XiaoMi-AI文件搜索系统
World File Search System难以解决
交通流量和智能停车系统的发展......
摘要。交通基础设施的数量和质量与经济发展水平之间的关系是显而易见的。高密度的交通基础设施和更广泛的网络通常与高水平的发展有关。当交通系统有效时，它们提供经济和社会机会和利益，从而产生积极的影响，例如改善市场准入、就业和额外投资。当交通系统在容量和可靠性方面不足时，它们会导致经济成本，例如生活质量下降或损失。交通运输具有不可忽视的重要且相当显著的社会和环境负担。现代社会需要不断提高运输量、可靠性、安全性和质量。要做到这一点，就需要增加改善交通网络基础设施的成本，将其转变为灵活、高度管理的物流系统。同时，如果不考虑交通网络的发展模式、其各部分的负载分布，投资风险就会大大增加，而忽略这些模式会导致交通拥堵、超载或个别线路和网络节点的破坏，从而增加事故和环境污染的发生率。为了找到有效的大城市车辆管理策略，关于街道和道路网络设计以及交通组织的最佳决策应该考虑到广泛的交通流特性、外部和内部因素对混合交通流动态特性的影响模式。研究对象是大城市的交通流。研究主题是管理各种活动交通流的数学方法。实际收到的结果价值是能够开发一种方法来正式表示大城市基础设施支持领域的交通流管理任务；开发软件产品及其应用说明，以最佳解决某类难以解决的交通流管理任务；解决具体的实际问题
“我不敢相信这不是监护权！”：美国
“密码学将安全问题变成一个关键的抽象管理问题。”长期以来，在可用安全性的费尔德中，密钥管理一直是一个难以解决的问题。虽然基于密码的密钥推导 - 墨菲的FRST Cryptography法律[16]功能（PBKDFS）被广泛用于解决CEN的cen应用程序，低熵和缺乏恢复机械的方法使它们不适合在分散的环境中使用。多因素密钥推导函数（MFKDF）是最近提出的数十年的提议，密钥管理一直是密码原始的一个已知的硬问题，旨在通过使用可用安全性来解决这些缺陷，经典研究反复地将常用的身份验证因素反复地纳入了与差异化的相关性，并逐步融合了差异性，并逐步培养了差异化的过程。在本文中，我们实施了基于MFKDF的加密密钥[57，60，68]。在大多数集中式的Sys- Ethereum Wallet中，并对TEMS进行了27名参与者的用户研究，从业人员转向基于密码的密钥推导功能，将其可用性与传统加密货币（PBKDFS）直接比较是不完美的，但已被广泛接受的密钥管理钱包架构。我们的结果表明基于MFKDF的应用程序解决方案。如今，PBKDF被用于多种流行的tions中，超过了操作系统的常规关键管理方法[15，20]，网络协议[43，44]和Applipa Applipa主观和客观指标，平均平均水平提高了37％[2，25]。PBKDF无法轻易解决的新一类分散的关键管理挑战。SUS得分（p <0.0001）和任务完成时间更快（p <最近，基于区块链的加密货币的升高为CRE 0.0001），基于MFKDF的钱包。密码作为CCS概念
IBM-TCD 量子计算博士奖学金
量子时间演化的误差缓解和电路优化：理论和算法都柏林圣三一学院数学学院和 IBM 都柏林研究中心现招聘联合指导、全额资助的博士生。该博士生项目将涉及应用数值分析和数值 PDE 技术来解决量子计算中出现的数值挑战，即估计和优化量子时间演化中出现的误差。量子计算机在模拟与化学或材料科学相关的量子多体系统方面具有巨大潜力。相关波函数随时间的演化受薛定谔方程控制。一种常用的随时间演化薛定谔方程的技术是基于 Trotter-Kato 半群。此类方法的优点是，当应用于数值时，它们具有严格的误差界限。然而，由于我们需要执行的计算维度的增加，这方面的经典方法变得难以解决。克服此类方法中的维数灾难是量子计算机的潜在优势之一。近期的处理器可能将波函数在比传统方法高得多的维度上向前传播。然而，依靠 Trotter 公式在量子计算机上解决时间相关的薛定谔方程是一个挑战。由这些方法产生的量子电路很快变得非常“深”。