XiaoMi-AI文件搜索系统
World File Search Systemsolvers
MIP求解器中的机器学习
Khalil等。 学习在Tree Search 2017 Hutter等人中学习启发式方法。 算法运行时预测：方法与评估2012 Hutter等。 混合整数编程求解器的自动配置2010 Ferber等。 mipaal：混合整数程序作为2019年层Wilder等人。 最终学习和优化图表2019Khalil等。学习在Tree Search 2017 Hutter等人中学习启发式方法。算法运行时预测：方法与评估2012 Hutter等。混合整数编程求解器的自动配置2010 Ferber等。mipaal：混合整数程序作为2019年层Wilder等人。最终学习和优化图表2019
不平衡的低级最佳运输求解器
长期以来，两个显着的限制一直阻碍了最佳运输方法与机器学习的相关性。首先，O（n 3）基于标准样本求解器的计算成本（在n个样品的批次上使用时）是过于刺激的。第二，质量保护约束使OT求解器在实践中过于刚性：因为它们必须匹配两种措施的所有点，因此离群值可能会大大影响其输出。最近的作品量已经解决了这些计算和建模的局限性，但导致了两种单独的方法菌株：虽然熵正则化大大改善了计算前景，但最近的O（N）线性低率溶剂溶液的最新OF-（N）线性低率溶解度却保持了进一步扩展OT的承诺。在建模的灵活性方面，由于OT的不平衡变体可以惩罚其边际偏离源和目标分布指定的耦合的耦合，因此可以对熵正则化的批量保护的刚度进行刚性。本文的目的是合并这两种菌株，即低级别和不平衡，以实现既可以扩展又相反的求解器的承诺。我们提出了自定义算法，以实现这些扩展问题，以解决线性的OT问题及其融合的Gromov-Wasserstein概括，并证明了它们与具有挑战性的空间转录组学匹配问题的实际相关性。这些算法是在OTT-JAX工具箱中实现的[Cuturi等。，2022]。
量子启发式求解器的基准......
最近，受量子退火的启发，许多专门用于无约束二元二次规划问题的求解器已经开发出来。为了进一步改进和应用这些求解器，明确它们对不同类型问题的性能差异非常重要。在本研究中，对四种二次无约束二元优化问题求解器的性能进行了基准测试，即 D-Wave 混合求解器服务 (HSS)、东芝模拟分叉机 (SBM)、富士通数字退火器 (DA) 和个人计算机上的模拟退火。用于基准测试的问题是 MQLib 中的真实问题实例、随机不全相等 3-SAT (NAE 3-SAT) 的 SAT-UNSAT 相变点实例以及 Ising 自旋玻璃 Sherrington-Kirkpatrick (SK) 模型。对于 MQLib 实例，HSS 性能排名第一；对于 NAE 3-SAT，DA 性能排名第一；对于 SK 模型，SBM 性能排名第一。这些结果可能有助于理解这些求解器的优点和缺点。
经济代理人是不完善的问题解决者
我们开发了一种对最佳政策功能有限认知感知的有限认知的模型，代理人使用昂贵的推理工作来更新有关经济状态最佳映射到行动中的信念。一个关键结果是，当观察常规（不寻常的）状态，产生与状态和历史有关的行为时，代理人的原因较少（更多）。我们的应用程序是一个标准的不完整市场模型，其前式代理没有任何apriori行为偏见。由此产生的行动和信念分布的特征是“学习陷阱”，在该地区，财富的本地稳定动态产生了状态空间的“熟悉”区域，在该区域中，行为似乎遵循了过去经验的启发式方法。我们在定性和定量上表现出这些陷阱在经验上是理想的特性：消费的边际倾向更高，手到口状态更频繁，更持久，并且比标准模型中的财富不平等更多。
空间：Vlasov-Maxwell 和 Vlasov-Poisson 的 3D 并行求解器
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
激发态量子求解器的两种算法-Iopenshell
