Yoshua Bengio Mila -Quebec AI研究所,蒙特罗张教大学AI国际治理研究所,张教大学shai Shaiv-Shalev-Shwartz,耶路撒冷吉利安·吉利安·哈德菲尔德大学多伦多,施瓦茨·雷斯曼学院。技术与社会,矢量研究所。不列颠哥伦比亚省杰夫·克莱恩大学,载体学院Tegan Maharaj大学多伦多大学,Schwartz Reisman Inst。技术与社会,矢量研究所。Frank Hutter Ellis Institute t ubingen,弗里伯格·阿利姆·吉纳斯大学卖出牛津·希拉·希拉·希拉·麦克拉斯大学多伦多,施瓦茨·雷斯曼学院。技术与社会,矢量研究所。Qiqi Gao东部中国政治学与法律大学Ashwin Acharya Rand公司David Krueger剑桥大学ANCA DRAGAN DRAGAN UC BERKELEY UC BERKELEY PHILIP UNIOPYS OXFORD FORDER OXFORD StUART Stuart Russell UC Berkeley Daniel Daniel Daniel Kahneman公立与国际事务学院学院,大学Qiqi Gao东部中国政治学与法律大学Ashwin Acharya Rand公司David Krueger剑桥大学ANCA DRAGAN DRAGAN UC BERKELEY UC BERKELEY PHILIP UNIOPYS OXFORD FORDER OXFORD StUART Stuart Russell UC Berkeley Daniel Daniel Daniel Kahneman公立与国际事务学院学院,大学
量子计算机的发展受到了这样一种想法的刺激,即在解决计算任务时实现比基于传统原理的机器高得多的速度,并且与密码学(Shor,1994)、搜索(Grover,1996)、优化(Farhi 等人,2014)、量子系统模拟(Lloyd,1996)和求解大型线性方程组(Harrow 等人,2009)等问题相关。现有的量子计算设备原型使用各种物理平台来实现量子计算协议,例如超导电路(Arute 等,2019 年;Wu 等,2021 年)、半导体量子点(Xue 等,2022 年;Madzik 等,2022 年;Noiri 等,2022 年)、光学系统(Zhong 等,2020 年;Madsen 等,2022 年)、中性原子(Ebadi 等,2021 年;Scholl 等,2021 年;Henriet 等,2020 年;Graham 等,2022 年)和捕获离子(Zhang 等,2017 年;Blatt and Roos,2012 年;Hempel 等,2018 年)。尽管有几项实验报告称在解决采样问题方面取得了量子优势(Arute 等人,2019 年;Wu 等人,2021 年;Zhong 等人,2020 年),但现有一代量子计算机的计算能力有限。这些限制与以下事实有关:为了解决实际相关的计算问题,必须将设备相对于所用信息载体数量(例如,量子比特,它们是经典比特的量子对应物)的可扩展性与对量子比特的高质量操作相结合
致谢 本报告得到了以下专家的帮助和审阅:Elbia Gannoum 和 Selma Bellini (ABEEólica – 巴西风能协会)、Kaare Sandholt (中国国家可再生能源中心)、秦海燕和于桂永 (中国风能协会)、Lucy Craig、Jeremy Parkes 和 Vineet Parkhe (DNV GL – 能源)、薛寒 (中国能源研究所)、Karin Ohlenforst 和冯赵 (全球风能理事会)、Laura Cozzi 和 Alberto Toril (国际能源署)、Karsten Capion (Klimaraadet – 丹麦气候变化理事会)、Kihwan Kim (韩国能源经济研究所)、K. Balaraman (印度国家风能研究所)、Jeffrey Logan 和 Mai Trieu (国家可再生能源实验室)、袁家海 (华北电力大学)、Aled Moses、Øyvind Vessia 和 Sune Strøm (Ørsted)、Ntombifuthi Ntuli (南非风能能源协会)、Yasushi Ninomiya(日本能源经济研究所)、Rina Bohle Zeller(Vestas Wind Systems A/S)、Ivan Komusanac(WindEurope)和 Stefan Gsänger(世界风能协会)。