XiaoMi-AI文件搜索系统
World File Search System码本
色散和码本设计问题的量子加速
摘要 在本文中，我们提出了最大和与最大最小色散问题的新公式，这些公式可通过 Grover 自适应搜索 (GAS) 量子算法实现解决方案，从而实现二次加速。色散问题是被归类为 NP 难的组合优化问题，经常出现在涉及最佳码本设计的编码理论和无线通信应用中。反过来，GAS 是一种量子穷举搜索算法，可用于实现成熟的最大似然最优解。然而，在传统的简单公式中，通常依赖于二进制向量空间，导致搜索空间大小甚至对于 GAS 来说都是令人望而却步的。为了规避这一挑战，我们改为在 Dicke 态上搜索最佳色散问题，即具有相等汉明权重的二进制向量的相等叠加，这显著减少了搜索空间，从而通过消除惩罚项简化了量子电路。此外，我们提出了一种用距离系数的秩替换距离系数的方法，有助于减少量子比特的数量。我们的分析表明，与使用阿达玛变换的传统 GAS 相比，所提出的技术可以降低查询复杂度，从而增强基于量子解决色散问题的可行性。
利用一次性密码本深入研究量子计算中的状态泄漏缓解方法
摘要 — 近年来，用户通过云访问量子计算机的能力迅速提升。尽管现代量子计算机仍然是嘈杂的中型量子 (NISQ) 机器，但现在正被大量研究和初创公司积极采用。量子算法通常产生概率结果，需要重复执行才能产生所需的结果。为了使执行每次都从指定的基态开始，并且前一次执行的结果不会干扰后续执行的结果，必须在每次迭代之间执行重置机制以有效重置量子位。然而，由于量子计算机中的噪声和错误，特别是这些重置机制，嘈杂的重置操作可能会导致整个计算中的系统性错误，以及信息泄露的潜在安全和隐私漏洞。为了解决这个问题，我们彻底研究了量子计算中的状态泄漏问题，然后提出了一种解决方案，即在重置机制之前使用经典和量子一次性密码本来防止状态泄漏，其工作原理是随机地为电路的每次执行应用简单的门。此外，本研究还探讨了使用资源较少的经典一次性密码本足以防止状态泄漏的条件。最后，我们通过评估不同门、测量和采样误差水平下的泄漏程度，研究了各种错误在状态泄漏中的作用。我们的研究结果为复位机制和安全量子计算系统的设计提供了新的视角。
2022 NSDUH 最终分析文件代码本 (RDC)
• 行为健康统计和质量中心。 (2023)。2022 年全国药物使用和健康调查 (NSDUH)：方法摘要和定义。 https://www.samhsa.gov/data/report/2022-methodological-summary-and-definitions • 行为健康统计和质量中心。 (2023)。美国主要物质使用和心理健康指标：2022 年全国药物使用和健康调查结果（HHS 出版物编号 PEP23-07-01-006）。 https://www.samhsa.gov/data/report/2022-nsduh-annual-national-report • 行为健康统计和质量中心。 (2023)。2022 年全国药物使用和健康调查结果：详细表格。 https://www.samhsa.gov/data/report/2022-nsduh-detailed-tables • 行为健康统计与质量中心。（即将出版）。2022 年全国药物使用和健康调查：方法资源手册。https://www.samhsa.gov/data/report/nsduh-2022-methodological-resource-book-mrb
条件量子一次性密码本 - LSU 学术资料库
假设 Alice 和 Bob 位于相距遥远的实验室，通过理想量子信道连接。进一步假设他们共享量子态 ρ ABE 的许多副本，这样 Alice 拥有 A 系统，而 Bob 拥有 BE 系统。在我们的模型中，Bob 实验室中有一个可识别的不安全部分：名为 Eve 的第三方已渗透到 Bob 的实验室并控制了 E 系统。Alice 知道这一点，想使用他们共享的状态和理想量子信道以这样的方式传递消息，即 Bob 可以访问他的整个实验室（BE 系统），可以解码该消息，而 Eve 只能访问 Bob 实验室的一部分（E 系统）和连接 Alice 和 Bob 的理想量子信道，因此无法了解 Alice 传输的消息。我们将此任务称为条件一次性密码本，在本文中，我们证明此任务的最佳秘密通信速率等于他们共享状态的条件量子互信息 I ( A ; B | E )。因此，我们通过状态重新分配、条件擦除或状态解构赋予条件量子互信息一种不同于先前工作中的操作含义。我们还以多种方式概括了该模型和方法，其中之一是秘密共享任务，即 Alice 的消息对于仅拥有 AB 或 AE 系统的人应该是安全的，但对于拥有所有系统 A 、 B 和 E 的人应该是可解码的。
密码本 - V-Dem
其他事实 (A/A*) 数据编码员：Tove Ahlbom、Pelle Ahlin、Ana Andrade Good God、Anastasiia Andreeva、Eric Bader、Paul Bederke、Lukas Bernhard、Julia Bianco、Adam Bilinski、Solveig Bjørkholt、Olena Burutina、苏菲·卡塞尔 / 杰姆·达利 / 菲利克斯·德温格 / 安娜·法拉利 / 莉迪亚芬泽尔、克里斯蒂安·弗雷德里克森、艾奥努特·古索伊、多米尼克·赫恩多夫、苏尼·赫勒加德、贝尔纳多·伊索拉、塔利布·贾巴尔、尼蒂亚·贾德贾、哈康·杰恩斯莱特滕、斯蒂芬妮·凯撒、伊娃·卡尔斯多蒂尔、伯克·卡瓦索格鲁、帕琳娜·科尔瓦尼、托马斯·克劳奇、约书亚·克鲁斯勒、马丁·拉格利德、弗雷德里克·拉格利德、马丁伦德斯泰特、维尔德·鲁南·朱夫、克劳迪娅·迈尔、斯万特杰·马滕、阿尼莎·莫利达、娜塔莉亚·娜西卡、马克·帕特森、什里娅·皮莱、利维亚·拉达斯基、塔齐安娜·拉霍齐娜、海莉·拉苏金、乔纳斯·肖曼、贾尼娜·施莱克、托夫·塞尔内斯、凯瑟琳娜·西伯斯、康斯坦丁诺斯、安德鲁·斯肯斯坦丁诺斯,贾尼卡斯潘纳格尔、雨果·泰、托尔加·谭、马库斯·坦能伯格、菲利普·托涅斯、朱利安·沃斯和艾米丽·沃尔什。
跨主体解码本地场电位的眼动目标
神经工程的最新进展表明，通过长期植入的微电极阵列从受试者的前额叶皮层（PFC）收集的局部田间电位（LFP）信号是用于设计鲁棒和弹性大脑 - 计算机接口（BCIS）[1-4]的峰值计数记录的可靠替代方法。非参数回归的理论已证明对基于LFP的解码器的成功至关重要。如[4，5]所述，非参数回归在LFPS中的应用导致基于著名的Pinsker定理的基于复杂的基于频谱的特征提取技术的发展。与流行的特征提取方法相反，例如基于常规的功率谱密度（PSD）的解码器[6]或基于试验的空间协方差矩阵[7，8]的解码器，仅考虑了LFP信号振幅中存储的信息，Pinsker的特征