XiaoMi-AI文件搜索系统
World File Search Systemlangevin
引用了原始发表的论文（记录的版本）：Bainsla，L.，Zhao，B.，Behera，N。等（2024）。
通过将光结合到下波长体积，光力学的微腔可以大大增强光和机械运动之间的相互作用。但是，这是以增加光损耗率的成本。因此，将基于微腔的光力系统放置在未解决的边带机制中，以防止基于边带的地面冷却。减少此类系统光损耗的途径是设计腔镜，即与机械谐振器相互作用的光学模式。在我们的工作中，我们分析了这样的光力学系统，其中其中一个镜子与频率很大，即悬挂的Fano镜子。此光力学系统由两种光学模式组成，这些光学模式与悬挂的Fano镜子的运动。我们制定了一个量子耦合模式描述，其中包括标准色散光学耦合以及耗散耦合。我们在线性状态下求解了系统动力学的兰格文方程，表明即使腔本身不在解析的边带机制中，但可以从室温下进行冷却，而是通过强光模式耦合来实现有效的侧带分辨率。重要的是，我们发现，需要针对有效激光衰减来适当分析腔输出光谱，以推断机械谐振器的声子占用。我们的工作还可以预测如何通过工程化Fano Mirror的特性来达到基于FANO的微博中非线性量子光学机械的制度。
使用放射基因组学对胶质母细胞瘤患者进行 MGNT 分类的不确定性评估
多形性胶质母细胞瘤 (GBM) 是所有高级别脑癌中最恶性的脑肿瘤之一。替莫唑胺 (TMZ) 是胶质母细胞瘤患者的一线化疗方案。O6-甲基鸟嘌呤-DNA-甲基转移酶 (MGMT) 基因的甲基化状态是肿瘤对 TMZ 化疗敏感性的预后生物标志物。然而，评估 MGMT 甲基化状态的标准化程序是侵入性手术活检，其准确性易受切除样本和肿瘤异质性的影响。最近，将放射图像表型与基因或分子突变相关联的放射基因组学在放射治疗的非侵入性评估中显示出良好的前景。本研究利用从多模态磁共振成像 (mMRI) 中提取的成像特征，提出了一种用于 MGMT 分类的机器学习框架，并进行不确定性分析。成像特征包括常规纹理、体积和复杂分形以及多分辨率分形纹理特征。使用公开的 BraTS-TCIA-GBM 术前扫描和 114 名患者的 TCGA 数据集对所提出的方法进行了评估。10 倍交叉验证实验表明，分形和多分辨率分形纹理特征可以更好地预测 MGMT 状态。使用随机梯度朗之万增强模型集合和多分辨率分形特征的不确定性分析可提供 71.74% 的准确率和 0.76 的曲线下面积。最后，分析表明，与文献中不同的知名方法相比，我们提出的具有不确定性分析的方法具有更好的预测性能。
PoS(LATTICE2022)029
经典蒙特卡罗采样技术中存在的符号问题阻碍了对量子色动力学 (QCD) 大夸克化学势区域的定量理解，例如与相对论重离子碰撞或中子和夸克星相关的区域。克服 QCD 符号问题的技术包括重新加权、马约拉纳算法和 Meron 簇算法、随机量化和复朗之万动力学、泰勒展开、解析延续以及路径变形和复化，有关最新综述，请参见参考文献 [ 2 , 3 ]。相反，量子计算和模拟技术不会受到符号问题的影响。它们通过直接量子模拟格点规范理论 (LGT)，为进入 QCD 相图的不可接近区域提供了一条有希望的途径，例如请参见参考文献 [ 1 , 4 – 15 ]。然而，热量子态（即混合量子态，而非纯量子态）对于量子计算机来说，是天真的“非自然”的，这使得热系统模拟成为一个广泛研究的领域，并通过多种技术进行了解决，例如，参见参考文献 [16-20]。量子计算热系统的一种有前途的途径是统计力学的热纯量子（TPQ）态公式 [21]。虽然最初开发时并没有考虑量子技术，但它为模拟有限温度和化学势下的量子系统提供了一条有前途的途径，使得人们能够仅从热力学极限下适当准备的单个纯态估计一大类可观测量的热期望值 [22,23]。正则 TPQ 态是从虚时间内演化的 Haar 随机态获得的 [21]，
再次介绍了Schr'odinger的“ Aperiodic Crystal”
