XiaoMi-AI文件搜索系统
World File Search SystemComputers
计算机与化学工程 - NSF-PAR
雄心勃勃的可再生能源组合标准推动了大规模部署储能资源 (ESR) 作为灵活性的来源。因此，电力市场的设计正在积极开发中，以适当补偿 ESR 提供的灵活性服务。在本文中，我们提出了一个包含 ESR 系统的新市场清算框架。与现有的市场设计相比，我们的方法使用虚拟链接 (VL) 的概念来建模 ESR 系统，虚拟链接可以捕获随时间推移的电力传输/转移。VL 表示揭示了可用于 ESR 运营的经济激励，并揭示了电力市场应如何补偿 ESR。我们的框架还使我们能够探索 ESR 物理参数对市场行为的作用；具体而言，我们表明，虽然能源和电力容量定义了每个 ESR 可以提供的灵活性，但充电/放电效率在 ESR 报酬和电网缓解市场价格波动的能力中起着根本性的作用。新的市场设计在计算上也具有吸引力，因为它是一个线性程序，因此避免了混合整数公式和具有互补约束的公式（在当前设计中用于捕获二进制充电/放电逻辑）。我们使用我们的市场框架来分析 ESR 和市场运营商之间的相互作用，并为电网中 ESR 的最佳部署策略提供见解。
生物和医学领域的计算机
摘要：背景运动学习实验通常在实验室环境中进行，这可能非常耗时并且需要专用的设备 / 人员，从而限制了从大样本中收集数据的能力。为了解决这个问题，一些研究人员已经转向无监督的在线实验，在不失去有效性的情况下显示出参与者招募的优势。然而，大多数在线平台需要编码经验或耗时的设置来创建和运行实验，限制了它们在该领域的使用。方法为了解决这个问题，开发了一个基于 Web 的开源平台 (https://experiments.neurro-lab.engin.umich.edu/) 来创建、运行和管理程序技能学习实验，而无需编码或设置要求。使用已建立的顺序手指敲击任务，在 41 名右撇子参与者中测试了该平台的可行性以及监督 (n=17) 和无监督 (n=24) 结果的可比性。该研究还测试了之前报道的一种程序技能学习中的快速离线巩固形式（即微尺度学习）是否可以与开发的平台复制，并评估了与手指敲击任务相关的肢体间转移的程度。结果结果表明，监督组和无监督组之间的绩效指标具有可比性（所有 p > 0.05）。学习曲线、平均敲击速度和微尺度学习与之前的研究相似。训练使平均敲击速度显著提高（2.22 ± 1.48 次按键/秒，p < 0.001），并实现了显著的肢体间学习转移（1.22 ± 1.43 次按键/秒，p < 0.05）。结论结果表明，所提出的平台可以作为开展在线程序技能学习实验的有价值的工具。
生物和医学中的计算机
摘要：本文提出了一种面向磁共振成像（MRI）的基于注意机制的新型胶质瘤分级网络（AGGN）。通过应用双域注意机制，可以同时考虑通道和空间信息来分配权重，这有利于突出特征图中的关键模态和位置。在多尺度特征提取模块中采用多分支卷积和池化操作来分别获得每个模态的浅层特征和深层特征，并采用多模态信息融合模块来充分融合低级细节特征和高级语义特征，促进不同模态信息之间的协同作用。通过大量实验对所提出的AGGN进行了全面的评估，结果证明了所提出的AGGN与其他先进模型相比的有效性和优越性，并且还表现出很高的泛化能力和强的鲁棒性。此外，即使没有手动标记的肿瘤掩模，AGGN 也能表现出与其他先进算法相当的性能，这减轻了端到端学习范式中对监督信息的过度依赖。
量子计算机上的局部量子化学
摘要：大型强关联系统的量子化学计算通常受到计算成本的限制，而计算成本会随系统规模呈指数级增长。专为量子计算机设计的量子算法可以缓解这一问题，但所需的资源对于当今的量子设备来说仍然太大。在这里，我们提出了一种量子算法，该算法将化学系统的多参考波函数的局部化与量子相位估计 (QPE) 和变分酉耦合簇单重和双重 (UCCSD) 相结合，以计算其基态能量。我们的算法称为“局部活性空间酉耦合簇”(LAS-UCC)，对于某些几何形状，该算法与系统规模呈线性关系，与 QPE 相比，总门数减少了多项式，同时提供的精度高于使用 UCCSD 假设的变分量子特征求解器，也高于经典的局部活性空间自洽场。 LAS-UCC 的准确性通过将 (H 2 ) 2 分解为两个 H 2 分子以及通过破坏反式丁二烯中的两个双键来证明，并且提供了最多 20 个 H 2 分子的线性链的资源量估计。■ 简介
![已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056](/simg/a/aebcfc403c23af0c5e2526482820a6e8dd33ca57.png)
