XiaoMi-AI文件搜索系统
World File Search SystemInverse
Jishen Zhao -UCSD CSE
图1。我们引入了一个时空优化器，该优化器概括了亚当和拉普拉斯平滑（大步骤）。除了时间过滤（如Adam）外，它还将各向异性交叉双侧过滤器应用于跨空间的梯度。我们的跨双边滤波器可以减少梯度噪声，并通过在先前施加分段平滑度来改善各向异性目标的条件。我们的方法可以使（a）纹理，（b）体积和（c）在非常低的样品计数下的纹理和（c）网格的更快收敛和更高质量的逆渲染；所有实验仅使用每个像素的1个样品进行梯度估计。（a）对于100次迭代后粗糙度纹理恢复，我们的方法融合了，而其他方法则具有伪像。（b）用于体积密度和反照率恢复仅50次迭代，我们的方法已经可以恢复粗糙的形状和颜色。更高的样本计数进一步优化可恢复详细信息。（c）对于网格恢复，我们的方法能够比竞争方法更快地恢复尖锐的功能（顶行，立方体）和薄结构（底行，龙）。在窗户上改编的场景©Bernhard Vogl，Autumn Field©Jarod guest and Sergej Majboroda，高分辨率烟雾羽流©Jangafx，Kloppenheim 06©Greg Zaal和Asian Dragon和Asian Dragon©Stanford Computer Graphics Labrications。
非线性元信息的逆设计总和频率生成
摘要：总和频率产生（SFG）具有多个应用，从光源到成像，其中有效的转换需要较长的相互作用距离或二次非线性材料中的较大的浓度。metaSurfaces为增强SFG的基本途径提供了与集成超薄平台的极端领域增强的共鸣。在这项工作中，我们为纳米图案的元表面进行多个客观拓扑优化的一般理论框架，以促进高效sfg并同时选择发射方向并量身定制元清化方向。基于此框架，我们提出了新颖的跨表面设计，展示了最终功能，以转化从成像到极化法的外观非线性发光的光线。例如，我们的一个元面积产生高度极化和方向性的SFG发射，其效率超过0.2 cm 2 gw-1在10 nm信号工作带宽中。
以金属有机骨架为填充物的逆向混合键合
图 29 (a) 每个 I/O 电阻测量的开尔文结构；(b) 键合铜柱的 SEM 横截面 ......................................................................................................... 44 图 30 带 Ru 封盖的 Cu-Cu 键合测试台 ............................................................................. 45 图 31 铜上钌的沉积过程 ............................................................................................. 45 图 32 30 分钟 FGA（合成气体退火）退火后表面 Cu 和 Ru 的百分比 [98] ............................................................................................................. 46 图 33 450°C FGA 退火后，带有针孔的 Ru 表面上的扩散 Cu ............................................................................. 47 图 34 用于研究填充的测试台制造流程 ......................................................................................... 49 (b) 使用 Keyence 7000 显微镜对集成结构进行的顶视图，描绘了顶部芯片上的通孔密度 ............................................................................................................................. 50 图 36 (a) 200 次循环氧化铝 ALD 后扫描 EDX 映射区域的 SEM 图像；(b) 集成结构的顶视图，突出显示了填充覆盖研究区域；(c) EDX 映射结果描绘了铝和氧 pe 的区域 ............................................................................................................................. 51 图 37 200 次循环氧化铝 ALD 后脱粘底部芯片的 FIB 横截面描绘 ............................................................................................................................. 52 图 38 (a) 200 次循环真空清除 ALD 后 EDX 研究的不同区域 - 底部芯片正下方通孔区域（区域 A）、距最近通孔 300 µm 的区域（区域 B）、靠近边缘的区域（区域 C）； (b) 三个 r 中的 Al/Si 比率 ...................................................................................................................................... 52 图 39 (a) 集成结构的对角线切割；(b) 描绘平滑填充区域和无填充的受损区域后集成结构横截面的近视图；(c) 描绘填充高达 300 µm 的横截面的未放大图像 ............................................................................................. 