XiaoMi-AI文件搜索系统
World File Search SystemProach
学习极快交流最佳功率流的最佳解决方案：预印本
摘要 - 在本文中，我们开发了一种机器学习，以优化电网的实时操作。尤其是，我们学到了可行的解决方案，这些解决方案具有可忽略不计的最佳差距的交流最佳功率流（OPF）问题。AC OPF问题旨在确定电网的最佳操作条件，以最大程度地减少功率损失和/或发电成本。由于解决了这个非概念问题的计算挑战，许多努力都集中在线性化或近似问题上解决AC OPF问题，以解决更快的时间范围内的AC OPF问题。但是，其中许多近似值可能是实际系统状态的相当差的表示，并且仍然需要解决优化问题，这对于大型网络来说可能很耗时。在这项工作中，我们学习了系统加载和最佳生成值之间的映射，使我们能够找到近乎最佳和可行的AC OPF解决方案。这使我们能够绕过传统的非convex AC OPF问题，从而导致网格运营商的计算负担显着减少。
云雾网络中的节能分布式机器学习
我们建议基于量子误差检测的量子误差检测后的量子键发出（QKD）系统，该技术通过编码在量子中rep绕。在此类中继器中，量子误差校正技术用于纠缠蒸馏。通过开发一个分析性研究来研究此类量子中继器，我们表明，在QKD的背景下，使用误差检测而不是误差校正，基础代码的能力来筛选出检测到误差的案例通常更为有效。我们通过对系统的关键组件中的不同误差来源进行建模，以实现三分之二代码代码的技术。然后，我们详细研究了此类缺陷对QKD系统秘密密钥生成率的影响，以及如何使用纠缠交换和解码阶段中获得的信息来最大化速率。出于基准目的，我们在设置的不同组件中指定了可以获得正键率的不同组件中的最大允许错误率。
用于控制增强量子计量的高效张量网络
优化的量子控制可以提高量子计量的性能和抗噪能力。然而，当多个控制操作顺序应用时，优化很快就会变得难以处理。在这项工作中，我们提出了有效的张量网络算法来优化通过一长串控制操作增强的量子计量策略。我们的方法涵盖了一种普遍而实用的场景，其中实验者在要估计的通道的 N 个查询之间应用 N - 1 个交错的控制操作，并且不使用或使用有界辅助。根据不同的实验能力，这些控制操作可以是通用量子通道或变分酉门。数值实验表明，我们的算法在优化多达 N = 100 个查询的计量策略方面具有良好的性能。具体来说，我们的算法确定了一种在 N 有限但很大的情况下能够胜过最先进策略的策略。
通过结合机器学习和自动常识性推理来构建智能系统
我们提出了一种模仿人类智力的建筑系统的方法。我们的方法使用机器学习技术（包括生成AI系统）来从图片，文本等中提取知识，并将其表示为（预定的）谓词。接下来，我们使用S（CASP）自动平价推理系统以与人类的方式非常相似的方式来检查这种提取的知识和理由的一致性。我们已经将AP-PRACH用于构建系统，以进行视觉问题答案，特定于任务的聊天机器人可以“理解”人类对话并与他们进行交互交谈，以及依靠常识性推理的自主驾驶系统。本质上，我们的方法模仿了人类如何处理他们使用感应和模式识别来获取知识的知识（Kahneman的系统1思维，类似于使用机器学习模型），然后使用推理来得出结论，产生响应或采取行动（Kahneman的系统2思维，对自动推理来说，是对自动推理的）。
能量tran的材料
为了应对这一挑战，Dierk Raabe及其同事开发了AI方法的鸡尾酒。此操作使团队能够在迭代过程中识别有希望的新合金，例如，对于Invar Steels。该过程以一项指令开头：“找到比常规选项便宜的温度范围x的invar合金。”在第一步中，AI系统从数据库中存储的数千种合金数据集中生成了大约一千个潜在的新不合金合金。接下来，包括人工神经网络在内的其他AI模型，将选项缩小到20或30个候选人。这些候选者通过物理计算进一步评估，例如基于密度功能理论的候选者。“材料的内部结构和特性取决于各种量子机械因素，例如原子或磁性之间的能量，”JörgNeugebauer解释说。“考虑到所有这些参数，并可以测试第一步中提出的合金是否表现出所需的特性。”
