XiaoMi-AI文件搜索系统
World File Search System计算成本
![arxiv：2502.06651v1 [cs.cr] 2025年2月10日](/simg/g:\will\search\icon\source\8\85d07bd4f031075dcff413f6e20fae8b425df70c.webp)
arxiv：2502.06651v1 [cs.cr] 2025年2月10日
摘要。为了学习和保护敏感的培训数据，人们对保存机器学习方法的隐私兴趣越来越大。差异隐私已成为隐私的重要衡量标准。我们对联合环境感兴趣，其中一组各方都有一个或多个培训实例，并希望在不揭示其数据的情况下进行协作学习。在本文中，我们提出了计算差异性私人分布函数的策略。从隐私预算的角度来看，揭示完整的功能更昂贵，但它也可能为学习者提供更丰富，更有价值的信息。我们证明了隐私保证并讨论计算成本，既适合任何安全模型的通用策略，又是基于秘密共享的特殊用途策略。我们调查了许多应用程序和目前的实验。
Deepfakes 与国际冲突 - 布鲁金斯学会
泽连斯基办公室立即否认了其真实性，并指出这正是他们在战前警告过的那种“深度伪造”。尽管如此，作为武装冲突中首次高调使用深度伪造的事件，该事件标志着信息行动的转折点。欺骗和媒体操纵一直是战时通信的一部分，但此前几乎没有任何冲突参与者能够生成对手政治官员和军事领导人的逼真音频、视频和文本。随着人工智能 (AI) 变得越来越复杂，计算成本不断下降，深度伪造对在线信息环境构成的挑战只会越来越大。政策制定者和政府官员需要开发强大的系统来实时监控和验证公共和私人信息，同时还要评估何时（如果有的话）自己利用这项技术。
季度评论—Artisan Global Equity Fund（...
再次，我们在亚马逊的持仓对相对表现做出了重大贡献。在第三季度业绩强劲、超出分析师预期并上调第四季度业绩指引后，该公司股价飙升。亚马逊网络服务 (AWS) 是该公司的主要利润驱动力，该季度实现了收入连续增长，利润率也提高了 2.5 个百分点。AWS 还推出了 Trainium3，这是迄今为止最先进的内部人工智能 (AI) 芯片，速度比上一代快了一倍，效率提高了 40%。这项创新有可能降低云计算成本并释放新的收入机会。我们继续重视管理层对资本投资的严谨态度，特别是在资金密集型的生成 AI 领导地位竞争中。
![arxiv：2412.07623v1 [Quant-ph] 2024年12月10日](/simg/g:\will\search\icon\source\2\206d07d0c3d81e24d44a15476c3e76d02bc1858d.webp)
arxiv：2412.07623v1 [Quant-ph] 2024年12月10日
在现代量子信息科学中验证量子状态的正确制备至关重要。已经开发了各种方案，以估计不同各方产生的量子状态的保真度。直接保真度估计是一种领先的方法，因为它通常需要许多与希尔伯特空间维度线性扩展的测量值，从而使其比完整的状态层析成像效率要高得多。在本文中，我们介绍了通用量子状态的新型保真度估计方案，其总体计算成本仅作为希尔伯特空间维度的平方根缩放。此外，我们的协议大大减少了要求的测量数量以及当事方之间有限的沟通成本。该协议利用量子幅度估计算法与经典的影子层析成像结合使用来实现这些改进。
线性分布式能源资源协同优化...
