XiaoMi-AI文件搜索系统
World File Search System一般地说
用于在轨服务的具有柔性附件的旋转漂浮空间机器人的鲁棒控制
线性和角航天器动力学。已经针对捕获应用进行了研究，因为潜在的翻滚目标需要经过调整的机械手方法。通过 Giordano 等人 (2018) 提出的工作空间调整策略或 Giordano 等人 (2019) 同时控制全局质心和航天器姿态，已经研究了如何有效使用推进器来补偿机械手运动。同样，当仅控制机械手时，Pisculli 等人 (2015) 开发了反应零空间控制，以减少机械手和航天器底座之间的相互作用。还可以注意到没有考虑底座执行器的情况。更一般地说，轨迹规划被认为可以减少机械手运动和/或外部干扰对底座的影响，至少对于无奇点轨迹而言。Rybus 等人采用了非线性模型预测控制。 (2017) 确保机械手实现优化轨迹，最大限度地减少机械手对卫星的干扰，同样在捕获接近阶段，Lu 和 Yang (2020) 研究了笛卡尔轨迹规划，以最大限度地减少姿态干扰，Seddaoui 和 Saaj (2019) 提出了一种用于燃料消耗优化的无碰撞路径和无奇点路径的通用轨迹规划，同时采用 H ∞ 控制和前馈补偿处理内部和外部扰动。
有效校正由共同涨落子引起的失相量子误差
量子纠错有望成为大规模量子技术中必不可少的一项技术。然而，它需要大量的量子比特开销，这被认为极大地限制了它在近期较小设备中的实用性。在这里，我们介绍了一种新型专用量子纠错码系列，与通常的重复码相比，它们可以成倍地减少开销。它们是针对当前实验中常见且重要的退相干源量身定制的，其中量子比特寄存器通过耦合到公共涨落器（例如谐振器或自旋缺陷）而受到相位噪声的影响。最小实例将一个逻辑量子比特编码为两个物理量子比特，并使用恒定数量的一量子比特和两量子比特操作将退相干校正为领先阶。更一般地说，虽然 n 个量子比特上的重复码将错误校正为 t O ð n Þ 阶，其中 t 是恢复之间的时间，但我们的代码校正为 t O ð 2 n Þ 阶。此外，它们对于小型和中型设备中的模型缺陷具有很强的鲁棒性，它们已经在错误抑制方面提供了显著的增益。因此，这些硬件高效的代码为近期、预容错设备中的有用量子纠错开辟了一条潜在途径。
重新评估不确定因果顺序对量子计量的优势
量子开关是因果顺序不确定过程的典型例子，据称在量子计量领域的某些特定任务中，它比因果顺序确定的过程具有多种优势。在本文中，我们认为，如果进行更公平的比较，其中一些优势实际上并不成立。为此，我们考虑了一个框架，该框架允许对不同类别的因果顺序不确定过程的性能（由量子 Fisher 信息量化）与因果策略在给定计量任务上的性能进行适当的比较。更一般地说，通过考虑最近提出的具有经典或量子控制因果顺序的电路类别，我们得出了不同的例子，其中因果顺序不确定的过程比因果顺序确定的过程具有（或不具有）优势，从而限定了因果顺序不确定在量子计量方面的兴趣。事实证明，对于一系列示例，已知在物理上可实现的具有因果序量子控制的量子电路类被证明比因果序量子电路以及因果叠加量子电路类具有严格的优势。因此，对此类的考虑提供了新证据，表明在量子计量学中，不确定的因果序策略可以严格胜过确定的因果序策略。
量子线性化攻击
摘要。最近的研究表明，量子周期查找可用于破解叠加查询模型中的许多流行构造（一些分组密码，如 Even-Mansour、多个 MAC 和 AE……）。到目前为止，所有被破解的构造都表现出强大的代数结构，这使得能够构造单个输入块的周期函数。恢复秘密周期可以恢复密钥，区分并破坏这些模式的机密性或真实性。在本文中，我们介绍了量子线性化攻击，这是一种使用 Simon 算法针对叠加查询模型中的 MAC 的新方法。具体来说，我们使用多个块的输入作为隐藏线性结构的函数的接口。恢复此结构可以执行伪造。我们还介绍了这种攻击的一些变体，这些变体使用其他量子算法，这些算法在量子对称密码分析中不太常见：Deutsch、Bernstein-Vazirani 和 Shor 的算法。据我们所知，这是这些算法首次用于量子伪造或密钥恢复攻击。我们的攻击破解了许多可并行化的 MAC，例如 LightMac、PMAC 以及具有（经典）超龄安全性（LightMAC+、PMAC+）或使用可调整分组密码（ZMAC）的众多变体。更一般地说，这表明构建可并行化的量子安全 PRF 可能是一项具有挑战性的任务。
