XiaoMi-AI文件搜索系统
World File Search System实际环境
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
人工智能与当代哲学
虽然对框架问题的定义尚无共识，但我们可以说，这是一个围绕如何让人工智能记住几乎所有成年人在特定情境下都拥有的“隐性知识”的问题展开的问题。想象一下，一个在餐厅为顾客提供餐点和饮料的服务员机器人。这个机器人必须学习一系列服务所需的知识和动作。这个机器人需要掌握多少知识才能在实际环境中充分提供服务？首先，“往玻璃杯中倒太多水，水就会溢出”这一知识是服务所必需的。“当我们移动一个放着玻璃杯的托盘时，玻璃杯也会随着托盘一起移动”这一知识也是必要的，因为没有这样的知识，机器人就无法同时移走用过的玻璃杯和托盘。此外，我们必须输入这样的知识，即当机器人移动玻璃杯时，玻璃杯中的液体也会随之移动。然而，我们不必输入液体永远不会因托盘移动产生的摩擦热而蒸发的知识，因为这个知识与机器人的服务任务无关。
使用快速行进方法
抽象有效且智能的路径规划算法设计用于在动态海洋环境中进行操作，对于无人体表面车辆（USV）的安全操作至关重要。当前的大多数研究都通过基于解决方案为基于每个USV都有强大的通信渠道以获取基本信息（例如海上车辆的位置和速度）的非执行假设来涉及“动态问题”。在本文中，提出了基于卡尔曼过滤器的预测路径计划算法。该算法旨在预测移动船的轨迹以及实时的USV自身位置，并因此评估碰撞风险。对于计划计划的路径，提出并开发了一种加权快速的正方形方法，以搜索最佳路径。可以通过调整加权参数来针对任务要求（例如最小旅行距离和最安全路径）进行优化路径。已使用包括实际环境方面的许多模拟对所提出的算法进行了验证。结果表明，算法可以充分处理复杂的交通环境，并且生成的实用路径适合于无人驾驶和载人船只。
要探索或不探索：基于后悔的LTL路径在部分已知的环境中计划⋆
在本文中，我们研究了由共同保护线性时间逻辑（LTL）公式描述的高级规格的最佳机器人路径计划问题。我们考虑工作空间的地图几何形状部分已知的场景。具体来说，我们假设有一些未知区域，除非机器人在物理上到达这些区域，否则机器人不知道其继任区域。与基于游戏的标准方法相反，该方法优化了最差的成本，在本文中，我们建议将遗憾用作在这种部分知名的环境中计划的新指标。计划在固定但未知的环境下的计划的遗憾是机器人在事后意识到实际环境时所能实现的实际成本与最佳响应成本之间的差异。我们提供了一种有效的算法，以找到满足LTL规范的最佳计划，同时最大程度地减少其遗憾。提供了关于消防机器人的案例研究，以说明拟议的框架。我们认为，新指标更适合部分知名环境的情况，因为它捕获了实际花费的实际成本与探索未知区域可能获得的潜在收益之间的权衡。
基于摩擦纳米发电机 (TENG) 的可持续能源发电技术的机遇与挑战：简要回顾
2012 年，第一篇摩擦纳米发电机 (TENG) 论文发表，距今已有近十年，本综述简要概述了将 TENG 技术应用于关键可持续和可再生能源应用的最新技术进展。本文研究了 TENG 在可穿戴设备、波浪、风能和运输等四个关键领域的应用进展。自诞生以来，TENG 取得了巨大进步，并开发了将其应用于大量免费动能来源的方法。然而，与其他形式的能源生产相比，电力输出仍然很低（大多低于 500 W/m 2），未来的主要挑战似乎是进一步提高输出功率和电流、经济地制造先进的 TENG 以及设计 TENG 以在各种实际环境中终身使用。最后，它讨论了在这些应用领域充分发挥 TENG 潜力所面临的紧迫挑战，特别是从材料和制造的角度来看。需要指出的是，要实现基于 TENG 的设备大规模生产，还需要进行大量的研究和开发。 TENG 将在物联网 (IoT)、人机界面、机器学习应用和“净零排放”技术的未来发展中发挥重要作用。
使用最小开销的稳健量子分类器
摘要 - 要在实际环境中见证量子优势，不仅在硬件级别上，而且在理论研究上都需要大量努力，以降低给定协议的计算成本。量子计算有可能显着增强现有的经典机器学习方法，并且已经提出了基于内核方法的二进制分类的几种量子算法。这些算法依赖于估计期望值，这又需要多次重复昂贵的量子数据编码过程。在这项工作中，我们明确计算获取固定成功概率所需的重复数量，并表明Hadamard检测和交换测试电路在量子电路参数方面实现了最佳差异。仅通过优化与数据相关的参数进行优化，可以进一步减少差异，因此重复的数量。我们还表明，无论数据的数量和尺寸如何，都可以通过单量测量进行基于内核的二进制分类。最后，我们表明，对于许多相关的噪声模型，可以可靠地执行分类，而无需纠正量子误差。我们的发现对于在有限的资源下设计量子分类实验非常有用，这是嘈杂的中间尺度量子时代的普遍挑战。
