XiaoMi-AI文件搜索系统
World File Search SystemTractable
有弹性的受限强化学习
我们研究一类受约束的加强学习（RL）问题，其中在训练之前未确定多个结合规格。由于奖励最大化目标和约束满意度之间的不可罚款，确定适当的约束规格是一项挑战，这在决策制定方面无处不在。为了解决此问题，我们提出了一种新的约束RL方法，以搜索政策和约束规格。这种方法的特征是根据学习意义中介绍的重新设备成本放松约束的适应。由于此特征模仿了生态系统如何通过改变操作来适应破坏，因此我们的方法被称为弹性约束RL。Specifically, we provide a set of sufficient conditions that balance the con- straint satisfaction and the reward maximiza- tion in notion of resilient equilibrium, propose a tractable formulation of resilient constrained policy optimization that takes this equilib- rium as an optimal solution, and advocate two resilient constrained policy search algorithms with non-asymptotic convergence guarantees on the optimality gap and constraint satis-派系。此外，我们证明了我们方法在计算实验中的优点和有效性。
随机量子电路
量子电路——由局部幺门和局部测量构建而成——是量子多体物理学的新天地，也是探索远离平衡的普遍集体现象的可处理环境。这些模型揭示了关于热化和混沌的长期问题，以及量子信息和纠缠的底层普遍动力学。此外，这些模型产生了一系列新问题，并引发了传统模拟所没有的现象，例如由外部观察者监控的量子系统中的动态相变。鉴于在构建数字量子模拟器方面取得的实验进展，量子电路动力学也具有重要意义，这些模拟器可以精确控制这些成分。电路元件中的随机性允许高水平的理论控制，其中一个关键主题是实时量子动力学与有效经典晶格模型或动力学过程之间的映射。在这个可处理的环境中可以识别的许多普遍现象适用于更广泛的更结构化的多体动力学。
生成扩散模型中的记忆和正则化
摘要。扩散模型已成为生成建模的强大框架。该方法的核心是分数匹配：在不同尺度上，数据分布的嘈杂版本的对数密度的学习梯度。当使用经验数据而不是人口损失评估评分匹配中采用的损失函数时，最小化器对应于时间依赖的高斯混合物的得分。但是，使用此分析可牵引的最小化器会导致数据记忆：在无条件和条件设置中，生成模型都返回训练样本。本文包含对记忆潜在的动力学机制的分析。分析强调了避免重现分析可牵引的最小化器的正规化的必要性；而且，这样做的基础是对如何正规化的原则理解。数值实验研究了：（i）Tikhonov正则化的特性； （ii）旨在促进渐近一致性的正则化； （iii）通过训练神经网络的神经网络的参数不足或提早停止引起的正常化。这些实验是在记忆的背景下评估的，并突出了未来正规化发展的方向。
信息论和变分推断的平方和松弛
摘要 我们考虑香农相对熵的扩展，称为 f -散度。三个经典的相关计算问题通常与这些散度有关：(a) 根据矩进行估计，(b) 计算正则化积分，以及 (c) 概率模型中的变分推断。这些问题通过凸对偶相互关联，并且对于所有这些问题，在整个数据科学中都有许多应用，我们的目标是计算上可处理的近似算法，这些算法可以保留原始问题的属性，例如潜在凸性或单调性。为了实现这一点，我们推导出一系列凸松弛，用于从与给定特征向量相关的非中心协方差矩阵计算这些散度：从通常不易处理的最佳下限开始，我们考虑基于“平方和”的额外松弛，现在它可以作为半定程序在多项式时间内计算。我们还提供了基于量子信息理论的谱信息散度的计算效率更高的松弛方法。对于上述所有任务，除了提出新的松弛方法外，我们还推导出易于处理的凸优化算法，并给出了多元三角多项式和布尔超立方体上的函数的说明。
从神经数据中推断出随机的低级复发性神经网络
计算神经科学的核心目的是将大量神经元种群的活性与潜在的动态系统联系起来。这些神经动力学的模型理想情况下应既可以解释又适合观察到的数据。低级复发性神经网络（RNN）通过具有可拖动动力学表现出这种解释性。但是，尚不清楚如何最佳地拟合低级别的RNN与由对潜在随机系统进行嘈杂观察的数据组成的数据。在这里，我们建议与随机的低级RNN一起使用各种顺序蒙特卡洛方法。我们在由连续和尖峰神经数据组成的几个数据集上验证了我们的方法，在该数据集中，我们获得的尺寸潜在动力学比当前方法的当前状态较低。此外，对于具有分段线性非线性的低级模型，我们展示了如何有效地识别单位数量中多项式而不是指数成本的所有固定点，从而分析了针对大型RNN的推断动力学分析。我们的方法都阐明了实验记录的基础动力系统，并提供了一种生成模型，其轨迹与观察到的可变性相匹配。
全球供应链和国际商业周期
经过几十年的全球化，生产已成为一项全球活动，供应链与国家边界重叠。参与全球供应链使各国面临外国商业周期冲击和供应链中断的风险。本演讲将讨论一项研究计划，该计划建立了复杂但易于处理且透明的全球供应链模型，并使用它们分析跨境冲击传递和国际商业周期联动的性质。
由印度联盟资助的博士后研究职位——……
受聘于该职位的博士后研究员将主要结合易驯服昆虫模型（例如果蝇和甲虫）的实验进化与病原体感染，以确定快速进化的免疫种群分化的遗传基础，以及相关的生理成本，例如 DNA 损伤和免疫病理学。博士后还将有机会使用各种遗传方法，例如 CRISPR/cas9 基因编辑和 RNA 干扰，以测试候选基因对进化的宿主免疫表型和抗性机制的表型影响。
基因组到表型组工具 - NSF-PAR
牡蛎被认为是生态系统的建设者，它通过循环颗粒物和浮游植物来稳定脆弱的河口养分循环并促进更高营养级的生长 [1,2]。此外，牡蛎养殖业是沿海地区的宝贵经济资源 [3]。水产养殖的发展往往伴随着疾病的爆发，造成经济损失和海洋生态系统的紊乱 [4-8]。血细胞是抵御病原体的主要防线 [9-12]，也参与许多其他生理事件，包括营养物运输、解毒和伤口修复（参见参考文献 [13]）。原生动物寄生虫海洋帕金森病是“皮肤病”的罪魁祸首 [14]。 P. marinus 利用半乳糖凝集素 CvGal1 进入血细胞 [ 10 ， 12 ， 15 ， 16 ] ，并利用粘膜血细胞的跨上皮迁移进入循环血淋巴 [ 17 ， 18 ] 。由于缺乏遗传上可处理的系统，对血细胞在这些过程中的作用的理解受到阻碍。对于遗传上可处理的系统来产生机制假设和遗传传递系统来在细胞水平上检验这些假设来说，一个注释良好的基因组是必不可少的。随着 Crassostrea virginica 基因组 (C_virginica-3.0; GCF_002022765.2) 的现成可用 [ 19 ]，强大的遗传传递系统将为从基因组到表型组提供独特的机会。将遗传物质导入牡蛎原代细胞培养物和胚胎的开创性工作是在 20 多年前进行的，当时使用的是异源启动子和可用的商业
