XiaoMi-AI文件搜索系统
World File Search Systemdiscrete
分析在连续时间收集的生物多样性观察数据：我们是否应该使用离散或连续的占用模型？
fi g u r e 1五个占用模型。with：휓占用概率； （a）bp p检测概率； y是在会话s期间在现场I中观察到的检测/未检测； （b）COP휆检测率；会议的持续时间； n是会议s期间网站I的检测数量； （c）pp휆检测率； n i网站I中的检测数量；在网站I中检测到k的时间； （d）2-mmpp和（e）IPP휆1状态1的检测率； 휆2状态2的检测率； 휇12从状态1到状态2的开关率； 휇21从状态2到状态1的开关率； n i网站I中的检测数量；在网站i中检测到k的时间i。
层次结构聚类，具有离散潜在变量模型和集成分类的可能性
查找数据集的一组嵌套分区对于在不同尺度上发现相关结构很有用，并且经常处理与数据有关的方法。在本文中，我们引入了一种基于模型的分层聚类的一般两步方法。将集成的分类可能性标准视为目标函数，此工作适用于该数量可以处理的每个离散潜在变量模型（DLVM）。该方法的第一步涉及最大程度地提高相对于分区的标准。解决了通过贪婪的山坡攀岩启发式方法发现的已知局部最大最大最大最大值问题时，我们基于遗传算法引入了一种新的混合算法，该算法允许有效地探索解决方案的空间。所得算法小心地结合并合并了不同的解决方案，并允许簇数K的共同推断以及簇本身。从这个自然分区开始，该方法的第二步是基于自下而上的贪婪程序来提取簇的层次结构。在贝叶斯语境中，这是通过考虑dirichlet群集比例的先验参数α作为控制聚类粒度的正规化项来实现的。标准的新近似值被推导为α的对数线性函数，从而实现了合并决策标准的简单函数形式。第二步允许在更粗的尺度上探索聚类。将所提出的方法与现有的模拟和实际设置的策略进行了比较，结果表明其结果特别相关。本工作的参考实现可在论文1随附的r软件包贪婪中获得。
设计AI驱动的医疗保健助理，通过医疗服务有效地吸引脆弱的人群：南非大学学生的离散选择实验
Designing AI-powered healthcare assistants to effectively reach vulnerable populations with health care services: A discrete choice experiment among South African university students Running Title: A discrete choice experiment to inform AI-powered healthcare assistant design Zheng A MPH* 1 , Long L PhD* 2,3 , Govathson C PhD 3 , Chetty-Makkan C PhD 3 , Morris S BS 4 , Rech D MBA 4 , Fox MP DSC＃1,2,3，Pascoe S博士学位＃3 *同等贡献，共享的第一作者资格＃同等贡献，共享的最后作者隶属关系：1年流行病学系，波士顿大学公共卫生学院，美国马萨诸塞州波士顿，美国马萨诸塞州。2美国马萨诸塞州波士顿的波士顿大学公共卫生学院全球卫生部。 3南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。 4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：22美国马萨诸塞州波士顿的波士顿大学公共卫生学院全球卫生部。3南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。 4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：23南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：24 Audere，美国华盛顿州西雅图。通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2
通过离散时间量子行走传送任意量子态的量子通信方案
纠缠和贝尔态来投射到最大纠缠态的量子系统上。量子隐形传态作为基于测量的量子计算，在量子计算中起着至关重要的作用。安全量子隐形传态可用于量子密码学，如量子密钥分发 [ 10 ]。它扩展了纠缠在传输量子信息方面的实际应用，这在经典物理中是没有的，并且带来了纠缠作为一种物理现象的实验实现。在过去的十年中，量子行走已成为在设计的网络中传输量子态的重要工具。量子行走能够模拟量子演化并在基于图的结构上从物理方面实验纠缠。这些特性使量子行走成为量子隐形传态协议的有力候选者。人们可以看到大量与 DTQW 相关的工作，它们作为状态转移的重要媒介，并在 [ 1 ]-[ 9 ]、[ 20 ]、[ 23 ]、[ 36 ] 中开发算法。 DTQW 中的多币算子为行走演化带来了更复杂、更详细的见解，详见 [29]-[33]。与连续时间量子行走理论相关的工作可参见 [16]、[21]、[22]、[26]、[27]。一般来说，当我们讨论量子隐形传态时，我们将发送者称为 Alice，将接收者称为 Bob，我们的目标是将 Alice 的未知量子态成功传输给 Bob。该通信协议利用了量子纠缠和测量等量子力学事件。经典通信也被用作加密代码，使通信保密且防泄漏。混合模式使通信更加私密和安全。在量子行走中，节点充当量子位，行走演化促进状态转移。有关通过量子行走进行隐形传态的工作可参见 [11]-[19]。量子行走作为量子隐形传态手段的主要优势如下：
