XiaoMi-AI文件搜索系统
World File Search System分发
存在旁路信道的卫星量子密钥分发
1 利兹大学电子电气工程学院，利兹 LS2 9JT，英国 2 布里斯托大学电气与电子工程系，布里斯托 BS8 1UB，英国 3 海因里希海涅大学理论物理研究所 III，杜塞尔多夫 D-40225，德国 4 布里斯托大学 HH Wills 物理实验室量子工程博士培训中心，布里斯托 BS8 1FD，英国 5 约克大学数学系，赫斯灵顿，约克 YO10 5DD，英国 6 约克大学物理、工程与技术学院，约克 YO10 5DD，英国 7 约克大学约克量子技术中心，约克，英国 8 约克大学计算机科学系，约克 YO10 5GH，英国 9 新加坡国立大学量子技术中心，117543，新加坡10 新加坡国立大学理学院物理系，117551，新加坡 11 ID Quantique，日内瓦，瑞士
讲座笔记：量子密钥分发的安全性证明
条件冯·诺依曼熵适用于描述在多次重复的独立同分布极限下执行某些信息处理任务所需的资源（例如，给定量子边信息的数据压缩 [9]）。然而，当考虑一次性场景时（其中执行有限次数的重复，不一定是独立同分布），冯·诺依曼熵就不够了。此外，正如我们将看到的，在密码学中，我们通常对分析特定任务的性能感兴趣，允许较小的失败概率。因此，我们需要在这些场景中具有有意义解释的熵量。有关一次性信息处理的讨论，我们请读者参阅 [10]。
从猜测角度评估量子密钥分发的安全性
摘要 量子密钥分发可以提供信息论安全的密钥。实际应用中，窃听者可能会攻击传输的量子态，从而将一些信息泄露给生成的密钥。最终密钥的安全性取决于窃听者猜测密钥的难易程度。猜测概率受实际生成的量子态与理想量子态之间的迹距离所约束，因此可以用来估计量子密钥分发的安全性。利用迹距离ε和密钥长度n，我们证明了在某些特殊情况下猜测概率可达到上限ε + 2 − n。我们证明了不同的攻击策略会给出不同数量的猜测，有时甚至是完全颠覆性的差异，以得到最终密钥。我们的结果表明，应谨慎选择适当的安全参数ε以保证生成密钥的安全性。
分发不受限制。NAVMC 3500.108A C 465
NAVMC 3500.108A C 465 2014 年 1 月 24 日 NAVMC 3500.108A W/CH 1-2 发件人： 海军陆战队司令 收件人： 分发列表 主题： 海军陆战队空中地面特遣部队规划员训练和准备手册 参考： (a) MCO P3500.72A (b) MCO 1553.3A (c) MCO 3400.3F (d) MCO 3500.27B W/Erratum (e) MCRP 3-0A (f) MCRP 3-0B (g) MCO 1553.2B 附件： (1) MAGTF 规划员 T&R 手册 1. 目的。根据参考文献 (a)，附件 (1) 中的本训练和准备 (T&R) 手册制定了有关海军陆战队在 05XX MAGTF 计划职业领域的训练的训练标准、规定和政策。2. 取消。NAVMC 3500.108 3. 范围 a. 本手册中的核心能力任务基本任务列表用于国防准备报告系统 (DRRS) 对单位准备情况的评估和报告。单位通过在集体（单位）和个人层面获得并保持本手册中的训练活动熟练程度，实现 DRRS 报告的训练准备程度。b. 根据参考文献 (b)，指挥官将对单位执行任务的能力进行内部评估，并制定长期、中期和短期训练计划以保持熟练程度和纠正缺陷。训练计划将纳入这些活动以标准化训练并对实现战斗准备的进展进行客观评估。指挥官将在单位和个人层面进行记录，以记录训练成果、确定训练差距并记录目标评估
马拉维冷链和 COVID-19 疫苗分发规划
为了确定马拉维疫苗 PQS 冷链中每个商店和设施的产能利用率，我们使用了基于 EPI 计划所需的疫苗数量（例如，疫苗和每种疫苗所需的剂量）；规定的分发时间表（例如，每月分发到设施级别和地区）；每个设施和地区的目标人群；以及疫苗特性（小瓶大小、每剂立方升、浪费率、缓冲库存）。这是根据设施中可用且运行良好并用于疫苗的 PQS 批准 CCE 的总净立方升来评估的。如果使用了 10-80% 的容量，则将利用率类别定义为适当；未充分利用
探索新冠疫苗分发的战略替代方案
