XiaoMi-AI文件搜索系统
World File Search System离散优化
模块手册
MA-INF 1102 L4E2 9 CP 组合优化. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 MA-INF 1103 L4E2 9 CP 密码学. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 MA-INF 1108 L2E2 6 CP 高性能计算简介：架构特点和实用并行编程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 MA-INF 1201 L4E2 9 CP 近似算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 MA-INF 1202 L4E2 9 CP 芯片设计. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 MA-INF 1203 L4E2 9 CP 离散和计算几何. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 MA-INF 1205 6 CP 研究生研讨会离散优化. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 MA-INF 1206 Sem2 4 CP 研讨会随机化和近似算法. . . . . . . . . . . . . . . . . . . . . 14 MA-INF 1209 Sem2 4 CP 研讨会密码学高级主题. . . . . . . . . . . . . . . . . . . . . . . . 15 MA-INF 1213 L4E2 9 CP 随机算法和概率分析. . . . . . . . . . . . . . . . . . . . . . . 16 MA-INF 1217 Sem2 4 CP 研讨会数据科学的理论基础. . . . . . . . . . . . . . . . . . . . . 17 MA-INF 1218 L4E2 9 CP 算法和不确定性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 MA-INF 1219 Sem2 4 CP 研讨会算法博弈论. . . . . . . . . . . . . . . 19 MA-INF 1220 Sem2 4 CP 研讨会计算分析算法. . . . . . . . . . . . . . . 20 MA-INF 1221 Lab4 9 CP 实验室计算分析. . . . . . . . . ... . . . . . . . . . . . . . . . . . . . . . . . . 23 MA-INF 1224 L2E2 5 CP 量子计算算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 MA-INF 1225 Lab4 9 CP 实验室探索 HPC 技术. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 MA-INF 1301 L4E2 9 CP 算法博弈论........................................................................................................ . . . . . . . . . . . . . . . . . . . . . . . . . 27 MA-INF 1304 Sem2 4 CP 研讨会计算几何. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 MA-INF 1305 6 CP 应用组合优化研究生研讨会. . . . . . . . . . . . . . . . . . . 29 MA-INF 1307 Sem2 4 CP 研讨会高级算法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 MA-INF 1314 L4E2 9 CP 在线运动规划. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 MA-INF 1315 Lab4 9 CP 实验室计算几何. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 MA-INF 1316 Lab4 9 CP 实验室密码学. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 MA-INF 1321 L2E2 6 CP 二进制线性和二次优化. . . . . . . . . . . . . . . . . . . . . . . . . . 36 MA-INF 1322 Sem2 4 CP 研讨会高性能计算重点主题. ...
利用量子加速工业创新......
标题：量子机器学习模型的强大功能和复杂性 演讲者：Stefan Woerner 博士（瑞士苏黎世 IBM） 摘要：在机器学习领域应用量子计算是一个非常活跃且前景广阔的研究领域。首先，量子机器学习模型已被证明可以在构造学习问题上实现比传统方法更快的加速。对于实际应用，需要进一步分析此类模型的可扩展性和能力，并通过经验证明。在本演讲中，我们将讨论量子支持向量机和量子神经网络，比较它们的实际扩展性，分析它们如何超越传统方法，并讨论实际实施和需要解决的障碍。 简介：Stefan Woerner 博士是 IBM Quantum、IBM 欧洲苏黎世研究中心量子计算科学组的首席研究科学家和经理。他于 2010 年获得苏黎世联邦理工学院应用数学硕士学位，并于 2013 年获得苏黎世联邦理工学院运营管理博士学位。他的研究重点是开发和分析用于优化、模拟和机器学习的量子算法及其实际应用，特别是在金融领域。 标题：在数字计算机和量子退火器上解决 QUBO 演讲者：Thorsten Koch 教授（德国柏林工业大学和柏林楚泽研究所） 摘要：人们经常声称量子计算机将在解决实践中相关的具有挑战性的组合优化问题方面取得突破性进展。特别是，二次无约束二元优化 (QUBO) 问题被认为是用于 (绝热量) 量子系统的首选模型。现在，第一个基于量子的商业系统被宣传为可以解决这类问题。我们展示了将这些系统与经典数字计算机上的最先进软件在 NP 难优化问题上的性能进行比较的结果。简介：Thorsten Koch 教授是柏林工业大学离散优化软件与算法教授，也是应用算法智能方法与系统科学系主任。
使用...进行高效低温蒙特卡洛采样
量子退火 (QA) 的出现是未来量子计算发展的重要一步，也将极大地促进统计物理和材料科学建模的发展。到目前为止，QA 在这些领域的应用仍然很少，其中包括确定具有长程弹性相互作用的平衡微结构 1 、横向场 Ising 模型中的相变 2 、通过 Shastry-Sutherland 模型研究受挫磁系统的能态 3 以及设计超材料 4 。另一个例子是结合使用量子退火器和玻尔兹曼机来采样自旋玻璃并预测 MoS 2 层的分子动力学数据 5 。更一般地说，由 D-Wave 公司实施的 QA 可以有效地找到离散优化问题的基态配置，在学术界和工业界都有许多应用 6 – 10 。 QA 的概念是在低温下以明确定义的基态初始化系统的哈密顿量，然后平滑地转换能量景观，使其代表所需的优化问题。如果仔细执行这种绝热变换，系统最终会处于目标哈密顿量的基态，因此可以找到优化问题的全局最小值。然而，在实践中，准备、转换和读出过程并不是完全绝热、无噪音和与环境分离的，因此有时会发现能量更高的状态，尤其是与简并态 11 或太小的能隙结合时。因此，对于典型的 QA 应用，需要多次重复和读出来确定真实基态。在本文中，我们证明了该技术的这一缺陷实际上可以转化为优点，因为它可以非常有效地确定有限温度的热力学性质。从材料科学的角度来看，T = 0K 时的基态配置通常只对许多实际应用具有有限的意义。例如，对于铁磁体，所有自旋都排列在基态，而对于有限温度，热涨落会导致有限的关联长度、相变和温度相关的磁化。对此类属性进行统计建模的传统方法是使用蒙特卡罗 (MC) 采样技术，因为由于相空间的巨大规模，通常无法明确计算配分函数。此类计算最突出的方法可能是使用 Metropolis 转移概率生成离散马尔可夫链，这会生成一系列遵循玻尔兹曼统计的配置，因此可以通过更容易地计算这些马尔可夫链上的时间平均值来表达集合平均值 12、13。在实践中，根据玻尔兹曼分布 p ∼ exp ( − β ∆ E ) (其中 β = 1 / k BT )，从一个状态到另一个状态的转变正在发生，其概率取决于两个配置之间的能量差 ∆ E 。通常，这种方法在低温下效率低下，因为新配置的拒绝率非常高，因此在局部最小值中捕获的相空间采样不足，导致对所需热力学性质的预测有噪声。另一种重要的采样策略是由 Wang 和 Landau 开发的，他们使用非马尔可夫算法通过平坦直方图技术提取状态密度，从中可以计算出所有所需的热力学性质 14 。除了这些主要技术之外，Dall 等人还开发了一种在低温下快速采样玻尔兹曼分布的算法。然而，这种算法最适合具有短程相互作用的系统 15 。另一种公平采样基态和