XiaoMi-AI文件搜索系统
World File Search SystemRITHMS
MDP，政策迭代，Q学习和SARSA -Elijah Adams
这项研究研究了在两个不同的马尔可夫决策过程（MDP）环境中应用了四个强化学习（RL）算法的算法（RL）算法的表现：交通交叉点问题和仓库机器人问题。在交通交叉点问题中，发现策略的收敛速度快于价值迭代，而Q学习的速度比SARSA更快。在仓库机器人问题中，Q学习和SARSA都成功地学习了导航策略，而Q学习更具对环境变化的支持。研究表明，RL算法对重要的MDP参数（例如折现因子，过渡概率和奖励功能）高度敏感，这意味着需要仔细调整这些参数。此外，该研究还探讨了计划者与代理商之间的权衡，从而在融合，稳定性和效率方面进行了权衡。使用Python和各种库进行实施，这些发现提供了有关如何在动荡的环境中应用RL技术的见解，并建议将来改善算法设计和实现的方法。
算法预测的人类专业知识
我们引入了一个新颖的框架，将人类专业知识纳入算法预测中。我们的方法利用人类的判断来区分算法上无法区分的输入，或者“看起来相同”与预测算法“看起来相同”。我们认为，这种框架阐明了预测任务中人类协作的问题，因为专家通常通过借鉴算法培训数据中未编码的信息来形成判断。算法的不可区分性产生了自然测试，用于评估专家是否合并了这种“侧面信息”，并进一步提供了一种简单但原则上的方法，可选择性地将人类反馈纳入算法预测中。我们表明，这种方法可证明可以提高任何可行算法预测变量的性能，并精确地量化此改进。我们从经验上发现，尽管算法通常通常优于其人类的表现，但人类的判断可以改善对特定实例的算法预测（可以识别出来）。在X射线分类任务中，我们发现该子集占患者人群的近30％。我们的方法提供了一种自然的方式来揭示这种异质性并从而实现有效的人类协作。
用于具有经典和量子光的可编程量子算法的超表面
摘要：超表面最近在量子领域开辟了许多应用，包括量子断层扫描和量子纠缠态的产生。超表面能够利用纳米结构的各种几何自由度来存储大量信息，有望在处理量子信息方面发挥作用。本文，我们提出并通过实验证明了一种可编程超表面，它能够使用单光子经典光和量子光执行量子算法。我们的方法将多种可编程量子算法和操作（如 Grover 搜索算法和量子傅里叶变换）编码到超表面上的同一超透镜阵列上。空间光调制器选择性地激发不同的超透镜组来执行量子算法，而单光子相机捕获的干涉图案用于提取有关所选输出方向上的输出状态的信息。我们的可编程量子超表面方法作为一种经济有效的量子计算和信息处理组件小型化方法具有良好的潜力。
储能运营人工智能
人工智能 (AI) 和机器学习 (ML) 算法的最新突破为从先进的自动驾驶汽车到最基本的网络浏览器搜索等许多挑战提供了强大而简单的解决方案。这些算法也已应用于许多现代电力系统挑战。本白皮书特别关注储能应用。储能是一种重要的分布式能源 (DER) 资产，能够使可再生能源发电成为可靠的电源。此外，储能可以通过提供一系列市场和辅助服务来创造收入。在不久的将来，由于资本成本降低、州和联邦激励措施和税收抵免增加以及创造经济价值的途径增加，拥有储能系统的回报期将大大缩短。因此，预计到 2030 年，美国的累计储能装置数量将从目前的 25GW 增长至 100GW。1 凭借这一预期的增长潜力，人工智能应用于该资产是不可避免的，在不久的将来还会有更多的产品。
数据驱动时代的智能
纯粹的规模（数量和速度）以及日益增加的数据复杂性（多样性和准确性）。情报部门面临的挑战是获取、管理、关联、融合和分析跨机构以及与盟友和合作伙伴之间日益增加的数据。根据我们的经验，情报部门的数据以太多不同的格式生成，在太多不相连或无法访问的系统中生成，没有标准化的结构，也没有总体商定的本体。这种情况可能会导致收集浪费、缺乏及时性、错过指示和警告以及缺乏决策相关性。结果是无法在情报周期的早期和尽可能接近收集点的地方融合数据以创建多源情报。分析师面临的任务太难、太繁琐，需要清除的障碍太多，无法及时向决策者和作战人员提供相关的分析判断或可操作的情报。应通过以下方式应对这些挑战：• 采用可以解析数据、从数据中学习并做出响应的机器学习算法；• 鼓励情报专业人员发挥创造力和深入思考；• 设计允许人机贸易技术蓬勃发展的政策、信息技术 (IT)、敏捷采购和安全环境。
