XiaoMi-AI文件搜索系统
World File Search System评论家
诗意经济：文学中的省略与冗余
诗人、作家，总体而言，艺术家，都曾一次又一次地表现出他们想要把事情做好的愿望。例如，他们对修改过程的仔细关注可能表明，他们希望自己的作品符合某些关于它应该是什么样的想法，并且希望它达到最强烈的效果。但这对实际创作意味着什么呢？反思诗歌创作的作家和评论家经常通过关注避免冗余的必要性来回答这个问题；作品的每一个元素都要以最好的方式发挥其功能。因此，亚里士多德在谈到悲剧行为时说：“各部分的结构结合是这样的，如果其中任何一个部分被取代或移除，整体就会脱节和紊乱。因为一个东西的存在或不存在不会造成明显的区别，它就不是整体的有机组成部分”（《诗学》第 8 页）。菲利普·西德尼爵士的观点略有不同，但仍然认为每个元素都是必要的。他认为“一个词不能丢失，但整个作品都会失败”（《为诗辩护》第 122 页）。这一概念并不局限于古典和新古典美学。当弗吉尼亚·伍尔夫说“每一盎司的脂肪都被削减了”（《论不懂希腊语》第 44 页）时，她指的是古典希腊戏剧，但她让我们意识到，“没有多余的东西”这一概念与她自己的现代主义艺术观非常相关。功能性的概念（每个部分都是必需的，没有功能的东西是不需要的）结合了有机和经济原则，因为它基于自然界没有浪费的假设。当我们从考虑固有结构（与整体有机体相关的元素）转向考虑作品作为作者思想的实现、作为生活的形象或作为具有特定功能的功能时，“经济”变得同样重要。
经济活动的货币结构
通过揭示处于激进转型中的社会，宪法危机揭示了货币与市场的关系。在常规时期，这种基本动态更容易被忽视。现代评论家通过在实际活动和货币活动之间建立基本鸿沟来进一步转移分析。本文以内战经验为背景，重新理论化了这种关系。这一做法阐明了货币是一种在危机和平静时期构建市场架构的实践。首先，设计一个公共记账单位可以创造价值的可比性并使价格成为可能。这一成就同时也是宪法重组的一项引人注目的行动。为了创造货币，社区实际上将政治义务转化为一个单位，并使该实体得以流通：现代货币是一种可以抵消个人债务的主权负债。与这一能力相一致，这一举措扩大了公共能力并重新调整了私人关系。其次，使货币成为一种媒介，构建了其运作。货币由公共和私人市场参与者发行，他们拥有创造货币的能力，并通过对货币媒介的需求吸引用户加入其计量体系。这些特征——离散发行和特殊需求——是流通现象所固有的，反过来又会影响生产。第三，政府通过执行其批准的货币交易来管理交换。在定义“商品”、制定合同和发展财产的同时，政体疏通了货币交换渠道。面对货币作为记账单位、交换媒介和支付方式的广泛影响，现代经济理论忽视货币是一种重大缺陷。分析货币创造揭示了货币是构成经济活动的结构。
虚拟实验室：AI 代理设计新的 SARS-CoV-2
科学研究常常受益于跨学科研究团队。然而，大多数科学家无法接触到来自多个领域的专家。幸运的是，大型语言模型 (LLM) 最近表现出令人印象深刻的能力，可以通过回答科学问题来帮助不同领域的研究人员。在这里，我们通过引入虚拟实验室来扩展 LLM 在科学方面的能力，虚拟实验室是一个人工智能与人类的研究合作，用于进行复杂的跨学科科学研究。虚拟实验室由一名 LLM 首席研究员代理组成，该代理指导具有不同科学背景的 LLM 代理团队（例如，化学家代理、计算机科学家代理、评论家代理），由一名人类研究人员提供高级反馈。我们设计虚拟实验室通过一系列团队会议进行科学研究，所有代理讨论科学议程，以及个人会议，代理完成特定任务。我们通过将虚拟实验室应用于设计与 SARS-CoV-2 最新变体的纳米抗体结合物来展示其强大功能，这是一个具有挑战性的开放式研究问题，需要从生物学到计算机科学等不同领域的推理。虚拟实验室创建了一种新颖的计算纳米抗体设计流程，该流程结合了 ESM、AlphaFold-Multimer 和 Rosetta，并设计了 92 种新纳米抗体。对这些设计的实验验证揭示了一系列功能性纳米抗体，它们在 SARS-CoV-2 变体中具有良好的结合特性。这证明了虚拟实验室能够快速做出有影响力的现实世界科学发现。特别是，两种新的纳米抗体表现出与最近的 SARS-CoV-2 JN.1 或 KP.3 变体改善的结合，同时保持与祖先病毒刺突蛋白的强结合，这表明它们是值得进一步研究的令人兴奋的候选者。
