XiaoMi-AI文件搜索系统
World File Search System逻辑变量
搜索定义QUBO问题AES Sbox的有效方程系统
摘要解决QUBO问题的时间复杂性主要取决于概率中逻辑变量的数量。本文主要集中于找到一个方程系统，该方程式唯一地定义了AES密码的Sbox，并允许我们在QUBO形式中获得代数攻击AES密码的QUBO形式中最小的已知优化问题。为了有效地执行该任务，已经提出了一种使用线性反馈移位寄存器搜索有效方程式的新方法。使用已确定的效率系统将AES密码转换为QUBO问题。与我们先前的结果相比，此方法使我们能够将AES-128的目标Qubo问题减少近500个逻辑变量，并允许我们使用量子退火速度快四倍地执行代数攻击。
用于可观测量计算的量子信息处理机
90095，美国 关键词：相干性作为逻辑变量；半导体胶体量子点；量子信息处理；二维电子光谱；李代数动力学；奇异值分解 *通讯作者：Raphael Levine，Raphy@mail.huji.ac.il
提高使用多相关逻辑工具的效率
表明，为了提高在现代信息技术中使用抽象代数方法的效率，重要的是在与多种逻辑和代数操作的各种品种相对应的操作之间建立明确的连接。对于多相关逻辑，其中的变量数量等于素数，这种连接是通过Galois字段中的显式代数表达式自然建立的。可以定义代数δ功能，该功能使您可以将任何真实表减少到代数表达式，因为当多值逻辑变量接受的值等于素数的整数幂时。在本文中，我们表明代数δ函数也可以定义为当多值逻辑变量获得的值数为p-1时，其中p是质量数。此功能还允许将逻辑操作减少到代数表达式。提出了提出方法的建设性的特定示例，以及通过实验证明其足够的电子电路。
用于可观测量计算的量子信息处理机
90095，美国 关键词：相干性作为逻辑变量；半导体胶体量子点；量子信息处理；二维电子光谱；李代数动力学；奇异值分解 *通讯作者：Raphael Levine，Raphy@mail.huji.ac.il；Francoise Remacle，fremacle@uliege.be
振动动力学的并行量子计算
线性三原子分子的振动动力学由并行运行的量子信息处理设备模拟。量子设备是一组半导体量子点二聚体，在室温下通过可见光频率范围内的超快激光脉冲进行寻址和探测。考虑到胶体量子点不可避免的尺寸分散性导致的固有噪声的实际评估，并限制了可用于计算的时间。在考虑的短时间内，只有量子点的电子态对激发作出反应。使用电子态量子点 (QD) 二聚体的模型，该模型保留了基于单个 QD 的最低和第一激发态构建的激子二聚体状态的八个最低带。我们展示了如何实际测量多达 8 2 64 个量子逻辑变量并将其用于处理此 QD 二聚体电子级结构的信息。这是通过寻址 QD 的最低和第二激发电子态来实现的。使用较窄的激光带宽（较长的脉冲），只能相干地寻址较低带的激发态，从而实现 4 2 16 个逻辑变量。这已经足以模拟两个振荡器之间的能量传递和振动分子中的相干运动。
从统计关系到神经符号人工智能
1. 逻辑推理。我们区分了两种逻辑推理方法：基于模型的和基于证明的。根据基于模型的观点，逻辑规则被解释为对布尔变量的一组约束。这种观点产生了 NeSy 方法，其中逻辑转化为神经网络的正则化损失。从证明论的角度来看，逻辑规则被视为推理规则，人们执行一系列推理步骤来获得查询的证明。这种观点导致了 NeSy 方法的产生，其中逻辑是神经网络架构的模板。2. 逻辑语法，我们根据命题、关系或一阶逻辑对系统进行分类。关系和一阶 NeSy 系统在其逻辑语句中引入逻辑变量，从而允许对其学习模块进行结构化（即模板化）定义。 3. 逻辑语义 ，为了实现基于梯度的学习，大多数 NeSy 系统引入了离散布尔逻辑语义的放宽。最常见的选择是模糊逻辑和概率逻辑。 4. 学习。NeSy 系统通常关注学习加权逻辑理论或神经网络权重的参数。一些系统还学习模型的结构，即逻辑规则的形状或神经模块的架构。 5. 符号与子符号。我们可以对比逻辑理论元素的两大类表示
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/g:\will\search\icon\source\6\6656a65d1324b757699cd670b349c20ef6da7f31.png)
arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日
许多机器学习算法的核心是使用随机变量 (randvars) 描述隐藏在数据中的行为或结构的大型概率模型。在有效机器学习算法激增之后，有效的推理算法成为焦点，以利用学习到的模型或进一步优化机器学习算法 (LeCun 2018)。通常，模型由已知个体 (常数) 池 (即已知宇宙) 及其之间的关系形成。处理个体集可以实现易于处理的推理 (Niepert and Van den Broeck 2014)。通过与行为相同的个体代表合作并仅在必要时查看特定个体，提升可以有效地处理个体集。如果根据患病人数对可能的流行病进行建模，那么所有患病的人对流行病的行为都相同。在参数因子 (parfactors) 中，用逻辑变量 (logvars) 参数化的随机变量紧凑地表示随机变量集 (Poole 2003)。一个 parfactor 不是为每个人指定一个关于患病者如何影响流行病的因子，而是作为所有人的模板。马尔可夫逻辑网络使用一阶逻辑公式进行紧凑编码 (Richardson and Domingos 2006)。已知宇宙意味着 parfactors 或马尔可夫逻辑网络中的 logvars 具有域，并且可能具有将域限制为特定 parfactors 或公式的某些常数的约束。提升推理算法