XiaoMi-AI文件搜索系统
World File Search System性能提升
Mamba 作为决策者：探索离线强化学习中的多尺度序列建模
摘要 — 顺序建模在离线强化学习 (RL) 中表现出色，其中决策转换器 (DT) 是最显著的代表之一，取得了显著的成功。然而，RL 轨迹具有与传统序列（例如文本或音频）不同的独特属性：（1）局部相关性，其中 RL 中的下一个状态在理论上仅由基于马尔可夫决策过程 (MDP) 的当前状态和动作决定，以及 (2) 全局相关性，其中由于轨迹的时间连续性，每个步骤的特征都与长期历史信息相关。在本文中，我们提出了一种新颖的动作序列预测器，名为 Mamba Decision Maker (MambaDM)，其中 Mamba 有望成为序列建模范式的有前途的替代方案，因为它可以有效地建模多尺度依赖关系。特别是，我们介绍了一种新颖的混合器模块，它可以熟练地提取和集成输入序列的全局和局部特征，从而有效地捕捉 RL 数据集中的相互关系。大量实验表明，MambaDM 在 Atari 和 OpenAI Gym 数据集上实现了最佳性能。此外，我们通过实证研究了 MambaDM 的扩展规律，发现增加模型大小不会带来性能提升，但将 MambaDM 的数据集大小扩大 2 倍可以在 Atari 数据集上获得高达 33.7% 的得分提升。本文深入探讨了 MambaDM 在 RL 领域的序列建模能力，为未来在稳健高效的决策系统方面的进步铺平了道路。
量子数据编码：经典到量子映射技术的比较分析及其对机器学习准确性的影响
本研究探索了将量子数据嵌入技术集成到经典机器学习 (ML) 算法中，旨在评估一系列模型的性能增强和计算影响。我们探索了各种经典到量子的映射方法，从基础编码、角度编码到幅度编码，对于编码经典数据，我们进行了一项广泛的实证研究，涵盖了流行的 ML 算法，包括逻辑回归、K 最近邻、支持向量机和集成方法，如随机森林、LightGBM、AdaBoost 和 CatBoost。我们的研究结果表明，量子数据嵌入有助于提高分类准确性和 F1 分数，尤其是在本质上受益于增强特征表示的模型中。我们观察到对运行时间的细微影响，低复杂度模型表现出适度的增加，而计算密集型模型则经历明显的变化。值得注意的是，集成方法在性能提升和计算开销之间表现出良好的平衡。这项研究强调了量子数据嵌入在增强传统 ML 模型方面的潜力，并强调了权衡性能改进与计算成本的重要性。未来的研究方向可能涉及改进量子编码过程以优化计算效率，并探索现实世界应用的可扩展性。我们的工作为量子计算和传统机器学习交叉领域的知识体系的不断增长做出了贡献，为寻求在实际场景中利用量子启发技术优势的研究人员和从业者提供了见解。
可解释的人工智能质量框架......
