XiaoMi-AI文件搜索系统
World File Search System信息编码
时空作为量子纠错码？ - 研究
AdS/CFT 对应关系是一本词典，将 ð d + 1 Þ 维反德西特时空体引力理论 (AdS) 与 ad 维边界共形场论 (CFT) 联系起来。这种对应关系是部分构建的理论 (AdS 引力) 与当前具有完整数学结构的理论 (CFT) 之间对偶性的一个例子。1 因此，它作为通向量子引力理论的一种手段，或者至少是通向广义相对论和量子场论之间调和的一种手段，具有重要意义。物理哲学家在分析这种对偶性的意义时并没有懈怠；特别是它如何接受现实主义的解释（Le Bihan & Read, 2018），以及如何从涌现的角度理解体理论和边界理论之间的关系（De Haro, 2017；De Haro, Mayerson, & Butter field, 2016；Dieks, van Dongen, & de Haro, 2015；Rickles, 2013；Teh, 2013；Vistarini, 2017）。最近，一项将 AdS/CFT 对应解释为擦除保护量子纠错码 (QECC) 的提议引起了人们的兴趣（Almheiri, Dong, & Harlow, 2015；Pastawski, Yoshida, Harlow, & Preskill, 2015；Harlow, 2018；Wolchover, 2019）。擦除保护 QECC 是一种将信息编码在多量子比特希尔伯特空间子空间元素中的程序，这样就可以检测和纠正因擦除而导致的错误。2 该提案引发了“时空是 QECC”的非正式主张（Preskill，2017 年；Wolchover，2019 年）。
帕金森病的丘脑底核活动动态和肢体运动预测
虽然丘脑底核中β频带振荡同步的过度爆发与帕金森病的运动障碍有关，但一直缺乏将这两种现象联系起来的合理机制。在这里，我们检验了以下假设：β爆发所表示的同步增加可能会损害基底神经节网络中的信息编码能力。为此，我们记录了18名帕金森病患者在执行提示的上肢和下肢运动时丘脑底核中的局部场电位活动。我们使用每次试验中基于局部场电位对要移动的肢体进行分类的准确性作为系统所掌握的有关预期动作的信息的指标。使用朴素贝叶斯条件概率模型的机器学习用于分类。局部场电位动态可以在执行之前准确预测预期动作，当提前知道要求的动作时，在命令提示之前，受试者工作特征曲线下面积为 0.80 0.04。α 频段局部场电位活动爆发，尤其是 β 频段局部场电位活动爆发，严重影响了对要移动的肢体的预测。我们得出结论，低频爆发，尤其是 β 频段的爆发，限制了基底神经节系统编码有关预期动作的生理相关信息的能力。当前的发现也很重要，因为它们表明，除了恢复性脑机接口应用中的力量控制外，局部丘脑底活动可能被解码以实现效应器选择。
爱丁堡研究探索者
虽然丘脑底核中β频带振荡同步的过度爆发与帕金森病的运动障碍有关，但一直缺乏将这两种现象联系起来的合理机制。在这里，我们检验了以下假设：β爆发所表示的同步增加可能会损害基底神经节网络中的信息编码能力。为此，我们记录了18名帕金森病患者在执行提示的上肢和下肢运动时丘脑底核中的局部场电位活动。我们使用每次试验中基于局部场电位对要移动的肢体进行分类的准确性作为系统所掌握的有关预期动作的信息的指标。使用朴素贝叶斯条件概率模型的机器学习用于分类。局部场电位动态可以在执行之前准确预测预期动作，当提前知道要求的动作时，在命令提示之前，受试者工作特征曲线下面积为 0.80 0.04。α 频段局部场电位活动爆发，尤其是 β 频段局部场电位活动爆发，严重影响了对要移动的肢体的预测。我们得出结论，低频爆发，尤其是 β 频段的爆发，限制了基底神经节系统编码有关预期动作的生理相关信息的能力。当前的发现也很重要，因为它们表明，除了恢复性脑机接口应用中的力量控制外，局部丘脑底活动可能被解码以实现效应器选择。
行动成本可以更好地预测行动前 Beta 的变化......
