XiaoMi-AI文件搜索系统
World File Search System测试生成
QuSBT：基于搜索的量子程序测试
为量子程序生成一个测试套件，使其具有最大数量的失败测试是一个优化问题。对于这种优化，基于搜索的测试在经典程序环境中已显示出良好的效果。为此，我们提出了一种基于遗传算法的量子程序测试生成工具，称为 QuSBT（基于搜索的量子程序测试）。QuSBT 可自动测试量子程序，目的是找到具有最大数量失败测试用例的测试套件。QuSBT 使用 IBM 的 Qiskit 作为量子程序的模拟框架。除了实施的方法（即搜索个体的编码、表达搜索问题的适应度函数的定义以及针对两种故障的测试评估）之外，我们还介绍了工具架构。最后，我们报告了使用 QuSBT 测试一组有缺陷的量子程序以评估其有效性的实验结果。存储库（代码和实验结果）：https://github.com/ Simula-COMPLEX/qusbt-tool 视频：https://youtu.be/3apRCtluAn4
多样性引导的搜索探索通过FRENET空间编码
自动驾驶汽车（SDC）的兴起提出了重要的安全性，以在动态环境中解决。虽然现场测试是必不可少的，但当前方法在评估关键的SDC方案方面缺乏多样性。先前的研究引入了基于仿真的SDC测试，Frenetic是一种基于FRENET空间编码的测试生成方法，获得了以自然平滑曲线为特征的有效测试（约50％）的相对较高百分比。“最小距离距离”通常被视为适应性函数，我们认为这是一个亚最佳度量。替代，我们表明，深度学习的香草变压器模型可以学习导致越界状况的可能性。我们将这种“固有学习的度量”与遗传算法结合在一起，该算法已显示出很高的测试。为了验证我们的方法，我们对包含1,174多个用于挑战SDCS行为的模拟测试案例进行了大规模的经验评估。我们的调查表明，我们的方法表明，在SDC测试执行过程中生成非valiD测试案例，增加的多样性和高度准确性。
起落架操作用例。 - HAL
摘要。属性模型方法 (PMM) 与设计广泛的技术系统相关，本文将其应用于 ARP4754A/ED79A 框架内的直升机功能开发过程。在简要介绍该方法之后，介绍了案例研究：“收起和伸展机载起落架系统”。然后，通过案例研究中的示例说明了 PMM 开发过程的每个阶段：(1) 对顶层需求规范进行建模，(2) 通过证明和模拟验证需求规范，(3) 对架构设计进行建模，将顶层需求细化为对功能有贡献的不同子系统指定的需求，并对终端子系统详细设计进行建模 (4) 通过证明或模拟验证对贡献子系统指定的需求，(5) 通过模拟验证设计模型，最后 (6-8) 根据开发过程中积累的所有验证和验证场景，通过测试验证物理实现。最后，总结了经验教训和行业观点，强调了 PMM 是一种适应系统工程面临的挑战的方法，因为开发流程全球化，并展示了 PMM 如何提供强大的概念框架来支持全球化设计组织内的数字连续性。支持建模、仿真、验证和测试生成活动
E Carrier 2024 年 4 月刊
有些人很早就发现了自己的热情，而有些人则要到后来才发现。直到大三，我都走上了一条常见的道路，不确定自己应该专注于哪个特定领域。Synopsis 是一家电子设计自动化 (EDA) 公司。这是一家为电子行业开发软件的软件公司。测试与验证工程师的职责是在产品交付给客户之前对产品进行初始测试和鉴定。他们检查产品是否按预期工作，新功能是否满足客户要求等。电子知识对这个角色来说非常重要。我也是测试与验证部门的一员。目前，我与一个约 50 人的团队合作，他们居住在斯里兰卡和印度，负责静态验证产品。2011 年，我毕业的时候，Atrenta 的代表访问了我们的大学。当时他们刚刚在斯里兰卡开始他们的业务，我发现他们的愿景很有趣。我作为最初的员工之一加入了他们，具体来说是第九名员工。我们和公司一起成长，现在我在这里。正如你所说，工程是一个充满活力的行业。我们应该能够适应该领域的新趋势。在我的职业生涯中，我们首先使用 Perl 编写脚本，然后 Python 变得流行，因为它更高效。然后机器学习变得流行，所以我们必须将机器学习纳入我们的项目。现在，我们有了生成式人工智能。我们应该谈谈生成式人工智能以及如何将其插入我们的活动中。在我的角色中，一个很好的例子是测试生成。如果我们看到任何单调的活动，我们可能会使用生成式人工智能。
将WebAssembly标准标准加速使用Spectec
