XiaoMi-AI文件搜索系统
World File Search System斯托克斯
雅各布·斯托克斯证词
I.简介感谢您的联合主席Wessel，联合主席Helberg和专员邀请我就此关键主题提供书面和口头证词。1我的评论借鉴了我自己的研究以及CNAS人工智能（AI）安全与稳定项目的同事的技术见解（尽管政策观点仅是我的）。应该提到的是，该领域提出了特殊的分析挑战：它大多是无形的，该技术是复杂的，并且迅速发展，并且中国在军事环境中对AI的应用仍在保密中笼罩着。我的证词涵盖了中国对AI的军事应用，以及AI发展对美中大力竞争的更广泛的地理战略含义。首先要研究AI在中国整体军事现代化计划中的作用。然后，它探讨了迄今为止在中国军事，人民解放军（PLA）的AI实施。接下来，我的证词考虑了可能阻止PLA达到军事AI野心的障碍，并探讨军事AI在美中安全关系中可能带来的一些风险。最后，我的证词评估了迄今为止的美国回应，并为美国决策者提供了建议。
斯托克斯元全息图用于光学加密
记录版本：该预印本的一个版本于 2022 年 11 月 5 日在《自然通讯》上发表。已发布的版本请参阅 https://doi.org/10.1038/s41467-022-34542-9 。
在基于门的量子计算机中自然嵌入极化合成孔径雷达图像的斯托克斯参数
摘要 — 量子算法旨在在基于门的量子计算机中处理量子数据（量子比特）。经严格证明，当输入是某些量子数据或映射到量子数据的某些经典数据时，它们比传统算法具有量子优势。然而，在实际领域，数据本质上是经典的，它们的维度、大小等都非常大。因此，将经典数据映射（嵌入）到量子数据是一个挑战，甚至在基于门的量子计算机中处理映射的经典数据时，量子算法相对于传统算法没有量子优势。对于地球观测（EO）的实际领域，由于遥感平台上的传感器不同，我们可以将某些类型的 EO 数据直接映射到量子数据。特别是，我们有以极化光束为特征的极化合成孔径雷达（PolSAR）图像。极化光束的偏振态和量子比特是物理状态的分身。我们将它们相互映射，并将这种直接映射称为自然嵌入，否则称为人工嵌入。此外，我们使用量子算法在基于门的量子计算机中处理自然嵌入的数据，而不管其相对于传统技术的量子优势如何；即，我们使用 QML 网络作为量子算法来证明我们自然地将数据嵌入基于门的量子计算机的输入量子位中。因此，我们在 QML 网络中使用并直接处理了 PolSAR 图像。此外，我们设计并提供了一个带有额外神经网络层的 QML 网络，即混合量子经典网络，并演示了在使用和处理 PolSAR 图像时如何编程（通过优化和反向传播）这种混合量子经典网络。在这项工作中，我们使用了 IBM Quantum 提供的基于门的量子计算机和基于门的量子计算机的经典模拟器。我们的贡献是，我们提供了具有自然嵌入特征（量子位的 Doppelganger）的非常具体的 EO 数据，并在混合量子经典网络中对其进行了处理。更重要的是，在未来，这些极化SAR数据可以通过未来的量子算法和未来的量子计算平台进行处理，以获得（或展示）相对于传统EO问题技术的量子优势。索引词——自然嵌入、参数化量子电路、极化合成孔径雷达（PolSAR）、量子机器学习（QML）。I.引言最近在构建基于门的量子计算机方面取得了突破，该计算机仅使用极少的量子比特[1]