XiaoMi-AI文件搜索系统
World File Search SystemPrinciple
自由基和抗氧化剂的原理
自由基（自由基）是原子或分子中的孤独电子。它可以在环境，生物和细胞中的任何地方，尤其是细胞内或新陈代谢过程中的生产过程，并随氧分子的流动。氧分子中的电子不平衡。在反应中成为自由基和敏捷性，并能够从其他分子中汲取电子以替代缺失的电子，从而使它们保持平衡或稳定，在这种情况下，这种反应将随着链反应并一直发生在细胞中。
电气工程中的绿色建筑原理
生命周期评估 (LCA) 来评估建筑材料和设计选择在整个生命周期内对环境的影响。此外，LEED（能源与环境设计先锋）等绿色建筑认证提供了评估和认可符合特定可持续性标准的建筑的框架。通过将这些原则和实践融入建筑设计和施工中，绿色建筑理论旨在创造对环境负责、资源高效和健康的建筑环境，最大限度地减少对环境的影响，为更可持续的未来做出贡献。
军事人工智能与区分原则
军事人工智能 (AI) 技术可能仍处于相对起步的阶段，但关于如何规范其使用的辩论已经如火如荼地展开。大部分讨论都围绕着自主武器系统 (AWS) 及其表面上可能产生的“责任差距”展开。本文认为，虽然一些军事人工智能技术确实可能在个人责任领域造成一系列概念障碍，但它们并不会在国家责任法下引发任何独特问题。以下分析考虑了后一种制度，并列出了将其应用于因使用人工智能军事技术而导致的可能违反国际人道主义法 (IHL) 基石——区分原则——的关键环节。它表明，在涉及 AWS 的案件中归咎责任的任何挑战都不会由人工智能的纳入引起，而源于国际人道主义法先前存在的系统性缺陷及其下错误不明确的后果。文章重申，国家对 AWS 部署的影响承担的责任始终由指挥官根据国际人道法授权部署武器承担。然而，有人提出，如果所谓的完全自主武器系统（即基于机器学习的致命系统，能够在预定框架之外改变自己的操作规则）投入使用，将其行为归咎于部署国可能更为公平，将其概念化为国家代理人，并将其视为国家机关。
面对面原则 - 卡迪夫大学出版社
Mike Gorman 和 Alun Preece 从头到尾都为这个项目做出了重要贡献，对项目产生了重大影响。Nicky Priaulx 是该项目的启发者之一。Darrin Durant 在所有与政治科学有关的问题上都提供了无私的帮助，尤其是对民主的分析。Charles Thorpe、Daniel Kennefick、Edgar Whitley、Jeff Shrager 和 Patrick Dahl 提供了有用的信息、想法和建议。许多研究过远程医疗咨询的研究人员帮助 Collins 完成了关于该主题的章节，但该章节并未收录在最后。如果没有 Riccardo Sapienza、Bill Barnes 和 Willow Leonard-Clarke，关于科学会议的部分充其量也只能是单薄得多。卡迪夫知识、专业知识和科学研究中心 (KES) 的会议在封锁期间转变为国际研讨会，定期提供见解和保证。四位匿名审稿人和第五位审稿人 Brian Martin（拒绝匿名）提出了非常有影响力的建议。我们的文字编辑非常勤奋，为我们避免了许多错误。这本书有六位作者，他们每个人都非常感谢其他五位作者，因为在争论中很容易陷入僵局时，他们让这本书得以出版。
自由能原理导致区域化
自由能原理 (FEP) 指出，任何能够随时间而存续的系统都会以某种方式运作，以保持系统与环境之间边界的完整性 [1]。系统通过进行主动推理来实现这一点，即 1) 学习更好地预测并因此预测环境的行为，以及 2) 作用于环境以改变其状态，从而改变其行为以符合预测 [2,3,4,5]。两种情况下的成功标准都是长期预测误差的减少，这可以按照 [6] 正式表述为变分自由能 (VFE) 的长期减少。因此，FEP 可以更正式地表述为，任何能够随时间而存续的系统都会以某种方式运作，以长期降低系统与环境之间边界测量的 VFE。
变分原理与静态微扰理论
