XiaoMi-AI文件搜索系统
World File Search Systemndis
公共密钥加密的量子不可区分性
摘要。在这项工作中，我们研究了公钥加密方案（PKE）的量子安全性。Boneh和Zhandry（Crypto'13）启动了该研究领域的PKE和对称密钥加密（SKE），仅限于经典的无法区分性阶段。Gagliardoni等。（Crypto'16）通过给出量子性阶段的第一个定义，提出了量子安全性的研究。对于PKE而言，另一方面，不存在具有量子性不可区分阶段的量子安全性概念。我们的主要结果是具有量子不可分性阶段的PKE的新型量子安全概念（QIND-QCPA），它缩小了上述差距。我们展示了针对基于代码的方案和具有某些参数的基于LWE的方案的区别攻击。我们还表明，即使不是基本的PKE方案本身不是，规范混合PKE-SKE加密结构也是QIND-QCPA-SECURE。最后，我们根据我们的安全概念的适用性对抗量子的PKE方案进行了分类。我们的核心思想遵循Gagliardoni等人的方法。使用所谓的2型操作员加密挑战消息。首先，2型操作员对于PKE来说似乎是不自然的，因为构建它们的规范方式需要秘密和公共密钥。但是，我们确定了一类PKE计划（我们称之为可恢复的计划），并表明对于此类类型2运算符仅需要公钥。更重要的是，可恢复的方案即使违反了解密失败，也可以实现2型操作员，这通常会阻止2型操作员规定的可逆性。我们的工作表明，包括大多数NIST PQC候选者和规范的混合构造在内的许多现实世界中的Quantum Quantum Peke方案确实是可回收的。
零量子电路的不可区分混淆及应用
虽然第一个假设是标准的，第二个假设在某种程度上似乎是必要的，但双模式 CVQC 是我们在本文中引入的非标准密码构建块。粗略地说，如果存在一个标准模式，其中方案是正确的，以及一个模拟模式，其中不存在任何接受证明（尽管在此模式下，方案对于是的实例可能不一定正确），则 CVQC 协议是双模式的。即使给定验证密钥，这些模式也必须在计算上无法区分。实际上，我们不知道任何满足此双模式属性的 CVQC 构造，因此我们将该属性放宽为“陷门”变体，其中存在一个满足双模式属性的陷门设置算法（在计算上与原始算法无法区分）。我们证明这种放松足以构建量子零 iO（以及经典电路的 LWE 和后量子 iO），并提出一种陷门双模 CVQC 的构造，可以防止量子随机预言模型 (QROM) 中的带错学习 (LWE) 问题。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
白色念珠菌的代谢适应性对于功能性药物外，麦角固醇和几丁质生物合成是必不可少的
背景和目的：由于多药耐药性（MDR）的出现，真菌感染的增量，特别是由于念珠菌物种的增加。因此，识别新型药物靶标以避免MDR问题需要立即注意。代谢途径，例如甘酰基循环（GC），该途径利用了关键酶（等酸酯裂解酶[ICL]和苹果酸合酶[MLS]），使白色念珠菌能够在葡萄糖缺陷条件下适应。这项研究发现了GC破坏对白色念珠菌作为人类致病真菌的主要MDR机制的影响。材料和方法：出于研究的目的，在存在底物若丹明6G（R6G）和尼罗红色的情况下，通过表型敏感性以及R6G细胞外浓度（527 nm）评估了外排泵活性。此外，通过氢氧化钾水解法估算了麦角固醇含量。也通过通过酸水解释放的葡萄糖胺的吸光度（520 nm）来实现几丁质的估计。结果：结果表明，ICL酶基因（ΔICL1）的破坏导致属于ATP结合盒超级家族的多药物转运蛋白的外排活性受损。进一步表明，ΔICL1突变体表现出减少的麦角固醇和几丁质含量。另外，所有废除的表型都可以在ΔICL1突变体的恢复菌株中挽救。结论：基于发现，GC影响的外排活动的破坏以及麦角固醇和几丁质的合成。但是，需要进一步的研究来理解和利用这一治疗机会。本研究首次表明代谢适应性与功能性药物外排，麦角固醇和几丁质生物合成有关，并验证了GC作为抗真菌靶标。关键字：念珠菌，几丁质，外排泵，麦角固醇，乙二基循环
技术和物流，两个不可分割的组成部分......