IRENA 同事提供了宝贵的审查和反馈:Francisco Boshell、Yong Chen、Rafael De Sá Ferreira、Celia García-Baños、Rabia Ferroukhi、Gurbuz Gonul、Carlos Guadarrama、Diala Hawila、Seungwoo Kang、Rodrigo Leme、Paul Komor、Neil MacDonald、Julien Marquant、Thomas Nikolakakis、Bishal Parajuli 和 Michael Taylor。本报告的编辑是 Lisa Mastny。
新加坡的自然17:e2024004出版日期:2024年1月31日doi:10.26107/nis-2024-0004©©国立新加坡大学生物多样性记录:温莎国王在温莎国王的鸟鸟Sebastian S. Y.新加坡花园259569电子邮件:sebastian_ow@nparks.gov.sg( *通讯作者)推荐引用。OW SSY,Kong Eyl&Han HZ(2024)生物多样性记录:温莎自然公园的国王天堂之鸟,17:e2024004。 doi:10.26107/nis-2024-0004主题:天堂之鸟,西辛纳拉鲁斯·雷吉乌斯(Aves:passeriformes:paradisaeidae)。 主题:Hui Zhen Han。 位置,日期和时间:新加坡岛,温莎自然公园,汉纳纳步道; 2023年12月21日,大约1215至1220小时。 栖息地:次生森林。 观察者:塞巴斯蒂安·S·尤尔(Sebastian S. Y. 观察:一个成年男性(图。 1&2)被发现在低叶子之间移动并以巨型芋头的果实为食(大型塔罗(Alocasia Macrorrhizos))(图。 3&4)。 几分钟后,鸟停止进食,移到附近的葡萄藤,开始向上爬上,以夸张的方式向左摇动臀部(图。OW SSY,Kong Eyl&Han HZ(2024)生物多样性记录:温莎自然公园的国王天堂之鸟,17:e2024004。doi:10.26107/nis-2024-0004主题:天堂之鸟,西辛纳拉鲁斯·雷吉乌斯(Aves:passeriformes:paradisaeidae)。主题:Hui Zhen Han。位置,日期和时间:新加坡岛,温莎自然公园,汉纳纳步道; 2023年12月21日,大约1215至1220小时。栖息地:次生森林。观察者:塞巴斯蒂安·S·尤尔(Sebastian S. Y.观察:一个成年男性(图。1&2)被发现在低叶子之间移动并以巨型芋头的果实为食(大型塔罗(Alocasia Macrorrhizos))(图。3&4)。几分钟后,鸟停止进食,移到附近的葡萄藤,开始向上爬上,以夸张的方式向左摇动臀部(图。5&6)。此后,他从观察者的视线中深入森林。
8.) Martínez Vivot, R.、Pallavicini, C.、Zamberlan, F.、Vigo, D. 和 Tagliazucchi, E. (2020)。冥想增加大脑振荡活动的熵。神经科学,431,40–51。https://doi.org/10.1016/j.neuroscience.2020.01.033 9.) memories, C. (2018 年 1 月 28 日)。从科学上讲,冥想对我们的大脑有多大帮助?🧠。Medium。2022 年 2 月 27 日检索自 https://medium.com/@christiandag/scientifically-how-much-meditation-helps-our-brain-459dc021925b 10.) P Harne, B. (2014)。 Higuchi 对吟诵 om 之前和之后的 EEG 信号进行分形维数分析以观察对大脑的整体影响。国际电气和计算机工程杂志 (IJECE),4 (4)。https://doi.org/10.11591/ijece.v4i4.5800 11.) Shaw, L.,& Routray, A. (2016)。