第1章。简介
致谢洛杉矶水与电力部（LADWP）在整个LA100研究中一直是一位了不起的合作伙伴，冠军，技术资源和评论家。LADWP的员工对我们的假设和结果提出了挑战，使我们能够从他们的努力中进行更好的分析。尤其要感谢Ashkan Nassiri，Steve Swift，Scott Moon，Nick Matiasz和Greg Huynh与NREL研究人员的日常互动及其在LADWP的主题专家中的作用，在整个研究过程中仍然参与其中。我们还要感谢Armen Saiyan对分析需求方面的技术反馈，以及他在帮助确保需求组与较大LADWP之间建立牢固联系方面的作用。我们要感谢杰伊·林（Jay Lim）在整个研究中的周到的反馈和评论。他和他的同事们深入探讨了LA100调查结果与LADWP中正在进行的规划能源过渡方面的持续努力之间的关系。我们还要感谢Anton Sy，Greg Sarvas和Paul Lee的项目管理和支持。Stephanie Spicer，Dawn Cotterell和Carol Tucker的LADWP通讯和公共事务团队对我们的工作有帮助 - 他们定期为我们提供有关材料的反馈并组织LA100咨询小组和LA社区团体。各个部门的主题专家与我们会面74次，提供了100多种技术备忘录和草案的书面反馈，并通过确定能源过渡的各个方面来改善我们的分析，这些方面是他们最大的不确定性来源。我们要感谢Martin Adams，Reiko Kerr，Jason Rondou，Louis Ting，Joseph Ramallo，James Barner和Eric Montag的领导才能使我们能够更好地与咨询小组和LA社区建立联系和交流。最后，我们要感谢委员会，特别是辛西娅·麦克莱恩·希尔（Cynthia McClain-Hill）的委员会，以提高他们对研究的改进，例如确定对社区外展的期望。
深度强化学习，实现能量和时间优化......
物联网 (IoT) 的广泛采用和集成不可避免地导致物联网设备数量的激增。这反过来又导致了大量数据的产生，这些数据需要传输、处理和存储，以便有效地解释和利用。边缘计算已成为一种可行的解决方案，它补充了云，从而使集成的边缘云范式能够成功满足物联网应用的设计要求。绝大多数现有研究都提出了针对单个任务的调度框架，只有极少数研究考虑了更具挑战性的复杂工作负载调度问题，例如跨边缘云环境的工作流。工作流调度是分布式基础设施中的 NP 难题。当调度框架需要协调资源受限且高度分布的边缘云环境中的工作流执行时，情况会变得更加复杂。在这项工作中，我们利用深度强化学习来设计一个能够克服上述挑战的工作流调度框架。与所有现有工作不同，我们设计了一个新颖的分层动作空间，以促进边缘和云节点之间的明确区分。除此之外，还提出了一种基于混合参与者-评论家的调度框架，该框架增强了近端策略优化技术，以有效处理边缘云环境中的复杂工作流调度问题。使用能耗、执行时间、截止日期命中率和完成的作业百分比作为评估指标，将所提出的框架的性能与几种基线算法进行了比较。与时间和能量优化的基线相比，所提出的深度强化学习技术在能耗方面表现更好 56%，在执行时间方面表现更好 46%。这是在保持与能量优化基线相当的能源效率和与时间优化基线相当的执行时间的情况下实现的。因此，结果证明了所提出的技术在建立最小化能耗和执行时间的相互冲突的目标之间的最佳权衡方面的优越性。© 2022 由 Elsevier BV 出版
