XiaoMi-AI文件搜索系统
World File Search System一组
面向混合（量子/经典）的一组指标......
摘要：鉴于近年来软件行业的快速发展以及随之而来的量子软件的出现，有必要设计一个用于测量混合经典量子软件质量指标的环境。为了测量和评估经典软件的质量，存在一些模型和标准，其中 ISO/IEC 25000 脱颖而出，它提出了一组质量特征，例如可维护性。然而，目前对量子软件质量的测量和评估尚无共识。在本文中，我们提出了一系列对“经典”指标的改编，以及一组新的混合可维护性测量方法。最后，还介绍了作为 SonarQube 插件开发的测量工具的第一个原型，该工具能够在量子开发中测量这些指标。关键词：量子软件、软件质量、ISO/IEC 25000、软件评估、可维护性类别：D DOI：10.3897/jucs.99348
寻求灵长类动物中对象识别的一组集成的神经机制
视觉对象识别 - 快速和凝固将许多视觉遇到的对象分类的行为能力 - 是认知的核心。这种行为能力在算法上具有很大的作用，因为具有无数个身份的观点和场景，这些观点和场景极大地改变了同一观察的视觉图像。直到最近，支持这种帽质的大脑机制仍然非常神秘。然而，在过去的十年中，这种科学的谜团通过发现和开发脑启发的，可与图像计算的，人工神经网络（ANN）系统相媲美，这些系统在这种行为壮举中与灵长类动物相提并论。除了有效地改变人工智能的景观（AI）外，这些ANN系统的模式版本是灵长类动物腹视觉流中一组综合机制的当前领先的科学假设，这些假设支持对象识别。将这些系统的脑映射版本与以前的概念模型区分开的原因是它们是可感知的，机械的，解剖学上引用的和可测试的（SMART）。在这里，我们审查并提供有关当前领先智能模型的大脑机制的观点。我们回顾了这些当前模型的经验大脑和行为一致性的成功和失败。鉴于神经虫测量和AI的持续进展，我们讨论了下一个边界，以了解更准确的机械理解。，我们概述了基于智能模型的理解的可能应用。
一组Li
在这项研究中，研究了电动汽车的机上充电器，并提出并模拟了双向板载充电器的设计。充电器的目标将在未来建立，以在乌普萨拉大学的测试设置中使用。充电器由两个阶段组成：功率因数校正（PFC）转换器，该转换器将AC电压和电流从网格侧转换为DC，同时保持统一功率因数，而双向降压转换器，该转换器调节电池的充电电流和放电电流。该模型是使用MATLAB/SIMULINK构建的，并且使用D-Q同步参考框架来实现PFC转换器的电流控制器，而双向降压电流控制器是使用DC脉冲宽度调制构建的。使用MATLAB单输入和单个输出工具（Sisotool）调整比例和积分增益。研究了转换器的拓扑，结构和相应的数学模型，并对充电器进行了模拟并测试充电模式。在所有操作模式下，监视电池电压，电流和状态，以评估降压控制器的性能，并通过测量AC侧的电流和电压来测试PFC控制器和过滤器的功能。在各种电池电压和电流组中映射充电和放电效率，以确定充电器在不同操作条件下的性能。充电器在充电和放电模式和建议的未来工作中表现出了出色的性能，以提高双向充电系统的效率和性能。
无需用户特定训练即可为 SSVEP BCI 拼写者迁移学习一组 DNN
摘要 — 目标：用脑电图 (EEG) 测量的稳态视觉诱发电位 (SSVEP) 在脑机接口 (BCI) 拼写器中产生不错的信息传输速率 (ITR)。然而，目前文献中高性能的 SSVEP BCI 拼写器需要对每个新用户进行初始冗长而累人的用户特定训练以适应系统，包括使用 EEG 实验收集数据、算法训练和校准（所有这些都在实际使用系统之前）。这阻碍了 BCI 的广泛使用。为了确保实用性，我们提出了一种基于深度神经网络 (DNN) 集合的全新目标识别方法，该方法不需要任何类型的用户特定训练。方法：我们利用先前进行的 EEG 实验的参与者的现有文献数据集，首先训练一个全局目标识别器 DNN，然后针对每个参与者进行微调。我们将这组经过微调的 DNN 集合转移到新的用户实例，根据参与者与新用户的统计相似性确定 k 个最具代表性的 DNN，并通过集合预测的加权组合来预测目标字符。