XiaoMi-AI文件搜索系统
World File Search System一般地说
适用于红外和太赫兹应用的超透明金属电介质
这些行为并非直接源自其组成材料，而是源自其亚波长结构[1,2]，以及最近的主动控制[3]。在光学领域，超材料在电磁学和光子学中提供了突破性的应用[4-6]，例如以亚波长分辨率聚焦和成像[7]和负折射[8]，因此在过去的几十年里引起了人们的极大兴趣。这些亚波长结构能够直接调整光的性质，包括振幅、相位和偏振。由于其支持表面等离子体极化子的能力[9]，银和金等贵金属一直是可见光超材料构造块的传统材料选择，而等离子体太赫兹 (THz) 纳米天线通常基于重掺杂的半导体。 [10] 然而，这些超材料通常依赖于其组成块的谐振行为，并且在光频率下存在高电阻损耗，这限制了此类超材料和相关设备的功能在尖锐的频带范围内。更一般地说，基于谐振行为的超材料仅在
基于机器学习的复合材料中观本构模型多尺度校准：应用于脑白质
摘要 提出了一种用于改进复合材料本构建模的模块化流程。该方法可用于开发特定受试者的空间变化脑白质力学性能。对于此应用，从扩散磁共振成像 (dMRI) 扫描中提取白质微观结构信息，并用于生成数百个具有随机分布纤维特性的代表性体积元素 (RVE)。通过对这些 RVE 自动运行有限元分析，可以生成与多个 RVE 特定载荷情况相对应的应力-应变曲线。然后针对每个 RVE 校准一个使 RVE 行为均质化的中观本构模型，从而针对每组 RVE 微观结构特征生成一个校准参数库。最后，实现一个机器学习层，直接从任何新的微观结构预测本构模型参数。结果表明，该方法可以高精度地预测校准后的中观材料性能。更一般地说，当提供实验测量的特定位置的纤维几何特性时，整体框架可以有效模拟复合材料的空间变化机械行为。
AlphaPortfolio：通过深度强化学习和可解释的人工智能直接构建∗
摘要 我们通过深度强化学习直接优化投资组合管理的目标——这是传统监督学习范式的替代方案，传统监督学习范式通常需要对回报分布或风险溢价进行第一步估计。基于最近的人工智能突破，我们开发了多序列神经网络模型，这些模型针对金融数据的显着特征（例如非线性和高维性），同时允许无标签训练以及与市场环境和状态变量的交互。我们的 AlphaPortfolio 产生了出色的样本外表现（例如，夏普比率高于 2，风险调整后的 alpha 值超过 13%，每月重新平衡），并且在各种市场条件经济限制（例如，排除小型股票和卖空）下都具有稳健性。此外，我们将 AlphaPortfolio 投影到更简单的建模空间（例如，使用多项式特征敏感度）以揭示投资业绩的关键驱动因素，包括其旋转和非线性。更一般地说，我们强调深度强化学习在金融和“经济提炼”在模型解释中的实用性。
简单连接正则路径查询的包含
查询知识库是知识表示中最重要和最基本的任务之一。尽管查询知识库的大部分工作都集中在连接查询上，但通常需要使用一种简单的递归形式，例如常规路径查询 (RPQ) 提供的递归形式，它要求由给定的常规语言定义的路径。连接 RPQ (CRPQ) 可以理解为具有这种递归形式的连接查询的泛化。CRPQ 是 SPARQL 的一部分，SPARQL 是用于查询 RDF 数据的 W3C 标准，包括众所周知的知识库，如 DBpedia 和 Wikidata。特别是，RPQ 在查询 Wikidata 方面非常流行。根据最近的研究 (Malyshev 等人，2018 年；Bonifati 等人，2019 年)，它们用于超过 24% 的查询（以及超过 38% 的独特查询）。更一般地说，CRPQ 是查询图形结构数据库的基本构建块 (Barcel´o，2013 年)。随着知识库变得越来越大，对查询的推理（例如用于优化）变得越来越重要。最基本的推理任务之一是查询
巴黎萨克雷大学博士课程
ii) 自然语言处理 (NLP)：为了实现对所有语言和模态的准确语言理解，NLP 的研究需要在几个方向上取得进展。覆盖更多语言和模态取决于带注释的文本和口语数据资源的可用性。必须利用领域自适应，更一般地说，弱监督、多任务、多语言和迁移学习来推广到更多领域或类型。多模态语言处理是另一种提高鲁棒性的方法，它将输入信号与多媒体文档中的互补线索相结合。对话语、对话、文本和文档的更深入分析需要解决越来越复杂的语言现象，并将未指定的语义表示与大规模符号知识库或现实世界中的物理动作和感知联系起来。尤其是，对话代理需要分析问答和辩论中的长距离上下文，并处理社交非语言信号。此类系统还必须被赋予价值观和道德规范。这项研究在 LIMSI 尤为活跃。
运用系统思维来分析和学习事件