知识引导的深度强化学习用于交互式推荐
摘要最多 350 个字：（请输入）交互式推荐旨在适应和学习项目和用户之间的动态交互，以实现推荐系统的响应性和准确性。强化学习天生有利于应对动态/交互环境，因此在交互式推荐研究中引起了越来越多的关注。然而，大多数现有工作倾向于学习固定的用户兴趣，而忽略了它们本质上是动态的。论文首先介绍推荐系统及其应用。然后是详细的文献综述，涵盖三个主要相关领域：序列感知推荐、交互式推荐和知识感知推荐系统。论文还回顾了基于强化学习的推荐系统应用，并讨论了其优点和缺点。之后，本论文报告了关于交互式推荐系统的一般问题陈述和要解决的挑战，包括用户动态兴趣建模、强化学习优化的计算成本以及基于强化学习的推荐系统的性能下降。特别是，我们提出了一套通过强化学习改进交互式推荐的技术和模型。我们提出了一种学习分布式交互嵌入的新模型，该模型可以以紧凑而富有表现力的方式捕获用户的动态兴趣。受到图卷积网络和知识感知推荐的最新进展的启发，我们设计了一个知识引导的深度强化学习 (KGRL) 模型，以利用强化学习和知识图谱的优势进行交互式推荐。该模型在演员-评论家网络框架内实现。它维护一个本地知识网络来指导训练阶段的决策过程，并采用注意力机制来发现项目之间的长期语义。为了降低强化学习的计算成本，我们进一步设计了一种增强优化策略，缩小了更新步骤的空间并改变了奖励函数。我们在模拟在线环境中对提出的三种方法进行了全面的实验，结果表明，与文献中的基线和最先进方法相比，我们的模型的性能得到了持续的改进。最后，本论文讨论了交互式推荐系统的未来工作和潜在的进一步改进。
CPD：阅读/书单
分数 阅读一本教科书（建议包括以下内容） 4 阅读《The Clerk》的所有 6 个版本或 LCR 的四个版本 3 研究政府的社区权利政策 4 阅读一系列出版物，例如为制定社区计划而准备的出版物 6 书单（此列表并不详尽，也没有任何特定顺序。我们欢迎您建议应该添加哪些书籍以及您认为相关且合适的书籍。） 1. 沙克尔顿之道：伟大的南极探险家的领导力课程，作者：Margot Morrell & Stephanie Capparell 欧内斯特·沙克尔顿爵士被称为“上帝地球上有史以来最伟大的领导者，无与伦比”，因为他拯救了与他一起在南极被困近两年的 27 名男子的生命。今天，公众对这位曾经被遗忘的探险家爱不释手，他的行为使他成为伟大领导力和精湛危机管理的典范。现在，通过轶事、船员的日记和沙克尔顿自己的作品。 2. 伊丽莎白一世，首席执行官 作者：艾伦·阿克塞尔罗德 本书讲述了这位陷入困境的君主如何克服艰巨的障碍，赢得忠诚，并带领英国走向伟大。《伊丽莎白一世，首席执行官》将吸引当今的领导者、现代帝国的缔造者以及历史爱好者。 伊丽莎白的一生对于那些刚刚开始在企业阶梯上攀登的人以及那些已经到达最高层但不想从中滑落的人来说有很多启示。 女王的长期统治提供了以下教训： 培养领导态度和形象，并通过个人活力得到提升 成为有效的教练和导师，善于培育创造力 操纵他人 — 巧妙而合乎道德 了解和预测“敌人” 设定明确的目标并激励他人为之努力 最重要的是，伊丽莎白一世的职业生涯是远见、创造愿景、传达愿景和实现愿景的典范。 3. 蝇王，威廉·戈尔丁 蝇王今天仍然像 1954 年首次出版时一样具有煽动性，它以令人震惊、残酷的人性描绘引发了激烈的辩论。尽管受到评论界的好评，但它在首次出版时基本上被忽视了。然而，它很快成为学生和文学评论家的狂热追捧对象，他们将其与 JD Salinger 的《麦田里的守望者》相提并论，认为它对现代思想和文学的影响。蝇王被称为寓言、寓言、神话、道德故事、戏仿、政治论文，甚至是世界末日的景象，它已经成为一部真正的
