XiaoMi-AI文件搜索系统
World File Search System复杂
通过信息扰乱量化量子计算复杂性的副本
V Veitch、SAH Mousavian、D. Gottesman 和 J Emerson。稳定器量子计算的资源理论。《新物理学杂志》，16(1):013009，2014 年
X射线极化标题揭示了Hercules X-1中中子星的复杂旋转动力学
在积聚X射线脉冲星中，中子星通过增生磁盘从伴侣恒星中产生了重要的东西。旋转中子恒星的磁场破坏了磁盘的内边缘，将气体漏斗以流到其表面的极点上。Hercules X-1是距地球约7 kpc的典型持续X射线脉冲星。 它的发射在三个不同的时间尺度上有所不同：中子星每1.2 s旋转一次，每1.7 d每1.7 d会黯然失色，并且该系统的超晶型周期为35 d，自发现以来一直保持稳定。 几行证据指出了这种变异的来源是吸积盘或中子恒星的进动。 尽管在过去的50年中有许多提示，但中子恒星本身的动力尚未得到证实或被驳斥。 X射线极化测量（用成像X射线极化探索器探测其X-1的自旋几何形状）表明，Neutron Star Crust的自由进动在35 d期间设置；这具有重要的含义，即它的外壳在某种程度上不对称，每100万份。Hercules X-1是距地球约7 kpc的典型持续X射线脉冲星。它的发射在三个不同的时间尺度上有所不同：中子星每1.2 s旋转一次，每1.7 d每1.7 d会黯然失色，并且该系统的超晶型周期为35 d，自发现以来一直保持稳定。几行证据指出了这种变异的来源是吸积盘或中子恒星的进动。尽管在过去的50年中有许多提示，但中子恒星本身的动力尚未得到证实或被驳斥。X射线极化测量（用成像X射线极化探索器探测其X-1的自旋几何形状）表明，Neutron Star Crust的自由进动在35 d期间设置；这具有重要的含义，即它的外壳在某种程度上不对称，每100万份。
基于机器学习的直接金属沉积中复杂刀具路径的轨道高度预测
模具行业不断要求先进的技术来提高模具在其生命周期内的性能。直接金属沉积 (DMD) 为模具翻新提供了关键机会。然而，通过 DMD 的典型刀具路径由交替的平滑段和尖角组成。在这里，能量密度和粉末数量的波动通常会导致工具恢复部分出现严重的几何偏差。这项工作提出了一种基于机器学习的新型预测方法，该方法使用与工艺参数和执行的几何形状相关的特征来表征路径。该方法的优势已在刀具路径上得到验证，刀具路径通常表征工具翻新过程。© 2022 作者。由 Elsevier Ltd 代表 CIRP 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
原文：社会复杂性影响鲻鱼的认知能力，但不影响其大脑结构
一些认知能力被认为是复杂社会生活的结果，这种社会生活使个体能够通过先进的策略实现更高的适应性。然而，大多数证据都是相关的。在这里，我们进行了一项实验研究，研究群体大小和组成如何影响孔雀鱼 (Poecilia reticulata) 的大脑和认知发育。在 6 个月的时间里，我们按照 3 种社会处理方法中的一种饲养性成熟的雌性：一个小的同类群，由 3 只孔雀鱼组成；一个大的异类群，由 3 只孔雀鱼和 3 只溅斑灯鱼 (Copella arnoldi) 组成——一种在野外与孔雀鱼共存的物种；以及一个大的同类群，由 6 只孔雀鱼组成。然后，我们测试了孔雀鱼在自我控制 (抑制控制)、操作性条件反射 (联想学习) 和认知灵活性 (逆向学习) 任务中的表现。使用 X 射线成像，我们测量了它们的大脑大小和主要大脑区域。 6 只个体组成的较大群体（包括同种群体和异种群体）表现出比较小群体更好的认知灵活性，但在自我控制和操作性条件反射测试中没有差异。有趣的是，虽然社交操纵对大脑形态没有显著影响，但相对较大的端脑与更好的认知灵活性相关。这表明，除了大脑区域大小之外，其他机制使来自较大群体的个体具有更大的认知灵活性。虽然没有明确的证据表明对大脑形态的影响，但我们的研究表明，生活在较大的社会群体中可以提高认知灵活性。这表明社会环境在古比鱼的认知发展中发挥着作用。
蓝色的光明面：抑郁作为分析复杂问题的适应性。
抑郁症是寻求帮助的主要情绪状况。沮丧的人经常报告持续的反省，这涉及分析和生活中复杂的社会问题。分析通常是解决复杂问题的有用方法，但是它需要缓慢，持续的处理，因此破坏会干扰解决问题。The analytical rumination hypothesis proposes that depression is an evolved response to complex problems, whose function is to minimize disruption and sustain analysis of those problems by (a) giving the triggering problem prioritized access to processing resources, (b) reducing the desire to engage in distracting activities (anhedonia), and (c) producing psychomotor changes that reduce exposure to distracting stimuli.由于处理资源是有限的，对触发问题的持续分析会降低专注于其他事物的能力。该假设得到了许多层次的证据，例如基因，神经递质及其受体，神经生理学，神经解剖学，神经术，药理学，药理学，认知，行为和治疗功效。此外，该假设为抑郁症文献中令人困惑的发现提供了解释，这挑战了抑郁症中5-羟色胺传播较低的信念，并且对治疗有影响。
宣布的种子生物复杂性指数
近几十年来，无数的政治和财务机制旨在促进生物多样性的全部复杂性。对这些努力的核心挑战是需要衡量自然的整体状态及其随着时间的变化。由于生物多样性是一种固有的复杂系统或系统网络，因此无法通过选择一个特定部分来定义或衡量的系统网络，这是一个挑战。
引用本文：Ruby O'Connor、Mitzi Bolton、Alexander K. Saeri、Tom Chan 和 Ross Pearson (2024) 人工智能与复杂的可持续性政策问题：将承诺转化为实践，政策设计与实践，7:3，308-323，DOI：10.1080/25741292.2024.2348834
摘要 应对可持续发展政策挑战需要能够驾驭复杂性的工具，以改善政策流程和结果。过去十年来，人们对人工智能 (AI) 工具的关注度和政府对其使用的期望急剧上升。我们对学术和灰色文献进行了叙述性回顾，以调查人工智能工具如何用于政策和公共部门决策。我们发现，学者、政府和顾问对人工智能表达了积极的期望，认为人工智能可以或应该用于解决广泛的政策挑战。然而，关于公共决策者如何实际使用人工智能工具或对使用结果的详细洞察的证据却少得多。从我们的研究结果中，我们得出了将人工智能的承诺转化为实践的四个教训：1) 记录和评估人工智能在现实世界中对可持续发展政策问题的应用；2) 关注现有和成熟的人工智能技术，而不是投机性的承诺或外部压力；3) 从要解决的问题开始，而不是要应用的技术；4) 预测并适应可持续发展政策问题的复杂性。
机器学习揭示了钯氧化中的隐藏复杂性，阐明了催化剂行为
通过将APE与机器学习的原子间电位（MLIP）整合在一起，研究人员将其应用于钯表面的早期氧化，这是污染控制的关键系统。当应用于钯表面的早期氧化（用于减少排放量的催化转化器中的关键材料）时，APE发现了近3,000种过程，远远超过了传统KMC模拟的能力。这些发现揭示了在催化中类似于分子过程的时间尺度上发生的复杂原子运动和重组过程。
