XiaoMi-AI文件搜索系统
World File Search Systemcomputational
关于计划验证的计算复杂性，（...
在本文中，我们研究了围绕有限计划的限制性问题的七个推理任务的计算复杂性。我们为标准的经典计划和分层任务网络（HTN）计划做到这一点，每个计划都用于接地和取消代表。虽然有限计划的存在复杂性以古典规划而闻名，但尚未对HTN计划进行研究。进行计划验证，除了提起的HTN计划外，两种形式主义都可用于两种形式主义。我们将介绍提起HTN计划中计划验证的复杂性的下层和上限，并为其扎根的对应物提供一些新的见解，在这种情况下，我们表明验证不仅是一般案例中的NP - 已完成，而且已经严格限制了特殊情况。最后，我们展示了有关验证给定计划的最佳性的复杂性，并讨论了其与有限计划存在问题的联系。
量子单向性的计算硬度
摘要有大量的工作研究需要什么形式的计算硬度来实现经典的加密。特别是，可以从彼此构建单向函数和伪随机生成器，因此需要等效的计算假设才能实现。此外，这些原语中的任何一个的存在都意味着p̸= np，这在必要的硬度上给出了下限。也可以通过量子输出来定义这些原始词的版本：分别单向状态发生器和伪随机态生成器。与经典环境不同，尚不清楚是否可以从另一个可以构建两者。尽管已经证明，某些参数制度的假态状态生成器可用于构建单向状态发生器，但该含义以前尚未在一般性中被广为人知。此外，据我们所知，单向状态发生器的存在在传统复杂性理论中没有已知的含义。我们表明，伪随机态将n位压缩到log n + 1量子位可用于构建单向状态发电机，并且伪和态态将n位压缩到ω（log n）量子位本身就是单向状态发电机。这是一个几乎最佳的结果，因为可以无条件地证明具有小于C n Q n Qubit Output的假态状态。我们还表明，任何单向状态生成器都可以通过具有经典访问PP Oracle的量子算法破坏。这与先前已知的事实形成鲜明对比：o（n） - 副本单向发电机需要计算硬度。我们结果的一个有趣的含义是，对于每个t（n）= o（n/ log n），t（n） - 副本单向状态发生器无条件地存在。我们还概述了单向状态发电机和量子位承诺之间的黑框分离的新途径。
认知科学中的计算推理
新兴研究前沿和计算进步已逐渐将认知科学转变为一个多学科和数据驱动的领域。因此，从不同的学术视角和不同的抽象层次研究和解释的认知理论数量激增。我们将这一挑战的应用方面表述为计算认知推理，并描述计算方法的主要途径。为了平衡潜在的乐观情绪以及认知科学数据驱动时代的速度和规模，我们建议以更实证的角度来检验这一趋势，确定在进行研究和解释认知科学计算推理结果时的操作挑战、社会影响和道德准则。
社论：计算神经科学的进展
第 28 届年度计算神经科学会议 CNS ∗ 2019 于 2019 年 7 月 13 日至 17 日在巴塞罗那举行。会议涵盖了各种各样的研究主题，欢迎来自世界各地的参与者，主题演讲包括 Ed Bullmore 教授的“大脑网络、青少年和精神分裂症”，Kenji Doya 教授的“心理模拟的神经回路”，Maria Sanchez-Vives 教授的“一个网络，多种状态：改变大脑皮层的兴奋性”，以及 Ila Fiete 教授的“灵活记忆和导航的神经回路”。本研究主题“计算神经科学进展”包含会议上介绍和讨论的一些前沿计算神经科学研究。与 CNS ∗ 2019 一样，本研究主题中的文章反映了计算神经科学研究的多样性和丰富性，从亚细胞尺度扩展到网络、从生物细节扩展到计算机技术、从计算方法扩展到大脑理论。在亚神经元层面，在“ROOTS：一种生成生物学上真实的皮质轴突的算法及其在电化学建模中的应用”中，Bingham 等人开发了用于构建更精确计算模型的计算方法，扩展了生成方法生成高度分支的皮质轴突末端树突的神经元形态的能力。