这带来了新的计算挑战，因为量子计算会在计算中引入噪声，并且这种噪声会随着量子电路的深度而增加。我们将其与浅层电路缺乏“可表达性”的事实进行了对比。我们正在寻找一名博士生，应用数值分析和科学计算工具来克服这些问题。为了避免深层电路，建议使用基于物理学的 Galerkin 投影方案来将问题的规模缩小到不需要过深量子电路的规模。最近在文献中提出了一些这样的方案，但目前尚不存在对这些投影方法的误差进行适当严格的分析。这种分析将对将完整方程投影到较小子空间时产生的误差进行良好的估计，以便先验地预测方法的性能。此外，错误表示可以反馈到方法中
设计与合作策略 - 循环 - 经济学 -
1。引言过渡到循环经济（CE）是一个具有几种经济，社会和环境益处的过程。ce可以解锁4.5万亿美元的经济产出（Lacy and Rutqvist，2015年），节省与物料相关的成本（每年在复杂行业中每年高达7000亿美元）（EMF，n.d.），在全球范围内创造数百万个就业机会（S4YE，2021年），并通过解决生产的制造业（EMF，2019年）来解决污垢挑战。然而，由于过渡过程的高复杂性（Jackson等，2014），制造公司仍然难以解决循环系统并成功过渡到CE，这与业务模型配置的变化有关（Pieroni等，2019），产品设计和开发，产品设计和开发（Bocken等人，2016年），以及其他人（Camachoserance）（CamachoCacho-Ansterance etsere），2018年，Al，Al，Al，Al，Al，Al，Al al，Al，Al al，Al，Al al al。为了应对这些挑战并增强了CE实施在制造公司中的潜在成功，Pigosso和McAloone（2021）开发了CE准备自我评估工具，以评估产品制造商的CE准备就绪。CE准备评估评估了公司采取行动在多个领域过渡到CE的能力，从而清楚地识别了CE过渡的优势和改进机会（Pigosso和McAloone，2021年）。尽管如此，尽管CE准备在公司层面的重要性，但仅作为联合价值链的工作才能实现CE的过渡（Eisenreich等，2022年），包括上游和下游公司。但是，尽管价值链合作在CE实施方面具有很高的重要性（Ritzén和Sandström，2017年），但600多家公司的CE准备就绪表明，不到15％的公司已经建立了关键的合作伙伴关系和/或设定CE实施的战略合作。To address the value chain complexity in the CE transition, a more comprehensive overview of the CE transition process is needed with a holistic consideration of the readiness of key value chain layers of product manufacturers (i.e., materials providers, component manufacturers, packaging manufacturers, logistic providers, product retailers & wholesalers, maintenance & repair services, and value recovery
下一代基因组编辑：未来就在眼前
