XiaoMi-AI文件搜索系统
World File Search System信息度量
几何rényi发散及其在量子通道容量中的应用
摘要：在量子信息的所有领域中，满足适当的拟合权限的量子状态之间具有距离量度的距离至关重要。在这项工作中，我们从量子信息理论的角度出发了几何rényiDivergence（GRD）（GRD）的系统研究，也称为最大rényiDivergence。我们表明，这种差异及其扩展到渠道具有许多吸引人的结构特性，而其他量子差异不满意。例如，我们证明了链条规则不平等，这立即暗示了几何rényi差异的“摊销崩溃”，并解决了Berta等人的开放问题。[数学物理学中的字母110：2277–2336，2020，等式（55）]在量子通道区分区域中。作为应用程序，我们探索了各种通道容量问题，并根据几何rényi差异构建新的通道信息度量，并基于最大轴承的范围锐化了以前最著名的界限，同时仍然保持新的界限单，并有效地计算。研究了许多例子，几乎所有情况下的改进都是显而易见的。
测量量子机制的综合信息
摘要：整合信息理论 (IIT) 最初被认为是一种意识理论，它提供了一个理论框架，旨在描述系统在当前状态下对自身指定的组合因果信息。然而，作为意识理论的 IIT 是否与作为微观物理理论的量子力学兼容仍有待确定。在这里，我们提出了 IIT 最新形式主义的扩展，以评估系统子集到有限维量子系统（例如量子逻辑门）的机制整合信息 (ϕ)。为此，我们将最近开发的独特内在信息度量转化为密度矩阵公式，并扩展条件独立性的概念以适应量子纠缠。IIT 分析的组合性质可能会揭示使用标准信息理论分析无法获得的复合量子态和算子的内部结构。最后，我们的结果应该为从经典到量子的意识、因果关系和物理学之间的联系提供理论论证。
语义信息理论概述
与当前的通信理论不同，该理论将信息量视为消息统计稀缺性的度量，概述了语义信息理论，其中给定语言系统中句子所携带的信息概念被视为与该句子的内容同义，以某种方式规范化，语义信息量的概念通过该内容的各种度量来阐明，所有度量均基于涵盖内容的逻辑概率函数。绝对度量和相对度量是有区别的，因此 D 函数适用于仅与演绎推理相关的环境，而 I 函数适用于归纳推理足够的环境。在研究的两种主要信息量类型中，一种是 cont，对于内容排他性的句子是加性的，另一种是 inf，对于归纳独立的句子是加性的。后者在形式上类似于传统的信息度量函数。研究了各种信息量估计函数，从而得到了当前传播理论中概念和定理的广义语义相关性。初步定义了语义噪声的概念，以及语言系统概念框架的效率和冗余性。建议语义信息是一个比其传播对应概念更容易应用于心理学和其他研究的概念。
急性中风中患者教育的有效性
急性中风的抽象背景患者在入院后的前48-72小时内有恶化的高风险。需要有效的教育干预。目的本研究旨在检查自定义的交互式计算机教育系统（CICS）在急性早期中风的患者中的适用性，以确定教育系统在（1）信息满意度和（2）生理相关管理合规性中的功效。方法于2019年3月至2019年8月在香港一家当地医院的急性中风部门进行了前瞻性非盲人随机对照研究。中国参与者至少18岁，在3天内经历了轻微的中风。排除标准是交流问题和合并症与另一种急性疾病。在入学的第一天，参与者分配给了CICS和小册子小组，每个小组组成50名参与者。在第三天评估了急性中风（MISQ-S）的主要结果，修改的信息满意度问卷。结果在CICS和小册子组之间的MISQ-S（P = 0.04）的“需要改善信息度量”的“需求”存在显着差异。这两组的管理依从性没有差异，但是CICS组具有更好的临床结果，尽管不显着（p = 0.387）。结论是需要患者的教育，并且在急性阶段的早期需要可行，而且CICS比小册子更有效。积极的结果提供了深入的见解，并为在患者教育中使用信息技术提供了方向。
熵和信息 - James Wills
熵是一个非常多面的物理量。从热力学开始，相关概念已被引入许多不同的领域，如统计力学、信息论、动力系统理论、计算理论和量子理论。学术界对信息的兴趣在过去几十年中也日益增长，并被广泛认为在我们理解世界和我们与世界的关系中发挥着至关重要的作用。随着这两个概念的并行发展，它们的相互联系有望揭示出关于世界的有趣和令人惊讶的事情。本文将探讨熵和信息的一些主要主题以及它们之间联系的各种性质。本文采用准历史方法来研究这个主题，追溯这两个概念在不同时间的起源、发展和交集。因此，我们先从热力学中的熵，即其原始化身开始，然后再讨论统计力学中的熵（玻尔兹曼和吉布斯）。人们试图用分子的微观力学来简化或解释宏观热力学行为，这导致了统计力学中熵的各种定义。正是在这里，熵与信息的联系首次显现出来。然后我们继续讨论香农信息，这是通信理论中一个精确定义的数学量，它与统计力学中的熵在形式和概念上有很大相似之处。