能源系统生产结构的演变是否由物理原理驱动？
本文旨在确定构造原理在（能源）生产系统热经济学领域的结果。该原理最近被表述为最大熵生产原理的扩展，并在文献中用于解释所有类型的流动系统的形状和结构。首先，热经济环境的概念与环境资源的消耗和残余排放一致，这本身就是每种生产系统的特征。这种方法可以推断出任何能源系统的演变都与热经济环境中资源的开发密切相关。此外，广泛接受的假设是必须通过最小化产品的特定资源（能量）成本来优化能源系统，这必须被视为物理原理的结果，该物理原理告诉我们哪些能源系统可以持续存在（生存），哪些其他系统将被选择灭绝。本文展示了如何通过创建循环来降低产品的单位能量成本，使由生产过程及其供应链组成的宏观系统更加可持续地运行，符合构造原理。最后，热经济环境的定义（至少在原则上）允许正确识别直接在环境中处理残留物和副产品的资源（能量）成本，而无需任何额外操作。因此，残留物和副产品通常必须通过不同的（新）生产过程转化为某种产品，支持循环经济的范式，并强调循环不仅对系统效率而且对系统生存都很重要。更一般地说，所获得的结果可以看作是自然和人工（能源）生产系统中可以观察到的越来越复杂和高度循环的进化趋势的物理依据。
物理学中的实验悖论
任何有效实验的核心要求是它能够被其他实验者理解和重现。这一要求在 Ajdukiewicz (1949, 1978) 意义上的主体间性假设中得到了方便的形式化。一个实验包含两组数据：输入 d in 和输出 d out，以及关于如何进行实验的明确指令。数据和指令都应该是主体间可传达的。在实践中，理想情况下当然永远不可能重现实验。然而，主体间性假设保证了这样做没有先验的限制。换句话说，我们的经验知识仅受限于可用资源的数量，如时间、能量或记忆。任何一组实验数据最终都必须表示为一些主体间符号的有限组合。因此，在不失一般性的情况下，我们可以假设 d in 和 d out 是有限的比特集，因为任何更复杂的数据集通用描述最终都可以用二进制形式重写。每个实验都与一些事件和一个物理系统 F 相关。相关事件包括与实验装置的准备相关的事件（输入 d in ）和与仪器响应相对应的事件（输出 d out ）。我们观察到，输入和输出之间的区别需要一些时间概念。事实上，输入总是先于输出，更一般地说，实验指导总是具有内置的时间顺序。同样，为了构思两个或多个独立实验，需要一些空间概念。然而，这些是，
人工智能对规则的影响......
人工智能（AI），尤其是机器学习，承诺为立法者提供更具体的信息和更少的错误。算法立法和审判将利用从大量数据中构建的模型，这些模型允许创建和应用精细调整的规则。因此，人工智能被视为将带来从标准到规则的转变。本文借鉴当代数据科学，表明当过去与未来不同时，机器学习就不那么令人印象深刻了，就像随着时间的推移出现新的变量一样。在缺乏规律性的情况下，机器学习失去了优势，因此，较宽松的标准可能会优于规则。我们将这一见解应用于保释和量刑决定，以及熟悉的公司和合同法规则。更一般地说，我们表明，人机结合可能优于单独行动的人工智能。正如今天的法官推翻错误和过时的先例一样，明天的立法者将在存在测量挑战的法律领域明智地推翻人工智能。当测量简单明了且预测准确时，规则将占上风。当经验限制（例如过度拟合、辛普森悖论和遗漏变量）使测量变得困难时，人工智能就不应该受到信任，法律应该让位于标准。我们向读者介绍了逆转悖论现象，并建议在法律领域，由于海量数据集很少，不应期望人工智能超越人类。但更普遍地说，在可能存在经验限制（包括过度拟合和遗漏变量）的地方，人工智能应该被低估。
规划公平的气候迁移
