XiaoMi-AI文件搜索系统
World File Search System线性组合
神经加法模型：利用神经网络进行可解释的机器学习
深度神经网络 (DNN) 是功能强大的黑盒预测器，在各种任务上都取得了令人印象深刻的表现。然而，它们的准确性是以牺牲可理解性为代价的：通常不清楚它们如何做出决策。这阻碍了它们在医疗保健等高风险决策领域的适用性。我们提出了神经加性模型 (NAM)，它将 DNN 的一些表达能力与广义加性模型固有的可理解性相结合。NAM 学习神经网络的线性组合，每个神经网络都关注一个输入特征。这些网络是联合训练的，可以学习输入特征和输出之间任意复杂的关系。我们在回归和分类数据集上的实验表明，NAM 比广泛使用的可理解模型（如逻辑回归和浅层决策树）更准确。它们在准确性方面的表现与现有的最先进的广义加性模型相似，但更灵活，因为它们基于神经网络而不是增强树。为了证明这一点，我们展示了如何利用 NAM 对合成数据和 COMPAS 累犯数据进行多任务学习（由于其可组合性），并证明了 NAM 的可微分性使它们能够为 COVID-19 训练更复杂的可解释模型。源代码可在 neuro-additive-models.github.io 上找到。
开放系统中随时间演化的量子叠加和相干图的丰富内容
我们讨论了与耗散环境耦合的多态系统随时间演化的约化密度矩阵 (RDM) 的一般特征。我们表明，通过相干图，即系统站点方格上 RDM 实部和虚部的快照，可以有效且透明地可视化动态的许多重要方面。特别是，相干图的扩展、符号和形状共同表征了系统的状态、动态的性质以及平衡状态。系统的拓扑结构很容易反映在其相干图中。行和列显示量子叠加的组成，它们的填充表示幸存相干的程度。虚 RDM 元素的线性组合指定瞬时群体导数。主对角线包含动力学的非相干分量，而上/下三角区域产生相干贡献，从而增加 RDM 的纯度。在开放系统中，相干图演变为围绕主对角线的带，其宽度随温度和耗散强度的增加而减小。我们用具有 Frenkel 激子耦合的 10 位模型分子聚集体的例子来说明这些行为，其中每个单体的电子态都耦合到谐波振动浴中。
双幺正分解算法与开放量子系统模拟
对于直接实现酉门的传统量子计算机来说，模拟描述非酉演化后量子系统真实相互作用的一般量子过程是一项挑战。我们分析了有前途的方法的复杂性，例如 Sz.-Nagy 膨胀和酉函数的线性组合，它们可以通过非酉算子的概率实现来模拟开放系统，这需要多次调用编码和状态准备预言机。我们提出了一种量子二酉分解 (TUD) 算法，使用量子奇异值变换算法将具有非零奇异值的 a 维算子 A 分解为 A = ( U 1 + U 2 ) / 2，避免了经典的昂贵的奇异值分解 (SVD)，其时间开销为 O(d3)。这两个酉函数可以确定性地实现，因此每个酉函数只需要调用一次状态准备预言机。对编码预言机的调用也可以显著减少，但测量误差可以接受。由于TUD方法可以将非幺正算子实现为仅两个幺正算子，因此它在线性代数和量子机器学习中也有潜在的应用。
![arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日](/simg/g:\will\search\icon\source\e\eaea73a6e5c64af89eddbca2c196025579a5c1fe.webp)
arXiv:2201.01471v3 [quant-ph] 2022 年 4 月 18 日
在量子计算机上获取可观测量的期望值是变分量子算法中的关键步骤。对于分子电子哈密顿量等复杂可观测量，一种常见的策略是将可观测量表示为可测片段的线性组合。这种方法的主要问题是需要大量测量才能准确估计可观测量的期望值。我们考虑了几种基于交换多量子比特泡利积分组的分割方案，目的是最小化测量次数。探索了三个主要方向：1) 使用贪婪方法对交换运算符进行分组，2) 涉及非局部幺正变换进行测量，3) 利用一些泡利积与几个可测组的兼容性。最后一个方向产生了一个通用框架，它不仅提供了对以前方法的改进，而且还将测量分组方法与阴影层析成像技术的最新进展联系起来。按照这个方向，我们开发了两种新的测量方案，与以前最先进的方法相比，将一组模型分子的测量次数减少了几倍。
根据脑组织的三维偏振光成像测量自动计算神经纤维倾向
3D 偏振光成像 (3D-PLI) 方法测量组织学脑切片的双折射以确定神经纤维 (髓鞘轴突) 的空间走向。虽然可以高精度地确定平面内纤维方向，但计算平面外纤维倾角更具挑战性，因为它们是从双折射信号的幅度中得出的，而双折射信号的幅度取决于神经纤维的数量。提高精度的一种可能性是考虑平均透射光强度 (透射加权)。当前程序需要费力地手动调整参数和解剖知识。在这里，我们引入了一种自动化、优化的纤维倾角计算，从而可以更快、更可重复地确定 3D-PLI 中的纤维方向。根据髓鞘的程度，该算法使用不同的模型 (透射加权、不加权或线性组合)，从而可以考虑区域特定行为。由于该算法是并行的和 GPU 优化的，因此可以应用于大型数据集。此外，它仅使用标准 3D-PLI 测量的图像（无倾斜），因此可以应用于以前测量的现有数据集。此功能已在黑长尾猴和大鼠脑的未染色冠状和矢状组织切片上得到验证。