用于具有经典和量子光的可编程量子算法的超表面
摘要：超表面最近在量子领域开辟了许多应用，包括量子断层扫描和量子纠缠态的产生。超表面能够利用纳米结构的各种几何自由度来存储大量信息，有望在处理量子信息方面发挥作用。本文，我们提出并通过实验证明了一种可编程超表面，它能够使用单光子经典光和量子光执行量子算法。我们的方法将多种可编程量子算法和操作（如 Grover 搜索算法和量子傅里叶变换）编码到超表面上的同一超透镜阵列上。空间光调制器选择性地激发不同的超透镜组来执行量子算法，而单光子相机捕获的干涉图案用于提取有关所选输出方向上的输出状态的信息。我们的可编程量子超表面方法作为一种经济有效的量子计算和信息处理组件小型化方法具有良好的潜力。
基于 DNA 的神经网络中的分子模式识别和监督学习
自然界的适应始于亚细胞、分子水平，生物分子级联的微妙相互作用协调着细胞的无数功能。这些细胞的混合活动成为多细胞系统复杂行为的表现。大自然提供了一系列令人眼花缭乱的例子，展示了智能功能的变化。然而，在合成构造领域，人类已经成功设计了哪些系统？我们的技术力量的界限是什么？与大自然的库相比，人类的成就显得相当微不足道。在智能生物中观察到的复杂行为源于其组成元素之间的集体相互作用和反馈回路，从而产生了新的特性和现象。为了开发表现出更像大脑的智能行为的大规模工程系统，我们必须首先设计出新的分子结构和算法，用于分子尺度的适应和学习。我在这里介绍的研究是朝着这些目标迈出的一小步。我将展示由 DNA 制成的新型分子系统的设计，这些系统表现出复杂的神经计算和学习行为。
用于具有经典和量子光的可编程量子算法的超表面
摘要 ：超表面最近在量子领域开辟了许多应用，包括量子断层扫描和量子纠缠态的产生。超表面能够利用纳米结构的各种几何自由度来存储大量信息，有望在处理量子信息方面发挥作用。本文，我们提出并通过实验证明了一种可编程超表面，它能够使用单光子经典光和量子光执行量子算法。我们的方法将多种可编程量子算法和操作（如 Grover 搜索算法和量子傅里叶变换）编码到超表面上的同一超透镜阵列上。空间光调制器选择性地激发不同的超透镜组来执行量子算法，而单光子相机捕获的干涉图案用于提取有关所选输出方向上的输出状态的信息。我们的可编程量子超表面方法作为一种经济有效的量子计算和信息处理组件小型化方法具有良好的潜力。
通过可解释的自动化机器学习迈向大型工业数据挖掘
抽象工业系统资源能够生成大量数据。这些数据通常采用异质格式并分发，但它们表示可以挖掘可以允许部署智能管理工具进行生产活动的信息。为此，有必要使用人工智能（AI）模型来实施知识提取和预测过程，但是对于非专家用户而言，对预期AI模型的选择和配置往往越来越复杂。在本文中，我们提出了一种方法和一个软件平台，该方法可能允许不熟悉AI的工业参与者选择和配置算法，以最佳地适应他们的需求。因此，该方法基本上是基于自动化的机器学习。产生的平台有效地可以在AI算法和超参数配置的组合之间做出更好的选择。也可以提供重新塑造算法和模型的解释性的功能，从而提高这些模型在实践用户社区中的可占用性。所提出的方法已应用于预测维护的领域。当前测试是
用于可编程量子算法的元曲面，带经典和量子光
摘要：元整日最近开放了量子状态中的应用，包括量子tomog-raphy和量子纠缠状态的产生。通过利用纳米结构的各种几何自由度来存储大量信息的能力，预期元时间有助于处理量子信息。在这里，我们提出并在实验上证明了一个可编程的跨表面，能够使用带有单个光子的classical和量子光执行量子算法。我们的方法编码多种可编程量子算法和操作，例如Grover的搜索算法和Quantum傅立叶变换，上面是在元图上的同一金属阵列上。空间照明调制器选择性地激发了不同的金属集合以执行量子算法，而单光子摄像机捕获的干扰模式用于在所选输出方向上提取有关输出状态的信息。我们的潜在量子跨表面方法具有承诺的潜力，作为用于量子计算和信息处理的微型化合物的一种经济有效手段。