XiaoMi-AI文件搜索系统
World File Search SystemLEM
量子程序的自动符号验证
量子计算在提高优化[15,25]、数据库搜索[19]、密码学[36]、量子动力学模拟[10]、可满足性问题[8]和机器学习[23]等许多领域的问题求解的可扩展性方面具有巨大潜力。最近，量子计算在交通流[18]、飞机载荷[38]、物流[2]和医疗诊断[21]等安全关键领域的应用势头强劲。此外，量子模拟[1,11,37]和云端量子计算机[22]现已可用。与经典程序一样，检测量子程序中的错误是一个关键问题。对于经典程序，存在强大的形式化验证技术来自动验证程序是否符合形式化规范[12]。最先进的验证器（例如，对于 C 程序 [ 6 ， 7 ， 27 ]）以符号方式执行验证：开发人员将特定的程序输入标记为符号，以便验证器知道使用这些输入作为“搜索空间”。然后，验证器证明程序的所有可能输入都符合规范。
在环境下2D MXENES中缺陷的碱性阳离子稳定和升高
1-印第安纳波利斯普渡大学印第安纳大学普渡大学工程与技术学院机械与能源工程和综合纳米系统发展研究所，印第安纳波利斯普渡大学，印第安纳波利斯，美国46202，美国2-纳米相物材料科学中心 - 橡树岭国家实验室，Oak Ridge，Oak Ridge，TN 37831，美国37831，Lemt septor，lem tn 37831，lem tn 37831 60439，美国4 -lukasiewicz研究网络 - 波兰波兰华沙的微电子和光子学研究所 - 计算科学与工程部，橡树岭国家实验室，橡树岭，田纳西州橡树岭，37831，美国6-美国6-美国材料工程学院，西拉法伊大学，西拉法伊特大学，机构，美国479907.99090799999090909090909.99090990909909090.990990990.990990990.990990990990990.990999999090.9909999099090.990型，拉斐特（Lafayette），美国47907 * - 通讯作者banasori@purdue.edu摘要过渡金属碳化物已在储能，转换和极端环境应用中采用。在其2D对应物中的进步（称为MXENES）可以在〜1 nm厚度尺度上设计独特的结构。碱阳离子在MXENES制造，存储和应用中至关重要，但是，这些阳离子与MXENES的精确相互作用尚不完全了解。在这项研究中，使用Ti 3 C 2 t X，Mo 2 TIC 2 T X和Mo 2 Ti 2 C 3 T X MXenes，我们介绍了如何通过碱阳离子占用过渡金属空位位点，以及它们对MXENE结构稳定的影响以控制Mxene的相变。在MXENES中，这代表了其2D基底平面的阳离子相互作用的基本面，用于MXENES稳定和应用。我们使用原位高温X射线衍射和扫描透射电子显微镜，原位技术（例如原子层分辨率二次离子质谱法）和密度功能理论模拟进行了检查。广义，这项研究证明了在原子量表上陶瓷理想相关关系的潜在新工具。引言过渡金属碳化物已用于氧化物缺乏潜力的独特应用中，例如其高熔点（例如，HFC的〜4,000°C），1,2导热率（例如WC的63 W·M -1·K -1），3和机械行为（弹性模量）（弹性模型最高为549 GPA）。4在当前的研究中，碳空缺5，快速加热，6或高贵的金属装饰7提供了修改过渡金属碳化物系统固有物质行为的工具。8-17尽管某些方法（例如闪光灯或长期烧结在低（〜750°C）的温度为理想性能提供了一定的相位控制，但有6,12仍有机会准确地控制过渡金属碳化物阶段，以实现理想相位关系的阶段。18在2011年引入MXENES，将过渡金属碳化物推向了2D领域，19已增加了一个多种多样，可调节的家族，包括少量原子（〜1 nm厚）（〜1 nm-thick）和溶液处理的过渡金属碳化物，并将其添加到材料科学上。20,21 mxenes的化学多样性通过其广泛的化学式M n +1 x n t x显而易见，其中m代表一个或多个3 d -5 d和3-6组的n +1层，x代表N层的碳和/或氮气和/或氮气的n层
