# 图自编码器

非结构网格上的高维偏微分方程预报第一次跑在超导量子处理器上。做法是用图自编码器把网格场压到低维隐状态，再由固定不训练的量子储层网络产生特征、用经典线性读出预测下一步；在33824单元圆柱绕流与Gray–Scott反应扩散问题上，加入这些特征使一步预报与压力观测的归一化均方根误差比同一隐空间的线性基线降低约21–43%，压力观测只在26比特圆柱流配置上演示，52比特硬件则用于Gray–Scott一步预报。

非结构网格上的高维偏微分方程预报第一次跑在超导量子处理器上。做法是用图自编码器把网格场压到低维隐状态，再由固定不训练的量子储层网络产生特征、用经典线性读出预测下一步；在33824单元圆柱绕流与Gray–Scott反应扩散问题上，加入这些特征使一步预报与压力观测的归一化均方根误差比同一隐空间的线性基线降低约21–43%，压力观测只在26比特圆柱流配置上演示，52比特硬件则用于Gray–Scott一步预报。

基于溯源图的入侵检测系统常陷入告警精度与召回的两难：压低误报会漏掉攻击实体，提高召回又淹没分析员。Targeter不再用单一检测器建模全部进程，而是按命令行语义把进程划入行为类别，每类训练一个轻量图自编码器，推理时确定性地把进程路由到对应模型。在六个DARPA透明计算基准数据集上，它以F2分数衡量告警质量，多数数据集优于现有节点级系统；THEIA-E5上召回率为0.61，ORTHRUS为0.17，但CADETS-E3上F2分数低于ORTHRUS。

基于溯源图的入侵检测系统常陷入告警精度与召回的两难：压低误报会漏掉攻击实体，提高召回又淹没分析员。Targeter不再用单一检测器建模全部进程，而是按命令行语义把进程划入行为类别，每类训练一个轻量图自编码器，推理时确定性地把进程路由到对应模型。在六个DARPA透明计算基准数据集上，它以F2分数衡量告警质量，多数数据集优于现有节点级系统；THEIA-E5上召回率为0.61，ORTHRUS为0.17，但CADETS-E3上F2分数低于ORTHRUS。

联邦大模型聚合时，服务器把每个智能体的LoRA更新当作超图节点，用超边消息传递识别并压制被投毒的知识，在AG News与Yahoo! Answers上准确率高于Multi-Krum、FoolsGold和FLTrust。

联邦大模型聚合时，服务器把每个智能体的LoRA更新当作超图节点，用超边消息传递识别并压制被投毒的知识，在AG News与Yahoo! Answers上准确率高于Multi-Krum、FoolsGold和FLTrust。