XiaoMi-AI文件搜索系统
World File Search System二进制
具有二进制解码器功能的生物混合材料电路的设计
合成生物学应用了电气工程和信息处理的概念，赋予细胞计算功能。将底层分子成分转移到材料中，并根据受电子电路板启发的拓扑结构进行连接，已经产生了执行选定计算操作的材料系统。然而，现有构建块的有限功能限制了将高级信息处理电路实现到材料中。在这里，设计了一组基于蛋白酶的生物混合模块，其生物活性可以被诱导或抑制。在定量数学模型的指导下，遵循设计-构建-测试-学习 (DBTL) 循环，模块根据受电子信号解码器启发的电路拓扑进行连接，这是信息处理的基本主题。设计了一个 2 输入/4 输出二进制解码器，用于检测材料框架中的两个小分子，这些小分子可以以不同的蛋白酶活性形式执行受调节的输出。这里展示的智能材料系统具有很强的模块化，可用于生物分子信息处理，例如在高级生物传感或药物输送应用中。
通过二进制分类检测肺炎：支持向量机（SVM）的经典，量子和混合方法
早期肺炎的早期诊断对于增加生存机会并减少患者的恢复时间至关重要。胸部X射线图像是实践中最广泛使用的方法，它具有挑战性地进行分类。我们的目的是开发一种机器学习工具，该工具可以准确地将图像分类为属于正常或受感染的个体。支持向量机（SVM）很有吸引力，因为二进制分类可以表示为优化问题，特别是作为二次不约束的二进制二进制优化（QUBO）模型，而这又自然地映射到Ising模型上，从而使退火 - 级别，阶级，量子，量子和杂种 - 以探索有吸引力的方法。在这项研究中，我们进行了不同方法之间的比较：（1）SVM（LIBSVM）的经典最新实施； （2）用经典求解器（Gurobi）求解SVM，有或没有分解； （3）用模拟退火解决SVM； （4）用量子退火求解SVM（D-WAVE）； （5）使用Graver增强多种子算法（GAMA）求解SVM。使用模拟退火和量子退火，尝试了几个不同数量的graver元素和许多种子。我们发现模拟的退火和GAMA（带有模拟退火）是可比的，可以快速提供准确的结果，与LIBSVM竞争，并且优于Gurobi和Quarobi和Quantum退火。
超导纳米线二进制移位寄存器
基于纳米晶的超导电子产品的发展迄今已限制在很少的设备电路上，部分原因是缺乏标准和健壮的逻辑细胞。在这里，我们介绍并实验展示了一组基于纳米晶的构件的设计，这些块可以配置并组合以实现内存和逻辑功能。通过对硝化氮化物的单个超导层进行图案制造设备，并在液态氦气中测量各种操作点。测试显示10 4位错误率，高于6 20％的边距高达50 MHz，并且在平面外36 MT磁场的效果下运行的可能性，在10 MHz时为6 30％的边缘。此外，我们设计并测量了由两个存储单元制成的等效延迟流量，以显示组合多个构件以制造更大电路的情况。这些块可能构成了纳米晶逻辑电路和有限状态机器的开发，具有潜在的应用在超导纳米导体单光子探测器中的潜在应用。
具有基于错误扩散功能的二进制关键字发现系统
基于二进制的神经网络基于资源约束设备的关键字点（KWS）近年来引起了很多关注。尽管有几项作品证明了它们的成功，但考虑到高精度的语音特征图仍需要满足准确性，仍需要完全二进制KWS系统。这种精确的不匹配导致非二元激活层，从而导致额外的计算成本。在本文中，我们使用二进制神经网络和错误扩散的二进制语音特征提出了一个非常紧凑的KWS系统。该系统消除了所有高精度的多板，并且仅需要对硬件友好的位操作和推理的补充。在Google语音命令上进行的实验表明，我们的二进制KWS系统在1个密钥单词任务上的精度为98.54％，在2个密钥单词任务上的精度为95.05％，表现优于更大尺寸的8位KWS系统。结果证明了完全二进制KWS系统的可行性，并且可以鼓舞硬件实现。索引术语：关键字发现，二进制神经网络，错误扩散，卷积神经网络
非二进制M序列更舒适的大脑 - ...
