XiaoMi-AI文件搜索系统
World File Search System求解
使用协作尖峰神经网络求解二次不受约束的二进制优化
摘要 - 次数不受约束的二进制优化（QUBO）问题成为一种有吸引力且有价值的优化问题，因为它可以轻松地转换为各种其他组合优化问题，例如图形/数字分区，最大值，SAT，SAT，Vertex，Vertex，Vertex，TSP，TSP等。其中一些问题是NP-HARD，并广泛应用于行业和科学研究中。同时，已经发现Qubo与两个新兴的计算范式，神经形态计算和量子计算兼容，具有巨大的潜力，可以加快未来的优化求解器。在本文中，我们提出了一种新型的神经形态计算范式，该计算范式采用多个协作尖峰神经网络来解决QUBO问题。每个SNN进行局部随机梯度下降搜索，并定期分享全球最佳解决方案，以对Optima进行元效力搜索。我们模拟了模型，并将其与无协作的单个SNN求解器和多SNN求解器进行比较。通过对基准问题的测试，提出的方法被证明在寻找QUBO Optima方面更有效。具体来说，它在无协作和单SNN求解器的情况下分别在多SNN求解器上显示X10和X15-20加速。索引术语 - 数字计算，尖峰神经网络作品，组合优化，QUBO
通过二维输入空间探索对 SMT 求解器进行模糊测试
可满足性模理论 (SMT) 求解器是许多技术的核心引擎，例如符号执行。因此，确保 SMT 求解器的稳健性和正确性至关重要。虽然模糊测试是一种确保 SMT 求解器质量的有效方法，但我们观察到之前的模糊测试工作仅侧重于生成各种一阶公式作为输入，而忽略了 SMT 求解器的算法配置空间，这导致许多深藏不露的错误未被及时报告。在本文中，我们提出了 Falcon，一种同时探索公式空间和配置空间的模糊测试技术。将这两个空间结合起来会显著扩大搜索空间，使有效检测错误变得更加困难。我们通过利用两个空间之间的相关性来减少搜索空间，并引入自适应变异策略来提高搜索效率，从而解决了这个问题。经过六个月的广泛测试，Falcon 在两款最先进的 SMT 求解器 CVC4 和 Z3 中发现了 518 个已确认的错误，其中 469 个已经修复。与两款最先进的模糊测试器相比，Falcon 在 24 小时的测试中检测到了 38 个和 44 个以上的错误，并且覆盖率大幅提高。
最优功率流导出的稀疏线性求解器基准
由于电网的变化性质，能够在大型电网中求解高保真最优潮流模型变得越来越重要。这种高保真问题称为交流最优潮流 (ACOPF)，是一个非线性、非凸优化问题。解决此类问题的少数可靠方法之一是内点法。这些方法会产生稀疏线性系统，其中系数矩阵是对称的、不确定的并且通常是病态的。因此，它们对于稀疏线性求解器来说尤其具有挑战性，并且代表了求解 ACOPF 问题时相当大的计算瓶颈。在本文中，我们介绍了一个线性系统存储库，该存储库由开源优化器 IPOPT 求解 ACOPF 问题时捕获。这些矩阵旨在用作稀疏线性求解器开发的测试套件。
具有动态假设的变分量子线性求解器
变分量子算法在 NISQ 时代取得了成功，因为它们采用了量子-经典混合方法，可以缓解量子计算机中的噪声问题。在我们的研究中，我们在变分量子线性求解器中引入了动态假设，用于线性代数方程组。在这个改进的算法中，硬件高效假设电路的层数不断演变，从少量开始逐渐增加，直到达到解的收敛。我们展示了该算法与标准静态假设相比的优势，即在有和没有量子噪声的情况下，以及在系统矩阵的量子比特数或条件数增加的情况下，使用更少的量子资源和平均较小的量子深度。迭代次数和层数可以通过切换参数改变。该算法在使用量子资源方面的性能由新定义的指标量化。
电容车辆路由问题的可行性保留的量子近似求解器
电容的车辆路由问题（CVRP）是NP优化概率（NPO），在包括运输和物流在内的各种领域都会出现。CVRP从车辆路由问题（VRP）延伸，旨在确定一辆车辆最有效的计划，以将货物运送到一组客户，但要遵守每辆车的有限承载能力。作为可使用的解决方案的数量，当客户数量增加时，找到最佳解决方案仍然是一个重要的挑战。最近，与经典启发式方法相比，量子近似优化算法（QAOA）是一种量子古典杂种算法，在某些组合优化概率上表现出增强的性能。但是，它的能力在解决包括CVRP在内的受约束优化问题方面显着降低。此限制主要来自将给定问题编码为
