XiaoMi-AI文件搜索系统
World File Search SystemAsy
能源效率市场的不对称信息
摘要 信息不对称是采用节能技术的一个重要障碍。在本文中，我们研究了相关激励结构的供应方影响。我们基于现有证据，在某些情况下，能源效率具有信任成分，即市场供应方拥有更多关于哪种技术最适合消费者的信息。关于信任商品市场的文献表明，专家卖家的信息优势会导致市场效率低下，包括交易量低下。我们首先开发一个简单的框架来研究与提供节能技术相关的供应方激励。然后，我们通过讨论信任商品实证文献与能源效率市场实证文献之间的联系来记录效率低下和潜在的补救措施。通过这样做，我们确定了对促进采用节能技术的政策设计的影响。关键词：能源效率、信息不对称、信任商品、能源政策、环境外部性、技术采用
lethe：便携式，异步安全删除-CRSS
加密擦除是一种替代，有效的安全删除技术；它在存储数据并通过删除关联的密钥来擦除数据之前，将用户数据加密。数据块上细粒的加密擦除片段对幼稚的加密擦除的不切实际存储要求；不仅需要存储每个密钥，而且每个密钥都必须擦除。最新的安全删除系统使用大型擦除存储的技术解决此问题，该技术在树层次结构中递归使用加密擦除，以将所需量的键存储量减少到单个键。不幸的是，由于其同步管理加密密钥和数据以避免数据损坏，因此现有的最新安全删除系统患有高IO潜伏期。这些现有的安全删除系统也不灵活，因为它们在块层管理加密，并且无法使用存储系统使用的文件系统抽象（例如，云存储，网络文件系统和保险丝存储系统）。
通过广义量子 Stein 引理实现相互作用量子自旋系统热操作的渐近可逆性
对于具有局部平移不变哈密顿量的任意空间维度的量子自旋系统，我们证明，如果状态是平移不变和空间遍历的，则通过热力学可行的一类量子动力学（称为热操作）从一个量子态到另一个量子态的渐近状态转换完全可以用 Kullback-Leibler (KL) 发散率来表征。我们的证明由两部分组成，用量子信息论的一个分支资源理论来表述。首先，我们证明，任何状态，对于这些状态，最小和最大 Rényi 发散度近似地坍缩为一个值，都可以在小的量子相干源的帮助下通过热操作近似可逆地相互转换。其次，我们证明，对于任何平移不变的遍历状态，这些发散度渐近地坍缩为 KL 发散率。我们通过对量子 Stein 引理的推广来证明这一点，该引理适用于独立同分布 (iid) 情况以外的量子假设检验。我们的结果表明，KL 发散率可作为热力学势，在热力学极限下，包括非平衡和完全量子情况，提供量子多体系统遍历态热力学可转换性的完整表征。
Berezinskii-Kosterlitz的渐近自由 - 无需使用Qubit正则化的微调
我们提出了一个二维硬核环路模型，是一种在Berezinskii-kosterlitz-无用的过渡时期出现的渐近自由质量连续性量子场理论的一种方式。无需微调，我们的模型可以在接近相变时在大规模阶段重现经典晶格XY模型的通用级尺度函数。这是通过在热力学极限下降低回路配置空间中的fock-vacuum位点的散发性来实现的。与传统的XY模型相比，在Berezinskii-Kosterlitz上的某些通用量在我们的模型中显示出较小的有限尺寸效应。我们的模型是欧几里得时空中渐近自由质量量子场理论的Qubit正则化的一个典型例子，并有助于了解如何在不进行微调的情况下作为分离的固定点上的相关扰动而出现渐近自由。
egoexolearn：用于桥接异步自我
抽象能够将他人的活动映射到自己的观点中，即使从很小的时候就开始是一种基本的人类技能。迈向理解这种人类能力的一步，我们介绍了EgoExolearn，这是一个大规模的数据集，该数据集在过程之后模仿人类的演示，在该过程中，个人在执行以exentric-exentric-view示范视频为指导的任务时记录了以自我为中心的视频。关注日常援助和专业支持中的潜在应用，Egoexolearn Conconconconconconconconconconcons conconce concection和示范视频数据涵盖了在日常生活场景和专业实验室中捕获的120小时的120小时。与视频一起，我们记录了高质量的凝视数据并提供了详细的多模式注释，并构建了一个游乐场，用于建模人类从不同观点桥接异步程序动作的能力。为此，我们提出了基准，例如跨视图协会，跨视图行动计划和跨视图所引用的技能评估以及详细的分析。我们期望EgoExolearn可以作为跨越观点弥合行动的重要资源，从而为创建能够通过在现实世界中观察人类进行缝隙学习的AI代理铺平了道路。数据集和基准代码可在https：//github.com/opengvlab/egoeexolearn上找到。
