XiaoMi-AI文件搜索系统
World File Search Systemgure
MLQ4 练习，量子信息处理
距离 d = 3、7 量子比特颜色代码（如图 1 所示）相当于 Steane 代码，它将一个逻辑量子比特编码为七个物理量子比特 1。量子比特由顶点处的点表示，逻辑算子 XL 和 ZL 可以横向选择，即与物理 X 和 Z 一起作用于所有 7 个量子比特。稳定器检查算子可以检测相位和位翻转错误，对应于 4 量子比特 X 或 Z 型算子 S ( i ) x 和 S ( i ) x ，每个算子作用于属于 3 个斑块的 4 个物理量子比特。该代码可以纠正七个物理数据量子比特中任意一个的最多一个故障。在本练习中，我们将研究量子纠错的工作原理，以及如何在该代码中实现逻辑门。
2.111/8.370/18.435 课程信息 — 2021 年秋季
考试：10 月 ???? 日将举行一次期中考试。您可以携带两页信纸大小的笔记（一张双面纸或两张单面纸）。期末考试周期间还将举行期末考试，届时您可以做 2 页（4 面）笔记。课程网站：将在 Canvas 上：https://canvas.mit.edu/courses/10398。教科书：本课程材料的两个极佳参考资料是教科书《量子计算和量子信息》（Nielsen 和 Chuang 编著）和 John Preskill 的讲义（在线网址为 http://theory.caltech.edu/ ~ preskill/ph229）。这些不是必需的，但如果您仅使用课程笔记（我将撰写）难以理解材料，则强烈建议您阅读它们。我将每周在课程网站上发布与我们涵盖的材料相关的部分。家庭作业：每周都会有作业集，在 Gradescope 上交。您可以晚交 24 小时的 pset，但会受到 10% 的惩罚。如果没有 S 3 的说明，在发布解决方案后将不接受迟交的 pset，我们计划在解决方案发布后 24 小时发布。协作：鼓励在家庭作业上进行协作。但是，请自己写下解决方案。家庭作业的目的是让您学习材料，与盯着一张白纸几个小时试图找出解决问题的方法相比，向他人寻求帮助可以让您学得更好。逐字逐句地复制他人的解决方案不会产生效果，如果我们注意到这一点，您最终可能会在该 pset 上得到 0 分。我计划布置一些棘手的练习，但我不打算布置让您无法弄清楚如何进行的练习 — 如果我这样做了，请投诉。您必须在每项作业中列出所有协作者。如果你大量使用课本或 Preskill 笔记以外的资源，也请在作业中注明。如果你没有合作者，也请在作业中说明。
ETHICA EX MACHINA。探索人工道德主体或可计算伦理的可能性
摘要 自从我们这个技术时代的自动化革命以来，各种各样的机器或机器人逐渐开始重新配置我们的生活。随着这种扩展，这些机器似乎面临着一个新的挑战：涉及生死后果的更自主的决策。本文通过以下问题探讨了人工智能道德主体的哲学可能性：机器能否获得成为道德主体所需的认知能力？在这方面，我打算从规范认知的角度揭示我们可以将人工智能实体识别为真正的道德实体的最低标准。虽然我的建议应该从合理的抽象层面来考虑，但我将批判性地分析和确定人工智能主体如何整合这些认知特征。最后，我打算讨论它们的局限性或可能性。
视网膜和炎症的糖尿病神经病
摘要：糖尿病与动脉粥样硬化心血管疾病之间存在明确的联系。因此，需要针对两种疾病的治疗方法。目前正在进行临床试验，以探索糖尿病中肥胖，脂肪组织，肠道微生物群和胰腺β细胞功能的作用。炎症在糖尿病生理学和相关代谢疾病中起关键作用。因此，靶向炎症以预防和控制糖尿病的利益增加。糖尿病性视网膜病被称为一种神经退行性和血管疾病，经过数年的糖尿病不良后发生。然而，增加证据表明炎症是与糖尿病相关的视网膜并发症中的关键形象。相互联系的分子途径，例如氧化应激和晚期糖基化终产物的形成，有助于炎症反应。本综述描述了涉及炎症途径的糖尿病代谢变化的可能机制。