Erwin Schr odinger著名地创造了有意的悖论术语“ Aperiodic Crystal”，以描述我们现在所知道的DNA，RNA和蛋白质生物学聚合物中各种单体单位的序列[1]。这些序列是遗传控制的，因此是“多态”的，但通常不会改变生物聚合物的热运动或通常的动力学，类似于“晶体”。在最近的时间，尤其是在蛋白质折叠研究的背景下，吸引了很多关注的想法，即这些序列与猝灭障碍的特定实现非常相似（请参阅评论中的参考文献列表[2]）。因此，具有淬火序列的杂聚物的问题绝不是新的，它一直在各种领域重新出现 - 而且我认为仍在等待更深入的见解。在这里，我想引起对这两篇完全无关的论文的关注 - 但是，这两个论文都在处理这个问题，尽管在非常不同的情况下。dino osmanovi´c在第一篇推荐论文中考虑了某些单体“活跃”的聚合物链的动力学，而另一些单体则是“被动”。这意味着，被动单体是由常规的热三角相关的兰格文噪声驱动的，而活性单体则受到随机非热力的影响，幅度与热能无关，可能与某些非零相关时间无关。该模型的主要动机是染色质 - 细胞中DNA的功能形式。出于在每个特定细胞中，染色质的某些部分（称为白染色质）涉及积极转录的基因，因此与能量消耗（ATP依赖）工作酶相互作用，例如RNA聚合酶，而染色质（称为异染色质）的其他部分是无源的。
结合人工智能和分子动力学（...
经过几十年的理论和计算发展，分子动力学 (MD) 模拟不仅已成为补充实验解释和预测的工具，而且还是更高级别模拟的基准。当我们考虑 MD 模拟所需的每个组件时：理论引擎（例如，牛顿运动定律、热力学定律、朗之万方程、泊松-玻尔兹曼方程等）、力场（计算势能和力的参数）、传播算法（例如，Verlet 积分）、系统（通常由坐标、速度和连接组成）、控制参数（如温度、压力等）和可观测量（例如，自由能计算、集体变量监测等），每个组件都经过了精心的手动发现、设计、调整和部署，已经取得了长足的进步。MD 模拟在大多数方面似乎已经“成熟”，在将自由能计算与生物系统结合起来方面实现了大约 ~1 kcal/mol 的精度。然而，折叠/展开蛋白质结构采样、蛋白质-蛋白质相互作用结构采样、大系统模拟、罕见事件模拟、具有不可忽略的核量子效应的模拟、反应、新材料的参数化和高通量自由能计算等问题仍然存在，需要新的研究和开发。自然而然，人们可以转向人工智能 (AI)，这是另一个因硅革命而显著加速发展的领域。毋庸置疑，人工智能已经在与 MD 相关的领域中展示了它的实用性，尤其是在这个“后 AlphaFold 时代”。现在的问题不是“如果”，而是我们如何结合这两个强大的工具来进一步推动这两个领域的研究。
NPBDREG：使用基于非参数贝叶斯深度学习的方法进行微分同胚脑 MRI 配准中的不确定性评估
基于深度神经网络 (DNN) 的图像配准算法中的不确定性量化在图像配准算法用于临床应用（例如手术规划、术中指导、病情进展或治疗效果的纵向监测）以及面向研究的处理流程中起着至关重要的作用。当前用于基于 DNN 的图像配准算法中不确定性估计的方法可能会导致次优临床决策，因为对于假设的配准潜在空间参数分布的配准词干的不确定性估计可能不准确。我们引入了 NPBDREG，这是一种完全非参数贝叶斯框架，用于基于 DNN 的可变形图像配准中的不确定性估计，它结合了 Adam 优化器和随机梯度朗之万动力学 (SGLD)，通过后验采样来表征底层后验分布。因此，它有可能提供与分布外数据的存在高度相关的不确定性估计。我们使用来自四个公开数据库（MGH10、CMUC12、ISBR18 和 LPBA40）的 390 个图像对，证明了 NPB-DREG 与基线概率 VoxelMorph 模型 (PrVXM) 相比在脑部 MRI 图像配准方面的附加值。NPBDREG 显示预测不确定性与分布外数据的相关性更好（r > 0.95 vs. r < 0.5），并且配准准确度提高了 ∼ 7.3%（Dice 分数，0.74 vs. 0.69，p ≪ 0.01），配准平滑度提高了 ∼ 18%（变形场中的褶皱百分比，0.014 vs. 0.017，p ≪ 0.01）。最后，与基线 PrVXM 方法相比，NPBDREG 对受混合结构噪声破坏的数据表现出更好的泛化能力（Dice 得分为 0.73 对 0.69，p≪0.01）。
John Glongstun