背景和目标：代码调制的视觉诱发电势（C-DEP）标志着科学文献中的里程碑，因为它们能够实现可靠的高速大脑 - 计算机接口（BCIS）进行通信和控制。通常，这些专家系统依赖于使用移位版本的二进制伪序序列的每个命令编码每个命令，即根据移动的代码闪烁的黑白目标。尽管在准确性和选择时间方面取得了出色的效果，但这些高对比度刺激为某些用户引起了眼节震荡。在这项工作中，我们提出了非二进制𝑝-ary m序列的使用，它们的级别用不同的灰色阴影编码，这是一种比传统的二进制代码更愉快的选择。首次分析了这些𝑝-ARY M序列的性能和视觉疲劳及其提供可靠的基于C-DEP的BCIS的能力。方法：在循环转移范式之后，用16位健康参与者评估了五种不同的M序列：基本2（63位），基础3（80位），基础5（124位），基本7（48位）和基地11（48位）和基地11（120位）。信号处理由3滤波器库（1-60 Hz，12-60 Hz和30–60 Hz）组成，然后进行规范相关分析。栅格延迟校正和伪影拒绝方法也应用于计算命令模板。对于每个M序列，用户执行了30次试验校准阶段，然后进行了32次试验的在线拼写任务。此外，还收集了有关视觉疲劳和满意度的定性措施。结果：用户能够达到所有𝑝 -ARY M序列的平均准确性超过98％。在准确性方面，M序列之间的差异并不显着，但在视觉疲劳方面。基数越高，用户对60 Hz和120 Hz的呈现率所感知的眼镜越少。与60 Hz相比，以120 Hz的形式显示，所有𝑝 -ARY M序列也明显较小。结论：结果表明，所有𝑝-ARY M序列都适合在基于C-DEP的BCIS中实现高速和高精度，从而随着基础的增加而降低视觉疲劳，而不会降低系统性能。可以得出结论，使用高显示率和非二进制M序列是提供基于用户友好的C-DEP BCI的有前途的替代方法。
现在安全！#926 - 06-06-23 - Windows 平台二进制表
本周我们回来回答我们首先提出的一系列热门问题，包括：惠普有什么新闻？微软为 Windows 11 做了什么，承诺会破坏各种网络连接？OWASP 的新十大担忧是什么？苹果是否帮助 NSA 攻击克里姆林宫？这次事件带来了什么至关重要的启示？谷歌创造了什么新的黑客竞赛？哪些误导性的新美国立法有望在实施之前夭折？TOR 正在采取什么措施来保护自己免受 DoS 攻击？教育机构在网络安全方面投入了多少？乌克兰的民用摄像机会出现什么问题？我们是否正在见证网络雇佣兵的崛起？什么是“Windows 平台二进制表”，我们为什么要关心它，以及如何关闭它？
现在安全！#926 - 06-06-23 - Windows 平台二进制表
本周我们回来回答我们首先提出的一系列热门问题，包括：惠普有什么新闻？微软为 Windows 11 做了什么，承诺会破坏各种网络连接？OWASP 的新十大担忧是什么？苹果是否帮助 NSA 攻击克里姆林宫？这次事件带来了什么至关重要的启示？谷歌创造了什么新的黑客竞赛？哪些误导性的新美国立法有望在实施之前夭折？TOR 正在采取什么措施来保护自己免受 DoS 攻击？教育机构在网络安全方面投入了多少？乌克兰的民用摄像机会出现什么问题？我们是否正在见证网络雇佣兵的崛起？什么是“Windows 平台二进制表”，我们为什么要关心它，以及如何关闭它？
基于纳米颗粒的二进制混合物中结构颜色的机制
受鸟类物种的结构颜色的启发，已经开发出了各种合成策略，以使用纳米颗粒组件产生非虹彩，饱和的颜色。纳米颗粒混合物在颗粒化学和大小中有所不同，具有影响产生颜色的其他新兴特性。对于复杂的多组分系统，了解组装结构和强大的光学建模工具可以使科学家能够识别结构颜色的关系，并用量身定制的颜色制造设计师材料。在这里，我们将如何使用计算反向工程分析来从小角度散射测量中重建组装结构，用于散射实验方法，并在有限差异时计算中使用重建的结构来预测颜色。我们成功地，定量预测包含强烈吸收纳米颗粒的混合物中的实验观察到的颜色，并证明了单层分离的纳米颗粒对产生的颜色的影响。我们提出的多功能计算方法对于具有所需颜色的工程合成材料有用，而无需艰苦的反复试验实验。
双向联想记忆中的二进制编码
人工神经网络 (ANN) 是受生物神经网络结构和功能启发而产生的计算模型。它们可以成为解释认知过程的一种有趣方法 [Hasson 等人，2020 年]。认知建模中使用的一组值得注意的 ANN 是双向联想记忆 (BAM)，它基于神经动力学视角运行。BAM 使用反馈权重来学习刺激对，并且具有抗噪性，能够在仅提供部分信息的情况下回忆起输入 [Acevedo-Mosqueda 等人，2013 年]。BAM 通常使用双极编码，其中输入向量由 -1 和 1 的值组成，因为它比二进制编码提高了学习性能，其中输入向量由 0 和 1 组成 [Kosko，2021 年]。然而，在使用 ANN 进行认知建模时，它们必须建立在基于大脑中发生的过程的原则之上，同时避免仅仅提高计算效率的方法 [O'Reilly，1998]。二进制编码被认为在生物学上更合理，因为它更接近于脉冲的存在和不存在。此外，它提供了 0 的吸收特性，这可以实现更多的认知过程，如真正的稀疏性、门控、过滤等。因此，本文
使用协作尖峰神经网络求解二次不受约束的二进制优化
摘要 - 次数不受约束的二进制优化（QUBO）问题成为一种有吸引力且有价值的优化问题，因为它可以轻松地转换为各种其他组合优化问题，例如图形/数字分区，最大值，SAT，SAT，Vertex，Vertex，Vertex，TSP，TSP等。其中一些问题是NP-HARD，并广泛应用于行业和科学研究中。同时，已经发现Qubo与两个新兴的计算范式，神经形态计算和量子计算兼容，具有巨大的潜力，可以加快未来的优化求解器。在本文中，我们提出了一种新型的神经形态计算范式，该计算范式采用多个协作尖峰神经网络来解决QUBO问题。每个SNN进行局部随机梯度下降搜索，并定期分享全球最佳解决方案，以对Optima进行元效力搜索。我们模拟了模型，并将其与无协作的单个SNN求解器和多SNN求解器进行比较。通过对基准问题的测试，提出的方法被证明在寻找QUBO Optima方面更有效。具体来说，它在无协作和单SNN求解器的情况下分别在多SNN求解器上显示X10和X15-20加速。索引术语 - 数字计算，尖峰神经网络作品，组合优化，QUBO