摘要 — 太空辐射粒子会导致电路故障。它对内存敏感的存储设备尤其敏感。当它影响存储在内存电路中的数据时,会造成中断。标准 6T SRAM 无法缓解这种中断。因此,许多作者提出了各种恢复策略。然而,存储单元效率和软错误概率之间存在权衡。本文介绍了一种极性设计软错误翻转恢复 SRAM 存储单元 (SUR-16T),它可以有效地恢复由于高能粒子撞击而丢失的数据。与上述存储单元相比,SUR-16T 具有出色的写入稳定性、更低的保持功耗和更短的 PVT 变化写入访问时间。此外,在 0.8V 电压下,SUR-16T 的临界电荷比 SEA-14T/ RHBD-13T/ RHMC-12T/ QCCS-12T/ NRHC-14T/ HRRT-13T 高 0.96 倍/ 1.15 倍/ 1.10 倍/ 1.18 倍/ 1.02 倍/ 1.64 倍。此外,所提出的存储单元比现有存储单元具有更高的相对性能系数。
人机协作是许多领域中一种很有前途的范例,因为它有可能充分利用人类的灵活性和机器人的精确性 (Reason, 2000)。即使有了极其复杂和高度发展的技术,机器人系统也主要由人类操作,干预和控制程度也各不相同 (Power 等, 2015)。然而,需要外科医生远程操纵机械臂的遥控控制可能会带来诸如模糊性和缺乏运动反馈等问题 (Chen 等, 2007),从而导致过度的心理工作负荷 (MWL),进而影响外科医生的表现。由于极端的 MWL 会降低性能并增加错误概率 (Yurko 等, 2010),操作员的工作负荷正成为决定人机协作是否成功的核心问题。因此,人们对开发能够在任务执行期间根据操作员的 MWL 为其提供不同程度协助的机器人的兴趣日益浓厚 (即基于心理工作负荷的自适应自动化) (MWL-AA)。
I. 引言 随着微电子技术和计算能力的不断进步,新一代无线技术的涌现使几代人之前看似未来主义的用例成为可能 [1]。然而,在这些新技术成为商业现实之前,需要彻底评估和评估它们的性能,并且必须充分了解与其性能扩展规律和操作限制相关的见解。深入研究通信理论基础,不可否认的是,渐近分析几十年来一直是评估系统性能的非常有用的工具 [2]。里程碑式的工作 [3] 为无线通信系统的渐近性能分析奠定了基础。在与信噪比 (SNR) 的概率密度函数 (PDF) 的平滑度相关的合理温和条件下,当平均 SNR γ 足够大时,错误概率度量可以表示为 P op ≈ α ( γ th /γ ) b ,其中 γ th 是给定性能所需的阈值 SNR 值。编码增益或功率偏移(由 α 捕获)和分集阶(DO,由 b 捕获)的概念在无线文献中无处不在,作为表征性能缩放定律的一种方式:通过将平均 SNR 增加一定量,我们可以获得多少性能提升?直到今天,Wang 和 Giannakis 的幂律
需要量子操作或涉及量子态的函数称为量子函数。量子 OWF 的概念最早在 [4,12] 中提出。Nikolopoulos [21] 提出了一个量子陷门函数,通过单量子比特旋转实现经典到量子的映射。该函数将任意 n 位字符串映射到一个量子比特。虽然该设计可以用来构造量子公钥密码体制,但显然它不符合量子单向函数的标准:设任意两个输入 x 1 和 x 2 对应的输出分别为 | φ 1 ⟩ 和 | φ 2 ⟩ ,通过交换检验比较 | φ 1 ⟩ 和 | φ 2 ⟩ ,不可能得到小于 n − c 的错误概率。受BB84量子密钥分发协议[2]的启发,我们引入一种新的经典到量子单向函数,将经典信息映射到量子态,并表明所提出的函数满足量子单向函数的性质,从而证明了量子单向函数的存在。
新德里,印度摘要 - 量子误差校正(QEC)是保护量子信息免受反矫正和错误的重要技术。这涉及算法和技术的设计和实施,以最大程度地降低错误率并提高量子电路的稳定性。QEC中的关键参数之一是错误纠正代码的距离,该代码确定了可以纠正的错误数量。另一个重要参数是误差概率,它量化了量子系统中发生错误的可能性。在这种情况下,仿真扫描的目标像代码中执行的模拟是为了研究QEC代码的性能,以确定距离和错误概率的不同值,并优化代码以最大程度的准确性。通过改变这些参数并观察代码的性能,研究人员可以深入了解如何设计更好的代码并提高量子计算系统的可靠性。我们还讨论了量子计算需要解决的挑战,以实现其在解决实际错误纠正问题方面的潜力。