尽管运动前感觉运动区域的 β 波段事件相关去同步 (b-ERD；13 – 30 Hz) 受运动速度的调节，但目前的证据并不支持两者之间存在严格的单调关联。鉴于 b-ERD 被认为可以提高信息编码能力，我们检验了以下假设：它可能与运动的预期神经计算成本（此处称为动作成本）有关。至关重要的是，与中速或“首选”速度相比，慢速和快速运动的动作成本都更大。31 名右利手参与者在记录他们的脑电图时执行了速度控制的伸手任务。结果显示，速度对 β 功率的强大调节，与中速相比，高速和低速运动的 b-ERD 均显著更高。有趣的是，与低速和高速运动相比，参与者更经常选择中速运动，这表明中速运动被认为成本较低。与此一致，动作成本建模揭示了一种跨速度条件的调制模式，与 b -ERD 的调制模式非常相似。事实上，线性混合模型表明，估计的动作成本对 b -ERD 变化的预测效果明显优于对速度的预测。这种与动作成本的关系特定于 beta 功率，因为在平均 mu 波段（8 – 12 Hz）和 gamma 波段（31 – 49 Hz）波段中的活动时未发现这种关系。这些结果表明，增加 b -ERD 可能不仅会加快运动速度，而且可以通过分配额外的神经资源来促进高速和低速运动的准备，从而实现灵活的运动控制。
平行时空自我发注意CNN基于CNN的运动图像分类
运动图像（MI）脑电图（EEG）分类是脑机构界面（BCI）的重要组成部分，使具有流动性问题的人可以通过辅助设备与外界进行通信。但是，由于其复杂性，动态性质和低信噪比，EEG解码是一项艰巨的任务。设计一个充分提取EEG信号的高级特征的端到端框架仍然是一个挑战。在这项研究中，我们提出了一个平行的空间 - 暂时性自我注意力，用于四级MI EEG信号分类。这项研究是定义原始脑电图信号的新时空表示的第一个研究，该信号使用自我注意力的机制提取可区分的时空特征。特别是，我们使用空间自我注意模块来捕获MI EEG信号通道之间的空间依赖性。此模块通过通过加权求和在所有通道上汇总特征来更新每个通道，从而提高了分类准确性并消除由手动通道选择引起的伪像。此外，时间自我发项模块将全局时间信息编码为每个采样时间步骤的特征，因此可以在时域中提取MI EEG信号的高级时间特征。定量分析表明，我们的方法优于主体内和受试者间分类的最先进方法，证明其稳健性和有效性。最后，采用提出的方法根据脑电图信号实现对无人机的控制，从而验证其在实时应用中的可行性。在定性分析方面，我们对从学到的架构估算的新时空表示形式进行视觉检查。
平行时空的自我注意力集CNN的电动机...
运动图像（MI）脑电图（EEG）分类是脑机构界面（BCI）的重要组成部分，使具有流动性问题的人可以通过辅助设备与外界进行通信。但是，由于其复杂性，动态性质和低信噪比，EEG解码是一项艰巨的任务。设计一个充分提取EEG信号的高级特征的端到端框架仍然是一个挑战。在这项研究中，我们提出了一个平行的空间 - 暂时性自我注意力，用于四级MI EEG信号分类。这项研究是定义原始脑电图信号的新时空表示的第一个研究，该信号使用自我注意力的机制提取可区分的时空特征。特别是，我们使用空间自我注意模块来捕获MI EEG信号通道之间的空间依赖性。此模块通过通过加权求和在所有通道上汇总特征来更新每个通道，从而提高了分类准确性并消除由手动通道选择引起的伪像。此外，时间自我发项模块将全局时间信息编码为每个采样时间步骤的特征，因此可以在时域中提取MI EEG信号的高级时间特征。定量分析表明，我们的方法优于主体内和受试者间分类的最先进方法，证明其稳健性和有效性。最后，采用提出的方法根据脑电图信号实现对无人机的控制，从而验证其在实时应用中的可行性。在定性分析方面，我们对从学到的架构估算的新时空表示形式进行视觉检查。
学习协助和与新手无人机飞行员沟通...
