XiaoMi-AI文件搜索系统
World File Search System更慢
量子计算中控制流纠错的 T 复杂度成本
许多量子算法需要使用量子纠错来克服物理量子比特固有的不可靠性。然而，量子纠错会带来一个独特的性能瓶颈，即 T 复杂度，这会使算法作为量子程序的实现比在理想硬件上运行得更慢。在这项工作中，我们发现控制流的编程抽象（例如量子 if 语句）会导致程序的 T 复杂度呈多项式增加。如果不加以缓解，这种减速会削弱量子算法的计算优势。为了能够推理控制流的成本，我们提出了一个成本模型，开发人员可以使用该模型准确分析量子纠错下程序的 T 复杂度并找出减速的根源。为了降低这些成本，我们提出了一组程序级优化，开发人员可以使用它来重写程序以降低其 T 复杂度，使用成本模型预测优化程序的 T 复杂度，然后通过一种简单的策略将其编译为高效电路。我们在 Spire（Tower 量子编译器的扩展）中实现程序级优化。使用一组 11 个使用控制流的基准程序，我们通过经验证明成本模型是准确的，并且 Spire 的优化可以恢复渐近高效的程序，这意味着它们在错误校正下的运行时 T 复杂度等于它们在理想硬件上的时间复杂度。我们的结果表明，在将程序编译成电路之前对其进行优化可以比将程序编译成低效电路然后调用先前工作中发现的量子电路优化器产生更好的结果。在我们的基准测试中，8 个经过测试的量子电路优化器中只有 2 个能够以渐近有效的 T 复杂度恢复电路。与这 2 个优化器相比，Spire 的编译时间减少了 54 × –2400 ×。
COVID-19的经济连锁反应
本文的目的是定量评估暂时关闭大部分经济的连锁反应，这是许多国家对COVID-19-19的大流行的响应。取消关闭后，经济需要多长时间才能恢复正常？是什么解释了经济衰退深度和恢复速度的跨国差异？负资产负债表的影响或劳动力市场摩擦显着减慢了恢复吗？哪些公司更受影响，哪些企业更快或更慢？如果临时关闭冲击发生在某些行业的持久变化（对哪些公司的适应性）中，宏观经济和公司动态如何改变？我们的定量分析是由Covid-19的衰退动机，该衰退是从2020年第二季度的非必需，接触密集型业务的关闭开始的。1我们提出的模型中的想法超出了大流行引起的关闭情况。它们适用于其他大型临时冲击，例如自然或核灾难，战争或其他在短时间内严重破坏经济部分的事件。我们使用具有财务和劳动力市场摩擦的企业家生产的模型经济来回答上述问题。在我们的基准定量实验中，关闭冲击会导致短暂的V形衰退，并带有持久影响的小小的衰退，如果（i）（i）以前的雇主可以召回（i）临时外行的工人，而无需经过摩擦劳动力市场，并且（ii）劳动工人获得失业保险。2同等的机构设置可以快速恢复，这是非重要工人仍在雇用的，政府支付关闭企业的工资法案。更长的封锁或关闭大部分经济的锁定在更长的时间内会产生更大的影响，但是在锁定结束后，经济仍然很快反弹。严格的劳动力市场政策没有资产负债表支持，导致了更多旷日持久的回收率。
评估军民融合的潜力
