量子计算在质因数分解领域的飞跃
本文介绍了量子计算领域的一项重大进展:纽约大学的Oded Regev提出了一种新的量子算法,可以比传统算法更快地进行大数质因数分解,这项技术对破解广泛使用的公钥加密技术至关重要。Regev的新算法在高维空间中寻找周期性,并使用模块化乘法来提高效率。尽管新算法在渐进性能方面有所改进,但它需要更多的量子比特,并且需要重复执行才能获得准确结果。
阅读更多
本文介绍了量子计算领域的一项重大进展:纽约大学的Oded Regev提出了一种新的量子算法,可以比传统算法更快地进行大数质因数分解,这项技术对破解广泛使用的公钥加密技术至关重要。Regev的新算法在高维空间中寻找周期性,并使用模块化乘法来提高效率。尽管新算法在渐进性能方面有所改进,但它需要更多的量子比特,并且需要重复执行才能获得准确结果。
阅读更多
文章深入探讨了古代印加文明的神秘计算工具——尤帕纳(Yupana)。尤帕纳是一种算盘,但其具体操作方式至今仍是未解之谜。文章介绍了关于尤帕纳的各种假设,以及现存的尤帕纳藏品,并提供了一些研究文献供读者进一步了解。
阅读更多
本文批判了深度学习领域中的一些常见幻想,包括人工智能将取代程序员、可解释人工智能取得进展、大型语言模型是通向通用人工智能的第一步以及大型语言模型理解语言。作者认为这些说法都缺乏理论依据,并指出深度神经网络存在无法解释、推理错误、复杂问题解决能力不足等根本性问题。作者呼吁关注符号知识和符号推理,以构建可靠、可解释、可预测和可推理的人工智能。
阅读更多
本文介绍了2023年ACM A.M. 图灵奖获得者Avi Wigderson的主要工作。Wigderson对计算复杂性理论做出了持久贡献,他的研究兴趣包括密码学、优化、随机性、伪随机性和电路复杂性等。他关于零知识证明的研究表明,任何具有证明的陈述都可以以不透露任何额外信息的方式向他人证明。此外,他还证明了在标准计算假设下,每个高效的随机算法都可以完全去随机化,这意味着随机性对于高效计算来说并非必要。近年来,Wigderson一直致力于非交换优化,将欧几里得空间中的凸优化工具扩展到更一般的黎曼流形环境。
阅读更多