XiaoMi-AI文件搜索系统
World File Search SystemFFI
JAP(D) 100C-22 - 军事航空工程
AD 意外损坏 AE 老化探索 ALARP 尽可能低 AMM 飞机维护手册 BITE 内置测试设备 CBM 基于条件的维护 CCMM 持续充电强制维护 CM 状态监测 CMM 部件维护手册 CPL 裂纹扩展寿命 CRL 部件更换清单 CTM 参见 Cty Cty 应急维护 DDP 设计和性能声明 DO 设计组织 DMML 主维护清单草案 DRACAS 数据报告和纠正措施系统 DUL 设计极限载荷 ECU 发动机更换单元 ED 环境损坏 EMI 电磁干扰 EO 明显的操作/经济 ERC 工程记录卡 ES 明显的安全 ESA 外部表面积 ETI 经过时间指示器 FF 故障查找 FFI 故障查找间隔 FFMC 功能故障模式代码 FLC 前线指挥 FMEA 故障模式和影响分析 FMECA 故障模式、影响和危害性分析 FMI 故障模式指示器 FOD 异物损坏
PIK3R1 是高级别浆液性肿瘤中可操作的突变...
1 Candiolo 癌症研究所，FPO-IRCCS，Candiolo，10060 都灵，意大利； concetta.dambrosio@unito.it (CD); jessica.erriquez@ircc.it（日本语）； sonia.capellero@ircc.it (SC); mittica@aslvco.it（总经理）； eleonora.ghisoni@ircc.it（EG）； elena.maldi@ircc.it（EM）； enrico.berrino@ircc.it (EB); tiziana.venesio@ircc.it（电视）； riccardo.ponzone@ircc.it (RP); marco.vaira@ircc.it (MV); giorgio.valabrega@ircc.it (GV); martina.olivero@unito.it（MO）2 都灵大学肿瘤学系，Candiolo，10060 Torino，意大利 3 都灵大学分子生物技术和健康科学系，10126 Torino，意大利；maddalena.arigoni@unito.it（MA）；ra ffi aele.calogero@unito.it（RAC）4 意大利都灵健康与科学城，10126 Torino，意大利；fulvio.borella87@gmail.com（FB）；d.katsaros@libero.it（DK）；sprivitera@cittadellasalute.to.it（SP）；mribotta@cittadellasalute.to.it（MR）5 都灵大学生命科学与系统生物学系，10125 Torino，意大利； giovanna.dinardo@unito.it 6 都灵大学医学科学系，10126 都灵，意大利 7 剑桥大学，剑桥 CB2 0XZ，英国；Douglas.Hall@cruk.cam.ac.uk (DH)；mercedes.jimenez-linan@addenbrookes.nhs.uk (MJ-L.)；alp37@cam.ac.uk (ALP)；James.Brenton@cruk.cam.ac.uk (JDB) 8 英国癌症研究中心剑桥研究所，剑桥 CB2 0RE，英国 * 通信地址：mariaflavia.direnzo@unito.it 或 mariaflavia.direnzo@ircc.it；电话：+ 39-011-993-3343 † 这些作者对本文的贡献相同。
量子态的计算不可区分性及其密码应用∗
我们引入了一个区分两个特定量子态的计算问题作为一个新的加密问题，以设计一个可以抵御任何多项式时间量子对手的量子加密方案。我们的问题 QSCD ф是区分两种具有有限度对称群上的隐藏排列的随机陪集态。这自然概括了计算密码学中两个概率分布之间常用的区分问题。作为我们的主要贡献，我们展示了三个加密属性：(i) QSCD ф具有陷门属性；(ii) QSCD ф的平均情况难度与其最坏情况难度一致；(iii) QSCD ф在最坏情况下的计算难度至少与图自同构问题一样困难。这些加密属性使我们能够构建一个量子公钥密码系统，该系统很可能抵御多项式时间量子对手的任何选择明文攻击。我们进一步讨论了 QSCD ffi 的泛化，称为 QSCD cyc ，并引入了一种依赖于 QSCD cyc 的加密属性的多位加密方案。