随着我们即将进入 21 世纪的第一个季度，我们见证了基因组工程新时代的到来，这是一门重写生命系统遗传密码的科学。最近批准的 Casgevy（exagamglogene auto-temcel）就是最好的例证。Casgevy 是一种用于治疗镰状细胞病的细胞基因疗法，利用 CRISPR-Cas9 来增强胎儿血红蛋白的产生，这是自该技术首次突破性地应用于真核细胞基因组编辑以来，在不到十年的时间里取得的一项了不起的成就。临床实施时间如此之短，不仅强调了基于 CRISPR-Cas 的方法在解决以前难以解决的生物医学问题方面具有巨大的威力，而且强调了基因组编辑在未来几十年对科学和工程产生巨大影响的潜力。然而，尽管推动了第一波成功的惊人进步，但仍然迫切需要更强大、更灵活、更精确、更安全的基因组工程工具。这种需求的部分原因是，最早几代靶向基因组编辑器依靠 DNA 双链断裂 (DSB) 进行编辑，而这一过程不仅可能导致目标 DNA 序列中大量无效修饰，而且还存在引发染色体碎裂和其他染色体畸变的严重风险。尽管如此，现在出现了新的和改进的技术，能够以更高的精度和更少的附带影响来修改 DNA，其中碱基编辑器 [ 1 ]、先导编辑器 [ 2 ] 和基于重组酶/整合酶的系统 [ 3 ] 就是三个这样的例子。本期特刊中的文章重点介绍了这一快速发展领域的这些进展和其他进展，该领域的发展部分受到对 DNA 修复机制认识的提高、用于表征编辑结果的复杂方法的开发以及用于构建更好的基因组编辑器的新方法的创造的催化。例如，虽然基因编辑工具是修改目标 DNA 序列过程的基础，但在大多数情况下，细胞 DNA 修复机制才是促成改变本身的原因。因此，基因组工程师越来越需要详细了解各类编辑器触发的 DNA 修复机制。考虑到这一点，Gvozdenovic 等人回顾了目前关于最相关的 DNA 修复途径的知识
市场、基础设施、支付系统
支付系统以及总体而言所有 ICT 基础设施的安全都严重依赖于加密系统。欧洲央行 1 针对所有管理的结算系统所采用的业务连续性模型，是基于跨多个数据中心的数据复制，其完整性和机密性（即传输中的数据）由适当的加密系统保证。加密可以保护同一数据中心内处理系统之间的通信，存储在各个系统中的敏感数据也会被加密。这些保护措施是通过利用市场上最好的加密系统来实现的。当前使用的加密方案基于两个构建块：生成具有最大熵的随机位序列（Wang、Pan 和 Wu 2019）和存在难以解决的数学问题，2 例如素数分解 3 和离散对数问题。 4 这些是所有身份验证、授权、数字签名和加密密钥分发系统的基础。量子计算的发展是上个世纪重大科学革命之一；然而几十年来，对量子系统进行控制的能力一直受到限制，从而限制了可以设想的技术应用类型。近年来，一些意想不到的事情发生了（Dowling and Milburn 2003），使得量子系统的控制取得了长足的进步；由于兴趣和投资的增加以及科学突破，在不久的将来取得进一步的进展似乎非常有可能。此外，全球许多国家都启动了国家量子技术计划（Wallden and Kashefi 2019）。1982 年，物理学家理查德费曼根据量子物理定律提出了构建计算机的可能性（Feynman 1982）；然而，只有得益于最近的技术和工程发展，才有可能建造出真正的量子计算机，而且事实证明，在某些领域和应用上，量子计算机比传统计算机要更好（Google 2018）。此外，专为在量子计算机上运行而设计的特殊算法（Shor 1994）（Grover 1996）即将利用量子计算并攻击仍然基于计算复杂性的当前加密方案。根据美国国家标准与技术研究所 (NIST) 5（L. Chen 等人 2016），基于非对称密钥的主要加密算法容易受到基于量子计算的攻击。特别是，最近的一项研究表明，使用 2000 万个嘈杂的量子比特（Gidney 和 Ekerå 2021），可以在大约 8 小时内导出 2048 位 RSA 6 密钥的素因数。如果从恶意用户的角度来看，量子技术可以被视为一种
在量子计算机上准备开放 XXZ 链的精确特征态