![arxiv：2502.02572V1 [CS.DS] 2025年2月4日](/simg/g:\will\search\icon\source\6\68691a142bc84b5b40d7b2290991240b592dc7cc.webp)
arxiv：2502.02572V1 [CS.DS] 2025年2月4日
摘要。连接的图具有（k，ℓ） - 覆盖，如果其每个边都包含在至少在k级的cliques中。以极端组合学的最新进展和边缘修改问题的文献的推动，我们研究了（k，ℓ） - 结构问题的算法版本。给定连接的图G，（k，ℓ） - 覆盖问题是识别g的最小子集，以使其在g中添加的添加结果会导致具有A（k，ℓ）覆盖的图形。对于每个常数k≥3，我们表明（k，1） - 覆盖问题是通用图的NP综合。此外，我们表明，对于每个常数k≥3，（k，1）cover问题承认，除非p = np，否则不接受多项式时间恒定因子近似算法。但是，我们表明（3，1） - 覆盖问题可以在输入图是和弦时在多项式时间内解决。对于树的类别和K的一般值，我们表明（K，1） - 覆盖概率是NP-HARD，即使对于蜘蛛也是如此。但是，我们表明，对于每个k≥4，（3，k-2） - 覆盖和（k，1） - 跨性问题是恒定的，当输入图是树是一棵树时。关键字：计算复杂性，图形算法，最佳算法，边缘修改问题和近似算法。
通过在线学习中使用BUNDIT反馈
由于沟通成本高，联合学习（FL）系统需要采样每一轮培训的客户的子集。因此，客户采样在FL系统中起着重要作用，因为它影响了用于训练机器学习模型的优化算法的收敛速率。尽管其重要性，但如何有效地对客户进行采样的工作有限。在本文中，我们将客户取样作为在线学习任务，并使用Bandit反馈进行，我们使用在线随机镜下降（OSMD）算法来解决，该算法旨在最大程度地减少采样差异。然后，我们在理论上展示了我们的采样方法如何在广泛使用的均匀采样上提高联合优化算法的收敛速度。通过模拟和实际数据实验，我们从经验上说明了拟议的客户采样算法的优势，而不是统一采样和现有的基于在线学习的采样策略。所提出的自适应采样程序适用于此处研究的FL概率，可用于改善随机优化程序的性能，例如随机梯度下降和随机坐标下降。
kid-ppg：知识了解从智能手表提取心率的深度学习
摘要 - 由于运动伪像和信号降解，从光电学（PPG）信号中准确提取心率（PPG）信号仍然具有挑战性。尽管经过数据驱动的推理概率培训的深度学习方法提供了有希望的解决方案，但他们通常不利于医疗和信号处理社区的知识。在本文中，我们解决了深度学习模型的三个缺点：删除运动伪像，降低评估以及对PPG信号的生理上合理的分析。我们提出了一个知识知情的深度学习模型Kid-PPG，通过自适应线性过滤，深层概率推断和数据增强来整合专家知识。我们在PPGDALIA数据集上评估了KID-PPG，达到平均平均绝对误差为每分钟2.85次，超过了现有的可重复方法。我们的结果表明，通过将先验知识纳入深度学习模式中，心率跟踪的表现显着改善。这种方法通过将现有的专家知识纳入深度学习模型中，可以增强各种生物医学应用。
在量子计算的不同数据模型中编码和配置数据
量子计算机具有比古典计算机快得多的计算速度。它们可以在各种应用领域（例如优化，机器学习或搜索算法）中使用，仅命名一些示例[1，2]。根据概率，与经典计算机相比，可以假定多项式或指数加速度[3]。这是最重要的数学优势。这是因为将量子计算机嵌入数据库景观或软件架构时，必须克服一般挑战。嵌入的主要原因是，从数据驱动的用例和参数进行处理以计算量子计算机上的解决方案的数据是在数据库系统中管理的。以下两个挑战与嵌入：挑战1：量子计算机无法直接从数据库系统访问数据和信息[4]。但是，量子算法假定其数据已经以合适的形式访问[5]。挑战2：在不同的结构和模型中存在的数据必须相应地编码，然后才能在量子计算机上使用。数据的有效编码也是一个挑战[5，6]和研究主题[1]。原因是相应的编码例程的高时间征收，这在最坏情况下是指数的[4，7]。