摘要 — 涉及检查和着陆任务的无人机 (UAV) 多任务任务对于新手飞行员来说具有挑战性，因为与深度感知和控制界面相关的困难。我们提出了一个共享自主系统以及补充信息显示，以帮助飞行员在没有任何飞行员培训的情况下成功完成多任务任务。我们的方法包括三个模块：（1）将视觉信息编码到潜在表示上的感知模块，（2）增强飞行员动作的策略模块，以及（3）向飞行员提供额外信息的信息增强模块。在用户研究 (n = 29) 中，策略模块在模拟中使用模拟用户进行训练，并在未经修改的情况下转移到现实世界，同时还有补充信息方案，包括学习到的红/绿光反馈提示和增强现实显示。策略模块不知道飞行员的意图，只能根据飞行员的输入和无人机的状态推断。助手将着陆和检查任务的任务成功率分别从 [16.67% 和 54.29%] 提高到 [95.59% 和 96.22%]。借助助手，缺乏经验的飞行员也能取得与经验丰富的飞行员类似的表现。红/绿灯反馈提示可将检查任务所需的时间缩短 19.53%，轨迹长度缩短 17.86%，参与者将其评为他们的首选条件，因为界面直观且令人放心。这项工作表明，简单的用户模型可以在模拟中训练共享自主系统，并转移到物理任务以估计用户意图并为飞行员提供有效的帮助和信息。
DNA存储的错误校正
信息理论被许多人视为交流的数学理论。通常，“交流”一词描述了一个场景，涉及两个交换信息的物理遥远的各方，但可能同样涉及两个暂时的政党。后者会导致跨时间而不是跨空间引起的通信，通常称为信息存储[8]，即，将信息编码到物理设备中以便在以后的时间点上检索，并有效，准确地检索。在1948年的开创性论文中，克劳德·香农（Claude Shannon，1916-2001）表明，所有类型的信息（IMEMEN，文本，视频等）可以使用位，即零和一个来传达，并且在存储的情况下存在相同的语句。为了存储一块信息，必须使用位对其进行编码，并将这些位放在可靠的物理设备上，最好是非挥发性的设备，即不需要电流以保留该信息。高密度非挥发器设备的最早例子（超越了数千年的打孔卡和书面介质）可能是磁性存储器的最早例子。在这项1950年代的技术中，使用不同的磁化贴剂在可磁性胶带上组织了钻头。在接下来的几十年中，对较高存储量的需求增加使这项技术向前发展成为硬盘驱动器，近年来，这扫清了通往固态驱动器的道路。尽管自引入以来，数字存储设备却努力达到不断增长的存储需求以来，虽然卷的数量增加了10个数量级。虽然卷的数量增加了10个数量级。
神经科学方法杂志
背景：要了解单个神经元中的信息编码，需要分析阈下突触事件、动作电位 (AP) 及其在不同行为状态下的相互关系。然而，由于突触事件的信噪比不佳、频率高、幅度波动和时间过程多变，检测行为动物的兴奋性突触后电位 (EPSP) 或电流 (EPSC) 仍然具有挑战性。新方法：我们开发了一种突触事件检测方法，称为 MOD（机器学习最优滤波检测程序），它结合了监督机器学习和最优维纳滤波的概念。要求专家手动对短时间的数据进行评分。该算法经过训练以获得维纳滤波器的最优滤波系数和最优检测阈值。然后使用最优滤波器处理评分和未评分的数据，并将事件检测为高于阈值的峰值。结果：我们在小鼠体内空间导航过程中用 EPSP 轨迹测试 MOD，并在增强递质释放的条件下用切片体外 EPSC 轨迹测试 MOD。受试者工作特征 (ROC) 曲线下面积 (AUC) 平均为体内数据集 0.894 和体外数据集 0.969，表明检测精度高、效率高。与现有方法的比较：当使用 (1 − AUC) − 1 指标进行基准测试时，MOD 在体内数据集上的平均性能比以前的方法 (模板拟合、反卷积和贝叶斯方法) 高出 3.13 倍，但显示出相当 (模板拟合、反卷积) 或更高 (贝叶斯) 的计算效率。结论：MOD 可能成为大规模实时分析突触活动的重要新工具。
量子通信快速指南
I. 引言 在过去的几十年里，无线通信取得了巨大的进步[1]。然而，即将到来的无线网络需要更快、更高效、更安全的信息交换，而量子通信似乎是一个有前途的解决方案。量子世界具有反直觉的特性，几十年来一直受到物理学家的广泛关注。量子力学是控制粒子行为的基本理论，为广泛的技术进步开辟了道路。事实上，量子力学最有前途的实现在于它有可能彻底改变我们彼此交流的方式。量子通信正是利用了两个基本理论，即量子纠缠和量子叠加。事实上，量子纠缠的概念最初是由著名物理学家阿尔伯特·爱因斯坦提出的，俗称“鬼魅般的超距作用”。具体来说，纠缠是一种将量子比特互连的现象，即一个状态与另一个状态相关联，而与行进距离无关 [2]。而叠加是另一种现象，其中量子可以同时存在于多个状态中。这种旋转量子对的对偶守恒主要用于信息编码，称为量子移位键控 (QSK)。与使用经典比特的经典通信不同，量子通信使用量子比特，俗称量子比特。图1 通过量子比特传输信息的图示。除了信息交换的新定义之外，量子传输还提供了其他几个互补的功能，特别是研究重点是增强网络安全性。纠缠现象用于生成加密密钥，称为量子密钥分发 (QKD)。QKD（定义见第 III-A 节）是一种安全通信协议，它利用量子力学原理确保加密密钥的机密性。本文回顾了量子通信的原理、优势和潜在应用，简要概述了量子通信，包括 a) 量子通信的作用