相应的 Bethe 方程；后者通常难以求解。因此，尽管这些模型是“精确可解的”，但通常仍需要付出大量努力来明确计算感兴趣的物理量。量子计算机有望解决各种迄今难以解决的问题 [5,6]。这些问题包括分子和固态环境中多体系统的量子模拟 [7,8]。人们很自然地会问，量子计算机是否也能帮助解决计算量子可积模型感兴趣的物理量的问题。虽然求解 Bethe 方程仍然是一个有趣的开放性挑战 [9]，但最近一个重要的进展是发现了一种用于构造精确特征态的有效量子算法 [10]。该算法可能用于明确计算相关函数，否则这是无法实现的。可积模型还可以通过为量子模拟器提供试验台来影响量子计算。尽管人们正在大力开发近期算法，如变分量子特征值求解器 (VQE) [ 11 , 12 ]，以解决多体问题，但目前尚不清楚 VQE 是否能够在近期硬件上实现量子优势。另一方面，在容错量子计算机上获得一般模拟问题的量子优势被认为在量子资源方面成本极其昂贵 [ 13 – 15 ]。在嘈杂的中型量子时代 [ 16 ] 之后，早期量子计算机的可积模型的另一个好处是，它们的经典可解量可用于验证和确认目的。因此，研究特殊类别的问题（如可积模型）以更早地展示量子优势是很自然的。关键的第一步是找到解决这类问题的量子算法并量化所需的资源。 [ 10 ] 中的算法适用于闭式自旋 1/2 XXZ 自旋链，它是 Bethe [ 1 ] 求解的模型的各向异性版本 [ 17 ]，是具有周期性边界条件的量子可积模型的典型例子。将量子可积性扩展到具有开放边界条件的模型也很有趣且不平凡，参见 [ 18 – 21 ] 和相关参考文献。在本文中，我们制定了一个量子算法，用于构造具有对角边界磁场的开放自旋 1/2 XXZ 自旋链的精确本征态，这是具有开放边界条件的量子可积模型的典型例子。长度为 L 的链的（铁磁）哈密顿量 H 由下式给出
用基于能量的模型学习物理世界
学习使用生成先验模拟物理从稀疏传感器数据预测由偏微分方程 (PDE) 控制的流体系统是计算物理学中的一项重大挑战。PDE 是模拟各种物理现象的基础，但它们的解析解往往难以解决，尤其是在复杂的现实场景中，例如由 Navier-Stokes 方程描述的湍流。这些挑战因从稀疏或嘈杂的观测中重建高维解的难度而加剧。自 2023 年以来，我一直专注于通过将 AI 技术集成到 PDE 求解中来应对这一挑战，特别是利用扩散模型作为适合 PDE 性质并能够学习物理分布模式的强大生成模型。扩散模型在模拟流体动力学固有的随机过程方面表现出色，这使得它们特别适合捕捉湍流的混沌行为。它们能够通过基于能量的建模学习迭代 PDE 先验，这使它们即使在数据有限的情况下也能近似复杂的 PDE 解。通过应用物理信息约束，扩散模型可以迭代地解决逆问题，同时确保其逐渐收敛的解遵循物理定律，从而弥合传统 PDE 求解与现代科学 AI 方法之间的差距。这种方法不仅可以在涉及湍流或噪声数据的场景中做出准确而稳健的预测，而且还凸显了 AI 在推进对 PDE 治理系统的科学理解方面的潜力。作为项目负责人，我开发了一个使用物理信息引导采样的框架，该框架结合了观测损失和 PDE 函数损失来强制执行物理约束，从而能够重建静态 PDE 的材料属性（系数）和流动属性（解）。对于动态 PDE，即使观测非常稀疏，该框架也可以重建关键时间步骤（例如初始状态和最终状态）的流动属性。通过对各种类型的 PDE 进行大量实验，我证明了 DiffusionPDE 具有几个优点：1）它可以同时解决解（或最终状态）预测和参数（或初始状态）估计任务，2）即使使用非常有限的（≈ 3％）观测，它也能准确地恢复缺失数据，这对于实际应用至关重要，3）它展示了使用单一生成模型有效解决复杂数学方程的潜力。我的第一作者作品 [ 1 ] 被接受在 ICML 2024 的 AI for Science 研讨会上进行口头报告。在此基础上，我通过将我们的引导采样方法与无分类器引导（CFG）进行比较，进一步评估了该方法的性能。我们的结果表明，引导采样优于 CFG，因为它更直接地应用物理约束。该研究[2]已被 NeurIPS 2024 接受。
费米实验室利用 SRF 腔进行基于 Qudit 的量子计算