美国的国家安全和经济福祉长期以来依赖于其技术和工业实力。在长达四十年的冷战期间，美国的国防技术和工业基础与商业基础基本上隔绝，从而失去了更大基础带来的一些好处。这种隔绝提高了许多国防产品和服务的成本，减少了国防获得快速发展的商业技术的渠道，并使商业公司难以利用国家大规模国防科技投资的成果。政府官员和私营部门高管一直主张国防和商业部门的整合（通常称为军民融合或 CMI）。CM I 声称的好处包括节省成本、增加技术转让和增加潜在国防供应商的数量。然而，CM I 战略要求对采购法律和法规进行大量修改，而对此类修改的潜在成本和风险的担忧阻碍了变革。尽管国会和政府已出台多项举措促进一体化，但迄今为止，大部分国防基础仍然处于孤立状态，一体化所承诺的益处仍未实现。此次评估发现，提高 CM I 是可能的。它证实了成本节约和增加技术转让的潜力，但分析表明，与许多先前的研究表明的相比，这种节约可能较少，而且实现起来更慢。即便如此，即使只节省国防技术和工业总支出的几个百分点，也将达到数十亿美元的总体节约，这些节约可用于满足其他重要的国防需求。提高 CMI 最重要的好处可能是在财政日益紧张的环境下保留可行的国防技术和工业能力。如果国防要利用快速发展的商业技术，提高 CMI 似乎至关重要。
评估军民融合的潜力
美国的国家安全和经济福祉长期以来依赖于其技术和工业实力。在长达四十年的冷战期间，美国的国防技术和工业基础与商业基础基本上隔绝，从而失去了更大基础带来的一些好处。这种隔绝提高了许多国防产品和服务的成本，减少了国防获得快速发展的商业技术的渠道，并使商业公司难以利用国家大规模国防科技投资的成果。政府官员和私营部门高管一直主张国防和商业部门的整合（通常称为军民融合或 CMI）。CM I 声称的好处包括节省成本、增加技术转让和增加潜在国防供应商的数量。然而，CM I 战略要求对采购法律和法规进行大量修改，而对此类修改的潜在成本和风险的担忧阻碍了变革。尽管国会和政府已出台多项举措促进一体化，但迄今为止，大部分国防基础仍然处于孤立状态，一体化所承诺的益处仍未实现。此次评估发现，提高 CM I 是可能的。它证实了成本节约和增加技术转让的潜力，但分析表明，与许多先前的研究表明的相比，这种节约可能较少，而且实现起来更慢。即便如此，即使只节省国防技术和工业总支出的几个百分点，也将达到数十亿美元的总体节约，这些节约可用于满足其他重要的国防需求。提高 CMI 最重要的好处可能是在财政日益紧张的环境下保留可行的国防技术和工业能力。如果国防要利用快速发展的商业技术，提高 CMI 似乎至关重要。
评估军民融合的潜力
美国的国家安全和经济福祉长期以来依赖于其技术和工业实力。在长达四十年的冷战期间，美国的国防技术和工业基础与商业基础基本上隔绝，从而失去了更大基础带来的一些好处。这种隔绝提高了许多国防产品和服务的成本，减少了国防获得快速发展的商业技术的渠道，并使商业公司难以利用国家大规模国防科技投资的成果。政府官员和私营部门高管一直主张国防和商业部门的整合（通常称为军民融合或 CMI）。CM I 声称的好处包括节省成本、增加技术转让和增加潜在国防供应商的数量。然而，CM I 战略要求对采购法律和法规进行大量修改，而对此类修改的潜在成本和风险的担忧阻碍了变革。尽管国会和政府已出台多项举措促进一体化，但迄今为止，大部分国防基础仍然处于孤立状态，一体化所承诺的益处仍未实现。此次评估发现，提高 CM I 是可能的。它证实了成本节约和增加技术转让的潜力，但分析表明，与许多先前的研究表明的相比，这种节约可能较少，而且实现起来更慢。即便如此，即使只节省国防技术和工业总支出的几个百分点，也将达到数十亿美元的总体节约，这些节约可用于满足其他重要的国防需求。提高 CMI 最重要的好处可能是在财政日益紧张的环境下保留可行的国防技术和工业能力。如果国防要利用快速发展的商业技术，提高 CMI 似乎至关重要。
利用分子纳米磁体进行量子兰道尔擦除......