研究人员预测，到 2050 年，气候变化将迫使 2500 万至 10 亿人离开家园（Brown 2008；Carey 2020；Kulp 和 Strauss 2019；Stocker 和 Kennedy 2009）。在这些移民中，数百万人将因洪水、干旱、高温和火灾等直接气候影响而离开。作为应对措施，由于强度和频率不断增加的事件导致人员伤亡和财产损失不断增加，政策制定者、联邦机构和地方政府越来越多地颁布财产买断计划。美国决策者设计这些计划是为了主动将居民从高气候风险地区迁出，无论是通过自愿参与，还是较少见的强制参与。学者、决策者和从业者使用各种各样的术语来描述搬迁居民的过程，有时还协助确保新家（Bukvic 等人 2019）。有序或有计划的撤离是指有意远离危险区域，包括拆除建筑物或放弃土地（Hino、Field 和 Mach 2017；Yarina、Mazereeuw 和 Ovalles 2019）。然而，一些居民认为这个词令人疏远，因为它与自上而下的权力动态和绝望感有关（Climigration Network 2021）。搬迁或重新安置是指整个社区一起搬到一个新的、更安全的地方，或者——更一般地说——类似于有序撤离的活动（Nelson 和 Ehrenfeucht 2016；Yarina、Mazereeuw 和 Ovalles 2019）。买断是政府用来购买房屋和土地以使其不再用于私人用途的过程（Freudenberg 等人 2016）。
人体心脏心室内几何形状、流体动力学和结构之间的相互作用
输送液体流动的自然结构表现出流动介导力和长期适应之间的相互作用。这种现象与心血管系统有关，其中心腔的几何重塑是导致心力衰竭的病理进展的主要机制。这里分析了心脏中只有一个右心室 (SRV) 的儿童的心脏适应性。在这些患者中，左心室 (LV) 发育不良，健康的右心室 (RV) 在出生后早期通过手术重新连接，以承担系统心室的功能作用。这种情况代表了一种研究心脏适应性的特殊模型，本研究利用了不常见的数据集（64 个正常 RV、64 个正常 LV、64 个具有临床正常功能的 SRV）。从流体动力学和组织变形的角度分析心室功能性能，目的是验证 SRV 配置从原始 RV 适应到向 LV 功能发展的程度。结果表明，由于工作压力较高，SRV 的体积立即增大，几何形状也更宽。然而，流体动力学湍流较弱，推进力减小。周围组织出现肌肉增厚，肌纤维多向取向，模仿 LV。然而，流动性能降低和结构一致性较低使 SRV 面临更高的进行性功能障碍适应风险。这项研究表明了心脏流量和组织反应之间的相互作用如何代表导致心力衰竭发展的宏观驱动因素。更一般地说，联合评估流体动力学和结构功能特性可能是探索不同时间尺度上的适应过程的必要条件。
reg-nf-114-tubes-pe-en.pdf - LNE
NF 标志成立于 1938 年，是一种集体认证标志，用于证明产品符合与其相关的国家、欧洲和国际标准文件，并可在认证参考标准定义的条件下补充其他规范。该标志由 AFNOR 认证及其组成 NF 网络的合作伙伴网络授予。NF 标志是一种自愿性产品认证标志，符合法国消费者法典的要求，特别是通过将利益相关者与认证参考标准的验证联系起来，通过定义认证产品的标记规则以及对主要认证特征进行清晰透明的沟通。使用 NF 标志的权利是基于符合一项（或多项）标准，更一般地说，符合整个认证参考标准，适用于来自申请人的产品和指定的设计和/或制造和/或营销流程。授予使用标志的权利在任何情况下都不能取代 LNE 对持有 NF 标志使用权的公司法定职责的责任。NF 标志控制着涵盖人员和货物安全、产品适用性和耐用性的特性，以及使产品在市场上脱颖而出的任何其他特性。本认证中适用的文件是： - NF 标志的一般规则，其中规定了标志的一般组织和使用条件， - 这些认证规则，在第 2 部分中定义了应遵守的技术特性。根据 NF 标志的一般规则，AFNOR 认证将标志 NF 114 的管理委托给授权认证机构 LNE。LNE 对委托给它的运营向 AFNOR 认证负责，这些运营在与 AFNOR 认证签订的合同中有所规定。提醒：请注意，无论申请何种认证，所有产品或服务均须符合与伪造、合规和安全要求等相关的法规。