可持续性仍然是全球热门话题。虽然许多司法管辖区正在创建额外框架以支持更多地考虑可持续性,但其他国家,尤其是美国,要么拖延,要么甚至倒退。在审查全球不同地区的环境、社会和治理 (ESG) 法规时,新的 ESG 法规为企业和组织创造了一个充满挑战的背景,因为新的合规要求(其中一些可能相互冲突)生效。在欧盟《企业可持续性尽职调查指令》(CS3D)的推动下,重大不确定性将影响进入欧盟市场的跨国公司。CS3D 于 2024 年通过,要求欧盟和非欧盟公司进行尽职调查,以识别和防止其业务和供应链中对环境和人权的不利影响。不同司法管辖区之间与气候相关的报告和披露要求的冲突仍然是当今企业面临的最重大挑战之一。与此同时,在美国,“ESG”一词本身也引发了争议,导致许多人现在更广泛地提及可持续性,并将 ESG 作为报告组成部分进行讨论
人工智能 (AI) 在智慧城市的能源系统转型中发挥着重要作用。近几十年来,气候变化和环境可持续性迫使公用事业转向可再生能源和技术应用。可再生能源技术的部署需要高额的初始投资,并与现有的供需系统相结合。运行稳定性一直是将可再生能源与传统的旧系统相结合的挑战。另一方面,可再生能源确保可持续能源和未来发展,同时将损失和温室气体排放降至最低。因此,人工智能是电力系统现代化的主要推动力,具有较高的管理和控制精度。本研究试图评估人工智能在可再生能源领域的效率和性能,重点关注欧盟作为案例研究。本研究分析了链中的第一个可再生能源过程以及从总消费到最终消费的能源。随后讨论了智能城市中使用自然资源(太阳能、风能等)的可再生能源的经济后果。最后,研究了人工智能在可再生能源中的效率,并展望了未来的工作。
可满足性模理论 (SMT) 求解器是许多技术的核心引擎,例如符号执行。因此,确保 SMT 求解器的稳健性和正确性至关重要。虽然模糊测试是一种确保 SMT 求解器质量的有效方法,但我们观察到之前的模糊测试工作仅侧重于生成各种一阶公式作为输入,而忽略了 SMT 求解器的算法配置空间,这导致许多深藏不露的错误未被及时报告。在本文中,我们提出了 Falcon,一种同时探索公式空间和配置空间的模糊测试技术。将这两个空间结合起来会显著扩大搜索空间,使有效检测错误变得更加困难。我们通过利用两个空间之间的相关性来减少搜索空间,并引入自适应变异策略来提高搜索效率,从而解决了这个问题。经过六个月的广泛测试,Falcon 在两款最先进的 SMT 求解器 CVC4 和 Z3 中发现了 518 个已确认的错误,其中 469 个已经修复。与两款最先进的模糊测试器相比,Falcon 在 24 小时的测试中检测到了 38 个和 44 个以上的错误,并且覆盖率大幅提高。
二十多年前提出的自主计算的愿景(ACV)设想了类似于生物生物体的自我管理的计算系统,从而无缝地适应不断变化的环境。尽管进行了数十年的研究,但由于现代组合系统的动态和复杂性,实现ACV仍在挑战。大型语言模型(LLM)的最新进步通过杠杆知识,语言理解和任务自动化功能,为这些挑战提供了有希望的解决方案。本文探讨了通过基于LLM的多代理框架进行微服务管理的可行性。我们引入了一个五级分类器,以进行自主服务维护,并根据Sock Shop Microservice Demo项目提供在线评估基准,以评估我们的框架的性能。我们的发现表明,在实现3级自主权方面取得了很大的进步,强调了LLM在检测和解决微服务体系结构中的问题方面的有效性。这项研究通过开创LLMS集成到微服务管理框架中,为更具适应性和自我管理的计算系统铺平道路,从而有助于提高自主计算。该代码将在https://aka.ms/acv-llm上提供。
由于嘈杂的中间量子量子(NISQ)时代已经存在,因此量子神经网络(QNN)绝对是对许多经典神经网络无法解决的许多问题的承诺解决方案。此外,量子卷积神经网络(QCNN)现在正在受到很多关注,因为它可以处理与QNN相比的高维输入。但是,由于量子计算的性质,很难扩大QCNN以提取由于贫瘠的高原而提取足够数量的特征。这在具有高维数据输入的分类操作中尤其具有挑战性。但是,由于量子计算的性质,很难扩大QCNN以提取由于贫瘠的高原而提取足够数量的特征。这尤其是具有高维数据输入的分类操作中的挑战。为此,提出了一种新颖的3D可伸缩QCNN(SQCNN-3D),以用于分类应用中的点云数据处理。此外,在SQCNN-3D顶部还考虑了反向保真度训练(RF-Train),用于使用量子计算的保真度有限的Qubits多样化特征。我们的数据密集型性能评估验证了所提出的算法是否达到了所需的性能。