摘要 — 第六代 (6G) 无线网络的核心愿景之一是积累人工智能 (AI)，以实现万物互联 (IoE) 的自主控制。特别是，必须通过分析人员、数据、流程和事物等 IoE 的上下文指标来维护 IoE 服务交付的质量。然而，当 AI 模型为网络服务提供商带来解释和直觉的缺失时，挑战就随之而来。因此，本文为质量感知的 IoE 服务交付提供了一个可解释的人工智能 (XAI) 框架，该框架同时支持智能和解释。首先，通过考虑网络动态和 IoE 的上下文指标来制定质量感知的 IoE 服务交付问题，其目标是最大化每个 IoE 服务用户的信道质量指数 (CQI)。其次，设计一个回归问题来解决所提出的公式问题，其中通过 Shapley 值解释估计上下文矩阵的可解释系数。第三，通过使用基于集成的回归模型来确保对矩阵之间上下文关系的解释以重新配置网络参数，实现了支持 XAI 的质量感知 IoE 服务交付算法。最后，实验结果表明，AdaBoost 和 Extra Trees 的上行链路改进率分别为 42 .43% 和 16 .32%，而下行链路改进率高达 28 .57% 和 14 .29% 。然而，基于 AdaBoost 的方法无法维持 IoE 服务用户的 CQI。因此，与其他基线相比，所提出的基于 Extra Trees 的回归模型在缓解准确性和可解释性之间的权衡方面表现出显着的性能提升。索引术语 — 万物互联、可解释人工智能、上下文矩阵、Shapley 系数、回归、服务质量。
1 屈曲诱导的 3D 微/... 折纸组装
随着近年来微纳加工技术的快速发展，纳米薄膜[1–8]的基础研究及其在电子/光电子[3,8,9]、微纳机电系统（MEMS/NEMS）[6,10]和光学[11,12]等领域的应用已成为一个具有巨大潜力和机遇的领域。同时，纳米薄膜技术正逐渐广泛深入人们的日常生活，在现代智能社会的发展中发挥着越来越重要的作用。例如，基于纳米薄膜技术的微电子器件（如手机、笔记本电脑和可穿戴设备）作为人工智能技术中生命信号采集和传输的物理载体，集成的功能越来越多，尺寸却不断减小[13,14]。然而，纳米膜在微电子领域的应用主要集中在二维微纳结构和平面器件上。纳米膜的二维布局可能不利于实现进一步的性能提升或满足某些场景下的特定关键要求[13,15–17]，如空间光调制[18]、具有高Q值的非传统近场通信(NFC)[19,20]和高效能量收集器[21]。发展将纳米膜转化为三维微纳结构的技术可以绕过平面设计中遇到的一些挑战，为实现器件设计的多样性、更好的性能和更先进的功能提供了可行途径[22,23]。然而，三维微纳结构的制备存在许多技术挑战[24]。在过去的几十年里，人们投入了大量的努力来开发新的制造方法，三维纳米膜的制备也取得了重大进展。在这些方法中，二维到三维的组装方法脱颖而出，由于其与现代平面制造具有良好的兼容性等固有优势而受到广泛关注
利用参数化量子电路实现生成建模的稳健实现∗
摘要：尽管混合量子经典算法的性能在很大程度上取决于经典优化器和电路设计的选择 [ 1 – 3 ]，但迄今为止，对此类特性的硬件稳健而全面的评估仍然缺失。从优化器的角度来看，主要挑战在于求解器的随机性，以及它们对随机初始化的显著差异。因此，稳健的比较需要对每个求解器执行多条训练曲线，然后才能得出关于其典型性能的结论。由于每条训练曲线都需要在量子计算机中执行数千个量子电路，因此对于当今大多数混合平台而言，这种稳健的研究仍然是一项艰巨的挑战。在这里，我们利用 Rigetti 的量子云服务 (QCS™) 来克服这一实施障碍，并研究数据驱动的量子电路学习 (DDQCL) 在三种不同的最先进经典求解器上的硬件性能，以及与同一任务的不同纠缠连接图相关的两种不同电路分析。此外，我们还评估了不同电路深度带来的性能提升。为了评估此基准研究中与这些设置中的每一个相关的典型性能，我们使用至少五次独立的 DDQCL 运行来生成能够捕捉规范 Bars and Stripes 数据集模式的量子生成模型。在此实验基准测试中，无梯度优化算法与基于梯度的求解器相比表现出了出色的性能。特别是，其中一个在处理实验条件下要最小化的不可避免的噪声目标函数时具有更好的性能。