疫苗接种促进：量化 COVID-19 疫苗接种对活动指标的影响 *
8 作为一种替代稳健性策略，我们根据 Callaway 和 Sant'Anna [2021] 提出的方法，并假设与尚未采用者的比较可能会受到这些州的某些特征的影响，确定了抽签对从未采用者群体的疫苗接种的影响。结果如图 A1 所示，与我们的基线估计一致。特别是，我们发现抽签采用者相对于从未采用者没有显著的预先趋势，并且在宣布一周后对疫苗接种没有显著影响，尽管这种影响在较短的时间范围内是显著的。虽然这两种方法的结果大致相似，但基于 Callaway 和 Sant'Anna [2021] 的估计依赖于一组较小的控制，因为处理组和相关比较组之间的差异不足，因此，我们不依赖这种策略作为我们的基线。
交流耦合宽带神经记录前端，效率低于 1 毫米 2 × fJ/conv-step，NEF 为 0.97
摘要 — 本信介绍了一种用于多通道宽带神经信号记录的能量和面积高效的交流耦合前端。所提出的单元使用基于反相器的电容耦合低噪声放大器调节局部场和动作电位，然后是每通道 10-b 异步 SAR ADC。单位长度电容器的调整可最大限度地减少 ADC 面积并放宽放大器增益，从而可以集成小型耦合电容器。与最先进的产品相比，65 纳米 CMOS 原型的面积缩小了 4 倍，能量面积效率提高了 3 倍，占位面积为 164 µ m × 40 µ m，能量面积性能系数为 0.78 mm 2 × fJ/conv-step。在 1 Hz 至 10 kHz 带宽内测得的 0.65 µ W 功耗和 3.1 µ V rms 输入参考噪声对应的噪声效率因子为 0.97。
AI Charades：语言模型作为交互式游戏环境
在本研究中，使用预训练的 GPT-2 Transformer 网络作为模型 [1]。使用预训练模型有几个好处。首先，不需要微调，因此不需要额外的训练或数据收集。其次，通用语言模型提供了丰富的语义环境供交互。在语言模型游戏中，很大一部分挑战包含在语言模型的自然动态中——玩家必须弄清楚哪些短语会影响 AI，理解什么语法等。外部结构，例如在 AI Charades 中提供一个秘密词，主要作为目标框架，以鼓励探索语言模型动态。请注意，任何经过充分训练的语言模型都可以替代，并且不同的模型通常会提供相关（适用基本语法规则）但不同（语言模型偏向其训练数据集）的动态。
量子 K 理论中的计算
现在，即使 M 不光滑，我们也可以在环境光滑空间上使用局部化。我们只需弄清楚 MT , → f MT 是什么。空间 M n 参数化了长度为 n 的 C 3 的子方案，你可以将其视为描述余维数为 n 的 C [ x 1 , x 2 , x 3 ] 的理想相同。T 的动作是通过缩放变量。理想 I 怎么能通过缩放变量来固定呢？我认为只有当 I 是单项式理想（即由单项式生成）时才有可能。这是因为 xd 是 T 的特征函数，具有不同的权重，例如 x 3 1 x 2 具有权重 t − 3 1 t − 1 2 。任何单项式都由权重唯一确定，而不变理想必须由特征函数生成。在二维中，任何这样的理想都可以通过从表中选择一些单项式来指定
气压
一个早期且关键的决定是气压计的分辨率，以每千帕斯卡压力的 A/D 计数为单位。我们希望分辨率高，以便检测气压的微小变化。但是，更高的分辨率需要从接口获得更高的电压增益，从而对各种讨厌的漂移信号具有更高的灵敏度。因此，我们的理念应该是使分辨率不超过必要的水平。无液气压计的表面通常分为 60 个分度 [ ? ]，天气预报通常精确到千帕斯卡的十分之一。这意味着 10kPa 的气压变化有 100 个步骤。因此，我们可能会将 100 分之一作为合适的分辨率目标。合适的动态范围（参见第 ?? 页的图 ??）可能是 95 到 105 kPa。这不能应对第 ?? 页的表 ?? 中显示的极端压力，但可以用于常规操作。