机器学习辅助测量Lepton-Jet方位角角度不对称在HERA的深弹性散射中
在深度无弹性正面散射中，使用与HERA的H1检测器收集的数据测量Lepton-Jet方位角不对称性。When the average transverse momentum of the lepton-jet sys- tem, lvert ⃗ P ⊥ rvert , is much larger than the total transverse momentum of the system, lvert⃗q ⊥ rvert , the asymmetry between parallel and antiparallel configurations, ⃗ P ⊥ and ⃗q ⊥ , is expected to be gener- ated by initial and final state soft gluon radiation and can be predicted using perturbation theory.量化不对称的角度特性提供了对强力的额外测试。研究不对称性对于通过横向动量依赖（TMD）Parton分布函数（PDFS）产生的固有不对称的未来测量很重要，其中这种不对称构成了主要背景。方位角不对称的力矩是使用机器学习方法来测量不需要归安宁的。
根本原因分析的不对称沙普利值的理论评估
摘要 - 在这项工作中，我们检查了不对称的沙普利谷（ASV），这是流行的Shap添加剂局部解释方法的变体。ASV提出了一种改善模型解释的方法，该解释结合了变量之间已知的因果关系，并且也被视为测试模型预测中不公平歧视的一种方法。在以前的文献中未探索，沙普利值中的放松对称性可能会对模型解释产生反直觉的后果。为了更好地理解该方法，我们首先展示了局部贡献如何与降低方差的全局贡献相对应。使用方差，我们演示了多种情况，其中ASV产生了违反直觉归因，可以说为根本原因分析产生错误的结果。第二，我们将广义添加剂模型（GAM）识别为ASV表现出理想属性的限制类。我们通过证明有关该方法的多个理论结果来支持我们的学位。最后，我们证明了在多个现实世界数据集上使用不对称归因，并使用有限的模型家族进行了使用梯度增强和深度学习模型的结果进行比较。索引术语 - 解释性，摇摆，因果关系
YANG-MILLS理论中的全球仪表对称性和空间渐近边界条件
在阳米尔斯仪表上的欧几里得凯奇表面表面表面含有直接经验意义的仪表对称性组通常被认为是g des = g des = g i /g∞0，其中g i是一个具有边界的符号对称性和g∞0是其由构成理论构成的构成的构成的转化。这些群体分别被识别为渐近变化的仪表变换，以及渐近身份的量规变换。在Abelian案例中G = U（1）然后将其标识为全球仪表对称组，即u（1）本身。然而，在数学上还是概念上，这一说法的已知派生都是不精确的。我们针对阿贝里安和非亚伯仪理论严格得出了物理量规组。我们的主要新观点是，限制g i的要求不仅源于能量的有限，而要依赖于Yang-Mills理论的Lagrangian的要求，以在切实的捆绑包上定义以配置空间。此外，我们解释了为什么商恰好由每个同型类别的全球仪表组的副本组成，即使各种规范变换显然具有不同的渐近速率收敛速率。最后，我们在框架中考虑了Yang-Mills-Higgs理论，并表明渐近边界条件在不间断和破碎的相处有所不同。1
带有光电反馈的基于激光的储层计算机的不对称性能
基于物理的神经形态计算是当前数字技术的有前途的算法，因为其能量效率，并行性的潜力和较大的带宽。在各种体系结构中，复发性神经网络（RNN）特别适合以频度依赖性（例如音频和视频信号）处理数据[？]。但是，他们解决特定任务的监督培训通常是数据密集型的，需要调整网络的互发矩阵，这是硬件实现的挑战。储层计算（RC）提供了一个框架来通过简化训练过程来克服此问题，从本质上讲，将RNN未经训练以及在结合RNN节点的瞬时响应的输出层上使用简单的lin-1 eR-ear回归[？？]。这些考虑因素通过使用七个技术平台（包括微电子学，旋转和光子学[？？]。在后一类中，已经提出了各种插曲[？ ]包括大规模的自由空间体系结构[？？？]，光反馈体系结构[？？？]和光子集成电路[？？]。这些物理系统已经在各种任务上证明了最先进的性能，包括非线性通道均衡，混乱的时间序列预测和语音识别[？]。]，其中一个物理非线性反馈体系结构依赖于时间延迟储层（TDRC）方法[？