霍普金斯大学 2022 ）。尽管许多国家目前正在顺利开展疫苗接种工作，但疫情仍远未得到控制。此外，病毒的新变种需要开发和分发额外的加强针。世界上许多发展中国家仍在等待发达国家的疫苗供应。因此，重要的是设计一个基于管理科学（“无处不在的更好的科学”）的快速疫苗分发有效决策模型（Nikolopoulos 等人，2021），以降低死亡人数，管理医院容量，并尽快恢复到接近正常状态。在美国，疾病控制和预防中心（CDC）和其他机构制定了疫苗分发优先事项。在第一阶段，医护人员和长期护理机构的居民优先接种疫苗（Gillespie，2020）。一旦第一阶段的疫苗接种完成，下一步将是确定优先事项并向普通人群提供。这种分发不是按照“先到先得”的原则。相反，医疗从业人员和政府官员必须向不同的优先群体提供疫苗，以满足多重目标，例如尽量减少为所有符合条件的人群接种疫苗所需的时间、尽量减少死亡率以及充分利用医院容量（CDCM-MWR 2020）。这项研究的动机是全球大流行的巨大危险。COVID-10 彻底扰乱了世界上几乎所有人的日常生活。这就是为什么有效管理疫苗分发是一个如此紧迫的公共服务问题，这也是本研究的动机。作者与参与疫苗分发计划的多个部门的代表进行了沟通：两位著名医学院的教授（一位临床医生/学术医生和一位公共卫生教员）、两位报纸编辑/记者（他们根据与政府和公共卫生决策者的频繁接触对 COVID-10 形成了客观的宏观看法）以及欧洲某国家卫生和公共政策部的政府政策制定者。与上述专家和意见领袖的讨论提供了有关 COVID-19 疫苗接种计划挑战的第一手资料。具体而言，这些专家保证，需要一种决策支持模型，该模型可以根据特定时间（病毒传播阶段）或地点（国家、城市、县等）相关的重要因素应用管理优先级。此外，决策支持工具应能够帮助实现多个目标：降低死亡率、最大限度地减少新感染数量并尽快实现群体免疫。最后，决策模型不仅应该能够解决当前与疫苗分发相关的问题，而且还能够帮助应对未来可能出现的挑战，如预期的加强针和新变种疫苗，甚至为不可避免的未来大流行做准备。目前的疾控中心指南表明，除了戴口罩、保持身体距离和避开人群等其他措施外，年龄、医疗状况和职业（例如，一线或基本工作人员）（AMO）是抗击 COVID-19 大流行的重要健康因素。虽然老年人更容易感染这种疾病并且死亡风险更高，但有既往病史的人也是如此。同时，某些群体，如学童和基本工作人员，在控制 COVID-19 的传播方面发挥着重要作用。疾控中心认为，目前人群的疫苗接种重点
标题基于芯片的量子密钥分发作者Leong ...
1 新加坡国立大学量子技术中心 2 MajuLab，CNRS-UNS-NUS-NTU 国际联合研究中心，新加坡 UMI 3654，新加坡 3 南洋理工大学国立教育学院，新加坡 637616，新加坡 4 北京大学微电子研究所，北京，中国 5 南洋理工大学量子科学与工程中心 (QSec)，新加坡 6 南洋理工大学电气与电子工程学院，新加坡 7 电子科技大学光电科学与工程学院，成都 610054，中国 8 中山大学物理与天文学院，珠海 519082，中国 9 清华大学物理系低维量子物理国家重点实验室，北京 100084，中国 10 中国科学技术大学量子信息与量子物理协同创新中心，安徽合肥230026，中国 11 济南量子技术研究所，上海信息通信研究院，济南 250101，中国
美国 COVID-19 疫苗分配和分发临时框架
2019 年新型冠状病毒病 (COVID-19) 大流行在可预见的未来仍将持续，但大规模接种疫苗可能会加速其结束。全球至少有 165 种针对严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 病毒的候选疫苗正在开发中，希望其中一种或多种候选疫苗能很快被证明足够安全有效，从而在美国获得紧急使用授权。当一种疫苗被授权使用时，其最初的供应量将有限。需要制定一个计划，说明如何在这一稀缺时期分配和分发有限的供应——哪些群体应该优先接种疫苗，哪些群体可以稍后再接种。美国疾病控制与预防中心 (CDC) 免疫实践咨询委员会 (ACIP) 和美国国家医学院正在积极讨论这个困难且可能引起争议的话题，世界卫生组织和其他组织和政府也在全球范围内积极讨论这一话题。本报告旨在提供一个道德框架，可用于在美国疫苗短缺的初期就 SARS-CoV-2 疫苗的分配做出决策，并就疫苗分配提出相关建议。我们的方法考虑了医疗风险、公共卫生、道德、公平、经济影响和物流等因素。我们指出了我们的方法与 2018 年 CDC 严重流感大流行疫苗分配指南的一致之处或不同之处，这是美国政府最新的大流行疫苗指南。
量子密钥分发系统的通用模拟框架
摘要 量子密钥分发 (QKD) 提供了一种基于物理的方法来安全地协调远程用户之间的密钥。模拟是设计和优化 QKD 系统的重要方法。我们开发了一个基于光子信号和光学器件的量子算子描述的通用模拟框架。光学器件可以自由组合并由光子激发事件驱动，这使其原则上适用于任意 QKD 系统。我们的框架侧重于光学器件和系统结构的实际特性。建模时考虑了器件的缺陷和量子系统的非局部特性。我们模拟了单光子和 Hong-Ou-Mandel (HOM) 干涉光学单元，它们是 QKD 系统的基础。使用该事件驱动框架的结果与理论结果一致，表明其用于 QKD 的可行性。
在人类计算机相互作用研究中与人分发
定性分析（QA）是人类计算机互动研究不可或缺的一部分，需要对该数据进行人类生产的数据和人类分析，以阐明人类对技术的看法和经验。我们使用GPT-3和CHATGPT来代替人类分析，然后完全分配人类制作的文本。我们发现GPT-3能够自动识别主题并产生与人类研究人员所写的定性数据的细微分析。我们还简要思考了这项研究的哲学意义。