本期特刊论文所依据的研讨会计划书思考了为什么事件分析和从经验中学习并没有像预期的那样成功。最近，我们在减少大多数行业的事故方面似乎没有取得很大进展。重大事故不断发生，这些事故似乎可以预防，而且有类似的系统性原因。我们常常没有从过去吸取教训，也没有对事故做出充分的改变。计划书提出了三种可能的解释：（1）我们的分析方法没有发现事件的根本原因，或（2）从经验中学习没有发挥应有的作用，或（3）学习发生在错误的地方。更一般地说，为什么我们用来从事件中学习的方法在当今世界不起作用，其中大多数方法可以追溯到几十年前，并随着时间的推移不断改进？也许答案在于重新审视安全工程背后的假设和范式，其中大多数可以追溯到几十年前，以找出与当今世界存在的任何潜在脱节。虽然抽象和简化在处理复杂系统和问题时很有用，但那些与现实背道而驰的东西可能会阻碍我们取得进步。事故分析中有太多的信念——从
应用系统思维分析事件并从中学习
本期特刊论文所依据的研讨会计划书思考了为什么事件分析和从经验中学习没有像预期的那样成功。我们最近似乎在减少大多数行业的事故方面没有取得太大进展。重大事故不断发生，这些事故似乎可以预防，并且具有相似的系统性原因。我们常常无法从过去吸取教训，对事故做出的改变也不够充分。计划书提出了三种可能的解释：（1）我们的分析方法没有发现事件的根本原因，或（2）从经验中学习没有发挥应有的作用，或（3）学习发生在错误的地方。更一般地说，为什么我们用来从事件中学习的方法在当今世界不起作用，其中大多数方法可以追溯到几十年前，并且随着时间的推移而逐渐改进？答案或许在于重新审视安全工程背后的假设和范式，其中大部分可以追溯到几十年前，以确定与当今世界存在的任何潜在脱节。虽然抽象和简化在处理复杂的系统和问题时很有用，但那些与现实背道而驰的抽象和简化可能会阻碍我们前进。事故分析中有太多信念——从
研讨会日程
我们展示了如何通过几何局部量子操作和高效的经典计算来实现涉及任意量子比特对之间门的通用量子电路。我们证明，对我们推导方案的不完美实现进行建模的电路级局部随机噪声等效于原始电路中的局部随机噪声。我们的构造导致量子电路深度增加常数倍，量子比特数增加多项式开销：为了在 𝑛 量子比特上执行任意量子电路，我们给出了一个涉及 𝑂(𝑛 3 2 ⁄ log 3 𝑛) 量子比特的 3D 量子容错架构，以及一个使用 𝑂(𝑛 2 log 3 𝑛) 量子比特的准二维架构。应用于最近的容错构造，这为具有局部操作、多项式量子比特开销和准多对数深度开销的通用量子计算提供了容错阈值定理。更一般地说，我们的变换省去了在设计容错量子信息处理方案时考虑操作局部性的需要。https://arxiv.org/abs/2402.13863
![arXiv:2208.05533v1 [physics.optics] 2022 年 8 月 10 日](/simg/9\942b8ffd73f6ffebaa80cb0785497872af2a5f71.webp)
arXiv:2208.05533v1 [physics.optics] 2022 年 8 月 10 日
光反射在许多现代技术中起着至关重要的作用。本文给出了由单一材料制成的通用平面结构在任何方向和任何偏振下的最大反射功率的解析表达式，该结构由复杂的标量磁化率表示。最大化反射的最佳光物质相互作用问题被表述为感应电流优化问题的解，受能量守恒和被动性约束，通过使用拉格朗日对偶，该问题允许全局上限。导出的上限适用于广泛的平面结构，包括超表面、光栅、均质膜、光子晶体板，更一般地说，适用于任何非均匀平面结构，无论其几何细节如何。这些界限还设定了给定有损材料的最小可能厚度的限制，以实现所需的反射率。此外，我们的结果允许发现与现有设计相比，反射结构效率可以大幅提高的参数区域。给出了这些发现对设计由真实的、不完美（即有损）材料制成的优质紧凑反射元件的影响的例子，例如超薄高效的光栅、偏振转换器和用于太阳/激光帆的轻型镜子。
货币经济中的资产回报异常*
在一篇富有洞察力和启发性的文章中，希克斯 [37] 呼吁将价值理论与货币理论结合起来。希克斯所说的价值理论指的是两种商品的相对价值取决于它们的相对边际效用这一格言。但对希克斯来说，边际效用分析只不过是一种一般的选择理论。因此，希克斯发现，选择理论可以解释的核心货币观察结果是，人们倾向于持有无用货币，而不是持有有利息的证券或资本货物。因此，本文的目的是为这种收益率主导地位提供一种解释，更一般地说，将价值理论与货币理论结合起来。或者说，本文的动机是提出以下显而易见的问题：我们如何将货币纳入一般均衡模型，以解释这种资产回报异常现象，以及这对资产定价公式有何更普遍的影响。在这一努力中，我们面临着许多作者的抱怨，如布伦纳和梅尔策[10]、卡斯和谢尔[131]、克劳尔[16]、哈恩[27]和华莱士[71]，他们认为，标准的、一般的