XiaoMi-AI文件搜索系统
World File Search System并不比
行为科学家的“价值”体系研究
源于对客观主义的批评，以及传统的科学变化描述与随后的历史、社会学和科学心理学研究之间的差异。科学家和哲学家都对观察提供理论上中立的客观知识单元的说法提出质疑。海森堡 (1958) 指出“客观”观察的不合理性，而图尔明 (1953) 则表明理论和假设在逻辑上先于观察。此外，汉森 (1958) 也认为不可能存在中性的观察语言。因此，客观主义的基本假设是站不住脚的，因为如果不先选择某个假设框架，无论从物理上还是从哲学上都不可能获得知识。这个框架不是由观察决定的；相反，它构成了生成“事实”和赋予观察意义的解释学背景 (Heelan, 1983)。尽管这些假设通常是在成为科学家的社会化过程中被心照不宣地持有和巧妙地习得的，但我们认为将它们视为科学家做出的决定是有益的。作为在一系列可用假设中进行的选择，这些假设中没有一个可以预先声称是“真理”，特定学科的假设对科学家而言充当着价值体系。在这方面，科学主张的认识论地位可能并不比哲学伦理中价值主张的相对地位更低（Ma
![arxiv：2502.05828v1 [cond-mat.supr-con] 2025年2月9日](/simg/9\9338e75c68a1829ef557495afcb4b72baebe5334.webp)
arxiv：2502.05828v1 [cond-mat.supr-con] 2025年2月9日
占据了我和Jan所属的发生的主要问题之一，灵感来自于发现高温超导性[1]。在BCS理论中，配对不稳定性发生在临界温度t c中，其中λχ'0（t c）=1。这里λ是一种有吸引力的配对相互作用，χ'0（t）〜ln（ω0 /k b t）是静态裸对敏感性，ω0是涉及配对相互作用的声子的适当加权平均能量。常规方法是指在自由子的杯状效率下，例如声子，等离子体，旋转 - 触发器，环流或激子介导了强大的有吸引力的配对相互作用。在与Jian-huang她和其他人的一系列论文中，Jan和他的合着者认为[2-5]，纯化的对层的易感性在质量上与标准金属具有质量不同，从而导致t c也很高，即使配对相互作用并不比其他超电导材料中的副作用相互作用。他们是从Ansatz开始的，铜酸盐的裸露易感性具有代数温度依赖性χ'0（t）〜1 /tα，这是理论上的，这会导致配对的不稳定性在相对较高的温度下发生。这个Ansatz是由参考结果的激励。[6]在光学实验中观察到的放松时间的“普朗克”性质，这是由于我们在波兰举行的会议的途中引起的动画探测而产生的。
街头外展活动是否吸引了预期的目标人群？退伍军人健康管理局无家可归者服务计划中的临床经验
摘要 目标：临床街头外展计划服务于无家可归的人们，这些人患有更多的医学和精神疾病，并且面临更大的社会和经济挑战。然而，外展计划在实践中可能难以让这些最脆弱的人参与进来。方法：使用退伍军人健康管理局 (VHA) 无家可归者运营管理系统 (HOMES) 2018 年至 2019 年 (N = 101,998) 的数据，比较通过街头外展联系到的无家可归退伍军人与自我推荐或诊所推荐的退伍军人的社会人口统计学、临床和财务特征。结果：通过街头外展服务参与的退伍军人报告的过去一个月无家可归的天数（平均值 (M) = 11.18 天，标准差 = 13.8）明显多于诊所转介组（M = 6.75 天，标准差 = 11.1），并且更有可能在过去 30 天内无家可归（RR = 2.23）。两组之间几乎没有其他差异。结论：尽管文献中的流行病学证据表明无家可归的无家可归者在医疗、精神、社会和经济方面更脆弱，但我们的街头外展组在这些变量上的表现并不比诊所转介组或自我转介组差，除了无家可归的时间更长。外展工作者似乎接触了更多无家可归的人，但不一定接触那些有如此严重脆弱性的人。需要专门的外展计划资金、培训和支持来支持向问题最严重的人进行街头外展。
加州大学伯克利分校