SVM 和 K-SVM 在克里亚瑜伽冥想状态相关 EEG 分类中的关键比较。2016 年 IEEE 国际 WIE 电气和计算机工程会议 (WIECON-ECE)。https://doi.org/10.1109/wiecon-ece.2016.8009103 12.) Rodriguez-Larios, J.、Faber, P.、Achermann, P.、Tei, S. 和 Alaerts, K. (2020)。从无思虑的意识到费力的认知:经验丰富的冥想者在冥想、休息和算术过程中的 Alpha - theta 跨频率动态 13.) Xue, S.-W.、Tang, Y.-Y.、Tang, R. 和 Posner, MI (2014)。短期冥想会引起大脑静息 EEG Theta 网络的变化。脑与认知,87,1-6。https://doi.org/10.1016/j.bandc.2014.02.008 14.) Young, JH、Arterberry, ME 和 Martin,JP(2021)。对比脑电图衍生的熵和神经振荡与高技能冥想者。人类神经科学前沿,15。
Xue Liu 1 , Jiajie Pei 1, 2 , Zehua Hu 1 , Weijie Zhao 1 , Sheng Liu 1 , Mohamed-Raouf Amara 1 , Kenji Watanabe 3 , Takashi Taniguchi 4 , Han Zhang 2 , Qihua Xiong 1, 5 * 1 Division of Physics and Applied Physics, School of Physical and Mathematical Sciences, Nanyang Technological大学,新加坡637371,新加坡。2 2, 伊巴拉基305-0044,日本5低维量子物理学的国家主要实验室和北京北京大学的物理系,中国摘要:二维(2D)van der waals异质结构因其出现的电气和光学性质而引起了巨大的研究兴趣。 此类设备中对层间耦合的全面理解和有效的控制对于实现其功能以及提高其性能至关重要。 在这里,我们通过改变由石墨烯,六边形硝化硼和二硫化钨的不同堆叠层改变了2D材料之间的层间电荷转移。 在可见光的兴奋下,尽管被氮化硼隔开了,但二硫化石和钨二硫化物表现出清晰的掺杂水平的调制,即,石墨烯中费米水平的变化是120 MEV,以及WS 2中的净电子积累。2, 伊巴拉基305-0044,日本5低维量子物理学的国家主要实验室和北京北京大学的物理系,中国摘要:二维(2D)van der waals异质结构因其出现的电气和光学性质而引起了巨大的研究兴趣。 此类设备中对层间耦合的全面理解和有效的控制对于实现其功能以及提高其性能至关重要。 在这里,我们通过改变由石墨烯,六边形硝化硼和二硫化钨的不同堆叠层改变了2D材料之间的层间电荷转移。 在可见光的兴奋下,尽管被氮化硼隔开了,但二硫化石和钨二硫化物表现出清晰的掺杂水平的调制,即,石墨烯中费米水平的变化是120 MEV,以及WS 2中的净电子积累。伊巴拉基305-0044,日本5低维量子物理学的国家主要实验室和北京北京大学的物理系,中国摘要:二维(2D)van der waals异质结构因其出现的电气和光学性质而引起了巨大的研究兴趣。 此类设备中对层间耦合的全面理解和有效的控制对于实现其功能以及提高其性能至关重要。 在这里,我们通过改变由石墨烯,六边形硝化硼和二硫化钨的不同堆叠层改变了2D材料之间的层间电荷转移。 在可见光的兴奋下,尽管被氮化硼隔开了,但二硫化石和钨二硫化物表现出清晰的掺杂水平的调制,即,石墨烯中费米水平的变化是120 MEV,以及WS 2中的净电子积累。伊巴拉基305-0044,日本5低维量子物理学的国家主要实验室和北京北京大学的物理系,中国摘要:二维(2D)van der waals异质结构因其出现的电气和光学性质而引起了巨大的研究兴趣。此类设备中对层间耦合的全面理解和有效的控制对于实现其功能以及提高其性能至关重要。在这里,我们通过改变由石墨烯,六边形硝化硼和二硫化钨的不同堆叠层改变了2D材料之间的层间电荷转移。在可见光的兴奋下,尽管被氮化硼隔开了,但二硫化石和钨二硫化物表现出清晰的掺杂水平的调制,即,石墨烯中费米水平的变化是120 MEV,以及WS 2中的净电子积累。通过使用微拉曼和光致发光光谱的组合,我们证明了调制起源于同时操纵电荷和/或在每个两个相邻层之间的能量转移。关键字:2D材料,范德华异质结构,拉曼和光致发光光谱,层间电荷和能量传递,带工程
