自动化系列专为需要直线运动的应用而设计，现在包括铬、陶瓷混合和全陶瓷 ZrO2 选项的线性轴承。扩大的现成选择旨在让客户能够快速访问常用的尺寸和配置。
通过利用谐振器阵列中的两个自然时间尺度，研究人员创建了光子芯片，无需主动补偿即可可靠地产生多个谐波。几十年来，科学家和工程师稳步推进了控制和操纵光的技术。这些工具现在支撑着从超精密原子钟到流经现代数据中心的海量数据流的一切。作为行业 [...]
Two Dual Linear Programs (LPs) Equivalent To A Linear Complementarity Problem
1.0 简介在上一篇文章中，我将长期头寸的规范映射到 LCP。该规范是在不等式和等式系统方面的，并且采用适合应用直接方法来分析技术选择的形式。LCP 支持 Lemke 算法的应用。虽然我还没有逐步完成算法，但我终于理解了 Christian Bidard 的一些著作的一个方面。这篇文章修改了 LCP，使得 LCP 中的矩阵 M 具有某种对称性。有了这个公式，LCP就相当于双LP。据我所知，没有人写下这些双LP来分析LCP描述的特殊情况下的技术选择。2.0先前LCP的参数LCP的参数由列向量u和方阵M组成。其中LCP相当于长周期位置的规范，列向量如图1所示。列向量y表示对n个生产商品的给定最终需
Michael Overton Interviewing Margaret Wright On Operations Research
我不知道这些应该按什么顺序排列，也不知道这是否是整个采访。在偶然发现这一点之前，我不知道玛格丽特·赖特 (Margaret Wright) 或迈克尔·奥弗顿 (Michael Overton)。显然她曾经是工业和应用数学家协会的主席，在斯坦福大学与乔治·丹齐格共事等等。线性规划是多项式时间吗？卡梅克的算法创建算法和编写软件在GTE Sylvania的第一份工作早年在加利福尼亚州、亚利桑那州并选择斯坦福大学在斯坦福大学进行运筹学在斯坦福大学委员会和SIAMA顾问委员会以及NAS的数学和计算机科学系教授意外的成就和进步女性我想我还没有意识到过去几十年取得了多大的进步：“……但是回顾过去，看看我们所
Recursive technology, non-recursive adoption, and Schumpeterian displacement
Tyler 引用了 Citadel Securities 的这篇文章，阐述了 Tyler 之前提出的观点：人工智能正在突飞猛进地变得更加强大，但人们和机构在采用新事物方面进展缓慢。机构内部的扩散和瓶颈将阻止人工智能驱动的增长爆炸和快速取代。递归技术≠递归采用当前围绕人工智能的争论将该技术的递归潜力与递归经济部署的期望混为一谈。换句话说，由于人工智能系统可以自我改进或加速自身能力，评论家们正在推断自动化和生产力以指数速度无限复合的未来。历史上，技术扩散遵循 S 曲线。早期采用缓慢且昂贵。随着成本下降和互补基础设施的发展，增长加速。最终，饱和出现，边际采用者的生产力较低或利润较低，从而导致增长减速
Electricity Crisis on the Horizon?
官方数据已经显示，2023年美国数据中心消耗约176太瓦时电力，约占总电力需求的4.4%，随着人工智能和云基础设施的扩张，这一数字预计将大幅飙升。这不是线性趋势。 2014 年至 2023 年间，数据中心的功耗增加了两倍多，[...]
New Report: Expanding the AI Evaluation Toolbox with Statistical Models
NIST AI 800-3 认为，LLM 评估的统计有效性得益于评估者明确采用模型来分析评估结果并披露相关假设。广义线性混合建模是一种有前途的方法，可以为更有原则的人工智能评估统计奠定基础。未来的 CAISI 和 NIST 出版物将进一步探讨统计模型在人工智能评估中的应用。
A journey defined by consistency
作为年轻研究者之旅 (JOYI) 2026 系列的一部分，Neha Bokey 反思了由研究、护理和创业精神塑造的非线性科学道路。她接受过生物技术培训，从学术界转向转化工作，通过奖学金和资助建立了适应力，现在在指导学生和推动印度创新的同时推进肠道微生物组研究。
IEEE Transactions on Evolutionary Computation, Volume 30, Issue 1, February 2025
1) 一种基于分解的进化算法，具有聚类和层次估计的多目标模糊柔性车间调度作者：X. 张，S. 刘，Z. 赵，S. Yang 页数：2 - 152) 利用可解释的人工智能增强最后一英里路由的遗传算法作者：Y. Kim, R. Khir, S. Lee 页数： 16 - 303) 学习预选：分类中多目标特征选择的基于过滤器的性能预测器作者：R. Jiao、B. Xu、M. Zhu 页数：31 - 454) 缓解进化多任务中负迁移的最优线性交叉作者：Z. Liu、J. Yuan、H. Zhang、T. Zeng、Z. Zhu 页数：46 - 605) 动态灵活调度中深度强化学习的利基遗传编程作者：M
Self-Supervised Learning with Gaussian Processes
自监督学习 (SSL) 是一种机器学习范例，其中模型学习理解数据的底层结构，而无需来自标记样本的显式监督。从 SSL 获取的表示已被证明可用于许多下游任务，包括聚类和线性分类等。为了确保表示空间的平滑性，大多数 SSL 方法依赖于生成与给定实例相似的观察对的能力。然而，对于许多类型的数据来说，生成这些对可能具有挑战性。而且，这些方法缺乏考虑……