背面地图：学生报告清单：定量研究。基于秋季的解释。
•目标和研究问题适合理由上下文（探测，相关性，研究差距）（“红色线程”）。•目标和研究问题是精确提出的：（例如B.使用辅助方案，例如人口，干预，比较，结果（PICO）或人口，概念，上下文（PCC））。•目标指定在单身论文的背景下针对和实现的结果（例如B.新知识/理解，研究干预措施，评估措施）。满足了必要的划定。•研究问题被提出为W问题。•在单独的子章中（或明确强调）中解释了目标和研究问题。•如有必要：提到并证明可验证的假设。在实施/干预/质量改进的定量评估的情况下，必须明确区分实施目标，干预目标或改进质量/项目的目标。必须明确区分实施目标，干预目标或改进质量/项目的目标。
![arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日](/simg/g:\will\search\icon\source\7\77db03c1f11d1263a7a871acf160ef76873ebef0.png)
arXiv:2001.11457v3 [cs.AI] 2021 年 3 月 5 日
在现实环境中，为规划指定高级知识库的问题变得非常艰巨。这些知识通常是手工制作的，即使对于系统专家来说也很难保持更新。最近的方法表明，即使缺少所有中间状态，经典规划也能成功合成动作模型。这些方法可以从一组执行轨迹中合成规划域定义语言 (PDDL) 中的动作模式，每个执行轨迹至少包含一个初始状态和最终状态。在本文中，我们提出了一种新算法，当动作特征未知时，使用经典规划器无监督地合成 S TRIPS 动作模型。此外，我们还对经典规划做出了贡献，该规划减轻了在动作模型前提条件中学习静态谓词的问题，利用 SAT 规划器的功能和并行编码来计算动作模式并验证所有实例。我们的系统非常灵活，因为它支持包含可能加快搜索速度的部分输入信息。我们通过几个实验展示了学习到的动作模型如何概括看不见的规划实例。
提高基于粒子滤波器的定位可靠性...
摘要— 近来，各个行业领域对使用无线传感器网络 (WSN) 进行准确、快速和可靠的室内定位的需求日益增长。在杂乱和嘈杂的环境中，准确定位通常通过称为状态估计器或滤波器的数学算法来实现。粒子滤波器 (PF) 是定位中最常用的滤波器，在基于 WSN 的实时定位的典型条件下，存在样本贫乏问题。本文提出了一种新颖的混合粒子/有限脉冲响应 (FIR) 滤波算法，用于在导致样本贫乏的恶劣条件下提高基于 PF 的定位方案的可靠性。混合粒子/FIR 滤波器检测 PF 故障，并通过使用辅助 FIR 滤波器的输出重置 PF 来恢复故障的 PF。本文结合正则化粒子滤波器 (RPF) 和扩展无偏 FIR (EFIR) 滤波器，构建了混合 RP/EFIR 滤波器。通过模拟，混合 RP/EFIR 滤波器证明了其改进的可靠性和从故障中恢复 RPF 的能力。
可解释人工智能中的操纵风险：分歧问题的影响
摘要。人工智能 (AI) 系统越来越多地应用于我们生活中的高风险领域，这增加了对这些决策进行解释并确保它们与我们希望做出的决策方式相一致的必要性。可解释人工智能 (XAI) 领域应运而生。然而，它面临着一个重大挑战，即分歧问题，即对于同一个人工智能决策或预测可能有多种解释。虽然分歧问题的存在已被承认，但与此问题相关的潜在影响尚未得到广泛研究。首先，我们概述了解释提供者可以部署的不同策略，以使返回的解释适应他们的利益。我们区分了攻击机器学习模型或底层数据以影响解释的策略，以及直接利用解释阶段的策略。接下来，我们分析了提供者可能参与这种行为的几个目标和具体场景，以及这种操纵行为可能对社会造成的潜在危险后果。我们强调，在这些方法被广泛实施之前，研究这个问题至关重要，并提出一些缓解策略。