XiaoMi-AI文件搜索系统
World File Search SystemRogate
越南国家气候与发展报告
其他贡献者包括Quang Huong Doan，Duc Minh Pham，Judy Yang，Sabine Cornieti，Bipul Singh，Animesh Shrivastava，Claire Nicholas，Chiara Rogate，Chiara Rogate，Thi Ba Chau，Ban Wang，Ban Wang，Ban Wang，Ban Wang，Ban Wang，Ban Wang Phuong Tran，Chi Kien Nguyen，Maria Cordeiro，Toni Eliasz，Astrid Herdis Jacobsen，Jeangjin OH，Jukka Pekka Strand，Tofiqua Hoque，Agter Safir，Fabian Seider，Fabian Seider，Dung Kieu。 Drabble，Nguyet Thi Anh Tran，Robert J. Palacios，Shinsaku Nomura，Pushkala Lakshmi Ratan，Tuyen D. Nguyen，Devesh Singh，Diep Ngo doam，Anh Pham，Anh pham，Annette I.de kleine feige anh nguyet thi nguyen，hang le nguyen，viet linh vu，bao quang lam，Ernest Bethe，Oliver voc nguyen，Hans delien，Huong Thien Nguyen，Mira Nahouh，Mira Nahouh Subrata Barman，Levent Sem Egritag，Vaness Vizcarra，Van Hoang Pham，Anh Tuong Vu，Quyen Hoang Vu，Viet Anh Nguyen和Phuong Anh Nguyen。
一种加速裂纹钢结构非侵入式全局-局部模拟的替代模型
摘要 基于物理的数字孪生通常需要大量计算来诊断结构中的当前损伤状态并预测未来的损伤状态。本研究提出了一种新颖的迭代全局局部方法，其中局部数值模型被替代模型取代，以快速模拟大型钢结构的开裂。迭代全局局部方法将尺度从大型钢结构的操作层面扩展到开裂部件的层面。使用静态凝聚可以有效地模拟线性全局域，使用本文提出的自适应替代建模方法可以快速模拟开裂的局部域。本研究将所提出的替代迭代全局局部方法与参考模型、子模型和没有替代模型的迭代全局局部方法的求解时间和准确性进行了比较。研究发现，替代迭代全局局部法求解速度最快，结果也相对准确。
啮齿动物海马体中的波纹
摘要 局部场电位 (LFP) 的偏转和振荡定义了海马尖波涟漪 (SWR)，这是大脑最同步的事件之一。SWR 反映了从认知相关的神经元集合中出现的放电和突触电流序列。虽然频谱分析已经取得了进展，但超密集记录的激增现在需要新的自动检测策略。在这里，我们展示了如何在高密度 LFP 海马记录上运行的一维卷积网络如何自动识别来自啮齿动物海马的 SWR。当无需重新训练就应用于新数据集和超密集海马范围的记录时，我们发现了与 SWR 出现相关的生理相关过程，从而促使制定新的分类标准。为了获得可解释性，我们开发了一种方法来查询人工网络的运行。我们发现它依赖于基于特征的专业化，这允许识别空间分离的振荡和偏转，以及重放典型的同步群体放电。因此，使用基于深度学习的方法可能会改变当前的启发式方法，以便更好地机械地解释这些相关的神经生理事件。
使用可区分的模拟学习四倍的运动
摘要：这项工作探讨了使用可区分的模拟进行四足运动的潜力。可区分的模拟通过使用机器人动力学计算低变化的一阶梯度来承诺快速转化和稳定训练。但是，它对腿部机器人的使用仍然仅限于模拟。主要挑战在于由于不连续动态而引起的机器人任务的复杂优化格局。这项工作提出了一个新的可区分类似框架来克服这些挑战。我们的方法结合了用于正向动力学的高保真度，非差异的模拟器，简化的表面模型用于梯度后传播。这种方法通过将替代模型的机器人状态与精确的，不可差的模拟器对齐来保持模拟精度。我们的框架使学习可以在几分钟内在仿真中学习四倍，而无需并行化。随着GPU并行化的增强，我们的方法允许四倍的机器人在几分钟内在挑战地形上掌握各种运动技能。我们证明，可差异的模拟通过实现明显提高样品效率的同时，在处理大规模环境中的有效性时，可以优于强化学习算法（PPO）。我们的方法代表了可区分模拟到现实世界四倍的机车运动的第一个成功应用之一，它为传统RL方法提供了令人信服的替代方案。视频：https：//youtu.be/wenq_w715xm
通过物理增强动态模式分解方法启用具有替代模型的替代预后学
