XiaoMi-AI文件搜索系统
World File Search System预言
b“在这项工作中，我们为 Jiang 等人的 T RH 变换提供了新的、更严格的证明。（ASIACRYPT 2023），它将 OW-CPA 安全 PKE 转换为具有 IND-1CCA 安全性的 KEM，这是典型 IND-CCA 安全性的变体，其中只允许单个解封装查询。此类 KEM 非常高效，并且 Huguenin-Dumittan 和 Vaudenay 在 EUROCRYPT 2022 上证明了它们足以用于实际应用。我们在随机预言模型 (ROM) 和量子随机预言模型 (QROM) 中重新证明了 Jiang 等人的 T RH 变换，适用于底层 PKE 是刚性确定性的情况。在 ROM 和 QROM 模型中，我们的归约都实现了 O (1) 的安全损失因子，显着改善了 Jiang 等人的结果，其在 ROM 中的安全损失因子为 O (q)，在 QROM 中的安全损失因子为 O q 2。值得注意的是，我们严密 QROM 缩减的核心是一个名为 \xe2\x80\x9creprogram-after-measure\xe2\x80\x9d 的新工具，它克服了 QROM 证明中由 oracle 重新编程造成的缩减损失。该技术可能具有独立意义，并且可用于实现其他后量子密码方案的严密 QROM 证明。我们注意到，我们的结果还提高了 Huguenin-Dumittan 和 Vaudenay (EUROCRYPT 2022) 的 TH 变换（也将 PKE 转换为 KEM）的缩减严密性，正如 Jiang 等人提供了从 TH 变换到 T RH 变换的严密缩减（ASIACRYPT 2023）。“
b“在这项工作中，我们为 Jiang 等人的 T RH 变换提供了新的、更严格的证明。（ASIACRYPT 2023），它将 OW-CPA 安全 PKE 转换为具有 IND-1CCA 安全性的 KEM，这是典型 IND-CCA 安全性的变体，其中只允许单个解封装查询。此类 KEM 非常高效，并且 Huguenin-Dumittan 和 Vaudenay 在 EUROCRYPT 2022 上证明了它们足以用于实际应用。我们在随机预言模型 (ROM) 和量子随机预言模型 (QROM) 中重新证明了 Jiang 等人的 T RH 变换，适用于底层 PKE 是刚性确定性的情况。在 ROM 和 QROM 模型中，我们的归约都实现了 O (1) 的安全损失因子，显着改善了 Jiang 等人的结果，其在 ROM 中的安全损失因子为 O (q)，在 QROM 中的安全损失因子为 O q 2。值得注意的是，我们严密 QROM 缩减的核心是一个名为 \xe2\x80\x9creprogram-after-measure\xe2\x80\x9d 的新工具，它克服了 QROM 证明中由 oracle 重新编程造成的缩减损失。该技术可能具有独立意义，并且可用于实现其他后量子密码方案的严密 QROM 证明。我们注意到，我们的结果还提高了 Huguenin-Dumittan 和 Vaudenay (EUROCRYPT 2022) 的 TH 变换（也将 PKE 转换为 KEM）的缩减严密性，正如 Jiang 等人提供了从 TH 变换到 T RH 变换的严密缩减（ASIACRYPT 2023）。“
量子计算的简洁经典验证
摘要。我们为量子计算 (BQP) 构建了一个经典可验证的简洁交互式论证，其通信复杂性和验证器运行时间在 BQP 计算的运行时间内是多对数的（在安全参数中是多项式的）。我们的协议是安全的，假设不可区分混淆 (iO) 和错误学习 (LWE) 的后量子安全性。这是第一个简洁的论证，适用于普通模型中的量子计算；先前的工作（Chia-Chung-Yamakawa，TCC '20）既需要较长的公共参考字符串，又需要非黑盒使用以随机预言机建模的哈希函数。在技术层面，我们重新审视了构建经典可验证量子计算的框架（Mahadev，FOCS '18）。我们为 Mahadev 的协议提供了一个独立的模块化安全性证明，我们认为这是有独立意义的。我们的证明很容易推广到验证者的第一条消息（包含许多公钥）被压缩的场景。接下来，我们将压缩公钥的概念形式化；我们将该对象视为受限/可编程 PRF 的泛化，并基于不可区分混淆对其进行实例化。最后，我们使用（足够可组合的）NP 简洁知识论证将上述协议编译成完全简洁的论证。使用我们的框架，我们获得了几个额外的结果，包括 - QMA 的简洁论证（给定见证的多个副本）， - 量子随机预言模型中 BQP（或 QMA）的简洁非交互式论证，以及 - 假设后量子 LWE（无 iO）的 BQP（或 QMA）的简洁批处理论证。