身份验证是经典密码学中一个研究较为深入的领域:发送者 A 和接收者 B 共享一个经典私钥,希望交换一条消息,并保证该消息未被控制通信线路的不诚实方修改(或替换)。本文研究了量子消息的身份验证。虽然从经典角度来看,身份验证和加密是独立的任务,但我们表明,除非对消息进行加密,否则任何验证量子消息的方案都不安全。假设 A 和 B 可以访问一个不安全的量子信道并共享一个私有的经典随机密钥,我们提供了一种方案,使 A 能够通过将 m 量子比特消息编码为 m + s 个量子比特来对其进行加密和身份验证(无条件安全),其中错误概率随安全参数 s 呈指数下降。该方案需要大小为 2 m + O ( s ) 的私钥,这是渐近最优的。我们还讨论了对量子消息进行数字签名的问题,并表明即使只有计算安全性,这也是不可能的。
在这个电路中,导线代表量子比特,方块代表应用于它们的量子操作或门。虽然这个理想电路在理论上可以完美运行,但在实践中,许多事情可能会出错。例如,硬件可能不完美,有时门可能会失效,并执行与预期完全不同的操作。另一种可能性是,来自环境的杂散粒子可能会与其中一条导线相互作用,从而导致该量子比特出现错误。所有这些都是噪声的例子,它们都有可能破坏计算,导致输出无用。解决这个问题的一种可能方法是设计非常精确的硬件,即使长时间的计算也不会出现错误。粗略地说,如果理想的量子电路由 T 个量子门组成,那么我们可能希望我们的量子计算机在每个门上出现错误的概率最多为 p ≤ O (1 /T )。但在实践中,情况要糟糕得多。例如,1995 年,即 Shor 算法问世一年后,一台实验性量子计算机实现了每门 20% 的错误概率 [?](这意味着它可以
摘要 — 大脑中信息表示是连续的还是离散的是一个尚未解决的基本问题。从历史上看,大多数分析都假设连续表示,而不考虑离散的替代方案。我们的工作探索了这两种表示的合理性,从通信系统工程的角度回答了这个问题。利用香农的通信理论,我们假设大脑中的信息以离散形式表示。我们使用两种方法来解决这个假设。首先,我们确定大脑的基本通信要求。其次,我们估计连续信息表示的符号错误概率和信道容量。我们的工作得出结论,信息不能使用连续表示在大脑中可靠地传达和表示——它必须采用离散形式。这是与传统和当前观点的主要区别。我们将这个离散结果应用于 4 个主要的神经编码假设,并说明了离散 ISI 神经编码在分析电生理实验数据中的应用。我们进一步假设并说明了韦伯定律和离散神经编码之间合理的直接联系。最后,我们概述了关于离散神经编码的一些关键研究问题。
其中 ¯ qi 是 i 上的平均查询权重——| i ⟩ 上所有查询的平均范数的平方,因此特别地,P i ¯ qi = 1。我们在第 1.2 节中更详细地描述了结果。虽然这样的结果在经典算法中是显而易见的,但在量子算法中却不那么明显。事实上,如果外部算法和子程序是零错误算法,并且我们想将它们组合起来以获得具有该预期运行时间的零错误算法,虽然这在经典情况下再次显而易见,但对于量子算法来说这通常是不可能的 [BdW03]。如果 E [T i ] = µ 是已知常数(关于 i ),那么这个结果就没那么有趣了:我们总是可以在 10 µ 步后停止子程序,根据马尔可夫不等式,这会引入最多 1 / 10 的额外错误概率(我们可以通过对数重复来降低)。然而,如果与经典情况相比,E[Ti]的值在i上变化很大,那么就我们所知,这一结果对量子算法的成立性并不明显,而且这一结果的特殊情况一直是人们努力研究的主题。例如,考虑评估一个不平衡公式,该公式是n个AND的OR,元数为k1,...,kn:f(x(1),...,x(n))=ORn(ANDk1(x(1)),...,ANDkn(x(n))),
下一代无线通信系统需要高可靠性、高连接密度和低延迟。这使得大规模机器类型通信 (mMTC) [1] 成为 5G 及 5G 后 (B5G) 系统的一个关键特性。在 mMTC 中,大量设备(例如,每平方公里数百万台设备)具有低传输功率和短有效载荷,它们会不时地与基站 (BS) 进行通信,无需任何协调,也就是说,在任何给定时间,只有一小部分设备处于活动状态。传统的基于授权的多址接入方法,其中 BS 为每个用户分配固定资源(时间、频率、代码等),由于调度大量用户的过度延迟和信令开销,在物联网 (IoT) 等 mMTC 应用中变得不可行。为了解决这个问题,[2] 中引入了一种新的免授权随机接入范例,称为无源随机接入 (URA)。在 URA 中,设备共享相同的码本;因此,用户身份被删除,这允许任意数量的用户。接收器旨在恢复已传输消息的列表,而不管用户身份如何,并且每个用户的错误概率 (PUPE) 被采用作为主要错误度量。