WebAssembly（WASM）是一种便携式低级字节码语言和虚拟机，在各种生态系统中的使用越来越多。其规范非常严格 - 包括语言的完整正式语义 - 并且必须在本式语义，散文和官方参考解释器中指定每个新功能，然后才能进行标准化。随着语言规模不断增长，这种手动过程及其冗余已变得艰巨且容易出错，在这项工作中，我们提供了一种解决方案。我们提出Spectec，一种特定于领域的语言（DSL）和工具链，可促进WASM规范和标准化新功能所需的工件的产生。Spectec是真理的单一来源 - 从wastm语义的观点定义来看，我们可以生成字体规范，包括正式的定义和散文伪代码描述以及元级解释器。计划了进一步的测试生成和交互式定理的后端。我们评估了Spectec代表最新WASM 2.0的能力，并表明生成的元级口译员通过了适用的官方测试套件的100％。我们表明，Spectec通过检测已纠正的规范中的历史错误以及在五个建议中的五个提案中的十个错误来发现和预防错误非常有效。我们的最终目的是，Spectec应由WASM标准社区采用，并用于指定标准的未来版本。
从基因组语言模型中挖掘功能性新生基因的语义
生成基因组学模型可以设计越来越复杂的生物系统。然而，有效地控制这些模型以生成具有所需功能的新序列仍然是一项重大挑战。在这里，我们展示了 Evo，一个拥有 70 亿个参数的基因组语言模型，可以执行功能引导设计，超越自然序列。通过学习多个基因之间的语义关系，Evo 实现了基因组的“自动完成”，其中编码所需功能的 DNA 提示指示模型生成可挖掘类似功能的新 DNA 序列。我们将此过程称为“语义挖掘”，与传统的基因组挖掘不同，它可以访问不受发现的进化创新约束的序列景观。我们通过实验测试生成的抗 CRISPR 蛋白和毒素-抗毒素系统的活性来验证这种方法，包括与任何天然蛋白质没有显着同源性的从头基因。令人惊讶的是，即使在没有结构假设、已知的进化保守性或特定任务微调的情况下，使用 Evo 进行上下文蛋白质设计也能实现强大的活性和较高的实验成功率。然后，我们使用 Evo 自动完成数百万个提示，以生成 SynGenome，这是一个独一无二的数据库，其中包含超过 1200 亿个 AI 生成的基因组序列碱基对，可实现多种可能功能的语义挖掘。语义挖掘范例可实现超越观察到的进化宇宙的功能探索。
基于规范的测试的故障类别和错误检测能力
对于软件来说，情况类似，但是可能出现的故障类别要多得多。由于实现与其规范之间的差异是人为错误的结果，因此某些类型的故障几乎无法提前预测。尽管如此，还是可以假设某些故障类别，并构建测试集来检测它们。Weyuker 等人 [1994] 和 Richardson 和 Thompson [1988; 1993] 定义的故障类别如下：变量引用故障——布尔变量 x 被另一个变量 y 替换，x → y；变量否定故障——布尔变量 x 被 x → 替换；表达式否定故障——布尔表达式 p 被 p → 替换；关联移位错误——一个布尔表达式被一个变量之间关联的表达式所替换，例如，将 x ∧ � y ∨ z � 替换为 x ∧ y ∨ z ；运算符引用错误——一个布尔运算符被另一个运算符替换，例如，将 x ∧ y 替换为 x ∨ y 。Vouk et al. [1994] 定义了其他类型的错误：不正确的关系运算符、不正确的括号、不正确的算术表达式、多余的二元运算符、缺少二元运算符。实验结果已用于评估各种测试生成方法的有效性[Ammann et al. 1998; Foster 1984; Offutt and Liu 1997; Vouk et al.1994; Weyuker et al. 1994]，尽管考虑的故障类别都是从规范中得出的，并且一些实现故障可能并不完全适合
论文和期刊 2021 - 洛克希德·马丁
锗-高锡含量锡合金的能带结构临界点能量 作者：Dominic Imbrenda 应用物理快报 (APL) | 2021 年 10 月 快速大规模地跨空中、太空和网络领域对动态目标的指挥与控制 作者：Jinhong K Guo、Jennifer Lautenschlager、David Van Brackle、Val Champagne 第 26 届国际指挥与控制研究与技术研讨会 | 10 月 25-29 日 常见视频游戏平视显示器与现实世界设计在目标定位和识别方面的比较 作者：Gina Notaro、Raquel Galvan-Garza、Jim Allen、Matthias Ziegler 等人 2021 年 IEEE 混合和增强现实附加国际研讨会（ISMAR-Adjunct）|十月 嘈杂电流前庭刺激对功能性移动和手动控制学习的影响，使感觉运动任务无效 作者：Raquel Galvan-Garza 前沿神经科学杂志 基于去中心化强化学习的多四旋翼飞行器群集的实现 作者：Donald J Bucci、Christian Speck 等 IEEE Access | 十一月 具有亚线性动态遗憾和拟合的分布式在线凸优化 作者：Donald J Bucci 阿西洛马信号、系统和计算机会议 | 十一月 第十部分：具有概率保证的基于搜索的测试生成的随机算法系列 作者：Mauricio Castillo-Effen 计算研究存储库 (CoRR) | 十月 20 日 迈向值得信赖的人工智能和自主的道路 作者：Mauri