Falcon 900EX - cloudfront.net
达索航空公司在今年的 NBAA 大会上宣布推出猎鹰 900EX，引起了不小的轰动。这款最新的宽体三引擎猎鹰飞机虽然与航程 4,000 海里的 900B 几乎没有区别，但当 1996 年 4 月开始生产交付时，在 NBAA IFR 备用燃油条件下，将能够搭载 8 名乘客飞行 4,500 英里。值得注意的是，航程的增加将使 900EX 比其在 3,000 万美元以下商务飞机类别中的主要竞争对手有大约 300 海里的优势。多年来，达索一直渴望为其空气动力学上滑溜溜的大客舱商务飞机提供这种性能优势。与 900B 类似，猎鹰 900EX 的性能提升主要归功于其 AlliedSignal TFE731 涡扇发动机的革命性改进。 （见侧边栏）与 900B 的 -5B 涡扇发动机相比，900EX 的新型第二代 -60 发动机具有三重优势：更大的起飞推力、更大的高空巡航推力和更高的燃油效率。对运营商来说同样重要的是，-60 发动机的额定温度为 ISA+17°C，而 -5B 涡扇发动机的额定温度为 ISA+10°C，这将带来出色的高温和高空跑道性能——这已经是猎鹰 900B 的强项之一。低空和高空推力的增加将使猎鹰 900EX 几乎能够匹敌 900B 的跑道和爬升性能，尽管 900EX 的最大起飞重量将比 900B 多 2,800 磅。两个附加机身油箱（一个位于机翼前方，一个位于机身后部）
活力
合理的储能系统设计对于太阳能共享建筑社区的性能提升至关重要。现有研究已经开发出各种用于确定分布式电池和共享电池容量的设计方法。对于分布式电池容量，大多数设计方法都是基于单栋建筑能量不匹配，但却忽略了能量共享在降低电池容量方面的潜力，从而容易导致电池容量过大的问题。对于共享电池容量，现有的设计方法是基于社区聚合能量不匹配的，虽然可以避免电池容量过大的问题，但却会导致另一个严重的问题，即长距离输电导致共享过程中的电力损失过多。因此，本研究提出了一种太阳能共享建筑社区分布式电池的分层设计方法，目的是降低电池容量并最大限度地减少共享过程中的能量损失。所开发的设计方法首先将所有分布式电池视为一个虚拟的“共享”电池，并使用遗传算法搜索其最优容量。以优化容量为约束，所开发的方法使用非线性规划优化分布式电池的容量，以最小化能量损失。建筑社区案例研究表明，与现有设计方法相比，所提出的设计可以显著降低共享过程中的电池容量和电力损失，即容量减少 36.6% 和电力损失减少 55%。本研究综合了总能源需求、本地光伏电力共享、高级社区控制和电池存储共享的考虑因素，有助于优化正能源区的三大功能（能源效率、能源生产和灵活性），实现能源盈余和气候中和。© 2021 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可协议开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
传感器
摘要：近年来，基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）性能提升研究取得了长足进展。过去的SSVEP-BCI研究在许多不同的应用中采用了不同的目标频率和闪光刺激。然而，在执行SSVEP-BCI任务时不容易识别用户的心理状态变化。我们可以观察到的是从用户的视觉区域增加的目标频率的EEG功率。BCI用户的认知状态变化，特别是在精神集中状态或陷入沉思状态，将影响SSVEP持续使用中的BCI性能。因此，如何通过探索BCI用户在执行SSVEP时的神经活动变化来区分BCI用户的生理状态是提升BCI性能的关键技术。本研究设计了一个新的BCI实验，将工作记忆任务结合到SSVEP任务的闪烁目标中，使用12 Hz或30 Hz频率。通过探究工作记忆和SSVEP任务执行所对应的EEG活动变化，可以识别用户的认知状态是集中注意力还是陷入沉思。实验结果表明，在额叶，与陷入沉思相比，集中注意力状态下的delta（1-4 Hz）、theta（4-7 Hz）和beta（13-30 Hz）EEG活动增加更多；在枕叶，与陷入沉思相比，集中注意力状态下的delta（1-4 Hz）、alpha（8-12 Hz）和beta（13-30 Hz）波段的功率增加更多。此外，观察到KNN和贝叶斯网络分类器的受试者平均分类性能为77%到80%。这些结果显示了心理状态的变化如何影响 BCI 用户的表现。在这项工作中，我们开发了一种新场景来识别用户在执行 BCI 任务时的认知状态。这些发现可以用作未来 BCI 开发中的新型神经标记。