直到通信理论为我们提供了精确的信息数学表征之前，所使用的信息概念一直是粗略的、普通的语言意义上的信息，即我们学习的东西或我们用来增加知识的东西。因此，通过香农信息度量，我们能够真正评估熵和信息之间精确的形式和概念联系。埃德温·杰恩斯 (Edwin Jaynes) 对这个项目做出了重大贡献，他提出了一种看待经典统计力学的新方法，以香农信息为基础。20 世纪 60 年代，罗尔夫·兰道尔 (Rolf Landauer) 在计算理论的背景下提出了这方面的进一步发展。他提出，计算机在处理信息时不可避免地会产生熵。本文最后总结了更多现代和当前的研究课题，探索了量子理论和量子计算中的熵和信息。
量子逻辑熵：基本原理和一般性质
熵是概率论和物理学中最重要的概念之一。尽管信息似乎没有一个精确的定义，但香农熵被视为有关某个系统的信息的重要量度，而吉布斯熵在统计力学中起着类似的作用。冯·诺依曼熵是这些经典量度在量子领域的一种可能的、在某种意义上是自然的延伸。尽管冯·诺依曼熵在量子信息的许多应用中发挥着基础性的作用，但它仍因多种不同原因而受到批评[1-3]。简而言之，虽然经典熵表示人们对系统的无知[4]，但量子熵似乎具有根本不同的含义，它对应于信息的先验不可访问性或非局部关联的存在。从这个角度来看，经典熵涉及主观 / 认识论的不确定性，而量子熵与某种形式的客观 / 本体论的不确定性相关 [5]，尽管这种推理存在争议。为了解决像这样的概念问题，提出了非加性 Tsallis 熵和其他度量 [1, 6, 7]。经典逻辑熵最近由 Ellerman [8, 9] 引入，作为源自分区逻辑的信息度量。因此，这种熵给出了集合 U 分区的区别。分区 p 被定义为集合中不相交部分的集合，如图 1a 所示。集合可以被认为最初是完全不同的，而每个分区都会收集那些区别已被分解的块。每个块表示与集合上的等价关系相关联的元素。然后，给定一个等价关系，一个块的元素之间是模糊的，而不同的块彼此不同。考虑到这些概念，将这种划分和区分框架扩展到量子系统的研究似乎可以为量子态鉴别、量子密码学和量子信道容量问题带来新的见解。事实上，在这些问题中，我们以某种方式对可区分状态之间的距离测量感兴趣，这正是逻辑熵所关联的知识类型。这项工作是之前提出研究量子逻辑熵的预印本的更新和扩展版本 [ 10 ]。在这个新版本中，与原始版本一样，我们主要关注这个量的基本定义和属性。其他高级主题要么在之前的研究中处理过，比如 [ 11 ]，要么留待将来研究。然而，正如将在整篇文章中进一步阐述的那样，这里介绍的结果为各种理论应用奠定了基础——甚至对于涉及后选系统的场景也是如此。
基于意图的神经符号人工智能 (AI) ...
摘要 — 集成复杂机器推理技术的基于意图的网络将成为未来无线 6G 系统的基石。基于意图的通信要求网络考虑数据传输的语义（含义）和有效性（在最终用户处）。如果 6G 系统要以更少的比特可靠地通信，同时为异构用户提供连接，这一点至关重要。本文与缺乏数据可解释性的最先进技术相反，提出了神经符号人工智能 (NeSy AI) 框架作为学习观察到的数据背后的因果结构的支柱。特别是，生成流网络 (GFlowNet) 的新兴概念首次在无线系统中用于学习生成数据的概率结构。此外，为了实现更高的语义可靠性，严格制定了一个用于学习最佳编码和解码函数的新型优化问题。开发了新的分析公式来定义语义消息传输的关键指标，包括语义失真、语义相似性和语义可靠性。这些语义度量函数依赖于知识库中语义内容的定义，而这种信息度量反映了节点的推理能力。仿真结果验证了高效通信的能力（使用更少的比特但具有相同的语义），并且与不利用推理能力的传统系统相比，性能明显更好。I. 引言未来的无线系统（例如 6G）如果要集成时间关键型自主系统应用，则必须在传输内容方面更加谨慎。正如香农 (Shannon) [1] 所指出的，传统无线系统注重可靠地发送物理比特，而不注重语义和有效性层。与传输全部数据相比，只发送对接收方有用的信息自然在延迟、带宽利用率和能量方面更有效率（不会影响可靠性）[2]。这是所谓基于意图的语义通信 (SC) 系统 [3] 的核心前提。基于意图的网络是一种自主系统，它定义了它们期望从网络获得的行为，例如“改善网络质量”，然后系统会自动将其转换为实时网络操作。整合语义和有效性方面以创建基于意图的无线网络需要重大的范式转变 [2]–[4]。它特别要求传输和接收节点不再只是盲目设备（来回传输数据），而是成为能够理解和推理数据及其生成方式的类脑设备。一种有前途的方法是将知识表示和推理工具与机器学习相结合。一旦智能嵌入到发送器和接收器中，通信设备就可以感知（数据采集）、预处理并高效通信，而不会产生不必要的网络瓶颈（通过发送大量不必要的数据）。尽管