用于工业质量控制的交互式解释 AI 系统
基于机器学习的图像分类算法，例如深度神经网络方法，将越来越多地应用于工业质量控制等关键环境，其中决策的透明度和可理解性至关重要。因此，我们的目标是将缺陷检测任务扩展为一种交互式的人机协同方法，使我们能够整合丰富的背景知识和复杂关系的推理，超越传统的纯数据驱动方法。我们提出了一种用于工业质量控制环境中分类的交互式支持系统的方法，该系统结合了（可解释的）知识驱动和数据驱动的机器学习方法（特别是归纳逻辑编程和卷积神经网络）的优势，以及人类的专业知识和控制。由此产生的系统可以协助领域专家做出决策，为结果提供透明的解释，并整合用户的反馈；从而减少人类的工作量，既尊重他们的专业知识，又不剥夺他们的代理权或责任。
全向多旋翼航空车辆姿势优化：一种新型物理层安全的方法
摘要将多转飞机（MRAV）集成到5G和6G网络中，增强了覆盖范围，连通性和拥堵管理。这促进了通信意识到的机器人技术，探索了机器人技术与通信之间的相互作用，但也使MRAV易受恶意攻击（例如干扰）。对抗这些攻击的一种传统措施是在MRAV上使用横梁来应用物理层安全技术。在本文中，我们探讨了姿势优化，作为反对对MRAV攻击的替代方法。该技术旨在全向MRAVS，它们是能够独立控制其位置和方向的无人机，而不是无法独立控制其位置的更常见的低估MRAV。在本文中，我们考虑了一个全向MRAV作为合法地面节点的基站（BS），受到恶意干扰的攻击。我们优化了MRAV姿势（即位置和方向），以最大程度地比所有合法节点上的最小信噪比加上噪声比（SINR）。
Actis：严格的地方工会——寻找解码器
容错量子计算需要经典硬件来执行纠错所需的解码。并查集解码器是最佳候选解码器之一。它具有非常有机的特性，涉及通过最近邻步骤增长和合并数据结构；这自然表明它有可能使用带有最近邻链接的简单处理器格来实现。这样，计算负载可以以近乎理想的并行性进行分配。在这里，我们首次证明了这种严格（而非部分）局部性是实用的，最坏情况运行时间为 O(d3)，平均运行时间在表面代码距离 d 上是亚二次的。我们采用了一种新颖的奇偶校验计算方案，可以简化以前提出的架构，并且我们的方法针对电路级噪声进行了优化。我们将我们的局部实现与通过长距离链接增强的实现进行了比较；虽然后者当然更快，但我们注意到本地异步逻辑可能会消除差异。
迈向图像编辑方法的定量评估指标
在生成AI的快速发展的领域中，这项工作采取了初步步骤，以建立用于比较图像编辑方法的系统范围。当前，缺乏用于评估IMED编辑任务的定量指标，而新方法主要是定性评估的。我们的方法涉及三个关键组成部分：1）使用gan-Control创建大型合成数据集，该数据集可以生成地面图像，以跨不同面部身份进行一致的编辑； 2）匹配过程，将编辑的图像与相应的地面真相配对； 3）将感知距离指标应用于匹配对。我们通过用户研究和一组仿真实验评估了我们提出的框架的有效性。我们的结果表明，我们的方法可以以与人类判断相符的方式对图像编辑方法进行排名。这项研究旨在为随后的研究中的图像编辑技术建立全面的评估框架奠定基础，并就此主题进行对话。
增量动作分割的连贯的时间合成
数据重播是图像的成功增量学习技术。它通过保留原始或合成的先前数据的储存库来防止灾难性的遗忘，以确保模型在适应新颖概念的同时保留过去的知识。但是，它在视频域中的应用是基本的，因为它只是存储了框架以进行动作识别。本文首次探讨了视频数据重播技术的递增动作分割，重点是动作时间段。我们提出了一个时间连贯的动作（TCA）模型，该模型代表使用生成模型而不是存储单个帧的动作。捕获时间连贯性的调节变量的集成使我们的模型了解随着时间的流逝的作用进化。因此，TCA为重播产生的动作段是多种多样的，并且在时间上是连贯的。在早餐数据集上的10任任务增量设置中，与基准相比，我们的AP可以显着提高准确性高达22％。