你一直想知道的有关量子电路的一切
量子计算电路的开发受到量子算法激增的推动，这些算法有望比经典算法实现超多项式因子的加速。所开发的量子算法有可能影响数论、加密、科学计算等领域 [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16]。量子算法的设计仍然是一个活跃的研究领域，新算法不断出现在文献中（有关量子算法的代表性列表，请参阅 [17]）。为了实现这些提议的量子算法的潜在性能提升，必须在量子硬件上实现它们。IBM 或 Honeywell 等实体开发的量子计算机就是可用于实现量子算法的量子硬件平台的一个例子 [18] [19] [20] [21] [22]。为了在这些硬件平台上实现量子算法，我们需要由量子电路组成的量子数据通路系统。在本文中，我们将介绍量子电路的设计和资源成本评估。这些量子电路由量子门网络组成。IBM 和 Honeywell 等实体开发的量子机支持基于门的量子计算。基于门的量子电路设计可用于容错量子计算和量子电路设计自动化 [23] [24] [25] [26] [27] [28] [16] [29]。每个量子门代表一个量子力学操作。因此，使用量子电路的设计者必须应对新的特性和挑战。例如，量子电路是一对一的，所有信息都被保留。用于实现量子算法的量子电路设计引起了研究人员的关注。已经提出了用于基本功能（例如基本算术功能（例如加法或除法））的电路，例如 [30] [31] [32] [33] [34] [35] [36] [37]。这些基本电路被用作更复杂的数据通路系统的构建块，例如用于科学计算、图像处理或机器学习的高级数学函数 [38] [39] [40] [12] [41] [42] [43]。
产电细菌有望为供电、传感和合成带来新机遇
微生物电化学反应可用于合成高附加值化学品和固定CO2等。[7–9] 双向电子转移通过直接电子转移、纳米线转移和穿梭转移等多种自适应途径发生，表明电子转移效率是影响微生物电化学活性的关键因素。[2,5,10] 随着外电极可以有效地作为电子受体或供体被发现，人们对细菌与电极之间双向电子交换的深入探索已经在各种生物电化学系统中创造了新技术，例如微生物燃料电池（MFC）、微生物电解电池（MEC）、微生物海水淡化电池（MDC）和微生物电合成（MES））。 [1,11] 利用生物电化学系统，产电细菌可以革命性地从有机废物中产生可再生生物电，合成高价值化学品和生物燃料，或执行许多其他对环境重要的功能，如生物修复、海水淡化和生物传感。特别是，MFC 中细菌细胞外电子转移 (EET) 过程的利用已引起广泛关注，可替代我们已有 100 年历史的能源密集型有氧技术，成为废水处理方法的替代品。[12–14] 虽然许多可再生、碳中性的能源，如风能、太阳能、地热能和核能，已经开始取代化石燃料，以紧急缓解能源危机和全球变暖，但 MFC 可以更有效地产生清洁电力，同时去除废水中的污染物。为了解决这些紧迫的社会问题，人们对MFC进行了大量且持续的研究，主要集中在大规模系统的开发和运行上。[12,15] 扩大MFC的规模对于应对迫在眉睫的能源-气候危机至关重要。尽管过去几十年来MFC取得了长足的发展和性能提升，但其规模化和商业化仍然难以实现。[12–16] 最关键的挑战是其性能极低，且性能不会随着尺寸的增大而成比例提高。[16–19] 许多研究已经探索了通过纳米技术、细菌基因工程和材料创新来提高MFC性能的方法。[13,20,21] 然而，它们能否经济高效且稳健地集成到大规模应用中还值得怀疑。尽管模块化堆叠