量子低密度平价检查代码的固有退化性对它们的解码构成了挑战,因为它大大降低了经典消息传播解码器的错误校正性能。为了提高其性能,通常采用后处理算法。为了缩小算法解决方案和硬件限制之间的差异,我们引入了一种新的后处理后处理,并具有硬件友好的方向,从而提供了与最新艺术技术相关的错误校正性能。所提出的后处理,称为校验,灵感来自稳定器的启发,同时大大减少了所需的硬件资源,并提供了足够的灵活性,以允许不同的消息时间表和硬件体系结构。,我们对一组帕累托架构进行了详细的分析,这些帕累托架构在延迟和功耗之间具有不同的权衡,这些分析源自FPGA董事会上实施的设计的重新分析。我们表明,可以在FPGA板上获得接近一个微秒的延迟值,并提供证据表明,对于ASIC的实现,可以获得较低的延迟值。在此过程中,我们还揭示了最近引入的T覆盖层和随机层调度的实际含义。
Francesco Careri、Stano Imbrogno、Domenico Umbrello、Moataz M. Attallah、José Outeiro 等人。加工和热处理作为使用直接能量沉积制造的镍基高温合金结构的后处理策略。《制造工艺杂志》,2021 年,第 61 期,第 236-244 页。�10.1016/j.jmapro.2020.11.024�。�hal-03229886�
本文是一系列研究,该系列研究了从其新生的原始磁盘(PPD)中积聚的行星的观察性外观。我们评估了在辐射流体动力(RHD)类似物中确定的气温分布与通过蒙特卡洛(MC)辐射转运(RT)方案重新计算的差异。我们的MCRT模拟是针对全局PPD模型进行的,每个模型由嵌入在轴对称全局磁盘模拟中的局部3D高分辨率RHD模型组成。我们报告了两种方法之间的一致性水平,并指出了几个警告,这些警告阻止了温度分布与我们各自的选择方法之间的完美匹配。总体而言,一致性水平很高,高分辨率区域的RHD和MCRT温度之间的典型差异仅为10%。最大的差异接近磁盘光球,光学密集区域和薄区域以及PPD的遥远区域之间的过渡层,偶尔超过40%的值。我们确定了这些差异的几个原因,这些原因主要与用于流体动力模拟(角度和频率平衡以及散射)和MCRT方法(忽略内部能量对流和压缩和扩展工作的典型辐射转移求解器的一般特征有关)。这提供了一种清晰的途径,以减少未来工作中系统的温度不准确。基于MCRT模拟,我们最终确定了整个PPD的通量估计值的预期误差和从其环境磁盘中积聚气体的行星的预期误差,而与山相中的气体堆积量和使用模型分辨率无关。
摘要。在经典密码学中,单向函数 (OWF) 起着核心作用,它是 (几乎) 所有原语都隐含的最小原语。在量子密码学中,情况更加复杂,其中诚实方和对手可以使用量子计算和通信,并且众所周知,量子环境中的 OWF 类似物可能不是最小的。在这项工作中,我们询问 OWF 是否是后量子密码学中间环境中的最小值,其中协议是经典的,但它们将抵抗量子对手。我们表明,对于广泛的自然设置,如果原语 Q 意味着 OWF,那么它的 (均匀或非均匀安全的) 后量子类似物也是如此。特别是,我们表明,如果原语 Q 通过黑盒经典安全约简 R 暗示任何其他具有 2 消息安全游戏 (例如,OWF) 的原语 P,那么人们总是可以 (有效地) 将任何多项式大小的量子对手破解 P 变成多项式大小的量子对手破解 Q 。请注意,即使使用 Q 实现的 P 实现是任意非黑盒的,此结果仍然成立。我们还证明了当归约 R 预期其预言对手是确定性时,此结果的扩展,只要以下任一条件成立:(1) 对手只需以不可忽略的概率赢得 Q 的安全游戏(例如,Q 是抗碰撞哈希)或 (2) P 和 Q 中的任何一个都有“可证伪的”安全游戏(当 P 是 OWF 时就是这种情况)。当 Q 通过非黑盒安全归约暗示 OWF 时,或者当 P 使用比双消息游戏更复杂的安全游戏时,我们的工作没有回答我们的主要问题。
