XiaoMi-AI文件搜索系统
World File Search SystemEmulate
地球系统的人工智能 - AMS 期刊
地球系统的人工智能 (AIES) 发表与气象学、大气科学、水文学、气候科学和海洋科学相关的人工智能 (AI)、机器学习 (ML)、数据科学和统计学方法的开发和应用研究。主题包括 AI/ML、统计和混合方法的开发及其应用；从可解释和基于物理的 AI 等 AI/ML 模型开发和应用方法以进一步加深对地球系统过程的物理理解；使用 AI/ML 模拟数值天气和气候模型的组成部分；将 AI/ML 纳入观测和遥感平台；使用 AI/ML 进行数据同化和不确定性量化；以及 AI/ML 在 AIES 学科中的社会应用，包括 AI/ML 的道德和负责任的使用以及对 AI/ML 的教育研究。
人工智能风险管理框架
1 EO 14110 将生成式 AI 定义为“模拟输入数据的结构和特征以生成衍生合成内容的 AI 模型类别。这可以包括图像、视频、音频、文本和其他数字内容。”虽然并非所有 GAI 都源自基础模型，但就本文而言，GAI 通常指生成式基础模型。EO 14110 将“双重用途基础模型”的基础模型子类别定义为“在广泛数据上训练的 AI 模型；通常使用自我监督；包含至少数百亿个参数；适用于各种环境。” 2 本简介是根据 EO 14110 第 4.1(a)(i)(A) 节制定的，该节指示商务部长通过国家标准与技术研究所 (NIST) 主任为生成式 AI 开发 AI RMF 的配套资源 NIST AI 100-1。
ARDS获奖者的案例研究-Mayo Clinic＆Optum
糖尿病会影响美国的3700万人，使其成为该国最常见和昂贵的慢性病。尽管糖尿病疗法的科学进步，但在过去的十年中，糖尿病并发症发生率并没有提高，尤其是与获得血糖控制有关以避免严重的低血糖和高血糖的疾病。几乎没有关于急性降血糖和高血糖糖尿病并发症的研究，许多临床医生缺乏一种实用和可靠的手段，无法鉴定患有严重低血糖和高血糖的最高风险患者，从而阻止了患者及其医生个体化血糖目标和治疗的能力。通过从现实世界数据中开发风险预测模型，Mayo诊所和Optum解决了糖尿病管理中的关键差距，以模仿临床试验，改善血糖控制并降低严重低血糖和高血糖的风险。
通用量子计算机的开源模拟器
量子计算是一种全新的技术范式，能够彻底改变信息处理。通用量子计算机的模拟器对于理解当前噪声中型量子 (NISQ) 处理器的基本原理和操作以及构建未来的容错量子计算机非常重要。在这项工作中，我们通过介绍 Psitrum（一种在经典硬件上实现的通用门模型量子计算机模拟器）来展示通用量子计算机的模拟。该模拟器允许以量子电路的形式模拟和调试量子算法，适用于许多应用，可以选择添加各种噪声模块来模拟量子电路中的退相干。Psitrum 允许模拟所有基本的量子操作并提供各种可视化工具。该模拟器允许追踪 N 量子比特实现的量子电路的每个阶段 M 的所有可能的量子态。Psitrum 软件和源代码可在以下网址免费获取：https://github.com/MoGhadeer/Psitrum。
探索混乱理论和AI
混沌系统的传统模型通常是复杂且计算密集的。AI，尤其是神经网络，提供了一种更有效的方法。例如，麻省理工学院的研究人员一直在探索紧凑的神经网络对建模和预测混乱系统的潜力。他们的工作表明，这些网络可以通过进行一系列数学转换（例如输入数据的拉伸，旋转和折叠）来模仿混乱的动力学。这个过程比喻为制作手工的面条或椒盐脆饼。这项研究表明，即使有少数神经元和有限的训练数据，神经网络也可以有效地学习混乱系统等混乱系统等动力学。这项研究表明，可以训练神经网络，以有效地模仿大型系统中发现的混乱，有助于研究长期行为并在复杂的工程系统中进行预测，例如自主机器人和自动驾驶汽车（Li and Ravela，2021年）。