crbr3 2D磁铁 /元素中的手性声子和巨型光学效应，刺； Ajit Ulman，Kanchan；刘，尚；格拉纳多斯·德尔·阿吉拉（Granados deláguila），安德烈斯（Andrés）； Huan
声子决定了由于其非零角动量而导致的非弹性光散射过程的光螺旋。在这里，我们表明二维（2D）磁性CRBR 3在布里鲁因区中心托有手性声子。这些手性声子是偶合性e g声子的线性组合，并且声子特征模词表现出顺时针和逆时针旋转振动，与对应于𝑙=±1的角动量。这种E G手性声子完全切换了入射圆形光的极化。另一方面，非分类的非手续A G声子在平面外磁场下显示出巨大的磁光效应，旋转了散射线性极化光的极化平面。随着磁场强度从0增加到5 t，散射光的相应极化程度从91％变为-68％。相比之下，手性E G模式不显示场依赖性。我们的结果为2D磁性材料中的语音性手性和磁光学现象的研究奠定了基础，及其相关应用，例如声子霍尔效应，拓扑光子学和拉曼激光。
SAM-PARSER：通过参数空间重构高效微调 SAM
任意分割模型 (SAM) 因提供强大且通用的图像对象分割解决方案而备受关注。然而，在不同场景下对 SAM 进行微调以用于下游分割任务仍然是一个挑战，因为不同场景的不同特征自然需要不同的模型参数空间。大多数现有的微调方法试图通过引入一组新参数来修改 SAM 的原始参数空间，以弥合不同场景之间的差距。与这些工作不同，在本文中，我们提出通过参数空间重构（SAM-PARSER）来有效地对 SAM 进行微调，其在微调过程中引入几乎为零的可训练参数。在 SAM-PARSER 中，我们假设 SAM 的原始参数空间相对完整，因此它的基能够重建新场景的参数空间。我们通过矩阵分解获得基，并通过基的最佳线性组合对系数进行微调以重建适合新场景的参数空间。实验结果表明，SAM-PARSER 在各种场景中表现出卓越的分割性能，同时与当前参数高效的微调方法相比，可训练参数的数量减少了约 290 倍。
基于线性回归的算法仍可以成功识别微生物官能团，尽管生态函数的非线性
微生物群落在各种环境中起关键作用。预测它们的功能和动力学是微生物生态学的关键目标，但是这些系统的详细描述可能是非常复杂的。一种处理这种复杂性的方法是诉诸于更粗糙的表示。几种方法试图以数据驱动的方式识别微生物物种的有用群体。最近的工作在从头发现时，使用像线性回归这样简单的方法来预测给定功能的粗略表示，对多个物种甚至单个这样的群体（Ensemble-Biterient优化（EQO）方法）进行了一些经验成功。将社区功能建模为单个物种贡献的线性组合似乎很重要。但是，确定生态系统的预测性过度的任务与预测功能的任务不同，并且可以想象，前者可以通过比后者更简单的方法来完成。在这里，我们使用资源竞争框架来设计一个模型，在该模型中，要发现的“正确”分组是良好的定义，并使用合成数据来评估和比较基于回归的三种方法，即先前提出的两个和我们介绍的两个方法。我们发现，即使函数明显非线性，基于回归的方法也可以恢复分组。该多组方法比单组EQO具有优势。至关重要的是，模拟器（线性）方法的表现可以胜过更复杂的方法。
手性波导 QED 中多体光子束缚态的动力学
我们从理论上研究了手性波导中光子的少体和多体动力学。特别是，我们研究了脉冲通过手性耦合到波导的 N 个两级系统集合的传播。我们表明，该系统支持相关多光子束缚态，这些束缚态具有明确定义的光子数 n，并以 1 =n 2 的群延迟比例在系统中传播。这产生了一个有趣的结果，即在传播过程中，入射相干态脉冲会分解为不同的束缚态分量，这些分量可以在足够长的系统中在输出端空间分离。对于足够多的光子和足够短的系统，我们表明 n 体束缚态的线性组合恢复了自诱导透明中众所周知的平均场孤子现象。因此，我们的工作涵盖了从少光子量子传播到真正的量子多体（原子和光子）现象以及最终的量子到经典跃迁的整个范围。最后，我们证明束缚态可以与额外的光子发生弹性散射。总之，我们的结果表明，光子束缚态是真正独特的物理对象，它来自光子和两级发射器之间最基本的光物质相互作用。我们的工作为在手性波导 QED 中研究量子多体物理和光子孤子物理打开了大门。
马尔可夫链不变分布的定量近似。一种新方法
在本文中，我们在可测量的状态空间（x，x）上处理一个Markov链，该链具有一个过渡内核P，允许一些小型s∈X，也就是说，对于任何x∈X，a∈X，对于p（x，a）≥ν（x，a）≥ν（x，a）1 s（x）1 s（x）。在这种情况下，我们提出了在（x，x）上的p- invariant概率度量π的建设性表征，使得π（1 s）>0。当存在这样的π时，仅根据ν，p和s的有限线性组合，在加权或标准的总变化规范中近似。接下来，使用标准漂移型条件，我们提供近似的几何/子几何收敛界限。这些界限是完全明确的，并且尽可能简单。收敛速率是准确的，在原子情况下它们是最佳的。请注意，还讨论了在[HL20B]中引入的有限级分配子不能进行近似P的收敛速率。这是一种近似π的新方法，因为它不是基于p对π的迭代的收敛性。因此，我们不需要任何疗效条件。此外，证明是直接的。他们在非原子案例中既不使用分裂链，也不使用续签理论，耦合方法，也不使用光谱理论。从某种意义上说，这种具有小型马尔可夫链的方法是独立的。