54 图 40 (a) ZIF-8 MOF 化学和结构；(b) 示意图表示 ALD ZnO 和转化为气相沉积 MOF，体积膨胀和间隙填充约为 10-15 倍。 ........................................................................................................................................... 56 图 41 在完全填充芯片到基板间隙后，距离最近通孔 300 µm 的集成结构横截面的 EDX 映射.............................................................................57 图 42 横截面的 SEM 图像显示抛光模具未渗透到通孔和芯片与基板的间隙中，从而使上述结果可信 ............................................................................................. 58 图 43 (a) 测试台示意图，顶部芯片具有通孔 Cu-Cu 键合到底部基板；(b) Cu-Cu 键合测试结构的 SEM 横截面（面 A）；(c) 键合前顶部芯片表面的铜垫/柱（面 B）；(d) 键合前底部芯片表面的带有金属走线的铜柱（面 C） ............................................................................................................................. 59 图 44 20 nm ZnO ALD 后脱键合的底部芯片概览；(b) 通孔下方未沉积填充的区域 ............................................................................................................. 60 图 45 顶部芯片靠近通孔的区域，显示扩散半径为 (a) 572 µm，通孔直径为 240 µm； (b) 75 µm 直径通孔的 364 µm .............................................................. 61 图 46 20 nm ZnO ALD 后的脱粘底部芯片概览，a) 脉冲时间 250 ms 和温度 150°C；(b) 脉冲时间 1 秒和温度 150°C ................................................................................ 62 图 47 反向混合键合的工艺顺序 ............................................................................................. 63 图 48 (a) 1 个 MOF 循环后脱粘底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表明已完全渗透............................................................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样，显示了 500 nm MOF ............................................................................................................................................. 65 图 50 (a) 5 个 MOF 填充循环后脱粘底部芯片的概览；(b)62 图 47 反向混合键合的工艺顺序 .......................................................................................... 63 图 48 (a) 经过 1 个 MOF 循环后，脱键合底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表示完全渗透............................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样显示了 500 nm MOF ............................................................................................................................. 65 图 50 (a) 经过 5 个 MOF 填充循环后，脱键合底部芯片的概览；(b)62 图 47 反向混合键合的工艺顺序 .......................................................................................... 63 图 48 (a) 经过 1 个 MOF 循环后，脱键合底部芯片的概览；(b) 在底部芯片中间观察到的 MOF 晶粒表示完全渗透............................................................................. 64 图 49 靠近底部基板中心的 FIB 横截面，如预期的那样显示了 500 nm MOF ............................................................................................................................. 65 图 50 (a) 经过 5 个 MOF 填充循环后，脱键合底部芯片的概览；(b)
