摘要:随着解释机器学习(ML)模型的兴趣越来越多,本文综合了许多与ML解释性相关的主题。我们将解释性与解释性,本地解释性以及功能重要性与功能相关性区分开。我们演示和可视化不同的解释方法,如何解释它们,并提供完整的Python软件包(Scikit-templain),以允许未来的研究人员和模型开发人员探索这些解释能力方法。解释性方法包括Shapley添加性解释(SHAP),Shapley添加剂全球解释(SAGE)和累积的局部效应(ALE)。我们的重点主要放在基于沙普利的技术上,这些技术是增强模型解释性的各种现有方法的统一框架。例如,制造一致的方法,例如可解释的模型 - 不合Snostic解释(lime)和树解释器,用于局部解释性,而鼠尾草则统一了对全球解释性的置换重要性的不同变化。我们提供了一个简短的教程,用于使用三个不同数据集解释ML模型:用于对流的模型数据集用于恶劣天气预测,一个用于子冷冻道路表面预测的幕后数据集,以及用于雷电预测的基于卫星的数据。此外,我们还展示了相关特征对模型的解释性的不利影响。最后,我们演示了评估特征组的模型图案而不是单个特征的概念。评估特征组可减轻特征相关性的影响,并可以对模型提供更全面的理解。本研究中使用的所有代码,模型和数据都可以自由使用,以加速大气和其他环境科学中的机器学习解释性。
~ 30%:高知名度出版物:Nature materials、Nature energy、Nature physics、Nature chemistry、PRL、Nature Communications、PRX、Advanced materials、Angewandte Chemie International Edition、JACS 等;
手稿于2022年10月4日收到; 2023年4月21日修订;接受出版日期2023年5月31日;当前版本的日期2023年10月11日。这项工作得到了STI 2030年的部分支持,即Major Project 2021ZD0201300,部分由惠田省基金为杰出的年轻学者根据2020CFA050的授予年轻学者提供了支持。(相应的作者:bin hu; Zhigang Zeng。)Dongrui Wu和Zhigang Zeng是教育部的重要实验室,用于图像处理和智能控制部,人工智能与自动化学院,瓦兹港科学技术大学,WUHAN 430074,中国(电子邮件:drwu@hust.hust.edu.cn; zgzengement;Bao-Liang Lu曾在上海Jiao Tong University,Shanghai 200240,中国的计算机科学与工程系,中国(电子邮件:bllu@sjtu.edu.edu.cn)。 bin hu曾与中国北京理工学院工程医学研究所一起,中国北京100811(电子邮件:bh@bit.edu.cn)。Bao-Liang Lu曾在上海Jiao Tong University,Shanghai 200240,中国的计算机科学与工程系,中国(电子邮件:bllu@sjtu.edu.edu.cn)。bin hu曾与中国北京理工学院工程医学研究所一起,中国北京100811(电子邮件:bh@bit.edu.cn)。
摘要:严肃游戏,包括沉浸式虚拟现实 (iVR) 体验,对于玩家来说可能具有挑战性,因为他们不熟悉控制系统和机制。本研究重点是设计一个 iVR 严肃游戏的游戏化教程,不仅可以教授 iVR 交互,还可以提高用户的享受度和参与度。教程由逐渐具有挑战性的迷你游戏组成,这些迷你游戏可以适应用户的表现。如果用户遇到困难或犯错,机器人化身会提供提示和建议。教程中还包含一个可选的叙述来增强用户参与度,但这对于 iVR 体验来说并不是必需的。教程中融入了积分收集和进度更新等游戏化元素。它可以独立玩,也可以作为 iVR 严肃游戏的介绍。目标是使用游戏化原则来保持用户参与度和流畅度,同时增强虚拟世界中的学习体验。
量子计算机的最初应用之一是量子系统的模拟。在过去的三十年中,模拟封闭量子系统和更复杂的开放量子系统的算法开发取得了长足的进步。在本教程中,我们介绍了用于模拟单量子比特马尔可夫开放量子系统的方法。它将各种现有符号组合成一个通用框架,可以扩展到更复杂的开放系统模拟问题。详细讨论了目前唯一可用于单量子比特开放量子系统数字模拟的算法。对更简单通道的实现进行了修改,消除了对经典随机采样的需求,从而使修改后的算法成为严格的量子算法。修改后的算法利用量子分叉来实现接近总通道的更简单通道。这避免了对具有大量 CNOT 门的量子电路的需求。Quanta 2023;12:131-163。
摘要 人工智能 (AI) 是一门拥有数十年历史的学科,由于取得了惊人的进展,解决了几年前无法想象的问题,例如文本、图像和视频的生成模型,人工智能正迎来黄金时代。人工智能的广泛应用也已进入物理学领域,为瓶颈问题提供解决方案,例如无法解决某些问题或耗时极长的数值方法、量子实验的优化或量子比特控制。此外,量子计算已成为加速人工智能计算的极佳方法,尤其是在数据驱动的人工智能即机器学习 (ML) 的情况下。量子机器学习 (Quantum ML) 一词已经广为人知,涉及量子计算机或量子退火器中的学习、经典机器学习模型的量子版本以及用于量子测量和控制的不同学习方法。量子人工智能 (QAI) 试图向前迈出一步,提出颠覆性的概念,例如人机量子计算机界面、量子计算机中的情感分析或量子计算的可解释性等。本次特别会议包括五篇有关相关主题的高质量论文,例如量子强化学习、量子计算并行化、量子特征选择和量子矢量量化,从而捕捉了 QAI 中方法的丰富性和多样性。