人工智能、数据中心和即将到来的美国电力需求激增
受人工智能、更广泛需求和能源效率提升速度放缓的推动，全球数据中心电力需求在 2015-2020 年持平之后，有望到 2030 年增长一倍以上。除了制造业/工业生产的增长和更广泛的电气化趋势之外，这一增长是主要催化剂，使美国电力需求的复合年增长率从上个十年的 0% 加速到本世纪末的 2.4%。我们认为，支持数据中心驱动的负荷增长将需要公用事业公司投资 500 亿美元用于新增发电能力。我们假设天然气和可再生能源的比例为 60/40，我们预计到 2030 年将推动天然气需求增量约为 33 亿立方英尺/天。虽然投资者对人工智能革命主题的兴趣并不新鲜，但我们认为，公用事业、可再生能源发电和工业领域的下游投资机会尚未得到重视，而这些领域的投资和产品将是支持这一增长所必需的。
非高斯量子关联及其应用
量子力学是当今我们见证的重大技术发展的核心。世界各地正在做出巨大努力，以充分发挥这些新技术的潜力。这些努力主要集中在量子计算和通信协议的实现上，在高精度计量方面，我们期待着而且已经取得了很大进展。由于其对退相干具有很强的稳定性，光的量子态为实现这些量子技术提供了一个强大的候选平台。此外，该平台具有良好的可扩展性，因为它可以在室温下操作，并且与现有的通信技术兼容。量子光学系统与任何玻色子系统一样，可以用两种互补的方式描述 [1]。一方面是离散变量方法，主要关注光子数量作为相关可观测量。这种方法具有广泛的适用性，因为它为量子信息提供了一种自然的编码，每个光子编码一个量子比特的状态。然而，这种编码极易受到光路中光子丢失的影响，这是光学设备中最常见的问题来源，并且还存在难以确定性地生成单光子的问题。另一方面，还有连续变量方法，其中相关的可观测量是电磁场模式的实部和虚部，称为场正交。这种方法可以确定性地生成多达一百万种模式的巨大纠缠态[ 2 ]，这为量子信息处理提供了独特的场所。连续变量框架允许在有限维相空间内描述无限维系统，该相空间是系统模式数量的两倍。这种描述是用准概率分布 [1] 来提供的，类似于统计集合的经典描述。在准概率分布家族中，值得注意的是维格纳函数。由于海森堡不确定性原理禁止同时测量振幅和相位正交，维格纳函数可以达到负值。尽管如此，它还是最接近经典的概率描述，因为它是状态的唯一相空间表示，它被归一化并边缘化为相应正交测量结果的概率密度。维格纳函数是区分高斯状态和非高斯状态的重要工具 [1]。根据定义，高斯状态是可以在相空间中用高斯维格纳函数描述的状态。这些状态可以用当前技术以确定性的方式生成和进一步操纵。特别是上面提到的大型多模纠缠态就属于这一家族。然而，最奇特的量子特征，如维格纳负性，是在非高斯态中发现的。我们正是需要这些奇特的特征，如维格纳函数中的负性[ 3 ]和非高斯纠缠[ 4 ]来实现无法用经典资源有效模拟的量子协议。在[ 4 ]中，我们证明了用经典设备模拟这种光学采样问题的复杂性在输入状态的非高斯性中呈指数增长，通过其恒星等级来衡量[ 5 ]。此外，我们提供了一种有效的算法来模拟可以通过移相器和分束器（被动线性光学）分离的状态的采样。换句话说，这个结果相当于说，为了得到一个难以用经典方法模拟的采样问题，状态应该在每个模式基础上表现出纠缠，因为否则
![arxiv：2502.09827V1 [CS.IR] 2025年2月13日](/simg/g:\will\search\icon\source\d\d87770f9eabea0f22351b740be4e0b3c2bd1ed99.webp)
arxiv：2502.09827V1 [CS.IR] 2025年2月13日