应迅速接受患者。关于NCCT图像的另一个问题,强度的范围非常宽且稀疏。需要在适合分类器的合适范围内重新销售。在本文中,我们旨在找到合适的窗口设置,用于通过使用Inpection v3在没有CTP的情况下对NCCT图像中缺血性中风的超急性和急性相分类。数据集以轴向切片制备。每个载玻片分类为正常或病变。由于训练样本的限制,将转移学习用于模型的重量初始化。结果表明该模型可以在35时窗口级别表现良好,而窗口宽度为95,90.84%的精度。关键字超急性缺血性中风,急性缺血性中风,非对比度颅骨计算机断层扫描,窗户CT,图像分类1。引言1.1研究中风的背景是全球死亡的第二大原因。在泰国,中风成为死亡或功能障碍的第一个原因。缺血性中风和出血中风是主要原因。缺血性中风是由凝块引起的,该凝块导致大脑的血液供应低(Musuka等人2015)。它分为四个阶段:超急性,急性,亚急性和慢性梗塞(Pressman BD和Tourje EJ 1987)(Nakano s and iseda t 2001)。但是,如果检测到较早的中风,它可能会增加生存和恢复的机会。神经影像受到医生的诊断。在泰国,CT被广泛使用,因为成本比MRI便宜。有许多类型的神经成像,例如磁共振成像(MRI)和计算机断层扫描(CT)。它成为诊断标准并广泛可用(Barber Pa等。2005),(Kidwell CS等人 1999)。 图像内容由称为Hounsfield单元(HU)的定量刻度表示,可以使用窗口过程将其映射到颜色尺度。 有两个参数可以调整以显示不同的组成,窗口级别(WL)和窗口宽度(WW)(Osborne等人。 2016),(Melisa Sia 2020),(Xue等人 2012)尽管CT快速又便宜,但仍有一个限制。 视觉上识别超急性和急性期中风的病变和位置的难度是问题,因为病变看起来与正常组织相似。 以这种方式,一种称为计算机断层灌注(CTP)的技术可间接显示出流向脑实质的流动或状态(Mortimer等人, 2013)使用造影剂。 不幸的是,这项技术的局限性是专家,每家医院都可能无法使用。 因此,对医学图像深度学习的最新研究的大多数研究都旋转了深度学习模型对有助于解释多种疾病诊断的病变进行分类或分割的能力(Clèrigues等 2019),(Cheon等人 2019),(Meier等人 2019),(Mirtskhulava等人 2015),脑肿瘤(Nadeem等人 2020),肺癌(Weng等人 2017),Retina(Christopher等人 2018)。2005),(Kidwell CS等人1999)。 图像内容由称为Hounsfield单元(HU)的定量刻度表示,可以使用窗口过程将其映射到颜色尺度。 有两个参数可以调整以显示不同的组成,窗口级别(WL)和窗口宽度(WW)(Osborne等人。1999)。图像内容由称为Hounsfield单元(HU)的定量刻度表示,可以使用窗口过程将其映射到颜色尺度。有两个参数可以调整以显示不同的组成,窗口级别(WL)和窗口宽度(WW)(Osborne等人。2016),(Melisa Sia 2020),(Xue等人 2012)尽管CT快速又便宜,但仍有一个限制。 视觉上识别超急性和急性期中风的病变和位置的难度是问题,因为病变看起来与正常组织相似。 以这种方式,一种称为计算机断层灌注(CTP)的技术可间接显示出流向脑实质的流动或状态(Mortimer等人, 2013)使用造影剂。 不幸的是,这项技术的局限性是专家,每家医院都可能无法使用。 因此,对医学图像深度学习的最新研究的大多数研究都旋转了深度学习模型对有助于解释多种疾病诊断的病变进行分类或分割的能力(Clèrigues等 2019),(Cheon等人 2019),(Meier等人 2019),(Mirtskhulava等人 2015),脑肿瘤(Nadeem等人 2020),肺癌(Weng等人 2017),Retina(Christopher等人 2018)。2016),(Melisa Sia 2020),(Xue等人2012)尽管CT快速又便宜,但仍有一个限制。