SCPMA-2023-0607-ONLINE 1..1
量子纠缠不仅对于基本物理学，而且对于各种应用至关重要[1]，从量子通信和量子计算到量子计量学。随着通道损失的影响随距离的指数增加，其在长距离通道上的分布[2]变为资源密集型。尝试建立具有故障耐受性的非本地逻辑量子纠缠时，这一挑战尤其明显[3]，在这种情况下，实现复杂性随逻辑量子的冗余而升级。有希望的节奏在于光学量子多路复用，它使用高维Qudit而不是量子来编码单个光子，从而使更高的信息能力和较高的噪声弹性能力[4]。因此，将量子多路复用与容忍分布式量子量相结合可以大大提高效率并降低所消耗的资源。最近，Li等人。 [5]提出了一项可行的预言方案，将两个空间分离的逻辑量子位直接与带有时间键编码Qudit的单个光子的传输纠缠在一起。 在这里，Li和他的同事首次展示了量子多路复用对故障量量子信息处理的强大能力。 采用的协议利用了高维单光子和最近，Li等人。[5]提出了一项可行的预言方案，将两个空间分离的逻辑量子位直接与带有时间键编码Qudit的单个光子的传输纠缠在一起。在这里，Li和他的同事首次展示了量子多路复用对故障量量子信息处理的强大能力。采用的协议利用了高维单光子和
基于机器学习的中风预测器应用
患者，他们的社交网络，他们的家庭以及他们的就业地点都受到中风的影响。在印度，这是死亡的主要原因之一。由于医学的变化，现在有可能使用机器学习预测中风[1]。机器学习算法有助于评估数据并产生精确的预测[2]。大多数较早的中风研究都集中在预言心脏病发作上。脑部中风几乎没有引起注意[3]。机器学习算法对于提供准确的分析和进行准确的预测很有用[4]。心率预测一直是先前研究的主要重点[5]。中风研究并未得到太多研究。研究背后的想法是使用机器学习预测中风的发生率[6]。
DNA样品制备的最佳实践...
从骨碎片中分析了七个样品，从碳化的物体和尸体中分析。在所有情况下，通过常规方案提取DNA均未给出良好的结果（15个常染色体位点）。在这些情况下，所有结果都尚无定论。在七个不确定的测试中，有六个实现了遗传谱，从而给出了遗传谱的阳性结果，即在预言24上处理的样品的85,7％（Tab.1）。由于样品降解的高水平，仅结论一个情况。在比较传统方法时，这种具有前列24的新方法更快，更可行，可靠和更经济。真空系统为样品提供了安全性和稳定性。单管避免了交叉污染的风险。
量子上下文中的经典逻辑
普遍认为，量子力学需要由于其物理含量而对经典的预言进行修订。然而，为了模拟每个量子理论的命题，新的量子逻辑是必不可少的。在本文中，我们通过证明可以在量子环境中恢复经典逻辑来批判性地讨论这一说法，并考虑到Bohmian的力学。的确，这样的理论框架提供了必要的概念工具，以使实验命题的经典逻辑借助其清晰的形而上学的图像及其测量理论。更确切地说，将表明，经典命题演算的康复是该理论原始本体论的结果，这一事实尚未在有关Bohmian机制的文献中得到足够的认可。这项工作旨在填补这一差距。
Lopez-Vergara;修订：12/01/2024
“技术勇气”是在新兴技术的道德方面的智能恐惧和聪明的希望的正确结合的倾向。很难知道AI系统将如何改变（高等）教育的文化，社会政治和技术景观，或者他们有信心认真对待的预言。很难知道对AI系统的“智能”恐惧和希望，或者我们如何培养它们。但赌注很重要：通过技术勇气的失败，我们有可能在我们的方法，采用和/或拒绝AI系统中造成或永久存在严重的道德错误。本演讲将集中于一些技术，教学和机构挑战，以勇敢地接近教育中的AI系统。它将提供一些建议，以通过越来越具有挑战性的道德格局来寻找我们的方式。