XiaoMi-AI文件搜索系统
World File Search System科学计算
科学计算的量子算法讲义
随着近期量子设备的问世和量子霸权实验的突破，量子计算在过去几年中受到了众多科学学科的广泛关注。尽管有优秀的教科书和讲义，如 [NC00、KSV02、Nak08、RP11、Aar13、Pre99、DW19、Chi21]，但这些材料通常涵盖量子计算的所有方面，包括复杂性理论、量子设备的物理实现、量子信息理论、量子误差校正、量子算法等。这几乎没有空间来介绍如何使用量子计算机来解决科学和工程计算中具有挑战性的计算问题。例如，在初次阅读 Nielsen 和 Chuang [NC00] 的经典教科书（当然，只是部分章节）后，我既惊叹于量子计算机的潜在能力，也对其实际适用范围感到惊叹：我们真的要建造一台量子计算机来执行量子傅里叶变换还是执行量子搜索？量子相位估计是连接量子计算机和几乎所有科学计算问题（如求解线性系统、特征值问题、最小二乘问题、微分方程、数值优化等）的唯一桥梁吗？得益于量子算法发展的重大进展，现在应该不言而喻，上述两个问题的答案都是“否”。这是一个快速发展的领域，许多重要进展都是在过去几年中取得的。然而，许多此类发展都涉及理论和技术，对于仅具有量子计算基本知识的人来说可能难以理解。我认为，值得以一种更容易理解的方式，将这些令人兴奋的结果传递给更广泛的社区，让他们对使用未来的容错量子计算机解决科学问题感兴趣。这是加州大学伯克利分校数学系 2021 年秋季学期应用数学研究生专题课程《科学计算的量子算法》中使用的一套讲义。这些讲义只关注与科学计算密切相关的量子算法，特别是矩阵计算。事实上，从量子算法动物园 1 的角度来看，这只是一小类量子算法。这意味着许多重要的材料被有意遗漏了，例如量子复杂性理论、数论和密码学中的应用（尤其是 Shor 算法）、代数问题中的应用（如隐藏子群问题）等。对这些主题感兴趣的读者可以查阅一些上述优秀的教科书。由于这些材料旨在融入一个学期的课程，其他几个与科学计算相关的主题没有包括在内，特别是绝热量子计算 (AQC) 和变分量子算法 (VQA)。这些材料可能会添加到未来版本的讲义中。据我所知，
dpcrypto：使用GPUS上的点产生指令
摘要。DOT-PRODUCT是许多机器学习和科学计算算法中广泛使用的操作。最近，NVIDIA在现代GPU架构中引入了DOT-产品指令（DP2A和DP4A），目的是加速机器学习和科学计算应用程序。这些点 - 产品指令允许在时钟周期中计算多和添加指令，与常规的32位整数单元相比，有效地实现了更高的吞吐量。在本文中，我们表明DOT-产品指令也可以用于加速基质 - 型质子和多项式卷积操作，这些操作通常在基于量子后晶格后的密码学方案中发现。特别是我们提出了高度优化的Frodokem实现，其中矩阵 - 倍数通过点 - 产品指令加速。我们还提出了专门设计的数据结构，该结构允许使用DOT-产品指令来加速多项式卷积，从而有效地实现了Saber钥匙封装机制。拟议的Frodokem实施实现了4。每秒密钥交换操作比V100 GPU上的最先进的实施情况更高。本文还介绍了在GPU平台上的第一次实施，分别在RTX3080，V100和T4 GPU上实现了124,418、120,463和31,658密钥交换操作。由于基矩阵 - 多项式卷积操作是基于晶格的加密方案中最耗时的操作，因此我们提出的技术很可能有助于其他类似的算法。在各种GPU平台上提出的KEM的高吞吐量实现允许从服务器中填充重型计算（KEMS）。这对于许多新兴应用程序（如物联网和云计算）非常有用。
2020 年 JISEA 年度报告
在国家可再生能源实验室 (NREL) 内，JISEA 在科学计算和能源分析 (SCEA) 理事会愿景中发挥着重要作用，该愿景通过全面、严格和可扩展的计算和分析加速全球能源基础设施的转型。JISEA 的开创性分析和前沿研究为不同系统交叉点的关键决策提供信息，以促进可持续性、经济繁荣和复原力，直接支持 NREL 未来十年的关键目标：综合能源路径、电子到分子和能源材料的循环经济。
高级科学计算研究（ASCR）
• 科学计算和实验会产生数以 TB 或 PB 计的数据，必须高效存储。• 该数据存储在 ASCR 计算设施的磁盘驱动器和存档系统集合中。• 与 ASCR 的计算能力一样，高性能数据管理需要并行执行许多操作。• ASCR 投资于创新方法来存储、压缩、搜索和分析数据，以最大限度地提高并行性和性能。• ASCR 还投资于流数据和联合学习的进步，使地理位置分散的数据能够为科学建模做出贡献，而无需将所有数据存储在一个地方。
认知科学中的计算推理
新兴研究前沿和计算进步已逐渐将认知科学转变为一个多学科和数据驱动的领域。因此，从不同的学术视角和不同的抽象层次研究和解释的认知理论数量激增。我们将这一挑战的应用方面表述为计算认知推理，并描述计算方法的主要途径。为了平衡潜在的乐观情绪以及认知科学数据驱动时代的速度和规模，我们建议以更实证的角度来检验这一趋势，确定在进行研究和解释认知科学计算推理结果时的操作挑战、社会影响和道德准则。
物理学硕士
Sarah Caudill，博士，路易斯安那州立大学，助理教授。专业领域：黑洞和中子星的引力波搜索、科学计算、机器学习。 Robert Fisher，（研究生项目主任），博士，加州大学伯克利分校，教授。专业领域：湍流基础物理学、科学计算、恒星形成和超新星。 Jong-Ping Hsu 博士 1969 罗彻斯特大学，校长教授。专业领域：时空对称性、量子杨-米尔斯引力、具有非积分相位因子的广义规范变换和夸克禁闭的可重整化模型 David Kagan，博士，剑桥大学，物理学专职讲师。专业领域：弦理论、量子引力、量子理论。 Christian McHugh，博士，北卡罗来纳大学教堂山分校，物理学专职讲师。专业领域：医学物理学、磁共振成像、化学交换核磁共振波谱、超极化氙。 Grant O'Rielly，博士，墨尔本大学，副教授。专业领域：中等能量光核物理、少体系统、介子光生成、基本核对称性。 Renuka Rajapakse，博士，康涅狄格大学，物理学专职讲师。专业领域：量子光学、计算物理、量子计算和原子物理。 Jay (Jianyi) Wang，（主席），博士，田纳西大学诺克斯维尔分校，教授。专业领域：电子、原子和光学过程的理论与模拟、离子-固体和离子-表面相互作用、计算物理。
