XiaoMi-AI文件搜索系统
World File Search SystemFrames
时空量子参考系和本征时叠加
在广义相对论中，时空的描述依赖于理想化的杆和时钟，它们确定了一个参考系。在任何具体场景中，参考系都与物理系统相关联，而物理系统最终是量子的。因此，物理定律的相对论描述需要考虑这样的量子参考系 (QRF)，通过它们可以赋予时空以操作意义。在这里，我们引入了时空量子参考系的概念，它与时空中的量子粒子相关联。这种表述的优点是将空间和时间放在同等地位，并允许我们从另一个量子系统的角度描述一组量子系统的动态演化，其中其余物理系统演化的参数与作为 QRF 的粒子的固有时间相一致。至关重要的是，两个不同 QRF 中的固有时间与标准变换无关，但它们可能相对于另一个处于量子叠加态。具体来说，我们考虑一个弱引力场中的 N 个相对论量子粒子系统，并引入一个永恒公式，其中 N 个粒子的全局状态似乎“冻结”，但动态演化以关系量的形式恢复。粒子的位置和动量希尔伯特空间用于通过变换到粒子的局部框架来固定 QRF，使得度量在 QRF 的原点处是局部惯性的。内部希尔伯特空间对应于时钟空间，它在粒子的局部框架中保持适当的时间。得益于这种完全关系的构造，我们展示了从 QRF 的角度看，剩余粒子如何在关系变量中动态演化。这里提出的构造包括当忽略外部自由度时非相互作用时钟的 Page-Wootters 机制。最后，我们发现可以在 QRF 中观察到引力红移的量子叠加和特殊相对论时间膨胀的量子叠加。
潜在地使用“现成的” ...
在“现成”新抗原中共享的移码突变的潜在使用疫苗1,2，尼古拉斯·麦克格拉纳汉（Nicholas McGranahan）1,2，* 1癌症基因组进化研究小组，伦敦大学癌症研究所，保罗·奥戈尔曼（Paul O'Gorman），保罗·奥戈尔曼（Paul O'Gorman）伦敦亨特利街72号WC1E 6BT，英国 *信件：nicholas.mcgranahan.10@ucl.ac.uk（N。McGranahan）。摘要：与因错义突变引起的新抗原相比，癌症患者之间从微卫星不稳定的肿瘤中衍生出的新抗原是在癌症患者之间更常见的。Roudko等人最近的一项研究。评估共享的移状新抗原的免疫原性，这些新抗原有可能用于“现成”新抗原疫苗。主文本免疫检查点抑制剂（CPI）在一系列癌症类型中彻底改变了癌症治疗。通过靶向可防止免疫系统攻击癌细胞的抗体，这些疗法可以防止肿瘤免疫逃避，从而使T细胞能够识别出肿瘤细胞被激活并最终促进主动免疫反应[1]。新抗原是癌症突变，会引起免疫系统识别为异物的肽（图1）。但是，只有一部分患者受益于这些疗法，从而引起对“现成”癌症疫苗的新兴趣。与靶向疗法相反，该疗法的重点是特定可行的改变（例如Roudko等人的研究。egfr激活突变）[2]在许多患者的肿瘤中共享，免疫疗法的成功很大程度上归因于“私有”推定的肿瘤新抗原的数量[3]，这些肿瘤[3]主要特异性地特异性属于每个肿瘤。例如，对结直肠癌的错义突变的研究发现，所研究的每个肿瘤样本的特征都具有明显的突变特征，并且仅与其他肿瘤标本共享多达6个突变的癌症基因[4]。那么，在发展有针对性的新抗原疗法的主要挑战是缺乏共同的靶标。如果每个患者的新抗原曲目都是独一无二的，那么问题是“现成的”？Roudko及其同事[5]最近的一项研究探讨了由微卫星不稳定基因组区域引起的共同的新抗原，并评估了这些区域是否可以刺激免疫反应。微卫星不稳定性描述了重复的核苷酸序列，这些核苷酸序列由于复制误差而累积突变。由于不匹配修复功能的丧失，从微卫星不稳定性区域得出的移码突变可以保留在基因组中。专注于微卫星不稳定性高（MSI-H）胃，子宫内膜和结直肠癌，因为观察到的增加了
标题“Siri，给我看 AI 的恐怖图像”：基于文本的框架和视觉效果对人工智能支持的影响