我们可以使用一种称为“变分量子特征求解器”（VQE）的量子算法来测试变分原理的实验有效性。该算法分为 4 部分：状态准备、量子门操作、能量测量和经典优化。在 VQE 实验中，我们得到一个哈密顿量 H ，其基态能量未知。我们准备一个猜测函数（一个假设）并将其编码到量子位集合上。一旦准备好这个状态，我们就将这些量子位输入一组量子模块，这些量子模块对这些量子位执行一系列量子门操作 - 这些门操作由哈密顿量 H 决定。然后，我们测量每个量子位的能量并将它们相加以获得总状态能量。最后，我们通过经典改变初始量子态的变分参数来优化这个能量。我们用新参数重复这个过程，直到找到最小能量。
感知和行动的自由能量原理
自由能原理及其推论的主动推理构成了一种生物启发理论，该理论假设生物主体的行为会保持在一组有限的首选世界状态中，即它们会最小化其自由能。根据这一原则，生物主体会学习一个世界的生成模型，并计划未来的行动，以使主体保持满足其偏好的稳态。该框架适合在计算机中实现，因为它包含了使其在计算上可承受的重要方面，例如变分推理和摊销规划。在这项工作中，我们研究了深度学习工具来设计和实现基于主动推理的人工智能体，展示了面向深度学习的自由能原理，调查了与机器学习和主动推理领域相关的工作，并讨论了实施过程中涉及的设计选择。本文探讨了主动推理框架的新视角，将其理论方面应用于更实际的事务中，为主动推理新手提供了实用指南，并为想要研究自由能量原理实现的深度学习从业者提供了起点。
精神分析心理疗法和自由能量原理
在本文中，我提出了一个精神分析心理治疗的基本组成部分模型，并尝试用当代贝叶斯大脑理论和自由能量原理 (FEP) 来解释这一模型。我首先表明，精神分析疗法需要一个环境（由多个包络组成）、一个特定的心理状态和特定的过程（转移、自由联想、做梦、游戏、反思和叙事）来引发心理转变。然后，我分析这些转变过程如何运作，以及它们如何通过 FEP 得到启发。我首先强调这样一个事实：精神分析疗法意味着需要时间展开的非线性过程，并且需要一个包含高熵过程的环境。更准确地说，这些过程的特点是自由能量的延伸和减少之间的相互作用。这种相互作用还有利于新秩序的出现，这些秩序在混乱状态之后出现，根据一定的能量阈值，允许修改和改善心理功能。这些高熵状态还具有随机运作和心理可塑性的特征，有利于以原创方式探索主观体验。总体而言，本文提出的方法支持精神分析与其他研究领域之间的对话，同时强调精神分析理论和概念构造如何也可用于其他学科，特别是主观性神经科学。
具有广义不确定性原理的量子纠缠
通过引入耦合谐振子系统，探讨了广义不确定性原理 (GUP) 修正量子力学中量子纠缠的修正情况。构造基态 ρ 0 及其约化子态 ρ A = Tr B ρ 0 ，计算了 ρ 0 的两个纠缠测度，即 E EoF (ρ 0 ) = S von (ρ A ) 和 E γ (ρ 0 ) = S γ (ρ A ) ，其中 S von 和 S γ 分别是冯·诺依曼熵和雷尼熵，直至 GUP 参数 α 的一阶。结果表明，当 γ = 2 , 3 , ··· 时，E γ (ρ 0 ) 随 α 的增加而增大。值得注意的是，E EoF (ρ 0 ) 不具有 α 的一阶。根据这些结果，我们推测，对于非负实数 γ ，当 γ > 1 或 γ < 1 时，E γ (ρ 0 ) 随 α 的增加而增加或减少。© 2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。由 SCOAP 3 资助。
自由能原理：大脑的粗略指南？
简介 自由能原理（见词汇表）是一个有着复杂含义的简单假设。它表明，大脑中的任何适应性变化都会使自由能最小化。这种最小化可能是在进化时间（自然选择期间）或毫秒（感知合成期间）内发生的。事实上，该原理适用于任何抵抗无序趋势的生物系统；从单细胞生物到社交网络。 自由能原理试图从我们存在的事实出发来解释大脑的结构和功能：这一事实限制了我们与世界的互动，这在进化生物学和系统理论中已经研究多年。然而，统计物理学和机器学习的最新进展指出了一个简单的方案，使生物系统能够遵守这些限制。如果将大脑视为实现这一方案（最小化无序的变分界限），那么其解剖学和生理学的几乎每个方面都开始变得有意义。接下来是对这种旧观念的新视角的回顾。