已发布版本的引文 (APA)：Markauskaite, L.、Marrone, R.、Poquet, O.、Knight, S.、Martinez-Maldonado, R.、Howard, S.、Tondeur, J.、De Laat, M.、Buckingham Shum, S.、Gašević, D. 和 Siemens, G. (2022)。重新思考人工智能与人类学习之间的交织：学习者需要具备哪些能力才能适应人工智能的世界？计算机与教育。人工智能，3，1-16。[100056]。https://doi.org/10.1016/j.caeai.2022.100056
人工智能在人类生活的方方面面（从个人休闲到协作专业工作，再到全球政策决策）的普及提出了一个尖锐的问题：如何让人们为一个日益充斥着技术设备和代理机器的互联、快速变化的世界做好准备。在充满人工智能的世界中，人们需要什么样的能力？我们如何概念化这些能力？我们如何帮助学习者发展这些能力？我们如何实证研究和评估他们的发展？在本文中，我们采用对话式知识构建方法展开讨论。我们由 11 位合著者组成的团队参加了精心策划的书面讨论。通过半独立半联合的书面多方对话，我们收集了大量关于这些能力是什么以及如何帮助学习者发展这些能力的想法。同时，我们讨论了概念和方法论思想，这些思想使我们能够测试和改进我们的假设观点。在综合这些想法时，我们提出需要超越以人工智能为中心的能力观点，并考虑技术、认知、社交互动和价值观的生态。
量子计算机时代的网络安全的未来
摘要：2022 年 8 月的第一周，全球密码学家正在努力应对今年的第二件大事。NIST（美国国家标准与技术研究所）经过 5 年的严格筛选，选出了四种后量子密码 (PQC) 算法，其中一种被比利时的一个团队破解。他们仅用 62 分钟和一台标准笔记本电脑就破解了 PQC 算法，并赢得了微软 50,000 美元的赏金。第一个大事发生在 6 个月前，当时另一位 NIST 决赛选手（Rainbow）被淘汰。不幸的是，这两种失败的 PQC 算法都可以在市场上买到。由于 82 个 PQC 候选算法中有 80 个未能通过 NIST 标准化过程，剩下的两种 PQC 算法的未来充其量也只是个疑问，这使得 NIST 为期 5 年的严格量子安全加密标准构建工作陷入危险。与此同时，迫在眉睫的量子威胁仍未得到缓解。现在是时候让我们退一步，重新审视问题的病因了。尽管最先进的计算机安全严重依赖于密码学，但它确实可以超越加密。本文分析了一种与加密无关的方法，这种方法可能使计算机具有抗量子性。零漏洞计算 (ZVC) 通过禁止所有第三方权限来保护计算机，这是大多数漏洞的根本原因。ZVC 消除了传统计算机多层架构的复杂性，并在芯片 (3SoC) 上构建了一个简约、紧凑的固态软件，该软件功能强大、节能，并且可能抵抗恶意软件和量子威胁。
在与计算机整合时激发自我意识
近期的人机交互 (HCI) 研究突出了一种新范式，即从传统的命令-响应交互转向技术与人体的“集成”。人机集成 (HInt) 研究领域及其“融合”子部分不再将人与计算机视为两个独立的实体，而是旨在将计算机与用户集成为“一个人类技术组合”，以增强人类的能力 [3、21、62、66]。这一目标包括多个层面的整合：（1）物理整合，即将技术置于身体内部或身体上[62]；（2）功能整合，将技术参与认知功能，以协助或恢复该功能；（3）体验整合，即技术通过某种方式被感受，成为用户对（a）自己（自我体验）和/或（b）世界（世界体验）的反思性（即显性）体验或前反思性（即隐性）体验的一部分。研究表明，技术的物理或功能整合并不一定会导致体验整合[29, 37, 63, 82]。具体而言，研究发现，技术通常被体验为“其他”的东西，要么感觉完全自主（“整合（为我）做了那件事”），要么由用户反思性地控制（“我让整合做了那件事”）[8]，这与传统的命令 - 响应类型的交互有关。除了这些体验之外，研究人员现在感兴趣的是如何将整合系统与用户的自我体验联系起来，以引出诸如“我做了那件事（用我的身体）”这样的陈述（图 1）[20，37，62]。正如我们将要论证的那样，这一步要求我们超越将自我体验仅仅视为反思性的自我判断（“我用我认为是我的身体的东西做了那件事”），也将其视为前反思的自我感觉（“我用感觉是我的身体的东西做了那件事”）。两者之间的区别将在第 3 部分进一步阐述）。引出前反思的自我感觉非常重要，因为没有自我感觉的身体和认知整合系统在某些情况下已被证明会产生不愉快、脱离身体或分离的体验，尽管它们能够提高功能和表现[5，37，61，63，82]。例如，研究人员发现，通过电肌肉刺激 (EMS) 用计算机控制参与者双手的系统通常会让用户感到“害怕”，感觉好像他们“被人推”或“被黑客攻击”[61,82]。同样，对假肢和脑植入物的采访表明，有些人感觉他们的假肢或脑植入物是一个外来物体，而不是他们自己的一部分——即使他们是成功的用户 [28,29,63]。用户经常会报告假肢“碍事”或不可用，需要付出太多努力才能使用，最终导致用户放弃该技术或对它的保护性降低[17,63]。研究人员认为，激发自我意识可以消除这种破坏性体验，并改善保护性行为[17]和可用性期望[26,27,63]，并有助于避免用户出现不必要的自我分离[5,29,37]（见图2）。