XiaoMi-AI文件搜索系统
World File Search System两点
坡印廷矢量与电气工程中使用的功率流的比较
本文将分析坡印廷矢量的能量通量与电气工程中的功率流之间的比较，其中功率由电压和电流定义。坡印廷能量通量矢量有其他替代方法，它们更符合电路理论方法，即能量流在电流导体中，而不是在其周围的绝缘层中。一种这样的基本公式仅由总电流密度和电压电位组成，但它需要另一种能量传输定理。斯莱皮安提出的另一种公式仍然符合坡印廷能量传输定理，但它需要增加交变磁矢量电位的功率。坡印廷矢量的替代方法可能更好地说明了电气工程中的能量流，但在它们的普遍性方面可以考虑两点。首先，由于它们由电位表示，因此它们是规范不变的，并且取决于电位的定义。其次，坡印廷矢量用于公式化电磁动量，而任何其他替代能量流矢量都不会。这两个注释在电气工程中并不重要，而这些替代方案可以作为描述功率流的良好替代方案。本文的主要目的是弥合能量通量的物理理论与电力工程方法之间的差异。这可以简化能量通量和坡印廷矢量在工程问题中的使用。
符号回归程序 AI-Feynman 在心理学中的应用
从自然科学到社会科学，发现数据中隐藏的规律是许多领域的核心挑战。然而，这项任务在历史上依赖于人类的直觉和经验，在许多领域，包括心理学。因此，使用人工智能 (AI) 发现规律有两个显著的优势。首先，它可以发现人类无法发现的规律。其次，它将有助于构建更准确的理论。一种名为 AI-Feynman 的人工智能在一个非常不同的领域发布，表现令人印象深刻。虽然 AI-Feynman 最初是为发现物理学规律而设计的，但它在心理学中也能很好地发挥作用。本研究旨在通过测试 AI-Feynman 是否可以发现双曲折现模型作为折现函数，来检验它是否可以成为跨期选择实验的一种新的数据分析方法。为了实现这些目标，进行了一项跨期选择实验，并将数据输入 AI-Feynman。结果，AI-Feynman 提出了七个折现函数候选。其中一个候选模型是双曲折现模型，目前认为该模型最为准确。三种均方根误差函数均优于双曲折现模型。此外，三种候选模型中有一种比标准双曲折现函数更“双曲”。这些结果表明了两点。一是 AI-Feynman 可以成为跨期选择实验的一种新数据分析方法。二是 AI-Feynman 可以发现人类无法发现的折现函数。
AI 使用卡：负责任地报告 AI 生成的内容
鉴于 ChatGPT 等人工智能系统可以生成与人类作品难以区分的内容，负责任地使用这项技术日益受到关注。尽管了解使用人工智能系统的好处和危害需要更多时间，但它们在实践中被迅速且不加区分地采用却是现实。目前，我们缺乏一个通用的框架和语言来定义和报告负责任地使用人工智能生成内容。先前的工作提出了在特定场景（例如机器人或医学）中使用人工智能的指导方针，但这些指导方针无法转移到开展和报告科学研究中。我们的工作有两点贡献：首先，我们提出了一个由透明度、完整性和问责制组成的三维模型来定义负责任地使用人工智能。其次，我们引入了“人工智能使用卡”，这是一种报告人工智能在科学研究中使用的标准化方法。我们的模型和卡片允许用户反思负责任地使用人工智能的关键原则。它们还帮助研究界追踪、比较和质疑各种形式的人工智能使用，并支持制定公认的社区规范。拟议的框架和报告系统旨在促进在科学研究中合乎道德和负责任地使用人工智能，并为报告不同研究领域的人工智能使用情况提供标准化方法。我们还提供免费服务，通过问卷轻松生成用于科学工作的人工智能使用卡，并以各种机器可读的格式导出，以纳入 https://ai-cards.org 上的不同工作产品中。
基于多粒子量子行走的误差修正...