碳经济——重建经济学和科学的基石 John E. Coulter [格里菲斯大学·环境未来研究 I
版权所有：John E. Coulter，2020 您可以在 https://rwer.wordpress.com/comments-on-rwer-issue-no-91/ 上对本文发表评论 超过 500 名宇航员有幸从太空观察地球，其中一些人报告了必须承认的人类在物理环境中生存的新“世界观”。将我们在科学中已知的知识重新应用于人类活动的概览，可以带来革命性的见解。地球的生态系统在人类出现之前就已存在，而且没有人类。水循环和碳循环自然运行。怀特（2014 年）观察到，宇航员对动态自然交换的“概览效应”令人谦卑并改变了人们的想法。它提出了这样一种想法，即人类活动只是作为额外覆盖物观察到的，可以进行经济分析。现代哥白尼经济学的观点是，人和金钱不是世界的中心，教科书上的商品和服务的生产和消费的宏观经济周期只是全球碳循环中的一个小齿轮。现代科学现在可以将地球视为一个物质有限的复杂生态系统，评估其中的关键要素——碳、氧和氢——并绘制出一幅务实的幸福图景。与《国富论》中以自我为中心的假设相比，这一视角更加清晰，也截然不同。金钱是一根移动的衡量标准许多领域的评论家对国民账户的价值以及经济学未能反映或鼓励有利于幸福的行为表示越来越大的怀疑。1 GDP 中代表“生产”的“P”最初假设商品和服务将由在宏观经济周期的其他地方完成自身生产劳动的消费者支付。但现在这个循环已经变成了债务金字塔。刺激计划有利于富人。哈莱姆区的 5 美元必须比汉普顿的 5 美元走得更远。以货币衡量的经济产品流动概念（魁奈，1758 年）早于科学发现原子（道尔顿，1802 年）、熵（卡诺，1824 年）、物理功（科里奥利，1826 年）和能量量化（焦耳，1848 年）。由于经济学优先于科学，金钱已成为人们关注的默认对象，人们采取的策略是操纵金钱，而不是生产和消费商品和服务。现在，人们做出的经济决策与它们本应代表的物质世界脱节。类似于柏拉图的洞穴寓言，金钱只是现实的（扭曲和放大的）影子。随着物质现实贬值，金融大师们在指标漩涡中寻找积极迹象，投射的阴影被放大并被赋予夸张的解释。纠正当前的误解至关重要，以揭露物质现实——将其公开。正如柏拉图的预测，会计师将无法识别真实的
人工智能的理论永无止境！
[本文的原始德文版本于 2022 年 3 月 20 日作为德国周日报纸 Welt am Sonntag 经济版 AI 专栏“Aus dem Maschinenraum der KI”的一部分出现，第 24 页。][使用 www.DeepL.com/Translator（免费版）翻译 - 欧洲制造的 AI 技术，请参阅 https://en.wikipedia.org/wiki/DeepL_Translator ，随后由作者进行润色和修改。]AI 中的理论永无止境！人工智能依靠假设、理论和数据蓬勃发展。你知道 1968 年斯坦利·库布里克的《2001：太空漫游》吗？就像《星球大战》或《公民凯恩》一样，这部电影已经成为我们流行文化的一部分，邪恶的计算机 HAL 也是如此。HAL 是一种人工智能 (AI)，仍然是我们对 AI 的所有希望和恐惧的原型：HAL 聪明、狡猾，控制着发现一号宇宙飞船上的所有系统。而且它是有意识的。如果您没有听说过 HAL，您可能熟悉《2001：太空漫游》著名的开场片段，其中太阳从地球和月亮上方升起，伴随着理查德施特劳斯的《查拉图斯特拉如是说》（原作德文标题“查拉图斯特拉如是说”）。这是对德国哲学家弗里德里希·尼采的同名诗作的暗示。AI 经常让我想起尼采。为什么？《查拉图斯特拉》表现出尼采的极端倾向。