结果：在两个大规模基准和 BETA 数据集上，我们的方法实现了令人印象深刻的 155.51 比特/分钟和 114.64 比特/分钟 ITR。代码可用于重现性：https://github.com/osmanberke/Ensemble-of-DNNs 结论：在两个数据集上，对于所有刺激持续时间在 [0.2-1.0] 秒内的情况，所提出的方法都明显优于所有最先进的替代方案。意义：我们的 Ensemble-DNN 方法有可能促进 BCI 拼写器在日常生活中的实际广泛部署，因为我们提供最高性能，同时允许立即使用系统而无需任何用户特定的训练。索引词 — 脑机接口、BCI、EEG、SSVEP、集成、深度学习、迁移学习
与一组耗散量子发射器的完美光子不可区分性
摘要：由于存在强烈的失相过程，基于半导体量子点 (QD) 平台的单光子源 (SPS) 仅限于低温 (T) 操作。尽管 QD 在光腔中的集成可以增强其发射特性，但在高 T 下保持高不可区分性 (I) 的技术要求仍然超出了当前技术水平。最近，新的理论方法通过实现双偶极耦合发射系统已经显示出有希望的结果。在这里，我们提出了一个基于优化的五偶极耦合发射系统平台，该系统耦合到腔体，可在高 T 下实现完美的 I。在我们的方案中，使用完善的光子平台可以实现具有耗散 QD 的完美 I 单光子发射。对于优化过程，我们开发了一种新颖的机器学习方法，该方法可以显着减少高要求优化算法的计算时间。我们的策略为优化不同光子结构用于量子信息应用开辟了有趣的可能性，例如减少耦合的两级量子系统簇中的量子退相干。
迈向社会群体的计算理论：在 conf 上下文中表示任何和所有社会群体的一组有限的认知原语
目前，我们尚无完善的理论来解释当人类思维表征一个社会群体时，它所表征的是什么。更糟糕的是，许多人认为我们知道。这种错误观念是由当前情况造成的：到目前为止，研究人员一直依靠自己的直觉将社会群体概念与特定研究或模型的结果联系起来。这种对直觉的依赖虽然有必要，但却付出了相当大的代价。冷静来看，现有的社会群体理论要么是 (i) 字面意义上的，但远远不够（比如建立在经济博弈之上的模型），要么是 (ii) 仅仅是隐喻性的（通常是包含或包含隐喻）。直觉填补了明确理论的空白。本文提出了一种计算理论，解释冲突背景下的群体表征的字面含义：它是将代理分配给少数三元交互类型中的特定角色。这种群体的“心理定义”为社会群体的计算理论铺平了道路——因为它提供了一种理论，说明表示和推理群体的信息处理问题究竟是什么。对于心理学家来说，本文提供了一种概念化和研究群体的不同方法，并表明非同义反复的社会群体定义是可能的。对于认知科学家来说，本文提供了一个计算基准，可以以此为标准衡量自然智能和人工智能。
量子匿名否决：一组新协议
摘要 我们提出了一套量子匿名否决 (QAV) 协议，大致可分为概率型、迭代型和确定性方案。这些方案基于不同类型的量子资源。具体而言，它们可以看作是基于单光子的、基于二分和多分纠缠态的、基于正交态的和基于共轭编码的。针对有效 QAV 方案的所有要求（例如隐私、可验证性、鲁棒性、绑定性、资格性和正确性）分析了所提出的方案集。与现有的 QAV 方案相比，所提出的方案更高效，并且在中等退相干率下也具有鲁棒性。此外，还观察到概率 QAV 方案的正确性和鲁棒性之间的权衡。此外，基于多分密集编码的确定性 QAV 方案是本文提出的方案集中最高效的方案。采用密集编码的二分纠缠迭代方案是另一种高效实用的方案。在设计新协议的过程中，还探索了用餐密码师网络与匿名否决网络之间的内在联系。
在一组影响免疫原性的因素
