：（i）它提供了最佳的弹性，可容忍总共n派的T 本文的目的是从现代理论加密图的角度进行详细的，独立的说明和对该协议的分析，从而实现了定义和证明的许多细节，从而提供了基于关于Hash功能的具体安全性假设的完整安全分析（即，不依赖于随机的或依赖于随机的构图），并依赖于所有的构图，并在所有的构图中进行了整个构图。本文的目的是从现代理论加密图的角度进行详细的，独立的说明和对该协议的分析，从而实现了定义和证明的许多细节，从而提供了基于关于Hash功能的具体安全性假设的完整安全分析（即，不依赖于随机的或依赖于随机的构图），并依赖于所有的构图，并在所有的构图中进行了整个构图。
量子算法，用于确切的最小ESOP最小化，不完全指定的布尔函数和可逆合成
独家产品总和（ESOP）最小化问题长期以来一直对研究界有所了解，因为它在经典逻辑设计（包括测试的低功率设计和设计），可逆逻辑合成和知识发现等方面具有重要意义。但是，对于任意函数的七个变量，尚无确切的最小化方法。本文介绍了一种新型的量子古典杂化算法，可用于最小化不完全指定的布尔函数的确切最小的ESOP最小化。该算法从约束和利用Grover的算法提供的量子加速度构建或构造，从而找到了这些甲壳的解决方案，从而改善了经典算法。与许多现有算法相比，ESOP表达式的编码可导致的决策变量大大减少。这也扩展了确切的最小ESOP最小化的概念，以最大程度地降低将ESOP表达作为量子电路的成本。在作者知识的范围内，这种方法从未出版过。通过量子模拟对该算法进行了完全且未完全指定的布尔函数测试。
HDXPlore：自动化的黑盒测试脑启发的超维度计算
摘要 - 由人脑的工作方式吸引，急剧的高维计算（HDC）正在受到越来越多的关注。HDC是一种基于大脑的工作机理的新兴计算方案，该方案具有深层和抽象的神经活动模式而不是实际数字。与传统的ML算法（例如DNN）相比，HDC以内存为中心，授予其优势，例如相对较小的模型大小，较小的计算成本和一声学习，使其成为低成本计算平台中的有前途的候选人。但是，尚未系统地研究HDC模型的鲁棒性。在本文中，我们通过开发基于黑盒差异测试的框架来系统地揭示HDC模型的意外或不正确行为。我们利用具有与交叉引用甲环类似功能的多个HDC模型，以避免手动检查或标记原始输入。我们还提出了HDXplore中不同的扰动机制。HDXplore自动发现了HDC模型的数千种不正确的角案例行为。我们提出了两种重新训练机制，并使用HDXplore生成的角病例来重新培训HDC模型，我们可以将模型准确性提高高达9％。
MF-lal：使用多保真潜在空间主动学习
当前的药物发现生成模型主要使用分子对接作为指导活性化合物产生的甲骨文。但是，这种模型在实践中通常没有用，因为即使是具有较高对接得分的化合物也不会始终显示出实验活动。存在更准确的活动预测方法，例如基于分子动力学的结合能量计算，但是在生成模型中使用它们在计算上太昂贵。为了应对这一挑战，我们提出了多保真潜在空间主动学习（MF-lal），这是一种生成的建模框架，将一组与成本准确性的折衷方案集成在一起。与以前分别学习替代模型和生成模型的方法不同，MF-LAL将生成性和多余的代孕模型结合到一个框架中，从而可以进行更准确的活动预测和更高质量的样本。我们使用一种新型的主动学习算法来训练MF-lal，以进一步降低计算成本。我们对两种相关疾病蛋白的实验表明，MF-LAL产生的化合物具有比其他单一单一和多忠诚方法更好的结合自由能评分。该代码可在https://github.com/rose-stl-lab/ mf-lal上找到。
评估测试量子程序的输入和输出覆盖标准的有效性
摘要 — 量子程序实现解决复杂计算问题的量子算法。由于量子计算 (QC) 的固有特性（例如概率性质和叠加计算），测试此类程序具有挑战性。然而，需要自动化和系统化的测试来确保量子程序的正确行为。为此，我们提出了一种称为 Quito（量子输入输出覆盖）的方法，该方法由三个定义在量子程序输入和输出上的覆盖标准以及它们的测试生成策略组成。此外，我们定义了两种类型的测试预言，以及一个使用统计分析确定测试套件通过和失败的程序。为了评估这三个覆盖标准的成本效益，我们对五个量子程序进行了实验。我们使用突变分析来确定覆盖标准的有效性和测试用例数量的成本。根据突变分析的结果，我们还确定了量子程序的等效突变体。索引术语 — 量子程序、软件测试、覆盖标准、突变分析
评估扩展的输入启发和基于机器学习的启动对人群库存预测的影响
人类一直在预测不可能的人方面具有固有的兴趣。旅程可能始于算命先驱者，甲骨文和先知，使用太阳标志，行星位置和恒星对准来预测未来。，但是今天，人工智能使用统计数据，大数据分析以及这一切的核心，机器学习（ML）取代了他们的位置。ML已渗透每个现代行业，以提供预测性见解。非整合列表如下。在医疗保健中，ML模型已用于预测大流行期间的Covid-19潮流，死亡人数和恢复率[17]。在制造业中，它们已被应用于提高智能工厂的效率[19]。在监视中，Karpathy等。[12]评估卷积神经网络（CNN）在487个视频类别上的性能，总共有100万个YouTube视频，以进一步监视自动化。在心理健康领域，Fathi等。[7]在具有七个输入功能的大型数据集上训练ANFIS模型，以检测医疗保健中的社交焦虑症。
实用的大规模证明异步总计...
我们提出了简单且实用的协议，以产生与异步总订单广播所使用的随机性。协议在带有动态变化的股份的验证验证设置中安全。可以将它们插入异步的总订单广播中的现有协议中，并将其变成带有动态利益的异步总订单广播。我们的贡献依赖于两种重要技术。“君士坦丁堡中的随机甲壳：使用密码学的实用异步拜占庭一致” [Cachin，Kursawe和Shoup，PODC 2000]，通过使用阈值密码来影响实用的总订单广播的设计。但是，它需要一个设置协议才能有效。在带有动态利益的验证验证设置中，必须不断地重新计算此设置，从而使协议不切实际。“异步拜占庭式拜占庭与次级交流的一致性” [Blum，Katz，Liu-Zhang和Loss，TCC 2020]，展示了如何使用初始设置进行广播以渐近地生成子序列设置。该协议诉诸于完全同态加密，因此并非实际效率。我们采用动态危险将其方法采用的验证验证设置，将其应用于君士坦丁堡纸，并消除完全同构加密的需求。这将产生简单且实用的证明协议。