XiaoMi-AI文件搜索系统
World File Search SystemWFA
O（s）空间中的最佳间隙式对齐
动机：成对序列比对仍然是计算生物学和生物启发性的基本问题。基因组学和测序技术的最新进展要求更快，可扩展的算法可以应对不断增加的序列长度。基于动态程序的经典成对比对算法受到时间和记忆的二次需求的强烈限制。最近提出的波前比对算法（WFA）引入了一种有效的算法，以在OðNS的时间内执行精确的差距 - 额度对齐，其中s是最佳分数，n是序列长度。尽管有这些界限，但WFA的OðS2Þ对于基因组尺度比对在计算上是不切实际的，导致需要进一步改进。结果：在本文中，我们介绍了双向WFA算法，即能够计算Oðsmemory中最佳比对的第一个GAP-AFFINE算法，同时保留WFA的时间复杂性OðNSS。结果，这项工作改善了最低的已知内存结合OðnÞ以计算间隙 - 额定对准。实际上，我们的实施不需要超过几百MB的嘈杂的牛津纳米孔技术来读取多达1 MBP，同时保持有竞争力的执行时间。可用性和实施：所有代码均可在https://github.com/smarco/biwfa-paper上公开获取。联系人：santiagomsola@gmail.com补充信息：补充数据可从BioInformatics Online获得。
将专利与工人级数据联系起来的证据
∗ We are grateful to Daron Acemoglu, Philippe Aghion, David Autor, Effi Benmelech, Nicholas Bloom, Carter Braxton, Julieta Caunedo, Martin Beraja, Carola Frydman, Tarek Hassan, David Hemous, Anders Humlum, Nir Jaimovich, David Lagakos, Joseba Martinez, Michael Peters, Pascual Restrepo, Jonathan Rothbaum, Miao Ben Zhang, along with seminar participants at University of Amsterdam, BI-SHoF Conference, Boston University, CIREQ Macroeconomics Conference, Columbia GSB, FIRS, Johns Hopkins, HKUST, Labor and Finance Group, NBER (EFG, PRMP, LS, PIE), Macro-Finance Society, MIT Sloan,密歇根州立大学，赖斯大学，罗切斯特大学，伦敦大学学院经济动态学会，伊利诺伊大学乌尔巴纳·尚特阿布恩大学，多伦多大学，多伦多大学，UZH Automation，Tsinghua PBC，WFA，WFA和沃顿大学的UZH工作室，以进行宝贵的讨论和反馈。我们感谢Carter Braxton，Will Cong和Jonathan Rothbaum慷慨地共享代码。Huben Liu提供了出色的研究支持。该论文先前曾以“技术，特定的人力资本和劳动力流离失所：将专利与职业联系起来的证据”标题。The Census Bureau has reviewed this data product to ensure appropriate access, use, and disclosure avoidance protection of the confidential source data used to produce this product (Data Management System (DMS) number: P-7503840, Disclosure Review Board (DRB) approval numbers: CBDRB-FY21-POP001-0176, CBDRB- FY22-SEHSD003-006, CBDRB-FY22-SEHSD003-023，CBDRB-FY22-SEHSD003-028，CBDRB-FY23-SEHSD003-0350，CBDRB-FY23-SEHSD003-0003-064）。
创始人兼首席执行官薪酬和创业选择...
∗ 我们特别感谢 Bob Hall 和 Susan Woodward 分享他们的代码。我们还要感谢 Ulf Axelson、Zoe Cullen、Matthew Denes (讨论者)、Roberta Dessi、Daniel Ferreira、Paul Gompers、Juanita Gonz´alez-Uribe (讨论者)、Stephen Hansen (讨论者)、Victoria Ivashina、Steve Kaplan (讨论者)、Ben Roth、Kathryn Shaw (讨论者)、Pian Shu (讨论者)、Peter Thompson、Ting Xu 以及在 AFA、加州理工学院、卡内基梅隆大学、CEPR、香港中文大学、香港城市大学、FIRS、佐治亚理工学院、哈佛商学院、巴黎 HEC 创业研讨会、帝国理工学院、伦敦经济学院、南洋理工大学、NBER 暑期学院、密歇根大学、弗吉尼亚大学、德克萨斯大学达拉斯分校和 WFA 的演讲参与者提供的有益讨论。数据提供商 Advanced HR 已审查了该论文是否披露个人身份信息，但没有权利审查内容。
迈向未来 NorQuest 技术战略 2022