1。背包语言模型。在计算语言学协会年会（ACL）年会2023年。接受率：23.5％未偿还纸张奖：39 /3872纸提交。约翰·休伊特（John Hewitt），约翰·加斯敦（John Glongstun），克里斯托弗·D·曼宁（Christopher D. Manning），珀西·梁（Percy Liang）。2。通过生成预训练的旋律转录。在国际音乐信息检索研讨会（ISMIR）2022中。接受率：43.3％的克里斯·多纳休（Chris Donahue），约翰·加斯敦（John Glongstun），珀西·梁（Percy Liang）。3。扩散lm改善可控文本生成。神经信息处理系统的进步（神经）2022。接受率：25.6％的口头呈递。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。 4。 淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。 神经信息处理系统的进步（神经）2021。 接受率：25.7％未偿还纸张奖：6 /9122纸质提交。 奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。 5。 通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。 在机器学习国际会议（ICML）2021中。 接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。 6。 使用连续时间梯度更快地学习。 动态与控制学习（L4DC）2021。 7。 8。 9。 10。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。4。淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。神经信息处理系统的进步（神经）2021。接受率：25.7％未偿还纸张奖：6 /9122纸质提交。奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。5。通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。在机器学习国际会议（ICML）2021中。接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。6。使用连续时间梯度更快地学习。动态与控制学习（L4DC）2021。7。8。9。10。塞缪尔·阿恩斯沃思（Samuel Ainsworth），肯德尔·洛里（Kendall Lowrey），约翰·康斯敦（John Glongstun），扎伊德·哈科伊（Zaid Harchaoui），悉达多·斯里尼瓦萨（Siddhartha Srinivasa）。一种信息瓶颈方法，用于控制理由提取中的简洁性。自然语言处理中的经验方法（EMNLP）2020。接受率：24.5％Bhargavi Paranjape，Mandar Joshi，John Glongstun，Hannaneh Hajishirzi，Luke Zettlemoyer。用深的生成先验的源分离。在国际机器学习会议（ICML）2020中。接受率：21.8％Vivek Jayaram*，John Glongstun*（*同等贡献）。卷积作曲家分类。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％苛刻的Verma，John Glongstun。耦合复发模型，用于复音音乐组成。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％John Glongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。11。监督音乐转录的不断增长和数据增强。在国际声学，言语和信号处理（ICASSP）2018中。接受率：49.7％的口头介绍。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。12。用于多个F0估计的频域卷积。Mirex摘要（技术报告）2017。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。13。音乐网：从头开始学习音乐的功能。在2017年国际学习表征会议（ICLR）。接受率：39.1％John Glongstun，Zaid Harchaoui，Sham M. Kakade。
主动声纳简史