通过快捷方式采样
扩散模型最近表现出令人印象深刻的以无监督方式解决反问题的能力。现有方法主要集中于修改后层过程，但正向程序的潜力仍然在很大程度上没有探索。在这项工作中，我们提出了扩散的快捷方式采样（SSD），这是一种以零拍的方式解决反问题的新方法。，而不是从random噪声中启动，而是找到一个特定的过渡状态，该状态桥接了微观的图像y和已恢复的图像x。通过利用“输入 - 过渡状态 - 输出”的快捷路径，SSD可以通过更少的步骤实现精确的修复。在实验上，我们将SSD对多个代表性的IR任务的有效性进行了影响。我们的方法与最先进的零射击方法（100 NFE）相比，只有30个NFE实现了竞争性，并在某些任务中以100个NFE的优于它们。代码可在https://github.com/gongyeliu/ssd上使用。
通过深度学习的拓扑光子时间晶体的逆设计
摘要：光子时间晶体是现代光学物理学中一种新型的光子系统，导致具有新属性的设备。但是，到目前为止，由于时间晶体结构和拓扑特性之间的复杂关系，设计具有特定拓扑状态的光子时间晶体仍然是一个挑战。在这里，我们提出了一种基于学习的方法来应对这一挑战。在带有时间反演对称性的光子时间晶体中，每一个由动量间隙隔开的频带都可以具有非零量化的浆果相。我们表明，神经网络可以学习时间晶体结构和浆果相之间的关系，然后根据给定的浆果相特性确定光子时间晶体的晶体结构。我们的工作显示了一种将机器学习应用于时变光学系统的逆设计的新方法，并具有潜在的扩展到其他字段，例如随时间变化的声音设备。
通过逆问题的VAE的混合模型进行多种学习
用生成模型代表一系列非常高维数据在实践中已显示出非常有效的计算。但是，这要求数据歧管允许全局参数化。为了代表任意拓扑的多种流形，我们建议学习变分自动编码器的混合模型。在这里，每个编码器对代表一个歧管的一个图表。我们提出了一个模型权重估计的最大似然估计的损失函数，并选择一个为我们提供图表及其倒置的分析表达的体系结构。一旦学习了流形，我们就将其用于解决逆问题，通过最大程度地减少到学习歧管的数据实现项。为了解决最小化的问题，我们提出了在学习歧管上的riemannian梯度下降算法。我们证明了用于低维玩具示例的方法，以及某些图像歧管上的脱张和电阻抗层造影。关键字：多种学习，混合模型，变异自动编码器，Riemannian优化，反问题
有效的逆增强学习而不复合错误
逆增强学习（IRL）是一种模仿学习的政策方法（IL），使学习者可以在火车时间观察其行动的后果。因此，对于IRL算法，有两个看似矛盾的逃亡者：（a）防止阻塞离线方法的复合误差，例如诸如避免克隆之类的方法，并且（b）避免了强化学习的最坏情况探索复杂性（RL）。先前的工作已经能够实现（a）或（b），但不能同时实现。在我们的工作中，我们首先证明了一个负面结果表明，没有进一步的假设，没有有效的IRL算法可以避免在最坏情况下避免复杂错误。然后我们提供了一个积极的结果：在新的结构条件下，我们将奖励态度不足的政策完整性称为“奖励”，我们证明有效的IRL算法确实避免了犯错的错误，从而为我们提供了两个世界中最好的。我们还提出了一种使用亚最佳数据来进一步提高有效IRL算法的样本效率的原则方法。
从LLM对齐的示范中学习的逆增强学习
对齐大语言模型（LLMS）正在提高其安全性和实用性。，现有方法主要基于偏爱的数据集，面临噪音标签，高注释成本和隐私性征服等挑战。在这项工作中，我们引入了示范（AFD）的一致性，这是一种新型的方法，掌握了高质量的演示数据以克服这些挑战。我们在一个顺序的决策框架内将AFD形式化，这强调了其缺失奖励的独特挑战。从前进和逆增强学习中汲取见解，我们引入了AFD的分歧最小化目标。在分析上，我们阐明了各种方法的质量覆盖和寻求模式，并解释了某些方法何时以及为什么较高的方法。实际上，我们提出了一种计算有效的算法，该算法通过针对AFD的量身定制奖励模型进行推断。我们通过实验无害和有用的任务来验证我们的关键见解，在保持简单性的同时证明了它们的强大经验表现。
通过反向法拉第效应
磁化和光之间的关系一直是过去一个世纪的密集研究的主题。在此，磁化对光极化的影响已得到充分了解。相反，正在研究用极化光的磁性操纵，以实现杂志的全光控制，这是由潜在的Spintronics中潜在的技术实施驱动的。据报道，诸如薄膜和亚微米结构中杂志的单脉冲全光切换之类的发现。 然而，纳米尺度上磁性的局部光学控制的证明仍然难以捉摸。 在这里，证明具有圆形极化飞秒激光脉冲的令人兴奋的金纳米盘可导致超快，局部和确定性控制磁化磁化强度的磁化。 通过利用逆法拉第效应在等离子纳米散发中产生的磁矩来实现此控制。 结果为在纳米级旋转设备中进行轻驱动的控制铺平了道路，并为等离激元纳米结构中磁场的产生提供了重要的见解。诸如薄膜和亚微米结构中杂志的单脉冲全光切换之类的发现。然而，纳米尺度上磁性的局部光学控制的证明仍然难以捉摸。在这里，证明具有圆形极化飞秒激光脉冲的令人兴奋的金纳米盘可导致超快，局部和确定性控制磁化磁化强度的磁化。通过利用逆法拉第效应在等离子纳米散发中产生的磁矩来实现此控制。结果为在纳米级旋转设备中进行轻驱动的控制铺平了道路，并为等离激元纳米结构中磁场的产生提供了重要的见解。
通过高吞吐量飞秒激光处理和串联神经网络的光子表面逆设计
这项工作通过将飞秒激光处理与串联神经网络的逆设计功能相结合，展示了一种设计光子表面的方法，该功能将激光器制造参数与所得的纹理底物光学特性联系起来。开发了高吞吐量的制造和表征平台，该平台生成一个数据集，该数据集在不锈钢上具有35280个独特的微织物表面，具有相应的测量光谱发射率。受过训练的模型利用光谱发射率和激光参数之间的非线性一对多映射。因此，它主要生成新颖的设计，该设计仅使用激光参数空间的紧凑区域比训练数据中所代表的小25倍，从而再现了光谱发射率的全部范围（平均根平均值<2.5％）。最后，在嗜热伏洛尔特发射器设计应用程序上对逆设计模型进行了实验验证。通过协同激光 - 物质与神经网络能力的相互作用，该方法可以洞悉加速光子表面的发现，从而推进能量收集技术。