在类似的领域，在“血清素轴突作为分数布朗运动路径：对区域密度自组织的洞察”中，Janušonis 等人描述了基于反射分数布朗运动的计算模型如何生成稳态分布，以近似于实验观察到的物理脑切片中的血清素纤维分布。 Gontier 和 Pfister 在《二项式突触的可识别性》一文中扩展了模型原理，引入了统计模型在实际中可识别的定义，并将这一概念应用于突触模型。Felton 等人在《评估 Ih 电导对模型锥体神经元中跨频耦合的影响》一文中分析了超极化激活混合阳离子电流 (Ih) 在跨频耦合动态现象中的作用。同样，Mergenthal 等人在《胆碱能调节 CA1 锥体细胞活动的计算模型》中提出了一种锥体细胞计算模型，其中包含前所未有的细节
计算海洋学是否会出现？
摘要：计算海洋学是通过数值模拟，尤其是动态和物理现象对海洋现象的研究。信息技术的进步推动了过去几十年来全球海洋观测数量和海洋数值模拟的保真度的指数增长。但是，对于海洋模拟，增长速度更快。我们认为，这种更快的增长正在改变现场测量的重要性和对海洋研究的数值模拟的重要性。这导致计算海洋学的占地作为海洋科学的一个分支，与观察海洋学相同。一种含义是超出海洋模拟仅受观察的宽松约束。另一个含义是，应删除分析此类模拟输出的障碍。尽管存在一些特定的局限性和挑战，但为计算海洋学的未来确定了许多机会。最重要的是混合计算和观察方法的前景，以提高对海洋的理解。
掌握计算神经科学和神经工程
• 认知和功能刺激 • 脑机接口 • 神经形态计算 • 神经机器人 • 视觉、听觉、感觉运动知觉 • 神经信号的建模和处理 • 神经网络的建模和分析 • 功能性脑成像 • 神经启发学习
迈向量子计算霸权之路
Grover 的量子算法 [ 44 ] 是一个有趣的例子：给定一个可以使用量子输入进行查询的无序量子数据库，并询问它是否包含特定条目。Grover 算法提供了一种可证明的加速比。然而，这种加速比并不是指数级的，更重要的是，它所解决的问题远非现实：构建量子数据库的成本可能会抵消该算法的任何优势，而在许多经典场景中，只需创建（和维护）一个有序数据库就可以做得更好。将 Grover 算法用作解决图像处理问题的子程序更为高效，因为准备量子“数据库”的成本可以分摊到多个调用中[ 59 ]；这种策略激发了一种用于嵌入式量子退火算法的新型混合量子-经典范式 [ 9 ]。其他应用在 [ 66 ] 中进行了讨论。
掌握计算神经科学和神经工程
• 认知和功能刺激 • 脑机接口 • 神经形态演算 • 神经机器人 • 视觉、听觉、感觉运动知觉 • 神经信号的建模和处理 • 神经网络的建模和分析 • 功能性脑成像 • 神经启发学习
走向量子计算力学
量子计算机的出现采用了与传统数字计算机完全不同的物理原理和抽象，它开创了一种全新的计算范式，有可能带来颠覆性的效率和计算性能。具体而言，同时改变整个量子系统状态的能力带来了量子并行性和量子干涉。尽管有这些前景，但将量子计算应用于计算力学问题的机会仍未得到充分探索。在这项工作中，我们展示了量子计算确实可以用于解决计算均质化中的代表性体积元 (RVE) 问题，其多对数复杂度为 ((log 𝑁 ) 𝑐 ) ，而传统计算的复杂度为 ( 𝑁 𝑐 )。因此，我们的量子 RVE 求解器相对于传统求解器实现了指数加速，使并发多尺度计算更接近实用性。所提出的量子 RVE 求解器结合了传统算法，例如均匀参考材料的定点迭代和快速傅里叶变换 (FFT)。然而，这些算法的量子计算重新表述需要根本性的范式转变以及对经典实现的彻底重新思考和彻底改革。我们采用或开发了几种技术，包括量子傅里叶变换 (QFT)、多项式的量子编码、函数的经典分段切比雪夫近似和用于实现定点迭代的辅助算法，并表明在量子计算机上有效实现 RVE 求解器确实是可能的。我们还提供了理论证明和数值证据，证实了所提出的求解器的预期 ((log 𝑁 ) 𝑐 ) 复杂度。