摘要：疫苗接种是限制共同大流行程度的最佳方法。了解免疫反应持续时间的知识将允许计划疫苗接种方案。这项研究旨在在现实生活中的医疗保健专业人员的全部疫苗接种后，随着时间的流逝，随着时间的流逝，随着时间的推移验证了完整的（体液和细胞）免疫反应，并评估抗体水平与T细胞活性与研究组的特征之间的关系。该研究的样本是从三次获得志愿者（两家医院的工作人员）的：在疫苗接种之前，T0，然后在全面疫苗接种后4-9周（两剂BNT162B2），T1和7-9个月后，疫苗接种后7-9个月，T2，T2。通过抗SARS-COV-2 IgG抗体抗体抗体的滴度研究了体液反应。每隔三次进行测定。通过Quant-Cell SARS-COV-2（IGRA）在189名受试者的亚组中评估了细胞反应。测定一次。一组由BNT162B2疫苗接种的344名受试者包括在研究中。在4-7周和7-9个月的受试者中，在100％的受试者中观察到体液反应，但在此间隔中，抗体滴度下降了几乎90％。在第二剂疫苗后7-9个月的94％（177/189）中观察到细胞反应。在患有阴性细胞反应的受试者中，在12种吸烟中有八个。与疫苗接种更大的免疫原性相关的因素是过去的SARS-COV-2感染。吸烟可能是与细胞对疫苗接种反应受损相关的因素。全部BNT162B2疫苗接种（两剂）的给药可在疫苗接种后六个月以上可检测到体液和细胞反应。
一组荧光标记的 daf-16 等位基因
daf-16 编码一种广泛表达的转录因子，在多种发育和生理过程中发挥作用 (Lin et al., 1997; Ogg et al. , 1997; Tissenbaum, 2018)，包括在神经系统中 (Kim and Webb, 2017)。DAF-16 蛋白表现出高度动态的细胞质到核易位，过去曾使用多拷贝构建体进行可视化，这可能会产生潜在的过表达伪影（例如 (Henderson and Johnson, 2001) 中描述的那些）。为了避免这种过表达效应，生成荧光标记的 daf-16 等位基因将很有用。同样，生成 daf-16 的条件等位基因将有助于解决有关 daf-16 作用重点的许多悬而未决的问题。为了解决这两个问题，我们最近生成了一个带有 mNeonGreen 标记的 daf-16 等位基因，该等位基因还包含一个生长素诱导的降解子 (Bhattacharya 等人，2019；Zhang 等人，2015)。该等位基因 daf-16(ot853[daf- 16::mNG::AID]) 使我们能够为神经元类型特异性 daf-16 耗竭提供概念验证 (Bhattacharya 等人，2019)。该等位基因的一个问题是，由于其荧光标记 (mNeonGreen) 的发射光谱，它不能与基于 gfp 的表型读数结合使用。
博士奖学金：通过使用人工智能增强可持续性指标 (ASMAI) 描述：可持续性由三个关键部分组成 - 环境、经济和社会方面 - 必须对所有这些方面进行评估和平衡，以改进现有或开发新的可持续产品、服务和/或系统。这些标准的投入、产出和影响是使用生命周期可持续性评估 (LCSA) 方法和工具来衡量的，这些方法和工具支持许多工业和商业部门的明智决策。材料关键性评估增强了 LSCA，这是一种越来越重要的手段，用于监控一组具有高经济和技术重要性的资源的供应链风险和安全性。尽管 LCSA 和 MCA 是全球可持续发展的宝贵辅助手段，但它们耗时耗力，因此经常被忽视、利用不足或利用不当。将人工智能应用于 LCSA 和 MCA 活动并加以整合具有巨大的潜力，可以加速可持续实践的发展以及从线性经济向循环经济的转变。在 LCA 中使用人工智能是一项新兴活动，因此，该项目为世界领先的创新提供了潜力，将直接增强可持续性指标并鼓励更明智的可持续发展。
博士奖学金：通过使用人工智能 (ASMAI) 增强可持续性指标描述：可持续性由三个关键部分组成 - 环境、经济和社会方面 - 必须对所有这些部分进行评估和平衡，以改进现有或开发新的可持续产品、服务和/或系统。这些标准的投入、产出和影响是使用生命周期可持续性评估 (LCSA) 方法和工具来衡量的，这些方法和工具支持许多工业和商业部门的明智决策。材料关键性评估增强了 LSCA，这是一种越来越重要的手段，用于监控一组具有高经济和技术重要性的资源的供应链风险和安全性。尽管 LCSA 和 MCA 是全球可持续发展的宝贵辅助手段，但它们耗费时间和资源，因此经常被忽视、利用不足或利用不当。在 LCSA 和 MCA 活动中使用和整合 AI 具有巨大的潜力，可以加速可持续实践的发展以及从线性经济向循环经济的转变。在 LCA 中使用 AI 是一项新兴活动，因此，该项目为世界领先的创新提供了潜力，将直接增强可持续性指标并鼓励更明智的可持续发展。