根据德国文学评论家丹尼斯·谢克的说法，“在温和的地区没有调解或思考。”山谷与山顶，强者。弱者，超人（英文。“Übermensch”）与普通人。实际上，《查拉图斯特拉》的副标题是“一本为所有人和无人而写的书”。在公众话语中，人工智能要么被视为救世主，要么被视为人类的堕落。这种极端的两极观点是完全错误的，而且确实对任何人都有帮助。人工智能是一门科学，也是一种工具。不多也不少。我们需要细致入微的讨论！不幸的是，尼采在这里帮不了我们。他确信没有因果关系，相反，生活只是“事物和状态的偶然并置”。如果尼采是对的就好了！我会立即剃光头！因为，对于男性来说，很容易观察到收入和头发数量之间的高度“负相关性”：头发越少，钱越多。然而，实际上，没有一次去理发店让我变得更富有！年龄越大，头发越少。男人只是在变老。从统计学上讲，年龄越大，收入越高。另一方面，身高和体重是“正相关的”，因为它们的行为方式相同：随着成长，体重增加。事实上，这可能并不适用于我们每个人，但总的来说，这是正确的。当前的机器学习算法非常擅长寻找相关性。它们不太擅长告诉我们原因和结果：这是否导致了那里的那个？如果我这样做会怎样？这就是为什么人们对人工智能重新产生了浓厚的兴趣，研究因果关系
使用强化学习设计多体系统中低推力进入周期性轨道的方法
I. 引言随着火星立方体一号 (MarCO) 任务的成功和小型化技术的进步，小型卫星不再局限于在低地球轨道 (LEO) 运行。相反，通过低推力小型卫星进行深空探索、技术演示和有针对性的科学任务可能很快就会成为现实。事实上，即将到来的任务，如月球冰立方、LunaH-map 和 NEA Scout，将把小型卫星作为次要有效载荷搭载在 Artemis 1 上，部署到多体重力环境内的各种位置[1-3]。然而，混沌多体系统中航天器的轨迹和机动设计本质上是一个高维问题，而且由于结合了与低推力小型卫星相关的约束而变得更加复杂：有限的推进能力、运行调度约束以及固定但不确定的初始条件。虽然存在多种基于最优控制和动态系统理论 (DST) 的数值方法，用于在多体系统的近似动力学模型中构建低推力轨迹和机动剖面，但自主和稳健设计策略的开发需要一种替代方法。强化学习 (RL) 是天体动力学界越来越感兴趣的一类用于实现轨迹和机动设计的自主性的算法。RL 算法通常涉及代理与环境交互，通过对动态状态采取行动来最大化奖励函数。代理会探索环境，直到确定了决定每个状态下最佳动作的策略。如果制定得当，这些算法可以探索许多状态-动作对以确定最佳动作，同时限制对次优动作的探索。RL 方法已用于天体动力学中各种应用和动力学模型的轨迹和机动设计。例如，Dachwald 探索使用人工神经网络和进化算法设计配备低推力航天器到水星的转移 [ 4 ]。Das-Stuart、Howell 和 Folta 近期提出的方法利用 RL 和基本动力学结构来设计圆形限制三体问题 (CR3BP) 中周期轨道之间的复杂转移轨迹 [ 5 ]。此外，Scorsoglio、Furfaro、Linares 和 Massari 还使用演员-评论家深度强化学习 (DRL) 方法来开发地月空间近直线轨道航天器的对接机动 [ 6 ]。最近，Miller 和 Linares 应用著名的近端策略优化 (PPO) 算法来设计地月系统中遥远逆行轨道之间的转移，通过 CR3BP 进行建模 [ 7 ]。这些研究的成功为天体动力学界继续探索和扩展 RL 在多体轨迹设计策略中的应用奠定了宝贵的基础。具体来说，本文以这些先前的研究为基础，重点关注实施基于 RL 的轨迹设计方法的一个重要组成部分：制定一个奖励函数，该函数既反映了设计目标，也反映了影响恢复机动轮廓操作可行性的约束。该分析是在低推力 SmallSat 的轨迹设计背景下进行的，以快速访问位于与 CR3BP 中的周期轨道相关的稳定流形上的附近参考轨迹。