视觉上识别超急性和急性期中风的病变和位置的难度是问题,因为病变看起来与正常组织相似。以这种方式,一种称为计算机断层灌注(CTP)的技术可间接显示出流向脑实质的流动或状态(Mortimer等人,2013)使用造影剂。不幸的是,这项技术的局限性是专家,每家医院都可能无法使用。因此,对医学图像深度学习的最新研究的大多数研究都旋转了深度学习模型对有助于解释多种疾病诊断的病变进行分类或分割的能力(Clèrigues等2019),(Cheon等人 2019),(Meier等人 2019),(Mirtskhulava等人 2015),脑肿瘤(Nadeem等人 2020),肺癌(Weng等人 2017),Retina(Christopher等人 2018)。2019),(Cheon等人2019),(Meier等人2019),(Mirtskhulava等人2015),脑肿瘤(Nadeem等人2020),肺癌(Weng等人2017),Retina(Christopher等人 2018)。2017),Retina(Christopher等人2018)。2018)和乳腺癌(Chougrad等人 尽管诊断解释的发展模型是具有挑战性的任务,但非解释性问题(例如增强图像和发展工作流程)也有助于改善患者的结果(Richardson等人。2018)和乳腺癌(Chougrad等人尽管诊断解释的发展模型是具有挑战性的任务,但非解释性问题(例如增强图像和发展工作流程)也有助于改善患者的结果(Richardson等人。2020)也可以在此任务中应用深度学习来实现治疗的最终目标。纸张的其余部分如下组织。CT窗口上的先前工作可以在第1节中找到。第2节阐明了研究的目的。第3节介绍了建议的方法,数据集,CT窗口过程,本工作中应用的分类。在第4节中解释了实验结果的细节,结论是在第5节中。1.2计算机断层扫描中的文献综述(CT)被称为评估梗塞中风的方式。窗口级别(WL)和窗口宽度(WW)的值是具有诊断准确性的重要因素。它可以揭示患者大脑的微妙异常。通常,CT图像上的默认脑窗口设置为40,窗口宽度为80(EE等人。2017),但是这个窗口很难审查梗塞,尤其是在中风的早期。因此,许多作品都在选择适当的窗口级别的合适值,并提出了检测缺血性中风的窗口宽度。
来自联合国人居署的 Abdinassir Sagar 和 Pontus Westerberg;阿尔比·博卡内格拉,万事达卡; Alice T. Liu,I-DAIR; Amal El Fallah Seghrouchni,摩洛哥穆罕默德第六理工大学国际人工智能中心; Archita Misra,牛津大学; Arturo Muente,美洲开发银行;来自世界卫生组织的 Arturs Mietulis 和 Derrick Muneene; Ayisha Piotti,苏黎世联邦理工学院;来自开放知识基金会的 Ben Hur Pinto 和 Carolina Matos; Benjamin Prud’homme,魁北克人工智能研究所 (Mila); Carolina Aguerre,圣安德烈斯大学;来自联合研究中心的 Combetto Marco、Tangi Luca 和 Ulrich Peter; Conrad S. Tucker,卡内基梅隆大学; Eleonor Sarpong,平价互联网联盟; CIONET 的 Elsa Estevaz 和 Frits Busse-maker;非洲人工智能伦理与治理论坛的 Emmanuel Ekulu;Data-Pop Alliance 的 Emmanuel Leouze;联合国开发计划署的 Gayan Peiris、Helin Su Aslan 和 Nicola Holden;赫蒂学校的 Ger-hard Hammerschmid ; LIRNEasia 的 Helani Galpaya;弗吉尼亚大学的 Jess Reia;德里国立法律大学通信治理中心的 Jhalak Kakkar;IntraHealth 的 Jodi Lis;国际人工智能研究中心的 John Shawe Taylor;诺基亚的 Julia Jasinska 和 Robert Seidl;Katie国际发展研究中心的 Clancy 和 Matthew