XiaoMi-AI文件搜索系统
World File Search System相干检测
对石墨烯中振荡大声电效应的相干检测
大型语言模型（LLMS）最近在各种任务中表现出了高功能，尤其是在开放式文本生成中，如Chatgpt（OpenAI，2023a）和其他模型所示（OpenAI，2023b; Touvron等>，2023a，b;江等。，2023）。在开放式一代中，LLMS必须以类似人类的风格产生正确的答案。多亏了缩放法（Kaplan等人。，2020年； Wei等人。，2022; Gunasekar等。，2023），这项和许多其他任务得到了显着改进。评估LLMS的开放式一代对于他们的发展而言是挑战的。最可靠的评估方法是人类的判断，例如在聊天机器人领域（Chiang等人，2024）。但是，开放式一代任务缺乏基本真理和清晰的评估客观标准。最近的llm-as-a-a-a-a判断基准（Zheng等人，2023），高端LLM取代了Human法官，部分解决了此问题，但有
基于物理的深度学习，通过像差进行成像
目前，采用光学相干检测的传感器的图像校正框架试图估计数据中的相位误差（如由像差引起的误差），并同时重建数字增强图像。实际上，这些框架很难解释散斑的影响。为了解决这一问题，我们开发了一种称为相干即插即用伪影去除 (CPnP-AR) 的新型图像校正框架，它将神经网络去散斑器与基于物理的测量模型结合在一起。我们还开发了定量评估相对于多个最先进框架的性能所需的实验协议。结果表明，CPnP-AR 可以为各种物体生成更高质量的图像和更准确的相位误差估计，特别是无需进行与物体相关的参数调整。整体稳健性的提高是将这种新型图像校正框架应用于众多感兴趣的应用的关键一步。
具有 360 度水平角度的低成本激光检测系统...
摘要。已经开发了基于相干检测的低成本激光检测系统，即使在明亮的背景光中，也能够检测到弱，连续的激光源。该系统由Mach - Zehnder干涉仪组成，其中一个手臂用压电的镜子修饰，以调节路径长度。我们介绍了确定激光波长并扩展检测器视野的方法。为了扩大视野，将锥镜添加到系统中，而相机的额外使用则可以研究传入激光束的方向。通过使用压电镜的调制幅度估计来自三个不同激光器的波长。可以实现360度水平视场的初步结果，并且可以用估计的角精度为5度确定激光束的方向。此外，可以用10 nm的精度确定波长。系统在635 nm处将系统交易的灵敏度转换为较大的视野，而最终的检测灵敏度等于70 nW（或1μW·cm -2）。©作者。由SPIE发表在创意共享归因4.0未体育许可下。全部或部分分配或复制此工作需要完全归因于原始出版物，包括其DOI。[doi：10.1117/1.oe.60.2.027106]
使用共轭同型检测的BB84量子键分布
光同源性检测已被广泛用于测量字段正交的连续变量（CV）量子信息处理。在本文中，我们探讨了在“光子计数”模式下操作共轭同型检测系统以实现离散变量（DV）量子密钥分布（QKD）的可能性。共轭同源检测系统由光束分离器组成，然后是两个光学同伴检测器，可以同时测量传入量子状态的一对共轭四倍体x和p。在经典电动力学中，x 2 + p 2与输入光的能量（光子数）成正比。在量子操作中，X和P不上交，因此上述光子数测量本质上是嘈杂的。这意味着QKD标准安全证明的盲目应用可能会导致模拟性能。我们通过利用拟议检测方案的两个特殊特征来克服这一障碍。首先，外部对手不能操纵与真空浮游相关的基本检测噪声。第二，重建接收器末端的光子数分布的能力可以对对手的可能攻击施加其他约束。为例，我们使用共轭同胞检测来研究BB84 QKD的安全性，并通过数值模拟评估其性能。这项研究可以基于基于单光子检测和基于相干检测的CV-QKD的良好DV-QKD的互补，为新的QKD方案开辟了大门。
基于局部本振混合线性放大器的连续变量量子密钥分发
量子密钥分发 (QKD) 在存在潜在窃听者的情况下，为可信通信双方 (Alice 和 Bob) 提供了一种由量子力学保证的密钥共享方法 [1–3]。目前，有两种密钥分发方法：离散变量 (DV) QKD [4,5] 和连续变量 (CV) QKD [6–9]。其中，CVQKD 有两个主要优点。一方面，它避免了单光子计数的缺点。另一方面，它确保了标准光通信器件的兼容 [10,11]。CVQKD 的无条件安全性已经在信息论中在渐近情况 [12,13] 和有限尺寸范围内 [14–16] 得到证实，以抵御一般的集体窃听攻击。用于相干检测的强本振（LO）作为CVQKD系统的重要组成部分，可作为滤波器有效抑制噪声，但实际CVQKD系统的不完善之处导致存在潜在漏洞，危及通信系统的安全。由于Eve通过操纵LO进行截取-重发攻击，因此几乎所有的攻击都与LO有关[17-21]。例如，基于本地本振（LLO）的CVQKD系统通过将LO直接发送到接收端来防止LO相关攻击[22-25]。目前CVQKD的传输距离与离散变量系统相比有限，不适合长距离分布。在检测过程中，备受瞩目的无噪声线性放大器（NLA）是一种很好的工具，可以在保持较低起始噪声水平的同时增强相干态的幅度[26-29]。近年来，该装置的实用性已得到证实，为理论提供了令人信服的证据[30–35]。此外，在Bob的正交测量中，与实际探测器相关的缺陷导致了密钥速率限制[36]。为了弥补这一弱点，光放大器补偿技术提供了一种可行的解决方案，在特定情况下也可以提高传输距离[37–39]。本文提出了一种基于LLO的CVQKD方案，通过在检测端放置HLA，它由基于预测测量（MB）的NLA和基于NLA的NLA组成