计算模型提供了评估和预测物理系统健康和性能的基本定量工具。但是，由于其时间密集型的性质，高实现模型很少用于实时操作或大型优化循环。提高预后计算效率的一种常见方法是采用表面模型。这样的模型可以显着减少计算时间，以获得一些准确的损失。在这种情况下，提出了动态模式分解（DMD）的使用，以对锂离子（Li-ion）电池电量进行替代模型。dmd，但是尚未应用于PHM域，在PHM域中，非线性行为的远面预测对于传播断层或剩余有用的使用寿命至关重要。对于锂离子电池健康管理，DMD的标准应用仅使用可观察到的兴趣量无法捕获实验室测试中展示的电池的非线性排放。Koopman理论提供了一种机制，可以通过将非线性状态变量扩展到系统表示中，以在DMD框架中以高维线性模型进行高维线性模型进行交易。通过这种方式，DMD允许根据Koopman运算符的维度提供可配置的模拟精度。为了进行电池健康管理，我们使用了更高的物理模型的隐藏状态增强了可观察到的变量，以构建DMD代理。与高实现模型相比，替代物提高了计算效率，仅损失准确性，并实现了长期prog-
越南2045年 - 在不断变化的世界中交易
The team benefitted from contributions by Anwar Aridi (Senior Economist), Alessandro Barattieri (Senior Economist), Prakhar Bhardwaj (Consultant), Arlan Brucal (Economist), Lucio Castro (Senior Economist), Ana Cusolito (Senior Economist), Karlygash Dairabayeva (Consultant), Quang Hong Doan (Senior Economist), Dung Viet Do (Senior Country Officer), Roberto Echandi (Senior Trade Specialist), Carmen Estrades (Consultant), Daisuke Fukuzawa (Economist), Jun Ge (Research Analyst), Devaki Ghose (Research Economist), Euijin Jung (Consultant), Kibum Kim (Private Sector Specialist), Christophe Lemiere (Lead Health Economist), Luis Aguilar Luna （顾问），Maryla Maliszewska（高级经济学家），Martin Molinuevo（高级私营部门专家），Silvia Muzi（高级经济学家），Nga Thi Nguyen（社会保护专家），以色列Osorio Osorio-Rodarte（经济学家），Robert Palacios（Robert Palacios），Robert Palacios（主要经济学家），Marcin Pine Pine Pinemane，Marcin pine kin pineyrua，pine pine kin kira kira pine kira kira kira skikiki，Skinkiki，Skinkiki，Skinkiki，Skinki， (Consultant), Alberto Portugal (Senior Economist), Tristan Reed (Economist), Chiara Rogate (Senior Energy Specialist), Zayra Romo (Lead Energy Specialist), Abla Safir (Senior Economist), Nah Yoon Shin (Consultant), Achim Vogt (Consultant), Daria Taglioni (Research Manager), Nguyet Thi Anh Tran (Education Specialist), Judy Yang （贫困专家）。我们感谢Anh Thi Quynh Le（外交官）和Ngan Hong Nguyen（高级外部事务官）的沟通支持。
有效编码模型中受限的脑容量解释了感觉皮层中兴奋性和抑制性神经元的比例
哺乳动物皮层中的神经元数量在不同物种之间相差多个数量级。相比之下，兴奋性神经元与抑制性神经元的比例（E:I 比）变化范围要小得多，从 3:1 到 9:1，并且对于同一物种的不同感觉区域大致保持不变。尽管这种结构对于理解神经回路的功能很重要，但这种一致性的原因尚不清楚。虽然基于有效编码假设的最新视觉模型表明，增加兴奋性和抑制性细胞的数量可以改善刺激表征，但由于脑容量的限制，两者无法同时增加。在这项工作中，我们在体积受限（使用神经元数量作为替代）的情况下实现了一种有效的视觉编码模型，同时改变了 E:I 比。我们表明，在几个指标下，该模型在生物学观察到的 E:I 比下的性能最佳。我们认为这是由于计算精度和自然刺激表征能力之间的权衡而发生的。此外，我们通过实验得出了可测试的预测：1) 神经活动稀疏度较高的物种的最佳 E:I 比率应该更高；2) 抑制性突触分布和发放率的特征应该根据 E:I 比率而变化。我们的研究结果得到了我们对公开数据的新初步分析的支持，它提供了第一个基于最佳编码模型的定量和可测试假设，用于研究哺乳动物感觉皮层中兴奋性和抑制性神经类型的分布。