2. 未来的技术和后勤团队，一个经历过多方面危机的组织....................................... ................................................. ...................................................... 56
轨道计算：一个古怪的思想实验？
太空行业的新贵正在将数千颗卫星部署到全球互联网服务上。这些计划有望在覆盖范围和延迟方面进行大量改进，并可能从根本上改变互联网。但是，如果此转换扩展到网络过渡到新型的计算服务，该怎么办？，如果每个卫星（除了用作网络路由器）外，还提供类似云的计算，使新的星座不仅使全球互联网服务提供商，但与此同时，还提供了一种新的云提供商，提供“计算您需要的地方”的新品种。我们在定性和定量上检查了这种轨道计算的机会和挑战。几个应用程序可以从中受益，包括内容分布和边缘库；多用户游戏，共同侵入和协作音乐；和处理空间数据。将计算硬件添加到卫星上似乎并不是在重量，体积和空间硬化方面都不是令人难以置信的，但是所需的功率抽取可能是很大的。另一个挑战源于低地球轨道的动态：一个特定的卫星只能在一次地面站看到几分钟，因此需要在管理状态应用程序时进行护理。我们对这些权衡的探索表明，这个“古怪”的主张不应随便予以驳回，并且可能值得研究社区的更深入地参与。
珀塞尔增强和不可区分的单光子...
图 1：片上集成环形谐振器装置。(a) 基于 DBR 波导 (WG) 的环形谐振器的艺术方案。单个量子点放置在 WG 的核心内，并从顶部进行光学激发。发射的光子从锥形外耦合器内结构的侧面收集。(b) 半径 R 为 10 µ m 的制造环形谐振器装置的扫描电子显微镜图像。(c) 带有标记层的 DBR WG 横截面。(d)、(f) 模拟的 Purcell 因子与能量的关系，其中外半径为 10 µ m，分别耦合到 0.2 µ m 宽度的总线 WG 以及 0 和 25 nm 的环形总线 WG 间隙。(e)、(g) 分别模拟了 0 和 25 nm 间隙结构中 QD 发射耦合到总线 WG 的效率。 25 nm 间隙环腔的非常高的品质因数 Q 要求将模拟光谱窗口限制在 20 nm。 (h) Purcell 因子与 Q 因子的关系取自图 1(d) 和 (f)，揭示了基波 (点划线) 和高阶径向模式 (虚线) 的明显线性依赖性。
兰迪斯+吉尔 AIM
尽管本文档中包含的信息是善意提供的，但 Landis+Gyr（包括其附属公司、代理商和员工）拒绝对与产品有关的任何错误、不准确或不完整承担任何责任。Landis+Gyr 不对产品的性能、质量、寿命或针对任何特定用途的适用性提供任何保证、陈述或担保。在法律允许的最大范围内，Landis+Gyr 拒绝承担 (1) 因使用产品或与使用产品相关的任何责任，以及 (2) 任何责任，包括但不限于特殊、后果性和间接损害和损失，以及 (3) 任何默示担保，包括但不限于适用性和适销性。
法律领域的人工智能与法律伦理要求的不可或缺的人为因素
示范规则 5.3 进一步证实了律师审查人工智能程序及其产生的结果的义务，该规则确立了律师监督非律师的义务。58 最相关的条款 5.3(b) 规定：“对非律师具有直接监督权的律师应尽合理努力确保该人的行为符合律师的专业义务。”59 虽然人工智能程序不是人——它是机器——但它会模仿人类智能来执行任务，而律师会将其“思维”融入到自己的工作中。因此，根据规则 5.3，人工智能可以被视为由律师委派工作的非律师，从而触发律师的义务，以确保人工智能程序所产生的工作是称职的。