摘要 宽带隙器件正日益渗透到汽车市场,并成为汽车应用(无论是牵引逆变器还是电池充电器)的首选。牵引逆变器的任务概况特别艰巨,因为当电机驱动器经历驱动周期的各个阶段(包括加速、减速、失速等)时,功率器件上的电热应力在幅度和频率上会发生很大变化。从历史上看,牵引转换器一直使用硅器件实现,其性能和可靠性众所周知。在汽车应用中应用 SiC MOSFET 和 GaN 功率器件等 WBG 器件需要了解可靠性和认证程序,尤其是根据汽车标准。与硅器件相比,SiC 和 GaN 功率器件具有不同的内部物理特性和工作模式,其稳健性和可靠性性能也大不相同。鉴于应用的敏感性,这些器件必须通过汽车电子委员会 (AEC)、联合电子设备工程委员会 (JEDEC-JC70) 和欧洲电力电子中心 (AQG) 制定的严格汽车可靠性测试和指南。本教程旨在介绍与以下内容相关的主题:(i)WBG 器件的物理和操作:这包括这些 WBG 器件与传统硅 IGBT 和 MOSFET 的不同之处的详细信息;(ii)WBG 器件的可靠性和稳健性:这包括这些 WBG 技术的哪些方面使它们比传统硅器件更稳健或更不稳健的详细信息。(iii)特定于应用的可靠性要求:这包括如何将应用程序的任务概况转化为功率器件上的应力的详细信息。这一点至关重要,因为与牵引变流器或负载服务直流/直流转换器中的设备相比,电动充电器中使用的设备将受到非常不同的电热和热机械应力。(iv)测试方法和规范:这包括用于实施这些测试的电路和系统的详细信息。讨论将包括标准生产线终端生产测试、筛选测试和资格测试之间的差异。由于这些 WBG 设备的性质,其中一些测试方法必须适应 WBG 设备物理的特殊性。
RNA序列(RNA-SEQ)已成为肿瘤分子分析和免疫表征的越来越成本效益的技术。在过去十年中,已经开发出许多计算工具来表征来自基因表达数据的肿瘤免疫。然而,大规模RNA-seq数据的分析需要生物信息学水平,大量计算资源以及癌症基因组学和免疫学知识。在本教程中,我们提供了用于肿瘤免疫表征的大量RNA-SEQ数据的计算分析,并引入了与癌症免疫学和免疫疗法有关的常用计算工具。这些工具具有多种功能,例如评估表达特征,免疫浸润的估计,免疫曲目的推断,预测免疫疗法反应,新抗原检测和微生物组定量。我们描述了RNA-Seq免疫分析(RIMA)管道,将其中许多工具整合到简化RNA-Seq分析。我们还采用了带有文本和视频演示的GitBook的形式制定了全面且用户友好的指南,以帮助用户使用RIMA分析单个样本和队列级别的批量RNA-Seq数据,以通过RIMA使用RIMA进行免疫表征。
我一直使用 QCircuit 在 LA TEX 中排版量子电路图,但发现基于 Xy-pic 的符号相当难以理解,我很难使其适应我的需求(这可能是我的失败而不是软件包的失败)。因此,我想要一个可以做同样事情的 tikz 软件包。那个包是 Quantikz。熟悉 QCircuit 的人会认出大部分符号,尽管它已经发展了一些(希望是简化了!)。最新版本(用版本号 1.x 表示)在幕后代码方面迈出了一大步。不幸的是,这必须破坏与以前版本的某些兼容性。您的旧电路应该仍然有效,但它们可能看起来不像预期的那样!主要是电路中电线的概念已经被修改,因为经典电线只是事后才想到的,但现在已经提升到与量子线相当的地位。
• Atomic Mass Unit (amu) • AWS: Amazon Web Services • Bump Plating Photoresist (BPR) • Chip to Wafer (CtW) • CL: Confidence Level • CMOS: Complementary metal-oxide semiconductor • Commercial Off The Shelf (COTS) • Complementary Field Effect Transistor (CFET) • ConOps: Concept of Operations • continuous wave (CW) • DDD: Displacement Damage Dose •设计技术合作/合成技术合作选择(DTCO/STCO)•动态随机访问记忆(DRAM)•EDAC:错误检测和校正•EEEE•EEEE•EEEE:电气,电子,电子力学和电流和电流和电子光学和电力•嵌入式动态随机访问记忆(EDRAM)晶体管(FEFET)•铁电随机访问存储器(FERAM)•铁电隧道连接(FTJ)•FET:FET:现场效应晶体管•FPGA•FPGA:现场编程的门阵列•完全自我对齐(FSAV)•GrandAccélérateurNational d'ions d'ions d'ions d'Ions d'ions lourds lourds(Ganil)