执行摘要 NorQuest 2030：我们是谁，我们包容谁，是关于学院如何欢迎学习者、服务社区、基于包容性取得成功以及通过加强联系和投资帮助解决社会挑战。该战略侧重于五个成果：学习者、人、联系、投资和转型。到 2030 年，学院旨在完成与五个成果相关的几个关键目标；技术战略将实施多项举措以实现这一目标。已经制定了一系列 3 年、5 年和 8 年路线图来指导这一旅程。在规划视野方面，已经制定了详细的 3 年计划，并将每年更新。当我们开始展望 5 年后，路线图给出了学院发展方向的总体方向感。一旦我们进入 8 年及以后，考虑到数字和技术世界的变化速度之快，目标和愿望就纯粹是远见卓识了。在未来三年中，有一些关键的技术投资领域。对 HyFlex、自带设备 (BYOD) 和虚拟体验的投资将有助于吸引和留住学习者，并帮助他们取得成功。该学院是一个随时随地工作 (WFA) 组织，随着我们投资于帮助人们驾驭 WFA 环境的技术，员工敬业度将得到提高。因此，投资与信息安全和隐私相关的技术变得越来越重要。确保员工和学习者信息安全可靠将有助于增加外部投资机会，并增强社区对 NorQuest 及其编程的信心。拥有可靠、安全且灵活的 IT 基础设施以处理学院的增长目标非常重要，这就是为什么继续投资这一领域至关重要的原因。随着员工和学习者都采用新技术，基础设施将需要通过增加带宽和升级网络功能来应对需求的激增。技术战略与学院的其他战略之间存在一些相互依赖关系。 《重塑高等教育》列出了 11 个理想状态，这些状态着眼于学院将如何随着时间的推移而发展，以及 NorQuest 在 2030 年可能是什么样子。理想状态受到我们现有技术和技术趋势的影响。同样，学院正在实施的技术也将受到朝着任何理想状态所取得的进展的影响。数字战略侧重于数字应用、业务能力、
生产经济中的扭曲和效率......
* 我们感谢 D-TEA 2015、巴黎、WFA 2015、SED 2015 会议、伯克利金融午餐研讨会、芝加哥联邦储备银行、印第安纳大学、伦敦商学院、Bernard Dumas、Alex Edmans、Paul Ehling、Willie Fuchs、Stefano Giglio、Brett Green、Lars Hansen、Philipp Illeditsch 和 Christine Parlour 的研讨会参与者提供的有益评论和建议。我们还要感谢编辑、副编辑和两位审稿人提供的非常有用的建议。本研究的一部分是在 Walden 与洛桑大学和瑞士金融学院合作期间进行的。Walden 还感谢 INSEAD、纽约大学斯特恩商学院和瑞典金融之家 SHOF 在研究期间接待来访者。 “ 印第安纳大学凯利商学院，1309 E 10th Street，布卢明顿，IN 47405。电子邮箱：chheyer@indiana.edu 加州大学伯克利分校，哈斯商学院。
SONOMA：宏观金融的小型开放经济体
* Max Croce 隶属于博科尼大学、CEPR 和 IGIER。Mohammad Jahan-Parvar 隶属于美国联邦储备委员会。Samuel Rosen 隶属于天普大学福克斯商学院。本文表达的观点仅代表作者本人，不应被解释为反映美国联邦储备系统理事会或与美国联邦储备系统有关的任何其他人员的观点。我们感谢 Jim Pagels、Antonio Giribaldi 和 Simone Boldrini 提供的出色研究协助。我们感谢 Gurdip Bakshi、Luca Guerrieri、Dmitry Mukhin、Stephanie Schmitt-Grohe、Martin Uribe 和 Vincenzo Quadrini 提供的早期反馈。我们感谢我们的讨论者 Fabrizio Perri、Aytek Malkhozov、Daniel Neuhann、Dejanir Silva、Andreas Stathopoulos 和 Robert Richmond。我们还要感谢 BIS 研讨会系列、弗吉尼亚理工大学（经济学）、CFE（2018 年）、SEA（2018 年）、宏观资产定价会议（FRB，2019 年）、ITAM 金融会议（2019 年）、Finance Cavalcade（2019 年）、EFA 会议（2019 年）、NFA 会议（2019 年）、MFA 会议（2019 年）、BOOTH-IMF 会议（2019 年）、NBER 夏季学院-IFM（2020 年）、SED（2021 年）和 WFA（2021 年）的参与者。
创业与零工经济：来自美国纳税申报单的证据 ∗
† 卡内基梅隆大学。电子邮件：denesm@andrew.cmu.edu。‡ 伊利诺伊大学香槟分校。电子邮件：lagaras2@illinois.edu。§ 圣路易斯华盛顿大学、CEPR、ECGI 和 NBER。电子邮件：tsoutsoura@wustl.edu。 * 我们感谢 Paul Beaumont、Greg Buchak、Tony Cookson、Mike Ewens、Slava Fos、Yael Hochberg、Johan Hombert、Edith Hotchkiss、Katrin Hussinger、Emilie Jackson、Ankit Kalda、William Kerr、Cameron LaPoint、Tong Liu、David Robinson、David Sovich、Rick Townsend、Melanie Wallskog、Sheng-Jun Xu、Ting Xu 和 Hanyi (Livia) Yi，以及 CEPR Endless Summer、CMU-Pitt-Penn State、Corporate Finance Day、Craig Holden Memorial Finance、ECB-CEPR Labour Market、FIRS、FOM、FSU SunTrust Beach、Labor and Finance Group、LBS Summer Finance、MFA、Munich Summer Institute、NBER Entrepreneurship、NFA、Northeastern University、RCFS Winter、Red Rock 和 WFA 的会议参与者，以及希腊银行、波士顿学院、德雷塞尔大学、佐治亚大学的研讨会参与者理工学院、北卡罗来纳州立大学、伊利诺伊大学厄巴纳-香槟分校、马里兰大学、密歇根大学、俄勒冈大学、牛津大学、罗彻斯特大学和美国财政部提出的有益评论。