加拿大纽芬兰海岸。对所谓的费森登振荡器的研究一直持续到 1931 年，在此期间，频率从 540 Hz 增加到 1,000 Hz（Lasky，1977 年；Hackman，1984 年；Bjørnø，2003 年；Katz，2005 年）。第一次世界大战中，潜艇成为较弱海军强国的首选武器——用今天的话来说，这是一种“不对称威胁”——刺激了对水下潜艇的探测需求，而这些潜艇本来是隐形的（Cote，2000 年）。潜艇的隐蔽性和海洋的不透明性深刻改变了 20 世纪剩余时间的海战（Keegan，1990 年；Cote，2000 年）。由于声音是唯一能在水中传播可观距离的传输能量，因此必须利用声学回声测距来应对这一威胁。第一次世界大战后出现的最重要的回声测距系统是超声波 ASDIC，这是英国和法国海军合作研制的。ASDIC 是盟军潜艇探测调查委员会的缩写，该委员会在第一次世界大战期间成立，以开展潜艇探测研究。意大利也进行了类似的研究，美国的研究范围更为广泛。1918 年，法国物理学家 Paul Langevin 使用一种设计为以 38 kHz 机械共振的发射器演示了第一个 ASDIC 系统，并用它来估计目标距离和方位（Lasky，1977 年；Urick，1983 年；Burdic，1984 年；Hackman，1984 年；Bjørnø，2003 年；Proc，2005 年）。第一个 ASDIC 舰载系统于 1919 年安装，该系统有一个覆盖式圆顶，使系统可以在船舶移动时运行。工作频率从 20 到 50 kHz 不等。在 20 世纪 20 年代和 30 年代初，ASDIC 被开发用于驱逐舰的反潜战 (ASW)。两次世界大战之间的时期也是水下声学基础研究的时期。这一时期的一个关键发现是，水下较高频率的声音在穿过海水时，其振幅比较低频率的声音衰减得更大。基于这一观察，新型驱逐舰 ASDIC（119 型）的频率范围从
2013 年 4 月 16 日情报、新兴威胁小组委员会...
主席 Thornberry、排名成员 Langevin、小组委员会成员，感谢你们今天给我这个机会作证。我是国防高级研究计划局 (DARPA) 局长 Arati Prabhakar。去年夏天，在担任其他职务 19 年后，有三个主要因素吸引我重返 DARPA。首先，DARPA 对我们当前的国家安全和技术能力产生了巨大影响。其次，在未来几年我们面临的复杂世界中，推动将成为国家安全基石的技术的挑战。第三，我很荣幸能够领导这个独特的机构，这里的人们每天都在积极地追求我们的重要使命。今天，我想向你们介绍 DARPA 的各个方面。我将讨论我们的目标和战略、具体投资领域以及总统 2014 财政年度 (FY) 要求中的预算。我们今天讨论的出发点是美国的未来安全。我们都明白，世界是复杂的，不断变化的，这将对我们的国家安全构成新的威胁。我们都明白，在调整国防预算时，资源将受到限制。但尽管存在这些不确定性和压力，美国的安全能力仍必须保持首屈一指。新技术不断为我们的领导层创造更好的选择，为我们的国家带来更好的安全结果。今天，继续关注技术投资至关重要，这将为我们的未来带来新一代的国家安全能力。这一承诺反映在总统对 DARPA 2014 财年的预算请求中。在谈到 DARPA 本身之前，我想先介绍一下我们机构在国家研发 (R&D) 工作中的背景。DARPA 是一个项目机构，我们通过与公司、大学、国防部 (DoD) 和其他实验室的深入合作来实现我们的目标。我们的成功取决于拥有健康的美国研发生态系统。在国防部的科学和技术 (S&T) 工作中，我们的职责是投资于通常需要承担重大风险的高回报机会。我们与军种科技机构的同事密切合作，有时以他们早期的研究为基础，借鉴他们的技术专长，通常依靠他们帮助我们将成功的成果转化为军事用途。DARPA 的影响去年秋天，时任国防部长莱昂·帕内塔授予 DARPA 联合功绩单位奖，表彰其为战争做出的众多贡献，DARPA 最近的转变赢得了认可。该奖项表彰了那些“创造性的智慧和敏锐的专业知识”，他们提供了“创新的尖端技术，以拯救生命，并在不断变化的威胁中提高任务成功率”。为了响应地面部队的紧急需求，DARPA 开发并部署了一系列高效工具。其中包括一个向作战和情报用户提供战场三维视图的系统、一个用于跟踪威胁车辆和下车人员的雷达吊舱、一个能够进行互操作通信和大数据传输的无线电系统、一个评估爆炸暴露和人员医疗风险的检测系统，以及一个用于分析大量数据的框架，该框架可提供独特而有价值的见解，帮助解答关键的战略和作战问题。