虽然这个极限（称为兰道尔极限）已被证明适用于各种经典系统，但没有确凿的证据证明它可以扩展到量子领域，在量子领域，离散能量本征态的量子叠加取代了连续谱中的热涨落。在这里，我们使用分子纳米磁体晶体作为自旋存储设备，并表明兰道尔极限也适用于量子系统。与其他经典系统相比，由于可调的快速量子动力学，该极限是有边界的，同时还能保持快速操作。这一结果探索了量子信息的热力学，并提出了一种利用量子过程增强经典计算的方法。虽然用理想二元逻辑门（例如 NOT）执行的计算没有最低能量耗散限值 5,6，但在存储设备中执行的计算却有。原因在于，在前者中，位仅仅是在状态空间中等熵地移动，而在后者中，最小操作（称为兰道尔擦除）需要重置存储器，而不管其初始状态如何。让我们看看这种擦除如何应用于经典的 N 位寄存器（图 1(a，左)）以及兰道尔极限是如何产生的。在第一阶段，寄存器的每一位都处于确定的状态“0”或“1”，通过降低势垒和通过温度波动的作用来探索两个二进制状态。相空间的这种加倍伴随着每位的熵产生∆S=kBln2。在第二阶段，需要做功 W ≥ T∆S 来将寄存器的熵和相空间减少到它们的初始值。只有当这种减少以可逆的方式进行时，才能达到极限 W=T∆S。这可以通过使用准静态无摩擦系统来实现，即在比其弛豫时间 τ rel 更慢的时间尺度上，从而避免不必要的记忆和滞后效应。因此，相对于系统相关的 τ rel ，慢速（快速）操作通常与较低（较高）的耗散相关。
数千名人工智能作者探讨人工智能的未来
在这项规模最大的同类调查中，我们调查了 2,778 名曾在顶级人工智能 (AI) 领域发表过论文的研究人员，询问他们对 AI 进步速度以及高级 AI 系统的性质和影响的预测。总体预测显示，到 2028 年，AI 系统实现几个里程碑的可能性至少为 50%，包括从头开始自主构建支付处理网站、创作一首与流行音乐家的新歌难以区分的歌曲，以及自主下载和微调大型语言模型。如果科学继续不受干扰地发展，到 2027 年，无人辅助的机器在所有可能的任务中胜过人类的可能性估计为 10%，到 2047 年为 50%。后者的估计比我们一年前进行的类似调查得出的结果早了 13 年 [Grace et al., 2022]。然而，预计到 2037 年，所有人类职业完全自动化的可能性将达到 10%，到 2116 年将达到 50%（而 2022 年的调查结果为 2164 年）。大多数受访者对人工智能进步的长期价值表示了很大的不确定性：虽然 68.3% 的人认为超人类人工智能带来好结果的可能性大于坏结果，但在这些净乐观主义者中，48% 的人认为出现人类灭绝等极坏结果的可能性至少为 5%，而 59% 的净悲观主义者认为出现极好结果的可能性为 5% 或更高。37.8% 至 51.4% 的受访者认为高级人工智能导致人类灭绝等糟糕结果的可能性至少为 10%。关于人工智能进步更快还是更慢对人类未来更有利，存在分歧。超过一半的人认为，有必要对六种不同的人工智能相关情景表示“极大”或“极度”担忧，包括虚假信息的传播、独裁人口控制和不平等加剧。然而，人们普遍认为，旨在最大限度地降低人工智能系统潜在风险的研究应该得到优先考虑。
研究论文P3a与P3b复杂神经动力学时空差异的模拟研究
事件相关电位(ERP)与功能磁共振成像(fMRI)的结合有助于获得和研究高时间和空间分辨率的神经网络。EEG/fMRI数据证明，在视觉三刺激奇异范式中，由目标刺激和新刺激诱发的两个P300电位(P3a和P3b)均可在额中部(Fz)、中心(Cz)和中部顶端(Pz)电极上检测到。先前的研究表明P3a和P3b具有不同的脑激活空间分布，但它们是否具有相同的神经机制尚不清楚。本研究旨在确定P3a和P3b的神经心理机制，以及两个ERP子成分之间的神经动力学时空差异。在一组25名被试中，由目标刺激和新刺激诱发的P300 ERP均可在Fz、Cz和Pz电极上检测到。在Cz和Fz处，与目标刺激相关的P3b相比，与新刺激相关的P3a幅度更高，波形下降更慢，但在Pz处，P3b幅度大于P3a。在Cz和Fz处P3a出现早于P3b，但在Pz电极上观察到相反的现象。P3a的激活脑区包括左侧额顶叶区、左侧前楔叶区和右侧岛叶，而目标驱动的P3b与双侧梭状回、左额叶区和双侧岛叶的BOLD变化显著相关。结果显示，ERP和fMRI两种成像模式的空间和时间信息的整合证明了两个P300亚成分存在不同的脑功能过程。通过对P300成分的分析，结果进一步证明了自上而下和自下而上的加工过程对注意捕获的发生都发挥了作用，只是两种加工机制在不同任务中的调制效果不同，因此需要注意的是，被捕获的神经机制并不是单一的自上而下或自下而上的加工过程，而应该是两者相互作用的结果。
NIST 后量子密码学的元分析...