在计算机试验和活着的心脏项目
代表了医学研究中的一种开创性方法，利用建模和模拟来增强见解，改进方法并可能取代动物和人类测试。这种方法的核心是开发特定于患者的模型，这些模型构成了完整的虚拟人群的基础。这些模型用于评估新药和医疗设备的安全性和功效。此类方法越来越被认为是补充和丰富传统临床试验的有价值的工具，可能会减少所需患者的数量，提高统计学意义并加速监管批准时间表。这种新方法的含义对于药物和医疗设备的开发以及监管评估至关重要。在计算机试验中，使用计算建模来模仿人类系统动力学，提供了传统体内和体外测试的复杂且更具道德的替代方案。这种方法不仅可以极大地加快试验时间表并提高患者的安全性，而且还具有成本效益。
基于忆阻器的脉冲神经网络 - ePrints Soton
新兴的非易失性存储设备，即忆阻器，在神经形态硬件设计中展现出了非凡的前景，特别是在脉冲神经网络 (SNN) 硬件实现中。基于忆阻器的 SNN 已经应用于解决传统人工神经网络 (ANN) 解决的任务（例如图像分类和模式识别），并且不同学科仍在进行更多尝试以挖掘这一新研究课题的潜力。要将忆阻器应用于神经形态应用（本文中严格定义为使用 SNN 的应用），可以遵循两种途径。一种方法是首先利用硬件基础设施来表征和控制忆阻器设备，然后将其映射到应用程序的更高级函数（例如矩阵乘法）。另一种方法是将数据驱动的忆阻器模型嵌入软件模拟器中，以使用从真实设备中提取的参数来模拟应用程序。
超导电路中的量子信息和量子光学
超导量子电路是开发可扩展量子计算机最有前途的解决方案之一。超导电路采用超导制造技术和微波技术制造而成，尺寸从几微米到几十米不等，在低温下表现出叠加和纠缠等独特的量子特性。本书全面、完整地介绍了超导量子电路的世界以及它们在当前量子技术中的应用。作者首先描述它们的基本超导特性，然后探讨它们在量子系统中的应用，展示它们如何模拟单个光子和原子，并最终在高度连接的量子系统中表现为量子比特。特别关注这些超导电路在量子计算和量子模拟中的前沿应用。这本通俗易懂的教材是为研究生和初级研究人员编写的，包含大量家庭作业和例题。
![arXiv:2206.14029v1 [quant-ph] 2022 年 6 月 28 日](/simg/f\faa038f48f98f9b0bf9cf64e3cbdeb79e9bb6da7.webp)
arXiv:2206.14029v1 [quant-ph] 2022 年 6 月 28 日
量子信息科学和技术的最新发展，尤其是可编程量子计算机的构建，为我们研究量子力学的基本方面提供了新的机会。我们提出量子比特模型来模拟量子测量过程，其中量子比特的量子信息被映射到作为测量设备的量子比特集合。一个模型由单光子检测驱动，另一个由自旋测量驱动。这两个模型都可扩展以生成薛定谔猫态，并且它们相应的量子电路被明确展示。近期的量子计算机可以实现大规模模拟，而经典计算机无法有效地执行相同的任务。由于模型的可扩展性，这种模拟可以帮助探索量子测量问题中量子到经典的边界（如果存在的话）。此外，我们生成猫态的协议可能在量子计算和计量学中具有重要应用。
通过工程耗散观察多个稳定状态
模拟开放量子系统的动力学对于实现实用量子计算和理解新型非平衡行为至关重要。然而，在当今的实验平台上，耦合到工程储层的多体系统的量子模拟尚未得到充分探索。在这项工作中，我们将工程噪声引入一维十量子比特超导量子处理器，以模拟通用多体开放量子系统。我们的方法源于主方程的随机解开。通过测量端到端相关性，我们确定了源于强对称性的多个稳定态，该强对称性是通过 Floquet 工程在修改后的汉密尔顿量上建立的。此外，我们通过将初始状态准备为五量子比特链上不同扇区内状态的叠加来研究稳态流形的结构。我们的工作为开放系统量子模拟提供了一种可管理且硬件高效的策略。