对粒子进行离散时间量子游动演化时，由于系统噪声的影响，游动态容易出现误差。该研究提出了一种基于双格子Bose-Hubbard模型的多粒子量子游动误差修正算法。首先，根据局域欧氏生成元构造两点Bose-Hubbard模型，并证明模型中的两元素可以任意替换。其次，利用Bethe假设方法得到了模型中粒子的跃迁强度与纠缠度的关系。第三，对量子格子的位置进行编码，构造量子态交换门。最后，通过将游动器切换到量子纠缠码的格点上，进行格点上的量子游动状态替换，再次进行替换。对双格子Bose-Hubbard模型中的量子粒子的纠缠进行了数值模拟。当粒子间相互作用与粒子跃迁强度的比值接近于0时，利用该算法可以实现模型中量子粒子的纠缠操作。根据Bose-Hubbard模型的性质，粒子纠缠后可以实现量子行走纠错。本研究引入流行的restnet网络作为训练模型，使纠错电路的解码速度提升约33%。更重要的是，卷积神经网络（CNN）解码器的下限阈值由传统最小权重完美匹配（MWPM）下的0.0058提升到0.0085，实现了高容错率的量子行走稳定行进。
theranoticic生物标志物和PARP抑制剂在非BRCA相关的同源重组缺陷肿瘤的患者中的有效性：仍然通过肮脏的玻璃窗看？
提出了一种新的数值连续性一域方法（ODA）求解器，以模拟自由流体和多孔培养基之间的转移过程。求解器是在介观尺度框架中开发的，其中假定多孔介质的物理参数（例如孔隙率和渗透率）的连续变化。在不可压缩的流体的假设下，Navier -Stokes -Brinkman方程与连续性方程一起解决。假定多孔培养基已完全饱和，并且可能是各向异性的。该域被非结构化的网格离散，允许局部改进。应用了一个分数时间步骤过程，其中一个预测变量和两个校正步骤在每次迭代中求解。预测变量步骤在时空过程的框架内解决，具有一些重要的数值优势。两个校正器步骤需要大型线性系统的解决方案，该系统的矩阵稀疏，对称和正确定，在Delaunay -meshes上具有 -Matrix属性。使用预处理的共轭梯度方法获得快速有效的解决方案。两个校正器步骤所采用的离散化可以被视为两点 - 频率 - 及时（TPFA）方案，该方案与标准TPFA方案不同，该方案不需要网格网格的网状网格是𝐊-the-the-the-ottropropropy Tensor。如提供的测试用例所示，所提出的方案正确保留了多孔培养基中的各向异性效应。此外，它克服了文献中提出的现有介质量表的一域方法的限制。
测量航空母舰弯曲以支持自主...
美国国防部正在开发的联合精确进近和着陆系统 (JPALS) 旨在使用与其他传感器增强的 GPS 为着陆在陆地和航空母舰上的军用飞机提供准确可靠的引导信息。对于陆基作业，将使用局部差分全球定位系统 (LDGPS) 技术，而对于航空母舰着陆，将采用舰载相对 GPS (SRGPS) 技术。在这两种情况下，最终系统的可靠性和完整性都至关重要。对于 LDGPS 的情况，情况类似于为民航实施的局部区域增强系统 (LAAS) [1]，固定参考站生成差分 GPS 数据以发送给进场飞机。虽然 SRGPS 在概念上与 LDGPS 相似，但主要的实际区别在于参考接收器一直在运动，因为它们现在直接安装在航空母舰上。遗憾的是，由于操作限制，参考 GPS 天线无法安装在飞行甲板上飞机的预期着陆点 (TDP)。相反，它们通常安装在船舶的桁臂上。但是，由于进港飞机需要了解其相对于 TDP 的位置，因此需要将 GPS 测量结果几何平移到该点。此外，这种平移必须考虑所有船舶运动，最明显的是船舶的姿态变化。但是，在当前情况下，后一种假设可能没有完全合理。最终，实际上，GPS 参考站数据从桁臂到 TDP 的转换是使用两点之间假定的已知基线向量（例如从调查中获得）、船舶姿态知识以及船舶为刚体的假设来完成的。特别是在转弯或在波涛汹涌的大海中等高动态情况下，船舶可能会变形，本文称为船舶弯曲。
都灵理工学院机构库