MindGomoku：基于贝叶斯深度学习的在线 P300 BCI 游戏
摘要：脑机接口（BCI）技术除了有助于开发残疾人辅助产品外，还可以成为全民娱乐的一种方式。然而，大多数BCI游戏由于控制性能差或容易引起疲劳而无法广泛推广。本文提出了一款P300脑机接口游戏（MindGomoku），探索一种在实际环境中利用脑电图（EEG）信号进行游戏的可行且自然的方式。这项研究的新颖之处在于在设计BCI游戏和范例时融合了游戏规则和BCI系统的特点。此外，引入了一种简化的贝叶斯卷积神经网络（SBCNN）算法，以在有限的训练样本上实现高精度。为了证明所提算法和系统控制的可靠性，选择了10名受试者参加两次在线控制实验。实验结果表明，所有受试者均成功完成游戏控制，平均准确率为90.7%，并且平均玩MindGomoku超过11分钟。这些发现充分证明了所提系统的稳定性和有效性。该BCI系统不仅为用户（特别是残疾人）提供了一种娱乐形式，还为游戏提供了更多可能性。
先端科学技术研究科修士论文要旨
强化学习的实际应用中的主要障碍之一是模拟和实际真实环境之间的差异。因此，在模拟环境中训练的政策可能无法在现实世界中产生预期的行动，这是由于噪声，建模不准确和不同环境条件等因素。为了减轻此问题，强大的马尔可夫决策过程（RMDPS）框架集中于设计算法弹性，可弹性。在RMDP中，人们考虑了一个可能的过渡概率和奖励功能的家族，并选择了本集中最坏的案例过渡概率和奖励功能以进行策略优化。最近的研究表明，考虑策略的熵和差异可以捕获给定奖励功能的最坏情况。尽管引入了处理过渡概率的各种算法，但仍存在某些挑战。特别是，分布的支持可能是不一致的，在实际环境中未过渡的状态仍然可以分配非零过渡概率。在这项工作中，我们添加了有关软最佳策略的差异，并用KL差异术语替换了相对于名义环境的过渡概率，替换了最坏的案例过渡概率。可以解决RMDPS的挑战。
衡量人机协作中自由文本原理的人类效用
最近，人们对使用语言模型 (LM) 进行人机协作的兴趣日益浓厚。为了向人类解释其推理过程，最先进的 LM 已被证明能够流畅地用自然语言生成自由文本理由 (FTR)，例如通过思路链提示。尽管如此，这些生成的 FTR 能够多有效地为人机协作提供人类效用，即帮助人类解决 NLP 任务，仍不清楚。为了研究是什么让 FTR 对人类有用，本文分析了人类效用与各种 LM/FTR 属性之间的关系。首先，尽管 LM 通常会经过微调/提示以联合生成任务标签和 FTR，但我们发现 LM 的任务性能与人类效用几乎没有相关性，而 LM 大小是人类效用的正向预测指标。其次，我们观察到某些 FTR 属性对是人类效用的强正向预测因素，例如，高效用的 FTR 往往既简洁又包含新信息。第三，我们表明，给定任务实例的高效用 FTR 可以提供可迁移的知识，帮助人类推广到解决新实例。通过揭示 FTR 在实际环境中对人类效用的性质，我们的研究结果可以帮助指导未来设计 LM 和 FTR 生成策略的工作，以实现更强的人机协作。
迈向紧凑型混合脑机接口 (BCI)
事实证明，通过结合两种不同的 BCI 模态，可以显著提高典型的单模态脑机接口 (BCI) 的性能。这种所谓的“混合 BCI”技术已经研究了几十年；然而，特别是结合脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 的混合 BCI（以下称为 hBCI）尚未在实际环境中得到广泛应用。hBCI 系统不受欢迎的主要原因之一是它们的硬件通常过于笨重和复杂。因此，为了使 hBCI 更具吸引力，有必要实现一个轻量级、紧凑且性能下降最小的 hBCI 系统。在本研究中，我们调查了实现紧凑型 hBCI 系统的可行性，该系统具有明显较少的 EEG 通道和 fNIRS 源检测器 (SD) 对，但可以实现足够高的分类准确率，可用于实际 BCI 应用。当被试执行三个不同的心理任务时，获取 EEG 和 fNIRS 数据，这三个心理任务包括心算、右手运动想象和空闲状态。我们的分析结果表明，使用仅具有两个 EEG 通道和两个 fNIRS SD 对的 hBCI 系统可以对这三种心理状态进行分类，分类准确率高达 77.6 ± 12.1%。