![正交表示用于估计因果量的学习
生成的AI和创造性工作：叙事，价值观和影响
triffid：提高第一响应者效率的自动机器人辅助
微守流：边缘设备的复杂性自我注意力低的视觉变压器
covid- ... 之间的不可思议和争议性溢出
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
对表示漏洞和工程强大的视觉变形金刚的机械理解
arxiv：2502.05610v1 [CS.CL] 2025年2月8日
Goproteingnn：利用蛋白质知识图蛋白表示学习
台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆
arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日
机器人引发的久坐行为的社会控制
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
arxiv：2502.07964v1 [cs.lg] 2025年2月11日
对石墨烯中振荡大声电效应的相干检测
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
将基于物理的建模与锂离子电池的机器学习相结合
Trellis BMA：DNA存储的IDS通道上的编码跟踪重建
arxiv：2502.07650v1 [stat.ml] 2025年2月11日
与Soc- ... 的多间隔能量储备合作](/simg/3\371e53cea55d57b21dc3cec4490fd2d843578c28.webp)
正交表示用于估计因果量的学习 生成的AI和创造性工作：叙事，价值观和影响 triffid：提高第一响应者效率的自动机器人辅助 微守流：边缘设备的复杂性自我注意力低的视觉变压器 covid- ... 之间的不可思议和争议性溢出 arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日 对表示漏洞和工程强大的视觉变形金刚的机械理解 arxiv：2502.05610v1 [CS.CL] 2025年2月8日 Goproteingnn：利用蛋白质知识图蛋白表示学习 台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆 arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日 机器人引发的久坐行为的社会控制 增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控 arxiv：2502.07964v1 [cs.lg] 2025年2月11日 对石墨烯中振荡大声电效应的相干检测 arxiv：2502.09316v1 [CS.CL] 2025年2月13日 将基于物理的建模与锂离子电池的机器学习相结合 Trellis BMA：DNA存储的IDS通道上的编码跟踪重建 arxiv：2502.07650v1 [stat.ml] 2025年2月11日 与Soc- ... 的多间隔能量储备合作
表示学习被广泛用于观察数据的因果量（例如，有条件的平均治疗效应）。尽管现有的表示学习方法具有允许端到端学习的好处，但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性，例如Double Ro-Busberness和Quasi-Oracle效率。此外，这种表示的学习方法通常采用诸如平衡之类的规范约束，甚至可能导致估计不一致。在本文中，我们提出了一类新型的Neyman-Ottrodonal学习者，以在代表水平上定义的因果数量，我们称之为或称为校友。我们的旅行者具有几个实际的优势：它们允许基于任何学习的表示形式对因果量进行一致的估计，同时提供了有利的理论属性，包括双重鲁棒性和准门的效率。在多个实验中，我们表明，在某些规律性条件下，我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知，我们的或学习者是第一批提供代表学习方法的统一框架，而Neyman-ottrol-ottrodenal学习者进行因果量估计。