颈部疼痛是一种非常常见的且经常残疾的条件。颈部疼痛寿命的患病率为48.5%[1]。从两个双侧小平台(FJ)和一个椎间盘的复合物中进行的疼痛原始,通常会产生最COM的机电颈部疼痛之一[2]。疼痛的通常原因是退化过程,炎症和/或创伤。FJ的疼痛最常见,但仍然可以产生“伪透射”症状。宫颈FJ是26-70%的慢性颈部疼痛患者的疼痛来源,鞭打损伤后颈部疼痛的患者中有54-60%[3]。在检查中,患者会增加舒适性,扩展,侧屈曲和旋转。此外,大多数时候,脊柱脊髓触诊会增加疼痛。一项大型前瞻性研究表明,适当的检查对诊断宫颈FJ疼痛的特异性具有84%的特异性[4]。X射线照相,CT或MRI通常在确定FJ疼痛的诊断(除了因骨骨炎引起的FJ肥大病例外)并不是很有帮助,并且主要用于排除其他潜在的疼痛来源[3]。机械损伤(鞭打)是宫颈FJ疼痛的非常普遍的启动因素[5]。在宫颈FJ疼痛因鞭打损伤引起的患者中,MRI未能显示出与疼痛的存在或严重程度相关的发现[6,7]。多重
印度数以百万计的人暴露于纳尔图灾难,例如洪水和由重度致敬事件引发的山体滑坡,尤其是在夏季季风季节(Ali等人)(Ali等人。,2019年; Gupta&Nair,2011年; UNDRR,2020年; Van Oldenborgh等。,2016年; Varikoden&Reji,2022年; Wallemacq等。,2015年)。这些事件通常是低概率和孤立性的,并且源于同级尺度的干扰在1000 km或更多的尺度上与5至100 km的中尺度对流系统的尺度上的相互作用,并具有可能的含量增强(Francis&Gadgil,Mohandas等,2006; Mohandas et; Mohandas et;,2020年; Sillmann等。,2017年; Sreenath等。,2022; Srinivas等。,2018年; Varikoden&Reji,2022年; Viswanad-Hapalli等。,2019年)。与极端降水有关的灾难可能导致大量死亡(Mahapatra等人,2018年; Ray等。,2021; UNDRR,2020年),以及对财产和基础设施的广泛损害,牲畜丧失以及农作物和农业土地的破坏(Revadekar&Preethi,2012年)。此外,在季风季节,印度极端降水事件的频率,强度和空间变异性在最近几十年中显示出显着的趋势,预计整个21世纪将继续增加(Ali等人。,2019年; Ghosh等。,2012年; Goswami等。,2006年; Mukherjee等。,2018年; Pattanaik&Rajeevan,2010年; Roxy等。,2017年;辛格等。,2019年; Sooraj等。,2016年)。及时,高质量且可靠的预测此类极端事件及其对印度的分散的可能性,对于为当局提供有效的早期警告至关重要,以改善对灾难的反应和准备,2006年; Mahanta&Das,2017; Uccellini; Uccellini&uccellini&ten Hoeve,2019年)。印度国家中型天气前铸造中心(NCRMWF)使用NCRMWF版本的英国MET Office Unified Model的NCRMWF版本的全球和区域配置产生数值天气预报。由于对降水的确定性预测,尤其是极端事件的预测,由于天气的混乱性质以及预测误差的相关指数增长(例如,由潮湿对流的模型限制和在初始条件下的模型限制引起的)是首选方法是首选的方法。他们提供了对未来状态的范围的估计,从而量化了不确定性,并为发生极端天气事件的产量概率(Ashrit等人,2020年; Mukhopadhyay等。,2021)。NCMRWF集合预测系统(NEP)通常由(a)全球预测(NCMRWF全局合奏预测系统[NEPS-G]),有23个成员(一个对照和22个对照组和22个受扰动成员),销售时间为12天,在12公里的分辨率下为10天
Wolfenbüttel,德国电子邮件:X.liu-henke@ostfalia.de摘要 - 自动驾驶和连接的网络物理交通系统对开发和验证高级驾驶员援助系统和自动驾驶功能提出了越来越多的挑战。特别是实时优化和测试涉及重大的工作量和风险。为整个车辆提供具有实时功能的整体,可灵活的可配置测试床可以解决此问题。但是,为了使功能更准确地通过测试工作台验证,传感器仿真是一个重要的组件,即在模拟环境中生成真实传感器信息的能力。此外,虚拟传感器的数据结构以及传输类型和采样频率应与其真实传感器的数据结构接近甚至是一致的。此外,我们还将实际传感器中的噪声添加到虚拟传感器中。引用的噪声值是从真实传感器的数据表中获取的。此对齐使测试工作台能够更好地测试车辆的实时功能及其处理传感器信号的能力。