过去几年中，量子信息论的最新发展强烈推动了复杂量子现象的表征。在这样的框架中，一个关键概念就是纠缠。纠缠除了被认为是量子计算和通信任务的基本资源 [1] 之外，还被用来更好地表征不同多体量子系统在相关哈密顿量的某些特征参数发生变化时的临界行为；后一种现象被称为量子相变 (QPT) [2]。事实上，人们还没有完全深入理解 QPT 的普遍性质。在这种情况下使用纠缠的特殊之处在于，作为量子关联的单一直接测度，它应该允许对 QPT 进行统一处理；至少，每当发生的 QPT 归因于系统的量子性质时，这总是在 T 0 时，因为不存在热涨落。 [3] 中首次描述了自旋 1=2 链中单自旋或双自旋纠缠与 QPT 之间的关系，其中注意到并发度的导数在 QPT 的对应性上表现出发散，并具有适当的标度指数。随后在 [4] 中研究了 L 自旋块的纠缠及其在表现出临界行为的自旋模型中的标度行为。最近在 [5] 中解决了通过纠缠来表征费米子系统基态相图的问题，其中展示了如何通过研究单点纠缠来重现已知（数值）相图的相关特征。虽然这是一个有希望的起点，但仍需澄清哪些量子关联导致了 QPT 的发生：是两点还是共享点（多部分），是短程还是长程。事实上，要回答上述问题，需要对任何两个子系统之间的纠缠进行详尽的研究。如果子系统只有 2 个自由度，则共生性可以正确量化量子关联 [6]。一个概括
群体药代动力学和
多粘菌素 B 是治疗多重耐药革兰氏阴性细菌感染的最后一种治疗选择。本研究旨在开发一种群体药代动力学模型和有限抽样策略，即使用有限数量的样本来估计浓度曲线下面积 (AUC) 的方法，以协助中国患者对多粘菌素 B 的治疗药物监测。使用 Phoenix ® NLME 对 46 名成年患者在稳定状态下获得的数据进行群体药代动力学分析。研究了各种人口统计学变量作为群体药代动力学建模的潜在协变量。使用组内相关系数和 Bland-Altman 分析验证了基于贝叶斯方法和多元线性回归的有限抽样策略。结果，数据用二室群体药代动力学模型描述。通过建模发现，肌酐清除率是影响多粘菌素 B 清除率的具有统计学意义的协变量。有限取样策略显示，两点模型（C 0h 和 C 2h ）可以预测多粘菌素 B 暴露量，具有良好的线性相关性（r 2 > 0.98），四点模型（C 1h 、C1 .5h 、C 4h 和 C 8h ）在预测多粘菌素 B AUC 方面表现最佳（r 2 > 0.99）。总之，本研究成功建立了可用于临床实践的群体药代动力学模型和有限取样策略，以协助中国患者多粘菌素 B 治疗药物监测。
人工智能与健康隐私之间的互动问题
人工智能与健康隐私之间的有问题的相互作用 W. Nicholson Price II * 人工智能（“AI”）与健康隐私的相互作用是双向的。两个方向都存在问题。本文提出了两点。首先，人工智能的出现削弱了对健康隐私的法律保护，因为它使去识别化的可靠性降低，并从不受保护的数据来源推断健康信息。其次，保护健康隐私的法律规则仍然对卫生系统中使用的人工智能的发展产生不利影响，因为它引入了多种偏见来源：一小部分实体收集和共享数据、遵守隐私规则的数据收集过程以及使用非健康数据推断健康信息。结果是一种不幸的反协同作用：隐私保护薄弱且虚幻，但旨在保护隐私的规则却阻碍了其他具有社会价值的目标。这种状况导致了医疗人工智能的偏见，使商业研究优先于学术研究，并且不适合改善医疗保健或保护患者的隐私。持续存在的功能障碍要求患者和医疗系统之间就患者数据的使用达成新的协议。一、人工智能对医疗隐私的影响首先考虑人工智能对医疗隐私的影响。人工智能的出现——以及它用来训练和运行的大数据——至少在两个方面削弱了用于保护医疗数据隐私的机制。首先，人工智能使拥有大数据和足够计算能力的参与者能够绕过去身份识别，这是保护患者健康数据的关键一线保护。其次，通过从与健康无明显关联的大量数据中对健康信息进行准确而复杂的推断，人工智能降低了试图保护（甚至识别什么算作）“健康数据”的效率。
培训印尼国家警察飞行员以提高……
摘要。目前，警察飞行员的培训没有定期和持续进行，导致飞行员缺乏知识，从而影响能力、专业素养和飞行安全。本研究旨在了解印度尼西亚国家警察飞行员当前培训的状况，了解提高能力、专业素养和航空安全所需的障碍和创新形式。这是一项采用案例研究方法的定性研究。本研究的主要信息提供者是印度尼西亚国家警察指挥官、飞行教练、现役飞行员、学生飞行员、印度尼西亚航空学院院长、巴纽旺宜和印度尼西亚鹰航培训中心负责人。这项研究是在印度尼西亚国家警察局安全维护局海军和空中警察部队专业改进部进行的。数据是通过在线访谈收集的。从关键线人处获得了进一步的信息和验证。我们还使用了观察和文件审查。根据对印尼国家警察八项教育标准的审查，发现印尼国家警察教育实施中仍然存在一些缺陷。这八项标准涉及：毕业生的能力、内容、流程、教育者和教育人员、基础设施、管理、融资和评估。研究人员还确定了实施培训创新的障碍。根据结果，建议专业改进司应在印尼国家警察飞行员的教育和培训方面寻找突破或创新，以提高他们的能力、专业素养和航空安全，特别是满足对最新航空知识的需求，并可随时随地轻松学习。这对应于印尼国家警察局长 Pol 的十六个优先计划。Listyo Sigit Prabowo 将军强调了两点：拥有优秀的印尼国家警察人力资源和现代化的警察技术。