依赖于特定数学问题的计算难度。量子计算机利用量子力学原理以传统计算机无法做到的方式处理信息，具有独特的解决问题的能力。这些能力使量子计算机有可能危及流行的经典加密技术的安全性，如 RSA（Rivest-Shamir-Adleman）和 ECC（椭圆曲线密码术）（1）。一般来说，密码学有两个主要的基础结构：基于格和基于哈希的签名方案。基于格的签名方案依赖于最短向量问题 (SVP) 和最近向量问题 (CVP) (2)。SVP 试图在格中找到一个非零向量，格被定义为由一组元素组成的数学结构，每个元素都有唯一的上限和下限。同时，CVP 要求在给定特定格和目标点的情况下，找到最接近目标的格点。虽然这两个问题都是 NP 难题，这意味着它们需要大量计算，并且被认为无法在多项式时间内精确解决，但有许多算法可用于寻找它们的近似答案 (2)。然而，即使对于量子计算机来说，它们仍然是极具挑战性的问题，这使得 SVP 和 CVP 方案相当安全。基于格的签名方案与传统加密方法相比具有许多不同的优势，例如密钥大小更小（需要更少的存储空间）、签名验证和签名算法效率更高（处理时间更快）以及对侧信道攻击（一种利用系统或其硬件的间接影响的方法）的强大抵抗力。仍然存在的一个主要缺点是这些安全方案相对较新，尚未得到广泛研究，因此尚不清楚它们与其他方案相比有多容易受到攻击。此外，基于格的签名方案可能比其他签名方案（例如基于椭圆曲线的签名方案）更慢 (3)。基于格的签名方案的一些常见示例是 FALCON 和 CRYSTALS-Dilithium (4)。 FALCON 以其紧凑签名和高效率而闻名，非常适合需要快速验证的应用。本研究考虑了两种常见的 FALCON 变体。FALCON 512 和 FALCON 1024 都是专为数字签名设计的基于格的加密算法。FALCON 1024 由于其多项式次数较大而提供更高的安全性，而 FALCON 512 提供更快的性能和更小的签名大小，使其适用于资源受限的环境。相比之下，即使在资源有限的环境中，CRYSTALS-Dilithium 也能提供强大的安全保障和稳健性。
通过定向技术变革实现清洁能源与污染能源的替代
定向技术变革的框架和见解已广泛应用于最优气候政策的主要经济分析中（H´emous 和 Olsen，2021 年）。例如，大量研究采用了该框架并研究了重要成果，例如绿色技术诱导创新以实现可持续增长（例如 Otto 等人，2007 年；Acemoglu 等人，2012 年；Fried，2018 年）、不同政策工具的相对有效性（例如 Lemoine，2017 年；Greaker 等人，2018 年；Hart，2019 年）以及减缓气候变化的总体经济成本（例如 Golosov 等人，2014 年；Baccianti，2019 年）。作为定向技术变革理论的主要驱动力，替代弹性的重要性在文献中得到了强烈强调。例如，在气候变化的背景下，Acemoglu 等人。 (2012) 考虑了两种投入，即清洁和肮脏投入，并表明如果清洁和肮脏投入具有高度可替代性，则临时碳税足以将技术变革方向转向清洁技术并避免环境灾难。另一方面，如果两种投入的替代性较低或互补，则转变将发生得更慢，并且需要永久性碳税。这表明最佳气候政策可能敏感地取决于替代弹性的程度以及技术变革的方向和速度。然而，令人惊讶的是，在清洁和肮脏投入之间的可替代性方面，以及在能源背景下的技术变革方向方面，经验知识的缺乏程度就更少了。1 Papageorgiou 等人 (2017) 的一项著名研究从宏观数据中估计了替代参数，尽管这两个因素在理论上相互关联，但它并没有直接评估技术变革的偏差。在本文中，我扩展了实证文献，并联合估计了清洁能源和肮脏能源之间的替代弹性以及技术变革的方向，从而与理论文献建立了明确的联系。然后，我利用这些估计值评估了这两个因素在诱导能源转型方面的相对强度。为此，我使用了法国制造业的企业级面板数据，其中各企业的能源使用和燃料支出存在很大差异。利用这些数据，我首先提供证据证明清洁能源和肮脏能源之间存在非中性效率差异，这促使我们研究清洁能源和肮脏能源中特定因素的技术（因此是技术变革的方向或偏差），而不是假设中性技术。这鼓励指定恒定的替代弹性（CES）能源