XiaoMi-AI文件搜索系统
World File Search System编译成
来自经典预言机的量子状态混淆
量子密码学中一个尚未解决的主要问题是是否有可能混淆任意量子计算。事实上，即使在经典的 Oracle 模型中，人们也可以自由地混淆任何经典电路，但关于量子混淆的可行性仍有许多需要了解的地方。在这项工作中，我们开发了一系列新技术，用于构建量子态混淆器，这是 Coladangelo 和 Gunn (arXiv:2311.07794) 最近在追求更好的软件版权保护方案时形式化的一个强大概念。量子态混淆是指将量子程序（由具有经典描述的量子电路 𝐶 和辅助量子态 | 𝜓 ⟩ 组成）编译成功能等价的混淆量子程序，该程序尽可能隐藏有关 𝐶 和 | 𝜓 ⟩ 的信息。我们证明了我们的混淆器在应用于任何伪确定性量子程序（即计算（几乎）确定性的经典输入/经典输出功能的程序）时是安全的。我们的安全性证明是关于一个高效的经典预言机的，可以使用量子安全不可区分混淆来启发式地实例化经典电路。我们的结果改进了 Bartusek、Kitagawa、Nishimaki 和 Yamakawa (STOC 2023) 的最新工作，他们还展示了如何在经典预言机模型中混淆伪确定性量子电路，但仅限于具有完全经典描述的电路。此外，我们的结果回答了 Coladangelo 和 Gunn 的一个问题，他们提供了一种关于量子预言机的量子态不可区分混淆的构造，但留下了一个具体的现实世界候选者的存在作为一个悬而未决的问题。事实上，我们的量子状态混淆器与 Coladangelo-Gunn 一起为所有多项式时间函数提供了“最佳”复制保护方案的第一个候选实现。我们的技术与之前关于量子混淆的研究有很大不同。我们开发了几种新颖的技术工具，我们期望它们在量子密码学中得到广泛应用。这些工具包括一个可公开验证的线性同态量子认证方案，该方案具有经典可解码的 ZX 测量（我们从陪集状态构建），以及一种将任何量子电路编译成“线性 + 测量”（LM）量子程序的方法：CNOT 操作和部分 ZX 测量的交替序列。
OU：自动化零知识协议的并行化
零知识证明（ZKP）是一种强大的加密原理，用于许多分散或以隐私为中心的应用程序。但是，ZKP的高开销可以限制其实际适用性。我们设计了一种编程语言OU，旨在在编写有效的ZKP时减轻程序员的负担以及编译器框架Lian，该框架可以自动化对计算集群的语句分析和分布。lian使用编程语言语义，形式方法和组合优化，将OU程序自动将OU程序划分为有效尺寸的块，以进行并行ZK提供和/或验证。我们贡献：（1）一种前端语言，用户可以在熟悉的语法中将证明语句写为命令式程序； （2）自动分析程序并将其编译成优化的IR的编译器体系结构和实现，可以将其提升为各种ZKP构造； （3）基于伪树状优化和整数线性编程的切割算法，将指令重新定义，然后将程序分配为有效尺寸的块，以进行并行评估和有效的状态和解。
在超导量子比特上实现量子计算
量子计算利用量子力学进行计算，超导量子比特是目前实现量子计算机的更成熟的技术。在本文中，我们描述了量子处理器单元 (QPU) 的实现，该单元用于通过使用信号发生器在超导量子比特设备上以微波脉冲的形式执行指令并执行量子比特读出。我们进一步扩展 QPU 作为执行量子比特表征任务（例如光谱和退相干测量）的平台，以确定和优化执行量子门操作的工作参数。我们还展示了 QPU 在执行量子比特实验中的用途，例如高斯和因式分解以确定整数的因数和贝尔不等式测试以检查一对量子比特之间的纠缠强度。我们在将量子电路编译成微波脉冲序列以供 QPU 执行时弥合了量子计算和量子比特硬件之间的鸿沟。讨论了编译过程以及硬件限制和编译前优化程序。最后，我们展示了一个执行变分量子算法的示例，并将该示例分解为从用户提供的量子电路到将在 QPU 上执行的脉冲序列的所有层。
面向量子计算机的防病毒软件
