XiaoMi-AI文件搜索系统
World File Search System分布式
分布式量子计算的广义电路分区
摘要 - 分布式量子计算（DQC）是一种新的范式，旨在通过较小的量子处理单元（QPU）的互连来扩展量子计算。共享的纠缠允许QPU之间的两个状态和门传送。这导致了量子处理能力的有吸引力的水平缩放，这是以纠缠共享协议引入的额外时间和噪声为代价的。因此，跨多个QPU划分量子电路的方法应旨在最大程度地减少分布式QPU之间所需的基于纠缠的通信量。现有协议倾向于主要集中于优化门传送或状态传送的纠缠成本，以涵盖QPU之间的操作，而不是同时涵盖QPU之间的操作。问题的最一般形式应在同一基础上处理门和状态传送，从而使两者组合的成本电路分区最小。这项工作介绍了基于图的公式，该公式允许对门和状态传送成本进行联合优化，包括栅极传送的扩展，将大门分组在一起，用于使用共同资源分配。该配方允许各种电路类型的较低的电子位成本。使用基本的遗传算法，根据平均E-BIT成本和时间缩放，获得了最先进方法的性能。索引术语 - 量词计算，分布式量子计算，优化，量子网络，量子通信
分布式能源（DER）整合框架
本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会及其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不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的商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、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或加利福尼亚大学董事会的观点和意见。欧内斯特·奥兰多·劳伦斯·伯克利国家实验室是一个机会均等的雇主。
分布式能量平衡，上昌德拉盆地冰川的质量平衡和气候敏感性，西部喜马拉雅山
抽象冰川和雪融化是溪流的主要水源，以及喜马拉雅西部上印度河上游地区的河流。然而，该冰川盆地的径流幅度预计随着流域的可用能量而变化。在这里，我们使用基于物理的能量平衡模型来估计Chandra盆地上部冰川的表面能量和表面质量平衡（SMB），从2015年到2022年。观察到强烈的季节性，净辐射是夏季的主要能量通量，而在冬季则以潜在而明智的热通量为主导。估计的Chandra盆地冰川上部的平均年度SMB为-0.51±0.28 m W.E.a -1，从2015年到2022年的7年中的累积SMB为-3.54 mW.E。我们发现，冰川的方面，坡度，大小和升高等地理因素有助于研究区域内SMB的空间变异性。发现，需要增加42％的降水量来抵消Chandra盆地上部冰川的空气温度升高而导致的额外质量损失。
国家监管机会可以推进批发市场的分布式能源聚集
免责声明本文件是作为美国政府赞助的工作的帐户准备的。虽然该文件被认为包含正确的信息，但美国政府，其任何机构，加利福尼亚大学或其任何雇员的董事均未对任何信息，设备，产品或流程的准确性，完整性或有效性，都不会有任何法律责任，或者承担任何法律责任，这些责任是任何信息，设备，产品或流程所披露或代表其私人私有权利的使用权。以此处提到任何特定的商业产品，流程或服务的商标，商标，制造商或其他方式，并不一定构成或暗示其认可，推荐或受到美国政府或其任何机构或加州大学摄政的认可，建议或偏爱。本文所表达的作者的观点和意见不一定陈述或反映美国政府或其任何机构的观点或加利福尼亚大学的摄政。
ISO新英格兰概述和VT的区域更新... 马萨诸塞州的分布式发电 ISO新英格兰概述和区域更新 ISO新英格兰概述和区域更新
通过协作和创新，ISO新英格兰计划传输系统，管理该地区的批发市场，并运营电力系统，以确保可靠且竞争性的批发电力
•本文类型（文章，评论，通讯等）的分布式身份，用于零信任和分段访问控制：SECU的新方法
摘要：“分布式身份”是指使用分散的标识者（DID）和可验证的凭据（VC）从集中式身份系统的过渡，以实现安全和隐私的身份验证。具有分布式身份，对身份数据的控制将返回给用户，因此由于缺乏单点故障而使基于凭证的AEACK不可能。本研究评估了使用ZTA原理采用分布式身份时获得的安全性改进，尤其是关于分段网络中横向运动的安全性。还考虑了框架的实施规范，方法的优势和缺点，以及兼容性和可概括性问题。此外，该研究强调了隐私和法规依从性，包括一般数据保护法规（GDPR）和加利福尼亚州消费者数据隐私法（CCPA），分析了针对这些问题的潜在解决方案。该研究表明，采用分布式身份可以通过数量级来增强整体安全姿势，从而提供上下文和最小特权的授权和用户隐私。研究建议重新确定技术标准，扩大在实践中分布式身份的使用，并讨论其在当代数字安全环境中的应用。
•本文类型（文章，评论，通讯等）的分布式身份，用于零信任和分段访问控制：SECU的新方法
摘要：“分布式身份”是指使用分散的标识者（DID）和可验证的凭据（VC）从集中式身份系统的过渡，以实现安全和隐私的身份验证。具有分布式身份，对身份数据的控制将返回给用户，因此由于缺乏单点故障而使基于凭证的AEACK不可能。本研究评估了使用ZTA原理采用分布式身份时获得的安全性改进，尤其是关于分段网络中横向运动的安全性。还考虑了框架的实施规范，方法的优势和缺点，以及兼容性和可概括性问题。此外，该研究强调了隐私和法规依从性，包括一般数据保护法规（GDPR）和加利福尼亚州消费者数据隐私法（CCPA），分析了针对这些问题的潜在解决方案。该研究表明，采用分布式身份可以通过数量级来增强整体安全姿势，从而提供上下文和最小特权的授权和用户隐私。研究建议重新确定技术标准，扩大在实践中分布式身份的使用，并讨论其在当代数字安全环境中的应用。
GPU 集群中的预测辅助在线分布式深度学习工作负载调度
摘要 — 近年来深度学习 (DL) 模型的爆炸式增长使得人们迫切需要在 GPU 集群中对混合并行分布式深度学习训练 (DDLwMP) 进行高效的作业调度。本文提出了一种自适应最短剩余处理时间优先 (A-SRPT) 调度算法，这是一种新颖的预测辅助在线调度方法，旨在缓解与 DL 集群调度相关的挑战。通过将每个作业建模为与异构深度神经网络 (DNN) 模型及其相关的分布式训练配置相对应的图，A-SRPT 策略性地将作业分配给可用的 GPU，从而最大限度地减少服务器间的通信开销。观察到大多数 DDLwMP 作业会重复出现，A-SRPT 结合随机森林回归模型来预测训练迭代。至关重要的是，A-SRPT 将复杂的调度问题映射到单机实例中，该实例通过抢占式“最短剩余处理时间优先”策略得到最佳解决。该优化解决方案可作为 GPU 集群内实际作业调度的指南，从而实现理论上可证明的竞争性调度效率。我们进行了广泛的真实测试平台和模拟实验来验证我们提出的算法。