规范场论是高能物理 (HEP) 领域的基础理论，在解决量子色动力学、电弱统一、希格斯机制甚至超标准模型物理等若干关键问题中发挥着至关重要的作用。在时空格子上离散化规范场论可得到格子场论，该理论能够对无法解析求解的复杂物理系统进行强大的数值模拟。因此，人们在开发经典硬件和算法方面取得了巨大进步，其中马尔可夫链蒙特卡罗 (MCMC) 技术是最受欢迎的技术之一。尽管经典数值方法取得了巨大成功，但由于所谓的符号问题，一些问题在某些重要参数范围内变得难以解决。最近的理论研究表明，可以通过利用量子算法来绕过这些障碍 [1,2]。例如，已经开发出几种针对 (1+1)、(2+1) 和 (3+1) 维规范场论的资源高效量子算法 [3-10]。然而，到目前为止，仅使用目前可用的噪声中型量子 (NISQ) 设备 [17] 对 (1+1) [11-15] 和 (2+1) [16] 的情况进行了原理验证演示。要实现使用量子计算机计算 (3+1) 维现象的宏伟目标，需要在量子硬件和控制方案上做出重大改进。由费米实验室领导的超导量子材料与系统 (SQMS) 中心致力于在量子计算和传感领域带来变革性进步。其核心目标是解决当前量子设备固有的退相干挑战，为增强型量子处理器和传感器铺平道路。该计划的核心是在 SQMS 中心内开发基于三维 (3D) 超导腔的数字量子计算系统，旨在解决重要的 HEP 问题。这些系统利用最初为加速器物理设计的 3D 超导射频 (SRF) 腔，与传统的 2D 超导设备相比具有明显的优势。首先，3D 腔的基本模式拥有超过两秒的寿命，使其非常适合存储和操纵量子信息 [18]。其次，高效的控制和读出方案显着降低了低温和室温硬件开销。最后，对大型希尔伯特空间的固有访问提供了直接编码“qudits”的潜力，与传统的两级（量子位）编码相比，在模拟中具有优势 [19]。本过程安排如下。在第 2 节中，我们简要回顾了超导电路，特别是用于 transmon 量子位的电路量子电动力学 (cQED) 架构。在第 3 节中，我们介绍了 3D SRF 量子计算系统，并在第 4 节中讨论了最近的实验进展，最后在第 5 部分进行总结性发言。
（进化）变革之风：
这种二分法的问题和有害性在于，原核生物最初在细胞学上被定义为负面的。换句话说，原核生物缺乏真核细胞的这种或那种特征：甚至油滴或凝聚层都符合这种负面定义。原核生物-真核生物二分法的任何优点在于它有助于理解真核生物，而真核生物可能是通过“原核”阶段进化而来的。随着重复（作为教义问答），原核生物-真核生物二分法只会让微生物学家轻易接受他们对原核生物之间关系几乎一无所知的事实；他们甚至对这一事实——当今最大的挑战之一——感到迟钝，即他们丝毫不了解原核生物和真核生物之间的关系。细菌之间的关系问题归结为“如果它不是真核生物，而是原核生物”，而要了解原核生物，我们只需确定大肠杆菌与真核生物有何不同。这并不是对创造性思维的邀请，也不是统一的生物学原理。这种真核生物-原核生物二分法是原核微生物学与真核微生物学之间的一道障碍。这种对微生物学的短视观点不仅未能认识到微生物关系问题的重要性，而且未能认识到今天难以解决的问题明天可能并非如此。自 20 世纪 50 年代以来，分子序列就被用于确定进化关系，而 Zuckerkandl 和 Pauling 的开创性文章“分子作为进化历史的记录”在 1965 年最令人信服地阐述了这一观点（36）。然而，记录表明，微生物学——最需要的生物科学——实际上对这些方法的意义和潜力视而不见。然而，在 20 世纪 70 年代末，情况发生了巨大变化。rRNA 序列已被证明是原核生物系统发育的关键（例如 8）。尽管原核生物在细胞和生理水平上没有提供可靠的系统发育排序特征，但它们的 rRNA 足以做到这一点。到 20 世纪 80 年代初，随着基于 rRNA 的原核生物系统发育开始出现，微生物学家开始（尽管非常缓慢地）重新意识到了解微生物系统发育的重要性。将所有原核生物视为同一种类的愚蠢做法，在古细菌（最初称为古细菌）的发现中得到了戏剧性的揭示。古细菌是一类完全出乎意料的原核生物，如果真要说有什么不同的话，那就是它与真核生物（真核生物）的关系比与其他原核生物（真正的）细菌（11、13、32、34）的关系更密切。即便如此，真核生物的力量——