摘要 — 研究人员目前正在探索基于云的量子计算机使用模型，其中可以使用多租户在多个用户之间共享量子计算机硬件。多租户有望更好地利用量子计算机硬件，但也使量子计算机面临新型安全攻击。正如这项研究和其他最近的研究表明，当受害者和攻击者电路在同一台量子计算机上实例化为共同租户时，有可能使用串扰对量子计算机进行故障注入攻击。为了确保不会发生此类攻击，本文建议开发新技术来帮助在恶意电路加载到量子计算机硬件之前捕获它们。根据经典计算机的思想，可以设计一种编译时技术来扫描量子计算机程序以查找恶意或可疑的代码模式，然后再将它们编译成在量子计算机上运行的量子电路。本文介绍了正在进行的工作，展示了串扰如何影响 Grover 算法，然后提出了如何分析量子程序以捕获产生大量恶意串扰的电路的建议。
变分量子编译的噪声抗性
摘要变分混合量子经典算法 (VHQCA) 是利用经典优化来最小化成本函数的近期算法，该算法可以在量子计算机上进行有效评估。最近，VHQCA 已被提出用于量子编译，其中目标幺正 U 被编译成短深度门序列 V。在这项工作中，我们报告了这些算法一种令人惊讶的噪声弹性形式。也就是说，我们发现尽管在成本评估电路中存在各种不相干噪声源，但人们经常会学习正确的门序列 V（即正确的变分参数）。我们的主要结果是严格的定理，指出最佳变分参数不受广泛噪声模型的影响，例如测量噪声、门噪声和泡利通道噪声。此外，我们在 IBM 噪声模拟器上的数值实现在编译量子傅里叶变换、Toffoli 门和 W 态准备时表现出弹性。因此，变分量子编译由于其稳定性，对于噪声较大的中型量子设备具有实际用途。最后，我们推测这种抗噪声能力可能是一种普遍现象，适用于其他 VHQCA，例如变分量子本征解算器。
量子计算的简洁经典验证
我们为量子计算 (BQP) 构建了一个经典可验证的简洁交互式论证，其通信复杂度和验证器运行时间在 BQP 计算的运行时间内是多对数的（在安全参数中是多项式的）。我们的协议是安全的，假设不可区分混淆 (iO) 和带错学习 (LWE) 的后量子安全性。这是普通模型中量子计算的第一个简洁论证；先前的工作（Chia-Chung-Yamakawa，TCC '20）需要长公共参考字符串和非黑盒使用以随机预言机建模的哈希函数。在技术层面，我们重新审视了构建经典可验证量子计算的框架（Mahadev，FOCS '18）。我们为 Mahadev 的协议提供了一个独立的模块化安全性证明，我们认为这是独立的兴趣。我们的证明很容易推广到验证者的第一条消息（包含许多公钥）被压缩的场景。接下来，我们将压缩公钥的概念形式化；我们将对象视为受约束/可编程 PRF 的泛化，并基于不可区分性混淆对其进行实例化。最后，我们使用（足够可组合的）简洁的 NP 知识论证将上述协议编译成完全简洁的论证。使用我们的框架，我们实现了几个额外的结果，包括
非规范的 RNA-DNA 差异和其他人类基因组特征在非常短的串联重复中富集
非常短的串联重复序列在基因组分析中具有重要的遗传、进化和病理意义。本文，我们对 GRCh38 中的串联单核苷酸/二核苷酸/三核苷酸重复序列 (MNR/DNR/TNR) 进行了普查，我们统称其为“多束”。在人类基因组中，1.444 亿个核苷酸（4.7%）被多束占据，0.47 百万个单核苷酸被鉴定为多束铰链，即串联多束的断裂点。对普查的初步探索表明，AAC 多束的多束铰链位点和边界可能比其他多束区域具有更高的映射错误率。此外，我们揭示了近百种基因组特征的多束富集景观。我们发现 MNR、DNR 和 TNR 在杂项基因组特征（尤其是 RNA 编辑事件）的位置富集方面表现出明显差异。非规范和 C-to-U RNA 编辑事件在 MNR 内部和/或相邻处富集，而所有类别的 RNA 编辑事件在 DNR 中代表性不足。A-to-I RNA 编辑事件在多段中通常代表性不足。MNR 相邻范围内非规范 RNA 编辑事件的选择性富集为其真实性提供了负面证据。为了实现与多段相关的类似位置富集分析，我们开发了一个软件 Polytrap，它可以处理 11 个参考基因组。此外，我们将四种模式生物的多段编译成 Track Hub，它可以集成到 USCS Genome Browser 中作为官方轨道，以方便多段可视化。
设计多核大小 μBrains 以实现节能...