人工智能（AI）——定义为模仿人类思维的计算机程序或系统（Russell & Norvig，2003；Turing，1950）——在媒体信息中被描绘成社会进步的工具和充满危险的潘多拉魔盒（Chuan 等人，2019；Obozintsev，2018）。在过去的半个世纪里，《2001：太空漫游》（1968 年）、《终结者》（1984 年）、《黑客帝国》（1999 年）和《我，机器人》（2004 年）等电影都描绘了威胁人类的人工智能（Perkowitz，2007 年）。然而，近年来，人工智能已成为日常生活的一部分，其应用范围广泛，从 Siri 和 Alexa 等虚拟助手到医疗诊断工具。鉴于人工智能日益突出，不仅要了解公众如何看待这项技术，还要了解是什么影响了他们对这项技术的看法，这一点很重要 (Fast & Horvitz, 2017; Neri & Cozman, 2019)。几项全国性调查显示，美国公众对人工智能的看法不一，认为它既有希望，又有潜在的威胁 (Northeastern University & Gallup, 2018; West, 2018; Zhang & Dafoe, 2019)。同样的调查还强调了人口统计、政治倾向和宗教信仰如何预测人们对这项技术的看法。例如，这些调查显示，男性、拥有大学学位的人、年轻人、民主党人和宗教信仰较少的人对人工智能的看法比女性、没有大学学位的人、老年人、共和党人和宗教人士更为积极。相比之下，研究较少关注媒体信息是否（如果是，又是如何影响）对人工智能的看法。然而，媒体对公众对其他新兴技术的看法产生影响的研究结果表明，这些信息可能在促进对人工智能的支持或反对方面发挥重要作用，包括生物技术（Priest，1994）和纳米技术（Brossard 等，2009；Lee & Scheufele，2006）。考虑到这一点，本研究报告借鉴了科学技术的框架和公众舆论理论（Nisbet，2009；Nisbet & Mooney，2007），以探讨不同类型的信息如何影响对人工智能的支持。具体而言，它以先前关于人工智能新闻报道的研究结果为基础（Chuan 等人，2019 年；Obozintsev，2018 年），测试了两种框架对该问题的影响：支持人工智能的“社会进步”框架和反对人工智能的“潘多拉魔盒”框架。该研究还以竞争性框架研究为基础（Chong & Druckman，2007a，2007c；Nisbet 等人，2013 年），通过测试接触竞争性框架对人工智能的影响。同时，它与大多数框架研究（参见 Bolsen 等人，2019 年；Feldman 和 Hart，2018 年；Hart 和 Feldman，2016 年；Powell 等人，2015 年）不同，它研究的是图像（在本例中是现实世界的虚拟助手、现实世界的个人机器人和恐怖电影中的人工智能）如何塑造人们对人工智能的看法，无论是通过图像本身还是与基于文本的框架结合形成的看法。
IL-17抑制剂相关炎症性肠病
为了控制Covid-19之类的传染病的传播，制定通信策略来抵消“疫苗抵抗”，即即使在可用时拒绝接受Covid-19疫苗也很重要。本文报告了一项调查实验的结果，该结果测试了几种类型的消息内容的影响：疫苗本身的安全性和有效性，其他人接受疫苗的可能性以及政治在推动对疫苗抵抗的可能作用。在对2020年夏季进行的1,123名美国M-毛线受访者的原始调查中，我们提供了六个不同的信息条件，暗示了疫苗的安全性和效率，缺乏疫苗的安全性/效率，建议大多数其他人都会通过疫苗来促进疫苗的建议，以促进疫苗，这是促进疫苗的促进，该建议是，疫苗的建议是，疫苗的建议是，疫苗的建议是，疫苗的建议是疫苗，这一建议是疫苗的建议。自由，以及特朗普总统的认可的建议急于寻求政治动机。我们将治疗组中的人与未收到其他信息的对照组进行了比较。与对照组相比，那些收到有关疫苗安全/效率的信息的人更有可能报告说，他们会接受疫苗，那些收到其他人不愿接受疫苗的信息的人更有可能报告自己不会接受有关疫苗的信息，以及对疫苗发育的政治影响的信息，以表达疫苗的影响。有关疫苗的有效信息的通信对于试图促进疫苗摄取的公共卫生机构至关重要。
使用 CNN 特征跟踪连续视频帧中的关键点以用于太空应用