Lightsolver 挑战领先的深度学习求解器来解决 Max-2-SAT 问题
大量具有重大社会、经济和科学意义的现实问题都可以表示为组合优化任务。组合优化方面的进步使得运输系统、供应链、资源管理等更加高效 [1、2、3、4、5]。在本文中，我们考虑经典的最大 2-可满足性（MAX-2-SAT）问题 [6]，该问题在调度或资源分配任务中普遍存在，这只是其中的一些应用 [7]。假设给定一组 N 个二进制变量 x = (x1, x2, ..., xN) 和一组 C 个约束（或子句），每个子句有两个变量，它们形成布尔公式 F(x)。我们的目标是为每个变量 xi 分配一个二进制值，使得最大数量的子句得到满足。我们考虑的布尔公式 F(x) 采用合取范式，由子句的合取（逻辑与）组成，其中每个子句都是文字的析取（逻辑或）。例如，公式
使用收缩量子特征求解器对玻色子进行量子模拟
摘要 量子计算机是模拟多体量子系统的有前途的工具，因为它们比传统计算机具有潜在的扩展优势。虽然人们在多费米子系统上投入了大量精力，但在这里我们用收缩量子特征求解器 (CQE) 模拟了一个模型纠缠的多玻色子系统。我们通过在量子比特上编码玻色子波函数将 CQE 推广到多玻色子系统。CQE 为玻色子波函数提供了一个紧凑的假设，其梯度与收缩薛定谔方程的残差成正比。我们将 CQE 应用于玻色子系统，其中 N 个量子谐振子通过成对二次排斥耦合。该模型与量子设备上分子系统中耦合振动的研究有关。结果表明，即使在存在噪声的情况下，CQE 也能以良好的精度和收敛性模拟玻色子过程（例如分子振动）。
关于求解条件数中运行时间二次改进的正定量子线性系统类
用于解决量子线性系统 (QLS) 问题的量子算法是近年来研究最多的量子算法之一，其潜在应用包括解决计算上难以解决的微分方程和提高机器学习的速度。决定 QLS 求解器效率的一个基本参数是 κ，即系数矩阵 A 的条件数，因为自从 QLS 问题诞生以来，我们就知道，在最坏情况下，运行时间至少与 κ 呈线性关系 [1]。然而，对于正定矩阵的情况，经典算法可以求解线性系统，运行时间扩展为 √κ，与不确定的情况相比，这是一个二次改进。因此，很自然地会问 QLS 求解器是否可以获得类似的改进。在本文中，我们给出了否定的答案，表明当 A 为正定时，求解 QLS 也需要与 κ 呈线性关系的运行时间。然后，我们确定了可以规避此下限的正定 QLS 的广泛类别，并提出了两种新的量子算法，其特点是 κ 的二次加速：第一种基于有效实现 A − 1 的矩阵块编码，第二种构建形式为 A = LL † 的分解来预处理系统。这些方法适用范围广泛，并且都允许有效地解决 BQP 完全问题。
一个用于学习空中流量的交互式冲突求解器... -Dr -ntu
参数值参与者网络的输入层大小20参与者网络中的隐藏层数3 Actor Network中的每个隐藏层的单位数量300 Actor Network的输出层的大小2输入层的输入层的大小22批评网络网络中的隐藏层数量3 CILTER网络中的每个隐藏层数量的每个隐藏层中隐藏层中隐藏层中的每个隐藏层数量Actor网络300输出网络网络网络10-批评者网络1学习速率10 - 4 4
solax：带有神经网络支持的费米子量子系统的Python求解器
费米子多体量子系统的数值建模介绍了各个研究领域的类似challenges，需要使用通用工具，包括现状的机器学习技术。在这里，我们介绍了Solax，这是一个python库，旨在使用第二个量化的形式主义来计算和分析费米子量子系统。Solax提供了一个模块化框架，用于构建和操纵基础集，量子状态和操作员，促进电子结构的模拟并确定有限尺寸的Hilbert空间中的多体量子状态。库集成了机器学习能力，以减轻大量子群中希尔伯特空间尺寸的指数增长。使用最近开发的Python库Jax实现了核心低级功能。通过将其应用于单个杂质Anderson模型的应用，为研究人员提供了一种灵活而强大的工具，可用于应对各种领域的多体量子系统的挑战，包括原子物理学，量子化学和凝结物理学。