我们非常感谢安妮 E. 凯西基金会、布洛克技术与社会中心、尤因马里恩考夫曼基金会和 WE 厄普约翰就业研究所提供的资金支持。这项研究是通过美国国税局收入统计司的联合统计研究计划进行的。Terry Cheng、Caitlin Hartley、Casey Li、Maxwell Sacher、Jacob Triplett 和 Collin Zoeller 提供了出色的研究协助。我们感谢美国国税局的许多人士对我们研究的协助和支持，包括 Anne Herlache、Alicia Miller 和 Tomas Wind。本文中表达的观点和意见仅反映作者的观点和意见，并不一定反映美国国税局的观点或官方立场。所有结果均已审查，以确保没有泄露任何机密信息。
金融技术采用：墨西哥无现金支付的网络外部性
* 西北大学凯洛格管理学院金融系（电子邮件：sean.higgins@kellogg.northwestern.edu）。埃丝特·迪弗洛 (Esther Duflo) 是本文的共同编辑。 I am Grateful to Paul Gertler, Ulrike Malmendier, Fred Finan, and David Sraer for Guidance and Support, As Bibek Adhikari, David Atkin, Pierre Bachas, Giorgia Barboni, Matteo Benetton, Josh Blumenstock, zerek brat-gold, Ben Charoenwong ( Discussant ) , Anthony Defusco, Carola Frydman, Virginia Gianinazzi ( Discussant ) Sylvan Herskowitz, Bob Hunt , Seema Jayachandran, John Loeser, Nora Lustig, Ted Miguel, luu Nguyen, Waldo Ojeda, Jacopo Prabby ( Dis- Cussant , Michael nt ) , Betty Sadoulet, Emmanuel Saez, Discusant , Gabriel Zucman, and Seminar Partipants, Atlanta Fed, Bank of Israel, Bocconi, Cambridge, Cepr, Dartmouth, GSU-RFS, idas, , Inter-American Development Bank, Illinois, London School of Economics, neudc, northwestern, Nyu, Penn, Princeton, Princeton, Sfs Cavalcade, Stanford, UC Diego , UNC, University of San Francisco, UT Austin, Wfa, World Bank, Wvu, and Yale y-rise for comments that helply improve the paper.我感谢 Saul Knight、Arthur Charleston、Nils Lieber、Jora Li、Xinghuan Luo、Eric Molina、Anah Kings、Carlos Restituyo 和 Angelyna Ye 提供的研究协助。我感谢墨西哥以下机构的官员提供数据访问并回答问题。墨西哥银行：Marco Acosta、Biliana Alexandrova、Sara Castellanos、Miguel Angel Diaz、Lorenza Martinez、Othon Moreno、Samuel Navarro、Axel Vargas 和 Rafael Villar。 Bansefi: Virgil Andrade, Benjamin Chacon, Miguel Angel Lara, Oscar Moreno, Ramon Sanchez, and Ana Lilia Urquieta. CNBV: Rodrigo Aguirre, Alvaro Melendez Martinez, Diana Radilla, and Gustavo Salaiz. INEGI：Gerardo Leyva 和 Natalia Volkow。繁荣：Martha Cuevas、Armando Geronimo、Rogelio Grados、Raul Perez、Rodolfo Sanchez、Jose Solis 和 Carla Vazquez。本研究项目中表达的结论由我作为作者独自负责，并且不属于国家统计和地理信息系统 (INEGI) 的官方统计数据。非常感谢墨西哥银行夏季研究项目的资助。 IRB 批准：IPA 00006083、西北大学 STU00217227 和加州大学伯克利分校 2018-02-10796。 † 请访问 https://doi.org/10.1257/aer.20201952 获取更多材料和作者披露声明。