摘要：太空任务中的严格时间限制带来了许多自主任务的快速视频处理问题。视频处理涉及分离不同的图像帧、获取图像描述符、应用不同的机器学习算法进行物体检测、避障以及航天器自动操纵中涉及的许多其他任务。这些任务需要在时间限制内对图像进行最翔实的描述。在流量估计应用中，需要从连续图像帧中跟踪这些信息点。SIFT 和 SURF 等经典算法是特征描述开发的里程碑。但计算复杂性和高时间要求迫使关键任务避免在实时处理中采用这些技术。因此，本文选择时间保守且复杂度较低的预训练卷积神经网络 (CNN) 模型作为特征描述符。使用预训练的 VGG 模型参数设计和实现 7 层 CNN 模型，然后使用这些 CNN 特征匹配月球下降视频连续图像帧中的兴趣点。系统的性能是基于视觉和经验关键点匹配来评估的。然后使用 CNN 特征将视频中两个连续图像之间的匹配分数与 SIFT 和 SURF 等最先进的算法进行比较。结果表明，对于太空任务的关键点跟踪应用，在时间关键的视频处理任务中，CNN 特征更可靠、更稳健。关键词：人工智能；卷积神经网络；特征描述符；机器学习；太空任务 1 引言
人工智能中的修辞框架的初步分析
执行摘要 谈到人工智能，新闻标题表明大国正在进行人工智能军备竞赛：“对于超级大国来说，人工智能助长了新的全球军备竞赛”，《连线》杂志的一篇文章写道。1 “中国正在赢得一场新的全球军备竞赛”，彭博市场与金融观察。2 《华尔街日报》的一篇报道断言，“人工智能的新军备竞赛”。 3 这些标题在多大程度上准确代表了精英对人工智能的看法？将技术竞争定义为“人工智能军备竞赛”或“争夺霸权”对政策、安全和国际合作都有影响。4 保持美国在人工智能战略领域的领导地位是一项重要的政策目标，但人工智能是一种通用技术，可以实现广泛的应用。人工智能军备竞赛的叙述掩盖了哪些应用值得优先考虑，以及美国如何制定规范和标准来指导符合民主原则的人工智能和机器学习的发展，而没有揭示更多。5 对人工智能军备竞赛的看法可能会导致大国忽视对安全和保障的投资。此外，军备竞赛动态可能会抑制合作，并增加涉及使用人工智能平台和能力的误判或误解的风险。6 大国是否参与了人工智能军备竞赛？大众传播中的新兴模式提供了见解。舆论制造者使用语言来影响他人的行为，并为新的投资和政策方向辩护。7 公众对人工智能的看法影响了国家领导人的考量。因此，人工智能的修辞框架是公众和精英舆论的晴雨表，表明态度随着时间的推移是变得更加合作还是竞争。在本文中，我们开发了一种新颖的方法来探索人工智能的修辞框架。我们搜索了 2012 年至 2019 年期间全球新闻媒体路透社、美国 Defense One 和外交事务的 4,000 多篇英文文章，并发现了对“人工智能竞争”的提及。 8 这个框架将人工智能发展描述为两个或
三个参考框架 - 毕马威国际
一些社会可能会继续转向民族主义倾向，例如在当地购买和度假，并将供应转移到当地。全球化受到抨击，最近，随着 COVID-19 的传播速度，该系统的根本缺陷暴露无遗。中美之间正在进行的贸易战就是最好的例子之一。从新西兰的角度来看，全球贸易和合作带来了许多好处。特别是，我们需要避免陷入在这场中美争端中选边站的陷阱，并将新西兰最好的一面带给两国。各国政府需要在粮食不安全和未来疫苗开发计划等领域发挥更大的作用，在监管和保护国家利益方面发挥更大的作用。
切换量子参考系进行量子测量
物理观察是相对于参考系进行的。鉴于量子力学的普遍有效性，参考系本质上是一个量子系统。因此，必须相对于量子参考系 (QRF) 来描述量子系统。对 QRF 的进一步要求包括仅使用关系可观测量并且不假设外部参考系的存在。为了满足这些要求，文献中提出了两种方法。第一种方法是操作方法 (F. Giacomini, et al, Nat. Comm. 10:494, 2019)，其侧重于 QRF 之间变换的量化。第二种方法试图从第一性原理推导出 QRF 之间的量子变换 (A. Vanrietvelde, et al, Quantum 4:225, 2020)。这种第一性原理方法将物理系统描述为对称性诱导的约束汉密尔顿系统。在消除冗余之前，对此类系统的狄拉克量化被解释为透视中性描述。然后，引入一个系统的冗余减少程序来从 QRF 的视角推导出描述。第一性原理方法恢复了操作方法的一些结果，但尚未包括量子理论的重要部分——测量理论。本文旨在弥合这一差距。我们表明，冯·诺依曼量子测量理论可以嵌入到透视中性框架中。这使我们能够成功地恢复在操作方法中发现的结果，其优点是可以从第一性原理中推导出变换算子。此外，公式预