摘要 — 随着基于脉冲的深度学习推理应用在嵌入式系统中的增多，这些系统倾向于集成神经形态加速器（如 µ Brain）以提高能源效率。我们提出了一种基于 µ Brain 的可扩展多核神经形态硬件设计，以加速脉冲深度卷积神经网络 (SDCNN) 的计算。为了提高能源效率，内核在神经元和突触容量方面设计为异构的（即大核与小核），并且它们使用并行分段总线互连，与传统的基于网格的片上网络 (NoC) 相比，这可以降低延迟和能耗。我们提出了一个名为 SentryOS 的系统软件框架，将 SDCNN 推理应用程序映射到所提出的设计中。SentryOS 由一个编译器和一个运行时管理器组成。编译器利用大和小 µ Brain 内核的内部架构将 SDCNN 应用程序编译成子网络。运行时管理器将这些子网络调度到内核上并流水线执行以提高吞吐量。我们用五个常用的 SDCNN 推理应用程序评估了所提出的大多核神经形态设计和系统软件框架，并表明所提出的解决方案可降低能耗（37% 至 98%）、降低延迟（9% 至 25%）并提高应用程序吞吐量（20% 至 36%）。我们还表明 SentryOS 可以轻松扩展到其他脉冲神经形态加速器，例如 Loihi 和 DYNAP。索引术语 — 神经形态计算、脉冲深度卷积神经网络、多核、嵌入式系统、µ Brain
量子计算的简洁经典验证
摘要。我们为量子计算 (BQP) 构建了一个经典可验证的简洁交互式论证，其通信复杂性和验证器运行时间在 BQP 计算的运行时间内是多对数的（在安全参数中是多项式的）。我们的协议是安全的，假设不可区分混淆 (iO) 和错误学习 (LWE) 的后量子安全性。这是第一个简洁的论证，适用于普通模型中的量子计算；先前的工作（Chia-Chung-Yamakawa，TCC '20）既需要较长的公共参考字符串，又需要非黑盒使用以随机预言机建模的哈希函数。在技术层面，我们重新审视了构建经典可验证量子计算的框架（Mahadev，FOCS '18）。我们为 Mahadev 的协议提供了一个独立的模块化安全性证明，我们认为这是有独立意义的。我们的证明很容易推广到验证者的第一条消息（包含许多公钥）被压缩的场景。接下来，我们将压缩公钥的概念形式化；我们将该对象视为受限/可编程 PRF 的泛化，并基于不可区分混淆对其进行实例化。最后，我们使用（足够可组合的）NP 简洁知识论证将上述协议编译成完全简洁的论证。使用我们的框架，我们获得了几个额外的结果，包括 - QMA 的简洁论证（给定见证的多个副本）， - 量子随机预言模型中 BQP（或 QMA）的简洁非交互式论证，以及 - 假设后量子 LWE（无 iO）的 BQP（或 QMA）的简洁批处理论证。
Silq 发布：一种高级量子语言
联系方式：马丁·韦切夫教授，苏黎世联邦理工学院，瑞士，silq@inf.ethz.ch 背景：最近的努力已经将量子计算机改进到可以在某些任务上超越传统计算机的程度，这种情况被称为量子霸权。量子计算机运行量子算法，通常用低级量子语言 Silq 表示。我们发布了 Silq，这是第一种旨在从量子算法的低级实现细节中抽象出来的高级量子语言。Silq 在 GitHub（https://github.com/eth-sri/silq）上公开可用，并根据免费开源 Boost 软件许可证 1.0 获得许可。作为一项关键的创新，Silq 有助于弥合经典语言和量子语言之间的概念差距。因此，Silq (i) 降低了非专业量子程序员的入门门槛，(ii) 通常有助于简洁明了地表达复杂算法，以及 (iii) 促进了 50 多年来为传统计算开发的编程和分析技术向量子编程领域的技术转移。比较。虽然传统上量子算法通常以电路的形式指定，但量子语言更方便地将量子算法表达为源代码。然而，现有的量子语言迫使程序员在较低的抽象层次上工作，仍然本质上指定将量子操作明确应用于单个量子位的量子电路。因此，用这些语言实现量子算法是繁琐且容易出错的。相比之下，Silq 支持对量子算法的描述性视图，表达了程序员的高级意图。然后，将这些算法编译成低级量子电路成为二阶关注点，可以由专门的编译器处理，就像在传统编程语言中一样。我们的实验评估表明，Silq 程序比其他量子语言中的等效程序短得多（Q# 平均缩短 46%，Quipper 缩短 38%），同时仅使用一半的量子原语。因此，Silq 程序不仅更短，而且更易于读写，因为它们需要的原语和概念更少。大部分评估都集中在 Q# 上，因为 (i) 它是使用最广泛的量子语言之一，(ii) 我们认为它比 Cirq 或 QisKit 更高级，(iii) 2018 年和 2019 年的 Q# 编码竞赛提供了大量 Q# 实现，我们可以利用它们进行比较。