摘要 — 在净能源计量电价下，为产消者考虑了电表后分布式能源的共同优化。考虑的分布式能源包括可再生能源发电、灵活需求和电池储能系统。能源管理系统通过求解最大化预期运行盈余的随机动态规划，基于本地可用的随机可再生能源共同优化消耗和电池存储。为了避免动态规划解决方案的指数复杂性，我们提出了一种基于约束随机动态规划松弛投影方法的闭式线性计算复杂度共同优化算法。获得了所提解决方案的优化充分条件。数值研究表明，计算成本降低了几个数量级，优化差距显著缩小。
具有电动动力学的锂离子电池模型预测控制的基于神经网络的近似
摘要 - 锂离子电池是复杂的系统，需要合适的管理策略才能正常工作，实现快速充电，减轻老化机制并确保安全。在不同的基于模型的充电策略中，使用预测控制已显示出令人鼓舞的结果，因为它可以处理受安全限制的非线性系统。然而，尽管文献中已经提出了许多实施，但很少关注其实际可行性，这受到在线所需的高计算成本的限制。在本文中，我们首次在电池字段中利用了通过使用深神经网络获得的预测控制的近似。提议的解决方案适用于实时电池充电，因为大多数计算负担都脱机解决。结果突出了提出的方法在近似标准模型预测控制解决方案中的有效性。
在机器学习模型中种植未发现的后门
摘要鉴于培训机器学习模型所需的计算成本和技术专长，用户可以将学习任务委托给服务提供商。学习委派具有明显的好处，同时引起了人们对信任的严重关注。这项工作研究了不受信任的学习者可能滥用权力。我们展示了恶意学习者如何将无法检测到的后门种植到分类器中。在表面上，这样的后门分类器的行为正常，但实际上，学习者是一种改变任何输入分类的机制，只有轻微的扰动。重要的是，如果没有适当的“后门钥匙”，该机制就会隐藏起来，并且无法通过任何计算结合的观察者检测到。我们展示了两个用于种植无法检测到的后门的框架，并提供了无与伦比的保证。
全局收敛修正牛顿法用于直接最小化 Ohta-Kawasaki 能量及应用于二嵌段共聚物的定向自组装
嵌段共聚物 (BCP) 是由通过共价键连接的化学性质不同的单体的子链或嵌段组成的聚合物，每个嵌段都是一系列相同单体的线性序列。大量一种类型的嵌段共聚物的集合称为熔体。在高温下，不可压缩熔体中的嵌段会均匀混合。随着温度降低，不同的嵌段会分离，并导致称为微相分离的过程。BCP 熔体的微相分离导致中观尺度多相有序结构的自组装，如片层、球体、圆柱体和螺旋体 [1, 5, 26]。微相分离可进一步由在下面表面形成的化学和/或拓扑图案化模板引导，从而实现复杂纳米结构的设计。该过程称为 BCP 的定向自组装 (DSA)。设计 BCP 的 DSA 以复制具有所需特征的纳米结构在纳米制造应用中非常有吸引力 [4, 31, 40, 45]。已证明，BCP 的 DSA 的计算研究在确定材料特性、薄膜厚度、聚合物-基底相互作用和几何限制对自组装过程的影响方面非常有价值 [23, 34, 48, 49]。BCP 熔体的微相分离连续模型 [37]，如自洽场论 (SCFT) 模型、Ohta-Kawasaki (OK) 模型和 Swift-Hohenberg 模型，使得以相对较低的计算成本探索由 DSA 过程形成的纳米结构空间成为可能。它们通常用于与 BCP 的 DSA 相关的设计和逆问题 [ 21 , 27 – 29 , 32 , 36 , 43 ]。为了进一步降低计算成本，必须开发快速而强大的算法来获得模型解，特别是因为在解决设计和逆问题的过程中必须反复求解模型。在本文中，我们重点研究了二嵌段共聚物（具有两个
4003166- ...
在地质力学风险下模拟CO 2存储通常涉及由于多相流和地质力学之间的耦合而导致的大量计算成本。实施标准工作流程，例如位置优化，使用此类耦合物理模型可以显着增加计算开销，并使模型不切实际地使用。我们研究使用深度学习模型以显着减少与模拟和量化CO 2存储的地质力学风险相关的计算开销的可行性。所提出的方法利用基于深度学习的替代建模来显着提高耦合流动地球力学模拟的效率，以识别合适的注入井位置以存储CO 2。使用模拟数据，我们训练U-NET卷积神经网络，以了解井位置和空间分布的模型参数（渗透率）之间的映射到感兴趣的仿真输出。一旦经过固定的模型输入参数训练，U-NET模型可以将不同的井位置场景映射到相应的压力场，CO 2饱和度和地质力学输出，包括垂直位移和塑性应变。随后采用U-NET模型作为替代识别注入井位置所需的耦合流动地球力学模拟以最大程度地减少地质力学风险所需的有效工具。我们报告的初步结果表明，受过训练的U-NET模型可以预测井位置的压力和饱和场，所有其他输入仍与训练中使用的仿真模型保持一致。我们在不同的假设下研究网络的性能，并估计不同的流量和地质力学输出。结果表明，U-NET模型可以通过使用快速代理模型替换耦合物理模拟来大大降低井位置工作流的计算成本，该模型可用于预测与不同的井位置和注入策略相关的地质机械风险。开发的框架可用于改善耦合物理建模的计算需求，并促进其在决策工作流程和现场管理中的应用。