MétaCan
Menu
Retour à la cohorte
Enregistrement W4406460477 · doi:10.1109/tps-isa62245.2024.00063

Pragmatic Obfuscation of Factoring in Hamiltonian Simulation and Ground State Estimation

2024· article· en· W4406460477 sur OpenAlexaff
Dhruv Gopalakrishnan, Michele Mosca

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Computing Algorithms and Architecture
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFactoringObfuscationComputer scienceGround stateHamiltonian (control theory)Computer securityMathematical optimizationMathematicsPhysicsQuantum mechanicsEconomics

Résumé

récupéré en direct d'OpenAlex

The advent of large-scale quantum computers promises transformative advances across various fields including optimization, materials science, and cryptography. However, this also poses a threat to traditional cryptography, due to Shor’s algorithm, which efficiently factors large integers, and finds discrete logarithms. The existence of this algorithm undermines widely-used cryptographic protocols based on the hardness of these problems. Even with Post-Quantum Cryptography, attacks of the "save now, decrypt later" type can compromise the confidentiality of long-term secrets. Keeping this mind, we would like to develop quantum systems that are designed specifically for benign applications such as Hamiltonian Simulation or Ground State Estimation – which could be of importance to the industries such as the pharmaceutical industry. However, it cannot be taken for granted that even such a system is secure from malicious users attempting to run Shor’s Algorithm. In this note we propose the idea of using known circuit-to-Hamiltonian mappings to hide Shor’s algorithm in Hamiltonian simulation and Ground state estimation circuits. We provide the resource estimates for these mappings, and also propose some methods to potentially reduce these overhead costs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,274
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuantum Computing Algorithms and ArchitectureTravaux en français237 207