量子计算是解决各种问题的有前途的工具，因为指数级大的希尔伯特空间可以用多项式数量的量子比特来描述。在高能物理学中，量子场论的模拟尤其有前景，其中每个时空点都有量子自由度，但存在用于状态准备和时间演化的多项式算法 [1,2]。然而，并非所有经典硬算法在量子计算机上都更高效。在高能物理学 (HEP) 中，有一类特别受关注的算法是量子机器学习 (QML)。在本文中，QML 指的是在量子计算硬件上执行的机器学习任务。虽然 QML 并不比经典机器学习 (CML) 更高效，但已经有许多实证研究探索 QML 在 HEP 中的潜力 [3-19]（另请参阅参考文献 [20] 的最新综述）。这些研究得出的一个共同结论是，QML 似乎在小型训练数据集上表现优于 CML。1 虽然对这一观察结果没有严格的解释，但可能是因为 QML 提供了更好的归纳偏差和/或使用较少的参数提供了更多的表达能力。在几乎所有的研究中，当有超过 O (100) 个示例时，CML 的表现都优于 QML。在具有如此少量训练事件的对撞机 HEP 中，几乎没有问题。本文的目标是探索近期 QML 在对撞机物理中的实际用例。另请参阅参考文献 [ 21 ] 以了解 QML 与 CML 的更广泛背景。
VERA：虚拟环境记录注意力
摘要 — 患有注意力缺陷多动障碍 (ADHD) 的儿童在日常生活中表现出不同的症状，例如难以集中注意力、冲动、难以调节运动功能等。最常用的治疗方法是药物治疗，但会产生副作用。另一种解决方案是行为治疗，但似乎并不比药物治疗效果更好，而且成本更高。一种越来越受关注的新方法是使用神经反馈 (NF) 来教患者自己调节症状，通过以可理解的形式可视化大脑活动。此外，虚拟现实 (VR) 是 ADHD 背景下 NF 的支持环境。然而，在进行 NF 之前，确定与症状表现相对应的生理信号特征非常重要。我们在此提出了一个新框架，该框架基于可嵌入 VR 耳机的设备对脑电图 (EEG) 和视线方向的联合测量，目标是估计注意力状态。在信号采集的同时，执行注意力任务来标记生理信号。从信号中提取特征，并应用机器学习 (ML) 模型来检索注意力状态。这项初步研究提供了令人鼓舞的结果，能够在多种情况下做出正确的分类。此外，带有标记生理信号的数据集正在开发中。这将有助于更好地理解 ADHD 症状背后的机制。关键词 —虚拟现实、眼动追踪、脑机接口、机器学习
经济复杂性地图集
在过去两个世纪中，人类取得了过去无法想象的成就。回顾人类取得的众多成就，我们很容易将注意力集中在最大胆的成就上，例如征服天空和月球。然而，大量虽不起眼但至关重要的成就也使我们的生活更加轻松和富裕。想想电灯泡、电话、汽车、个人电脑、抗生素、电视、冰箱、手表和热水器。想想许多尽管我们知之甚少却使我们受益的创新，例如港口管理、电力分配、农用化学品和水净化方面的进步。这些进步是因为我们变得更聪明了。在过去两个世纪中，我们拥有的生产知识数量急剧增加。然而，这并不是个人现象。而是一种集体现象。作为个人，我们的能力并不比我们的祖先强多少，但作为社会，我们已经发展出制造上述所有东西的能力——甚至更多。现代社会之所以能够积累大量生产知识，是因为它们将知识的碎片化部分分配给众多成员。但要利用这些知识，就必须通过组织和市场将这些知识重新组合起来。因此，个人专业化在国家和全球层面上产生了多样性。我们最繁荣的现代社会之所以更加智慧，并不是因为其公民个人才华横溢，而是因为这些社会拥有多样化的专业知识，并且能够将其重新组合以创造出更多种类的更智能、更好的产品。
政治反 ESG 制裁有经济实质吗？德克萨斯州法律强制 ESG 资产管理公司撤资的案例
我们以德克萨斯州的一项新法律为背景，调查当前围绕环境、社会和治理 (ESG) 问题日益激烈的政治辩论背后的经济实质。2021 年 9 月，德克萨斯州立法机构指示其州机构撤资据称促进 ESG 事业的投资公司并“抵制”能源股。2022 年 8 月 24 日，德克萨斯州审计长公布了被禁基金的具体名单。其中，我们研究了那些投资于美国股票的基金，并将它们的特征与同样投资于美国股票的规模匹配的共同基金的对照样本进行比较。我们发现被禁基金的名称表明它们专注于 ESG。然而，(i) 被禁基金主要是指数基金，略微偏离能源股，即使它们的能源敞口不为零且具有经济意义；(ii) 德克萨斯州的禁令对受制裁名单中唯一的美国基金经理贝莱德的命运的影响在统计上和经济上都并不显著； （三）我们可以找到数据的三项德克萨斯州公共养老金计划并没有像政客说的那样行事，因为它们在能源领域的投资额并不比被禁基金高。我们得出的结论是，德克萨斯州的法律不太可能对州养老基金的能源敞口和风险回报特征或 ESG 基金的命运和投资策略产生重大影响。因此，该立法似乎是政治姿态，可能没有其他目的。
