XiaoMi-AI文件搜索系统
World File Search System计算资源
离散和连续变量系统的量子计算资源
随着量子技术的出现，信息技术的发展已到达一个关键点，有望实现无与伦比的计算能力和解决问题的能力。基于离散变量和连续变量的量子计算有望有效解决计算上难以解决的问题。离散变量量子计算依赖于有限维希尔伯特空间中编码的量子，而连续变量量子计算则利用谐振子的无限维希尔伯特空间。这两种范式在实现通用性和容错性方面都面临挑战，因此需要探索非高斯性和魔法等资源理论。本论文研究了离散和连续变量系统的量子计算资源，并有助于加深我们对实现不同架构中量子计算潜力所必需的资源的理解。我们研究这些资源理论之间的相互作用，提出新的量词并建立离散和连续变量量子计算之间的联系。
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 , Yurong Yu 4 , Ian Crawford 5 , Scott Archer-Nicholls 6 , Philip James 7 , Ann Gledson 6 , Gavin Shaddick 8,3 , Robert Haines 2, 6, , Loïc Lannelongue 2 ,9,10,11,12 , Emily Lines 3 ,13 , Scott Hosking 3 ,14 , David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将持续增加且成本将持续降低的隐含假设背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信，环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区——以及当地研究可能带来巨大好处的地区——不太可能获得重要的计算资源。将能源效率和可持续性作为主要考虑因素还将催化科学研究的创新方法
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 、Yurong Yu 4 、Ian Crawford 5 、Scott Archer-Nicholls 6 、Philip James 7 、Ann Gledson 6 、Gavin Shaddick 8,3 、Robert Haines 2, 6, 、Loïc Lannelongue 2 、9,10,11,12 、Emily Lines 3 、13 、Scott Hosking 3 、14 、David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将继续增加且成本将继续降低的隐含假设的背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区 - 以及当地研究可能带来巨大利益的地区 - 不太可能获得重要的计算资源。将能源效率和可持续性作为首要考虑因素还将催化科学研究的创新方法。通过将这些变化与基于领域的科学需求理解相结合，我们可以以战略方式为最佳实践制定标准。计算方法的能源需求净零被定义为人类向大气中排放的温室气体与人类从大气中清除的温室气体相平衡的状态。实现净零排放需要社会、政治、经济和技术领域的协调努力 1 。人工智能和数据科学将在这一复杂过程中发挥关键作用，帮助我们了解并最终优化人为能源使用 2 。与这一潜在优势相竞争的是，人工智能和数据科学本身具有巨大的能源和环境成本 3,4 。人工智能研究、开发和应用的资源需求不断增加，各国面临着投资更大规模计算设施以跟上步伐的压力 5 。将环境可持续性嵌入人工智能。人们认识到这种做法对环境的潜在影响，从而推动人们努力使计算更具可持续性，包括采用更节能的硬件、更好地管理数据中心以及使用可再生能源为系统供电 6 。人们还认识到软件架构的作用很重要，要取得进展，需要用户熟练编写高效的代码，以最大限度地减少对环境的影响 5 。有一些举措正在推广用于研究的节能软件（例如，https://greensoftware.foundation/ ），同时还努力为计算科学家制定高级原则 7 。尽管如此，方法的环境可持续性目前并不是计算科学研究界任何部分的主要考虑因素，而且对于那些希望以可持续的方式开发或使用人工智能和数据科学的人来说，几乎没有指导方针。艾伦图灵研究所环境与可持续发展兴趣小组首次会议于 2022 年 3 月 15 日在曼彻斯特举行，会议以一场关于
基于测量的量子计算资源的层次结构
摘要对于某些受限制的计算任务，量子力学在任何可能的经典实现方面都提供了可证明的优势。使用了基于测量的量子计算（MBQC）的框架证明了其中几个结果，其中非局部性和更常见的上下文性已被确定为某些量子计算的必要资源。在这里，我们通过在允许的操作和可访问量子的数量上完善其资源需求，从而更详细地考虑MBQC的计算能力。更确切地说，我们确定可以在非自适应MBQC中计算哪些布尔函数，其本地操作包含在Clifford层次结构中的有限级别内。此外，对于限制于某些子理论（例如稳定器MBQC）的非自适应MBQC，我们计算计算给定布尔函数所需的量子数量最少。我们的结果指出了资源的层次结构，这些层次结构更敏锐地描述了MBQC的力量，而不是上下文性与非上下文性的二进制。
Shor 因式分解算法的噪声量子比特量子计算资源分析
我们需要知道实现 Shor 算法所需的量子计算资源。有了这些知识，量子计算机开发人员就可以设定目标，确定哪些领域值得进一步关注，而加密行业可以估计多久可以开发出能够抵御量子计算攻击的加密系统。实际大规模量子计算所需的量子资源和预期性能已经得到研究 [5-8]。然而，由于这些分析的结果因基本假设的不同而有很大差异，因此有必要分析不同条件下所需的资源。我们按照图 1 所示进行资源分析；其结构类似于典型的资源分析结构，但也有一些不同。与其他研究的相似之处如下。为了实现低门错误率，使用了 QEC 代码。因此，该算法被分解为通用门。为了确定要使用的距离，我们分析了算法中基本门步骤的数量 Q，并且由于使用了 T 门，我们确认了用于魔态蒸馏的额外量子比特的数量。此外，通过获取同时使用的 T 门数量，可以确定要准备多少个 T 门工厂。不同之处在于：我们假设逻辑量子比特之间存在全对全连接。为了减少物理量子比特的数量，我们使用旋转平面代码。由于此代码在执行 CNOT 操作时需要进行晶格手术，因此我们对 CNOT 门使用了额外的辅助量子比特。我们还使用了 Fowler 和 Gidney 的魔法状态蒸馏协议 [ 9 ]。
关于利用云计算资源进行联邦资助的人工智能研究和开发的建议
在本报告中，特别委员会就联邦政府如何更好地利用云计算资源进行联邦资助的人工智能研发提出了四项关键建议：（1）启动和支持试点项目，以确定和探索在联邦资助的人工智能研究中使用商业云的优势和挑战；（2）改善教育和培训机会，帮助研究人员更好地利用云资源进行人工智能研发；（3）编目身份管理和单点登录策略方面的最佳实践，以便更有效地利用各种商业云资源进行人工智能研发；（4）建立和发布无缝使用不同云平台进行人工智能研发的最佳实践。每一项建议如果被采纳，都应该加速云资源用于人工智能研发。
乘法策略和计算资源的占用
本文提出了一位数乘法策略的分类，然后用它来阐明乘法所涉及的学习任务的性质。在以前的研究中，人们普遍认为，儿童的大部分策略发展是由他们与数字有关的一般概念能力的变化所驱动的。相反，我们认为，在一位数乘法成为课堂明确关注的焦点期间，策略使用的变化主要由数字特定的计算资源的学习所驱动。因此，我们根据执行乘法策略时所使用的数字特定资源对乘法策略进行分类。为了支持我们的结论，我们选取了在乘法教学之前、期间和之后对三年级学生进行的访谈资料。