使用量子统计查询进行幺正学习
我们提出了几种算法，用于从量子统计查询 (QSQ) 中学习酉算子，这些算子与 Choi-Jamiolkowski 状态有关。量子统计查询可以捕获具有有限量子资源的学习者的能力，该学习者仅接收测量预期值的噪声估计作为输入。我们的方法取决于一种新技术，该技术用于使用单个量子统计查询估计 Pauli 弦子集上酉的傅里叶质量，从而推广了先前针对均匀量子示例的结果。利用这一见解，我们表明量子 Goldreich-Levin 算法可以通过量子统计查询实现，而该算法的先前版本涉及对酉及其逆的 oracle 访问。此外，我们证明了 O p log nq - juntas 和具有恒定总影响的量子布尔函数在我们的模型中是可有效学习的，并且恒定深度电路可以通过量子统计查询以样本效率的方式进行学习。另一方面，之前针对这些任务的所有算法都需要直接访问 Choi-Jamiolkowski 状态或通过 oracle 访问幺正态。此外，我们的上限意味着可以有效地学习这些类幺正态对局部混乱集合的作用。我们还证明，尽管取得了这些积极成果，但与对 Choi-Jamiolkowski 状态的可分离测量相比，量子统计查询会导致某些任务的样本复杂度呈指数级增长。具体而言，我们展示了学习一类相位 oracle 幺正态的指数下限和测试信道幺正性的双指数下限，以适应我们之前对量子态的设定。最后，我们提出了平均替代模型的新定义，展示了我们的结果在混合量子机器学习中的潜在应用。
种族和药物毒性：对三种具有强有力的药物基因组学建议的心血管药物的研究。
摘要：临床药物遗传学实施联盟 (CPIC ® ) 制定了利用某些优先药物的药物遗传学信息的循证指南。华法林、氯吡格雷和辛伐他汀是 CPIC 严格规定的心血管药物处方指南。这些药物的各自药物基因在不同种族/祖先/人种群体中表现出相当大的差异性。种族和族裔在临床实践中通常用作替代生物标志物，可以在许多处方指南中找到。这是有争议的，因为不同种族/族裔群体之间存在很大的差异性，缺乏详细的种族信息，并且种族群体的地理分类很广泛。通过对电子健康记录 (EHR) 的回顾性分析，我们试图确定自我报告的种族/族裔对这些药物的不良反应概率的影响程度。所有模型都使用自我报告为白人的个体作为对照组。当我们校正协变量后，在“仅有种族”模型中观察到的不同种族群体与药物毒性之间的大多数明显关联均不再显著。我们确实观察到自我认定的亚裔种族在所有模型中都是华法林出血事件的显著预测因素（p=0.016）。此外，即使在校正了其他协变量后，黑人/非裔美国人（p=0.001）或其他/多种族（p=0.019）的患者在服用辛伐他汀时报告不良反应的概率也低于白人。在两种种族/民族可预测药物毒性（即华法林、辛伐他汀）的例子中，研究结果与这些药物的 CPIC 指南中描述的药物基因已知的整体变异性一致。这些结果证实，使用从 EHR 中提取的自我认同种族/民族信息作为药物不良反应预测指标的可靠性可能仅限于影响药物毒性的基因表现出巨大、明显的民族地理变异的情况。
通过成人视觉皮层的视网膜定位映射评估新一代可穿戴高密度弥散光学断层扫描技术
自从引入和发展功能性神经成像以来，对人类大脑功能的研究取得了长足的进步。功能性磁共振成像 (fMRI) 和正电子发射断层扫描 (PET) 一直处于这一发展的前沿，但它们也存在局限性。两者都对参与者的行动能力施加了重大限制，这阻碍了它们在婴儿等具有挑战性的人群中的应用以及在研究涉及运动的神经过程和行为方面的应用。由于相关成本、狭窄的扫描仪环境以及（就 PET 而言）放射性示踪剂的使用，延长或重复监测也很困难。1、2 此外，fMRI 对电子或金属植入物（如起搏器、人工耳蜗、动脉瘤夹和手术器械）有禁忌症。由于 MRI 和 PET 设备体积大、固定，并且要求参与者平躺，因此在日常场景中（例如面对面交谈时）研究大脑非常困难。近年来，漫射光学方法在克服这些局限性方面显示出了巨大的潜力。3、4 功能性近红外光谱 (fNIRS) 使用近红外光来检测大脑功能。它使用放置在头皮上的光源和探测器阵列来监测大脑氧合血红蛋白和脱氧血红蛋白浓度的变化，并可以提供空间分辨率为 3 厘米的二维图像。5、6 高密度漫射光学断层扫描 (HD-DOT) 是使用高密度测量阵列的 fNIRS 方法的外推。尽管在这种情况下“高密度”的定义尚未准确确定，但适当的定义是，HD-DOT 阵列提供具有几种不同源 - 探测器分离的通道，跨越“短分离（SS）”（<15 毫米）到“长”（≥30 毫米）范围，并在整个视野范围内在每个分离处提供重叠的空间灵敏度曲线。现已确定 HD-DOT 可以提供比 fNIRS 或其他弥散光学成像方法更优质的深度分辨图像。7 – 9 从多个重叠通道测量中获得的相互信息提高了空间分辨率，使用多个源 - 探测器分离可提高横向和深度特异性。此外，以不同的源 - 探测器分离进行采样提供了一种减少来自脑外组织信号影响的方法。10、11