Smith;Diplo 基金会的 Katharina Höne;施瓦茨曼学者项目的薛岚;IDB 实验室的 Marcelo Cabrol;埃塞克斯大学的 Maria Fasli;UAI GobLab 的 María Paz Hermosilla;联合国教科文组织的 Marielza Oliveira、Cedric Wachholz、Joe Hironaka、Davide Storti、Bhanu Neupane、Paul Hector 和 Mirta Lourenco;数字加速中心的 Miriam Stankovich;弗劳恩霍夫 HHI 的 Monique M. Kuglitsch;卡内基国际和平基金会的 Nanjira Sambuli div>
[1] T. Yilmaz 和 OB Akan,“60 GHz 消费类无线通信的最新进展和研究挑战”,IEEE 消费电子学报,第 62 卷,第 3 期,2016 年。[2] RC Daniels 和 RW Heath,“60 GHz 无线通信:新兴要求和设计建议”,IEEE 车辆技术杂志,第 2 卷,第 3 期,第 41-50 页,2007 年。[3] YP Zhang 和 D. Liu,“用于无线通信的高度集成毫米波设备的片上天线和封装天线解决方案”,IEEE 天线与传播学报,第 57 卷,第 3 期,2016 年。 10,第 2830-2841 页,2009 年 10 月。[4] MK Hedayati 等人,“5G 通信系统中片上天线设计以及与纳米级 CMOS 中 RF 接收器前端电路集成的挑战”,IEEE Access,第 7 卷,第 43190-43204 页,2019 年。[5] TH Jang、YH Han、J. Kim 和 CS Park,“具有非对称插入的 60 GHz 宽带低剖面圆极化贴片天线”,IEEE 天线与无线传播快报,第 19 卷,第 1 期,2011 年。 1,第 44-48 页,2020 年 1 月。[6] A. Jaiswal、MP Abegaonkar 和 SK Koul,“60 GHz 高效宽带凹陷接地微带贴片天线”,IEEE 天线与传播学报,第 67 卷,第 1 期,2020 年 1 月。 4,第 2280-2288 页,2019 年 4 月。[7] J. Zhu、Y. Yang、C. Chu、S. Li、S. Liao 和 Q. Xue,“采用低温共烧陶瓷 (LTCC) 技术的 60 GHz 高增益平面孔径天线”,2019 年 IEEE MTT-S 国际无线研讨会 (IWS),中国广州,第 1-3 页,2019 年。[8] MV Pelegrini 等人,“基于金属纳米线膜 (MnM) 的中介层用于毫米波应用”,第 11 届欧洲微波集成电路会议 (EuMIC),伦敦,2016 年,第 532-535 页,2016 年。
龙桂璐就职于清华大学物理系和低维量子物理国家重点实验室,量子信息前沿科学中心,北京 100084,北京量子信息科学研究院,北京 100193。潘东就职于北京量子信息科学研究院,北京 100193,清华大学物理系和低维量子物理国家重点实验室,北京 100084。盛宇波就职于南京邮电大学电子与光学工程学院,南京 210003。薛其坤就职于清华大学低维量子物理国家重点实验室和物理系,量子信息前沿科学中心,北京 100084,北京量子信息科学研究院,北京 100193,南方科技大学,深圳 518055。陆建华就职于清华大学信息科学与技术学院,北京国家信息科学技术研究中心和量子信息前沿科学中心,北京 100084。Lajos Hanzo 就职于南安普顿大学电子与计算机科学学院,南安普顿 SO17 1BJ,英国。作者要感谢周增荣博士和魏世杰博士在量子抗性算法 LAC 中提供的帮助,并感谢与尹刘国教授的有益讨论。本研究部分由国家自然科学基金(批准号 11974205 和 11974189)、国家重点研发计划(批准号 2017YFA0303700)和广东省重点研发计划(批准号 2018B030325002)资助。L. Hanzo 谨感谢工程和物理科学研究委员会项目 EP/P034284/1 和 EP/P003990/1 (COALESCE) 以及欧洲研究委员会高级研究员基金 QuantCom(批准号 789028)的资金支持。