通过信息理论实现量子学习的最佳下界*
摘要 尽管在某些情况下使用量子样本可能比使用经典样本更有效地学习概念类，但 Arunachalam 和 de Wolf [3] 证明，在量子 PAC 和不可知论学习模型中，量子学习者的渐近效率并不比经典学习者更高。他们通过量子态识别和傅里叶分析建立了样本复杂度的下限。在本文中，我们通过信息论方法推导出 PAC 和不可知论模型中量子样本复杂度的最佳下限。证明可以说更简单，相同的想法可用于推导出量子学习理论中其他问题的最佳界限。然后，我们转向优惠券收集器问题的量子类似物，这是概率论中的一个经典问题，在 PAC 学习研究中也具有重要意义。Arunachalam、Belovs、Childs、Kothari、Rosmanis 和 de Wolf [1] 将该问题的量子样本复杂度表征为常数因子。首先，我们证明了上述信息论方法无法得出最佳下限。作为副产品，我们得到了任意高维纯态的自然集合，这些纯态不易（同时）区分，而集合具有接近最大的 Holevo 信息。其次，我们发现信息论方法为该问题的近似变体得出了渐近最佳界限。最后，我们通过广义 Holevo-Curlander 集合可区分性界限，推导出具有精确领先阶项的量子优惠券收集器问题的尖锐下限。我们研究的量子优惠券收集器问题的所有方面都取决于相关 Gram 矩阵的谱的属性，这可能是独立的兴趣所在。
太空领域和俄乌战争 - 混合 CoE
本混合卓越中心工作报告讨论了在乌克兰持续战争期间太空领域的使用和影响。可以说，太空领域在以往的任何冲突中都没有被如此广泛地使用过，这为西方国家提供了一次重要的学习机会。本文的重点是混合威胁、工具和行为者，并对已实现和预测的影响进行了全面分析，包括太空领域与其他混合威胁领域之间的联系。由于现代社会严重依赖太空能力，对太空基础设施的攻击和混合威胁可能会产生非常广泛的影响。例如，针对卫星系统的系统性网络攻击可能会阻止信息共享，并导致能源和交通部门中断。有几个经验教训：1) 众包态势感知的力量已在战争中得到证实。来自平民的信息已被用来支持实地行动。 2) 俄乌战争为卫星技术成为军民日常工具铺平了道路。战争证明，拥有太空能力并不比获得这些能力更重要，这一点从一些最重要的商业参与者及其服务在冲突期间的使用情况可以看出。3) 商业太空资产在军事行动中的使用模糊了战争中军民参与者之间的界限。4) 卫星技术的发展及其使用也促进了可用于军事目的的新能力组合。战争对太空环境和重大国际太空计划造成的一个主要威胁是各国合作精神的下降。其明显后果是各国通过本国或地区活动加大确保主权的力度。
英国陆军追随者学说说明
实现共同的结果。2.“追随”。如果我们将领导力视为一种关系，即两个或多个人之间的互动，那么领导者必须有人领导。因此，领导力和追随是密不可分的。它们不仅共存，而且相互支持，共同努力实现共同目标，由共同的目的驱动。3.“追随者”和“领导者”一样，是一种假定的角色，而不是指定的权威职位。反过来，追随是指一个人或一群人以与领导者互惠的角色采取的行动。因此，追随者的角色并不比领导者低，也不必为成为领导者做准备。通常是不断变化的环境决定了谁将承担哪个角色。在武装部队中，领导者与追随者之间的关系超出了典型的上下级关系，这种关系表明了军事等级制度和指挥权。有时会出现需要上级服从下级的情况。因此，没有人是“纯粹的”领导者或“纯粹的”追随者 - 这是一种动态关系，通常由情况的要求决定。4.鉴于这种伙伴关系的共生性质，有效领导者的许多品质都与有效追随者的品质相符。两者都致力于相同的目的、使命或任务。两者都对团队及其中的个人负有义务。双方都秉持共同的价值观和标准。2 双方都应表现出符合军事服务和我们所服务的社会期望的行为。因此，每个角色的各自职责决定了差异。5.这种关系基于影响力（“在没有明显施加武力或直接行使指挥权的情况下产生影响的行为或权力”）。3 两种角色中的个人都可以产生影响，尽管领导者在特定情况下拥有“社会权力”的假定基础，是群体中影响力的主要来源。作为回报，追随者愿意接受领导者的影响。4 在这种关系中，追随者会相互影响他们的领导者和同伴