摘要：近期量子设备有望彻底改变量子化学，但是使用当前嘈杂的中间尺度量子（NISQ）设备的模拟由于其对错误的敏感性很高，因此不实用。这激发了NISQ算法的设计，利用经典和量子资源。虽然有几个发展显示了地面模拟的有希望的结果，但将算法扩展到激发态仍然具有挑战性。本文介绍了受戴维森算法启发的两种具有成本效益的激发算法。我们将Davidson方法实施到量子自符合方程式统一耦合群集（Q-SC-EOM- UCC）兴奋状态方法适用于量子硬件。讨论，实施和测试了产生所需激发态的电路策略。通过模拟H 2，H 4，LIH和H 2 O分子的模拟，我们证明了所提出的算法（Q-SC-SC-EOM-UCC/Davidson及其变异变体）的性能和准确性。与古典戴维森方案类似，Q-SC-EOM-UCC/Davidson算法能够瞄准所需特征的少数激发态。
通过二维输入空间探索对 SMT 求解器进行模糊测试
可满足性模理论 (SMT) 求解器是许多技术的核心引擎，例如符号执行。因此，确保 SMT 求解器的稳健性和正确性至关重要。虽然模糊测试是一种确保 SMT 求解器质量的有效方法，但我们观察到之前的模糊测试工作仅侧重于生成各种一阶公式作为输入，而忽略了 SMT 求解器的算法配置空间，这导致许多深藏不露的错误未被及时报告。在本文中，我们提出了 Falcon，一种同时探索公式空间和配置空间的模糊测试技术。将这两个空间结合起来会显著扩大搜索空间，使有效检测错误变得更加困难。我们通过利用两个空间之间的相关性来减少搜索空间，并引入自适应变异策略来提高搜索效率，从而解决了这个问题。经过六个月的广泛测试，Falcon 在两款最先进的 SMT 求解器 CVC4 和 Z3 中发现了 518 个已确认的错误，其中 469 个已经修复。与两款最先进的模糊测试器相比，Falcon 在 24 小时的测试中检测到了 38 个和 44 个以上的错误，并且覆盖率大幅提高。
Stu Kennedy
技能和经验全栈开发：Typescript/ htmx/ node/ go/ svelte/ svelte/ flutter/ remix/ nextjs/ django ai开发：python/ tensorflow平台（Cloudflare/ aws/ aws/ firebase/ supabase）：dashboard Management and Clis。Amazon AWS - S3，EC2，RDS，Lambda，MapReduce，Memcached，Ses，Cloudfront等功能 / FRP：精通功能和功能反应性编程，以声明的方式解决算法问题。敏捷：由苏格兰精益敏捷的创始人培训，并通过培训和指导帮助大型企业实施敏捷原则。Testing: Cypress, React-Testing, Mocha, Chai, Jasmine, Ava, Sinon, Cucumber, PhantomJS, CircleCI, Jenkins Programming languages: TYPESCRIPT / JAVASCRIPT / CLOJURE / HTML5 / CSS3 / TAILWIND SQL RDBMS (POSTGRES / MYSQL) PYTHON / PERL / BASH / PHP JAVA / C / C++ / QT Programming Software: VSCode / Zed / VIM Operating Systems: Mac OSX / Linux (Ubuntu / Debian) / Microsoft Windows Algorithmic skills: Physics engines, Numerical methods Particle solvers, fluid solvers, rigid body dynamics DSP (FFT, DCT, JPEG, 3D JPEG) Compression (JPEG, 3D JPEG, Fractals, 3D Fractals)密码学（RSA，Elgamal，Diffie-Hellman，Eternity/Shuffle（自己的发明））项目管理：经营自己的公司（Continuata），为30个世界领先的音乐样本图书馆制造商提供数字产品分销。沟通技巧：与客户在与非技术经理进行技术发展的销售和技术支持方面进行处理。公开演讲和讲课。创造力：