数据和决策可追溯性是指数据生命周期的全面和可审计的文档，包括其起源，转换，移动和利用，以及使用该数据的决策背后的基本原理和影响因素。它代表了记录和链接数据元素和决策点的系统方法，创建了可验证的证据链。该链允许重建数据出处以及整个系统操作中做出的选择的理由。在复杂的系统中，尤其是涉及多个利益相关者或自动决策过程的系统中，可追溯性对于建立问责制，增强数据完整性，促进调试和优化以及支持遵守监管要求至关重要。e ff的可食用性机制可以识别数据血统，数据质量评估以及决策过程的分析，最终有助于提高透明度，信任和理解。此外，它通过鉴定潜在偏见，ffi ciencies和用于细化数据处理和决策算法的区域，为持续改进提供了基础。提供数据和决策可追溯性所需的信息包括两个主要共同点，如图3。对于系统中的每个过程，需要跟踪捕获的信息（输入）和生成（输出）。提供信息的可追溯性
使用自动水下车辆（AUV）解决俄罗斯联邦矿产资源综合体（MRC）的问题
自动水下车辆（AUV）是水下机器人开发最先进的领域之一。矿产资源综合体（MRC）的急性行业问题之一是对俄罗斯领土及其大陆架领土的富裕地质研究。本文展示了对世界使用AUV解决此类任务的经验的回顾。此外，它考虑了使用AUV探索MRC的可能性，并使用系统分析方法和数学模型来陪同其在俄罗斯联合会的水域中提取。结果表明，在俄罗斯，AUV和AUV以及控制系统的发展和创建方面缺乏专家。但是，应考虑到将俄罗斯的研究带入海洋研究领域的高级发展，矿产资源的探索需要大幅增加资金。此外，俄罗斯为解决MRC问题的发展和建立是必须解决的紧迫问题。©seecmar |保留所有权利
Pharo 中的 AI 有多快？线性回归基准测试
摘要 与许多其他现代编程语言一样，Pharo 将其应用扩展到计算要求高的领域，例如机器学习、大数据、加密货币等。这就需要快速的数值计算库。在这项工作中，我们建议通过外部函数接口 (FFI) 调用高度优化的外部库（例如 LAPACK 或 BLAS）中的例程来加速低级计算。作为概念验证，我们基于 LAPACK 的 DGELSD 例程构建了线性回归的原型实现。使用三个不同大小的基准数据集，我们将我们的算法的执行时间与纯 Pharo 实现和 scikit-learn（一种流行的机器学习 Python 库）进行比较。我们表明 LAPACK&Pharo 比纯 Pharo 快 2103 倍。我们还表明，scikit-learn 比我们的原型快 8-5 倍，具体取决于数据的大小。最后，我们证明纯 Pharo 比纯 Python 中的等效实现快 15 倍。这些发现可以为未来为 Pharo 构建快速数值库并进一步在更高级的库（如 pharo-ai）中使用它们奠定基础。
Pharo 中的 AI 有多快？基准线性回归
摘要 与许多其他现代编程语言一样，Pharo 将其应用扩展到计算要求高的领域，例如机器学习、大数据、加密货币等。这就需要快速的数值计算库。在这项工作中，我们建议通过外部函数接口 (FFI) 调用高度优化的外部库（例如 LAPACK 或 BLAS）中的例程来加速低级计算。作为概念验证，我们基于 LAPACK 的 DGELSD 例程构建了线性回归的原型实现。使用三个不同大小的基准数据集，我们将我们的算法的执行时间与纯 Pharo 实现和 scikit-learn（一种流行的机器学习 Python 库）进行比较。我们表明 LAPACK&Pharo 比纯 Pharo 快 2103 倍。我们还表明，scikit-learn 比我们的原型快 8-5 倍，具体取决于数据的大小。最后，我们证明纯 Pharo 比纯 Python 中的等效实现快 15 倍。这些发现可以为未来为 Pharo 构建快速数值库并进一步在更高级的库（如 pharo-ai）中使用它们奠定基础。
可持续的微藻种植
摘要。微藻已成为生物燃料和高价值化合物的有希望的原料，这是针对全球能源和资源挑战的潜在解决方案。这篇全面的综述研究了微藻种植技术的最新进步，重点是开放系统和封闭的光生反应器（PBRS）。我们分析了各种配置，包括开放式赛道池塘，管状PBR，平板PBR和新型设计，例如光交换气泡柱（LEB）。审查包括关键绩效指标，例如生物量生产率，能量E ffi的效率和用水量以及生命周期评估（LCA）的结果，用于不同的培养系统。我们还讨论了扩大微藻生产的挑战和机遇，整合废水处理和CO 2缓解的潜力以及生物填充方法的前景。通过综合最新的研究发现并确定知识差距，该评论旨在为研究人员，工程师和政策制定者在可再生能源和生物技术领域的可持续微藻种植中的当前状态和未来方向提供全面的了解。