摘要 - 面向以下的无人机网络已被广泛用于结构检查,灾难监测,边境监视等。由于无人机电池容量有限,任务执行策略会影响网络绩效和任务完成。但是,在如此动态的环境中,协作执行是无人机的一个问题问题,因为它也涉及有效的轨迹设计。我们利用多代理增强学习(MARL)来管理这项研究中的挑战,让每个无人机学会根据其当前状态和环境协作执行任务并计划轨迹。仿真结果表明,所提出的协作执行模型至少可以在80%的时间内成功完成任务,无论任务位置和长度如何,甚至在任务密度不太稀疏时甚至可以达到100%的成功率。据我们所知,我们的工作是利用MARL为以任务为导向的无人机网络的协作执行的开拓者研究之一;这项工作的独特价值在于无人机电池水平推动了我们的型号设计。索引术语 - 面向以下的无人机网络,协作执行,多代理增强学习,深Q-network
摘要 - 在Cern,Centro Nazionale di Adroterapia Oncologica(CNAO),Istituto Nazionale nazionale di Fisica fisica Nuce(INFN)和Medaustron之间的合作中,正在研究新一代用于离子疗法应用的超导磁铁。这些新离子治疗设施的最关键方面之一是优化可旋转的龙门,以从所有方向对患者进行治疗。在这种情况下,INFN通过开发超导离子龙门(SIG)项目来参与努力。该程序旨在设计,制造和测试一个超导的NB-TI,单个光圈,Cos-Theta偶极子,孔径为80 mm,曲率明显的曲率为1.65 m。这款磁铁对于设计尖端,重量优化的430 MeV/U碳离子龙门的设计至关重要。该项目的目的是通过绕组和组装30°角扇形的简短演示器,长度约1.3 m来证明这种chal磁铁的可行性,然后,可能是全长45°模型。磁铁将在Infn Laboratorio Acceleratori ESuperConduttivitàplippleta(LASA)组装和测试。在此贡献中,提出了机械结构的初步2D设计。磁铁特征
摘要 — 尽管在游戏人工智能(AI)开发方面取得了重大突破,但麻将作为一种流行的多人不完美信息游戏仍然颇具挑战性。与围棋和德州扑克等游戏相比,麻将具有更多的不可见信息、不固定的游戏顺序和复杂的计分系统,导致强化学习过程中的奖励信号具有很高的随机性和方差。本文通过将奖励方差减少(RVR)引入到一种新的自对弈深度强化学习算法中,提出了一种麻将人工智能。RVR通过相对价值网络处理不可见性,该网络利用全局信息引导模型在具有完美信息的预言机下收敛到最优策略。此外,RVR使用预期奖励网络提高了训练稳定性,以适应复杂、动态和高度随机的奖励环境。大量实验结果表明,RVR 显著降低了麻将 AI 训练中的方差,提高了模型性能。经过在一台拥有 8 个 GPU 的服务器上仅三天的自我对战训练,RVR 在 Botzone 平台上击败了 62.5% 的对手。索引术语 — 不完全信息博弈、多智能体学习、强化学习、麻将 AI
摘要 — 卫星通信提供了在未覆盖和覆盖不足的区域提供服务连续性、服务无处不在和服务可扩展性的前景。然而,要实现这些好处,必须首先解决几个挑战,因为卫星网络的资源管理、网络控制、网络安全、频谱管理和能源使用比地面网络更具挑战性。同时,人工智能 (AI),包括机器学习、深度学习和强化学习,作为一个研究领域一直在稳步发展,并在包括无线通信在内的各种应用中取得了成功的结果。特别是,人工智能在各种卫星通信方面的应用已经显示出巨大的潜力,包括波束跳跃、抗干扰、网络流量预测、信道建模、遥测挖掘、电离层闪烁检测、干扰管理、遥感、行为建模、天空地一体化和能源管理。因此,本文概述了人工智能、其各种子领域及其最新算法。然后讨论了卫星通信系统各个方面面临的若干挑战,并介绍了基于人工智能的拟议和潜在解决方案。最后,对该领域进行了展望,并提出了未来的步骤。
01. 有弹性且健康的基础设施:我们将拥有基础设施和知识,使我们的团队有信心和自主权采取主张行动,推进我们的使命并保持健康。02. 公民社会目标 - 主张声音:我们将以自己的研究、与当地社区的合作以及与同行/合作伙伴的对话为基础,在思考、写作和谈论技术与社会正义交汇处的相关和重要内容时,采取主张、热情和批判的态度。因此,合作伙伴组织将拥有更好的装备和保护,并有更大的权力为社会正义目标做出有关技术和数据的更好决策并为其辩护。03. 公民社会目标 - 凝聚力:我们将支持更多合作伙伴,我们的支持将更好地满足他们的需求。我们将有效和有凝聚力地利用我们的资源,帮助民间社会组织蓬勃发展、增强韧性,并在使用数字技术和在线系统时具有适应性,因为它们在充满挑战的环境中为社会正义而战。 04. 机会发展:我们将有一个年度预算,使我们能够增加储备金,扩大我们的影响力,增加对员工的支持,在工作场所创造快乐,并支付账单。