偏好获取速度与新癌症药物生存益处的确定性：一个离散选择实验
方法，通过用于调查研究的在线平台Cint招募了美国国家代表性的老年人样本，以参加在线离散选择实验。为了符合条件，受访者必须自我报告一些癌症的经验 - 他们，他们自己，亲密的朋友或家人，以前或目前被诊断出患有癌症。在实验中，受访者选择了两种癌症药物，考虑了五个属性：功能状态，预期寿命，新药的生存益处的确定性，该药物对替代端点的影响以及美国食品和药物管理（FDA）批准时间的延迟。第一个主要结果是生存益处确定性的相对重要性和等待受访者的时间。第二个主要结果是愿意等待更大的生存益处，包括按癌症经验，年龄，教育状况，种族或种族和收入和收入进行亚组分析。次要结果是对确定性和等待时间的敏感性的变化，具体取决于药物对替代端点的影响，受访者的功能状况和预期寿命。研究计划已在ClinicalTrials.gov，NCT05936632中注册。
观察从连续到离散时间晶体的相变
抽象离散（DTC）和连续的时间晶体（CTC）是新型的动力多体状态，其特征在于稳健的SELSELRIST持续振荡，通过自发破坏ODiscrete或连续的时间翻译而出现。dtc是定期驱动的系统，可振荡于次谐波的外部驱动器，而CTC则是连续驱动和振荡的，并具有与系统固有的频率。在这里，我们探索了一个相变的连续时间晶体到离散的时间晶体。具有特征性振荡的CTC在连续泵送的原子腔系统中制备了频率ωCTC。将泵强度调节ctc的泵强度接近2ΩCTC的CTC导致可靠的锁定OΩCTC锁定至ωDR2，因此DTC出现了。量子多体系统中的这种相变与谐波注射锁定的锁定锁定力和电子振荡器或激光器有关。
离散调制的连续变量量子密钥分布的安全性
连续可变量子密钥与离散调制具有可能使用广泛可用的光学电源和现有的电信基础来提供信息理论安全性的潜力。尽管其实施比基于高斯调制的协议要简单，但证明其针对连贯攻击的有限尺寸安全性带来了挑战。在这项工作中，我们证明了有限尺寸的安全性，以针对涉及四个相干状态和杂化检测的离散调制量子键分配协议的共同攻击。要这样做，与大多数现有方案相反，我们首先将所有连续变量分解为协议期间的所有连续变量。这使我们可以使用熵累积定理，该工具以前已在离散变量的设置中使用，以结构有限尺寸的安全性证明。然后，我们通过半准编程计算相应的有限键速率，并在光子数截止下计算。我们的分析提供了0范围内的渐近率。1-10 - 4位每回合，用于数百公里的差异，而在有限的情况下，对于实际的参数，我们在n〜10 11回合和几十公里的距离之后获得了10 GBITS的秘密钥匙。
比较分析：使用离散事件模拟评估电池和柴油机负载拖运（LHD）单位的生产力（DES
在地下硬岩地雷中使用电池电动汽车（BEV）由于消除柴油排气气，柴油机颗粒物（DPM）和降低空气温度而改善工作条件的能力，因此获得了吸引力。这将使矿山更容易遵守越来越严格的职业健康与安全（OH＆S）规定，并使地下矿山环境更健康。此外，由于其能源效率较高，BEV比柴油机消耗的能源更少。所有这些示例将提高地下采矿作业的效率。柴油机由于其高生产率而在开采中已使用了很长时间。目前的BEV是否可以匹配柴油机的生产率。使用BEV时，诸如所需数量的电池和充电站等方面，交换时间和交换间隔是可能影响其生产率的方面。因此，使用来自可行性研究阶段的块洞穴矿山的矿山设计数据，使用竞技场软件进行离散事件模拟（DES）分析。分析的目的是使用两种不同的拖运策略，可用的可用性以及机器的速度来评估两个等效18吨重载量转储（LHD）单位的生产率：柴油和电池供电。结果表明，拖运策略和速度对所需的机器数量有重大影响，并且在使用等效齿轮时，电池机的生产率平均可以比等效柴油机高6.5％至10.3％。这项工作是作为智能智能采矿系统项目（Nexgen Sims，www.nexgensims.eu）的下一代碳中性飞行员的一部分完成的，该飞行员由欧盟资助。
（离散）扩散的顺序蒙特卡洛指导...
扩散模型已成为机器学习中生成建模的重要方法。这些模型是通过模拟一些“破坏性”随机过程来训练的，这些随机过程在训练数据样本中初始化，并且具有易于采样的限制分布。通过学习如何逆转随机过程来获得生成模型。扩散模型的大多数应用都用于连续数据，并使用高斯扩散作为随机过程。但是，相同的想法也可以通过适当的破坏过程选择，例如基于离散的马尔可夫链和吸收状态的引入。通过指导进一步提高了扩散生成模型的性能和适用性，这是一种基于某些辅助信息或外部模型来指导生成过程的技术。指导既可以用于有条件生成（例如带有分类器指导）和改善样本质量（鉴别器指导）。在本演讲中，我将讨论如何将顺序的蒙特卡洛用于扩散模型的指导。我将重点放在不容易适用的基于常规得分的指导技术的离散设置上。基于与FilipEkströmKelvinius的联合工作（自回旋扩散模型的歧视指南，AISTATS 2024，https：//arxiv.org/abs/2310.15817）
离散和连续变量系统的量子计算资源
随着量子技术的出现，信息技术的发展已到达一个关键点，有望实现无与伦比的计算能力和解决问题的能力。基于离散变量和连续变量的量子计算有望有效解决计算上难以解决的问题。离散变量量子计算依赖于有限维希尔伯特空间中编码的量子，而连续变量量子计算则利用谐振子的无限维希尔伯特空间。这两种范式在实现通用性和容错性方面都面临挑战，因此需要探索非高斯性和魔法等资源理论。本论文研究了离散和连续变量系统的量子计算资源，并有助于加深我们对实现不同架构中量子计算潜力所必需的资源的理解。我们研究这些资源理论之间的相互作用，提出新的量词并建立离散和连续变量量子计算之间的联系。