XiaoMi-AI文件搜索系统
World File Search System信息论
解开神经元群体之间的信号流
采用这种概念，一些跨区域研究比较了刺激呈现后跨区域神经反应开始的时间 13 – 15 或归因于自上而下过程的选择性出现的时间 16 – 20 。其他研究利用同步记录，通过成对脉冲相关性 21 – 26 和信息论测量 27 测量了两个区域之间的时间延迟。同样，局部场电位的跨区域相位延迟也被测量了 28 – 31 。这些基于时间的方法增进了我们对信号如何在大脑区域间传播的理解。然而，由于这些方法主要关注神经元对或神经活动的总体测量，因此关于神经元群体如何协调其活动以实现跨区域信号传导仍有许多未知之处。
高效学习、测试和模拟量子...
本论文主要研究量子信息和量子计算，以及它们在研究量子多体系统中的应用。过去几十年来，计算机科学和量子物理学之间的显著相互作用表明，对相互作用的量子系统的精确控制和操纵使我们能够处理信息并执行超出传统数字计算机能力范围的计算。这种新颖的信息处理形式还产生了一种概念上全新的工具包，用于解决量子多体系统物理学的基本问题。本论文通过计算复杂性和信息论的视角研究了相互作用量子系统的新特征。我们将看到如何利用这些新特征反过来让我们开发出有效的经典和量子算法来学习、测试和模拟量子多体系统。以下是本论文的主要结果：
量子正交拉丁方：局部经典等价性和 2-酉矩阵块秩
随着量子信息论领域的发展，拉丁方在经典编码理论中得到应用，考虑拉丁方的量子类似物也是很自然的。量子拉丁方的概念由 B. Musto 和 J. Vicary 于 2015 年提出[12]。此后，这些对象被证明与绝对最大纠缠 (AME) 态有关系，[14] 后者在量子信息中有各种应用。[9] [16] 我们将详细讨论 Rather 等人最近取得的成果 [15]，关于大小为 6 × 6 的量子正交拉丁方的存在，这个对象不存在经典等价物。[18] 一个重要的悬而未决的问题是，是否存在任何阶的量子正交拉丁方，它们在某种意义上不等同于已知的经典拉丁方。[21] 然后，我们将通过考虑计算和代数技术，开始研究大小为 3 × 3 的量子正交拉丁方的这个问题。
意识理论有什么用处？
也非常明确地希望找到组合问题的解决方案。然而，目前尚不清楚这样的科学是否可能，或者如果可能的话会取得什么成就。我采用了另一种激进的泛心论，即 Fields、Glazebrook 和 Levin (2021) 的最小物理主义 (MP)，与 Goff 探索这些问题的方法形成对比。虽然 Goff 的泛心论从根本上讲是本体论的，并且基于物质性，但 MP 从根本上讲是功能性的，并且基于将物理交互描述为信息交换 (Fields、Glazebrook 和 Marcianò，2021)。由于 MP 采用数学形式，即量子信息论，因此在 Goff 的意义上它是伽利略式的。由于它将意识的内容表示为受定量物理约束的约束，因此它具有相当大的预测能力。然而，它对感质本身没有任何预测，并且如下所述，它将大多数版本的组合问题视为不适定的。
相对论中的量子信息：量子场论测量的挑战
拟议的深空量子实验将能够探索相对论效应很重要的领域的量子信息问题。在本文中，我们认为，将量子信息论适当扩展到相对论领域需要用量子场论 (QFT) 概念来表达所有信息概念。这项任务需要一个可行的 QFT 测量理论。我们提出了构建这种理论的基本问题，特别是与 QFT 基础中长期存在的因果关系和局部性问题有关的问题。最后，我们介绍了正在进行的量子时间概率计划，用于构建一种测量理论，该理论 (i) 原则上适用于任何 QFT，(ii) 允许对所有相关的因果关系和局部性问题进行第一性原理研究，以及 (iii) 它可以直接应用于当前感兴趣的实验。
量子纠缠、超对称以及……
纠缠态（例如 Bell 态和 GHZ 态）是使用已知满足杨-巴克斯特方程及其推广的矩阵从可分离态生成的。这一非凡事实暗示了使用编织算子作为量子纠缠器的可能性，并且是拓扑和量子纠缠之间更大推测联系的一部分。我们通过展示超对称代数可用于构造谱参数相关的广义杨-巴克斯特方程的大量解来推动对这种联系的分析。我们提供了许多明确的例子，并概述了任意数量量子比特的通用算法。我们获得的算子依次产生多量子比特系统中的所有纠缠态，该系统由量子信息论中引入的随机局部操作和经典通信协议分类。
非常规成像、传感和自适应光学 2024 (OP432)
成像 • 3D 成像 • 遥感、医学、生物学、地球物理、防御等领域的应用 • 生物和分子成像 • 编码孔径成像 • 计算成像 • 计算效率高的成像算法 • 与非常规成像系统实施相关的实验结果或硬件 • 使用人工智能的成像方法，例如机器学习和深度学习。 • 主动或被动照明成像 • 分集测量成像，包括相位分集、偏振分集、孔径分集、波长分集等 • 像平面测量、瞳孔平面测量或两者成像 • 合成孔径激光雷达和逆合成孔径激光雷达系统成像 • 湍流、折射或高散射介质成像或通过湍流、折射或高散射介质成像 • 使用超快脉冲成像 • 使用非常规光学设计成像 • 图像恢复和合成的信息论极限
非柯尔莫哥洛夫概率与量子技术
量子技术的发展是我们这个时代面临的最大挑战之一 [1]。我们正面临着可能产生深远社会影响的重要变化。在相干操控量子系统方面，人们已经取得了令人难以置信的进步 [2,3]。公共和私人投资推动了这些技术的发展。所有这些努力促成了许多公司的成立，这些公司将量子设备推向了商业化 [4]。特别是，量子计算机已经发展起来，可以执行传统计算机难以完成的任务 [5-9]。本文旨在强调与量子技术发展相关的一些问题，这些问题与量子概率的特殊性质有关，这些性质被认为与物理哲学有关。我们将要解决的主要问题之一是：是什么让量子计算机——更广泛地说，量子技术——如此特别？正如我们将要论证的（以及其他人已经强调的），这个问题的答案提出了关于量子理论基础的深层次问题。我们重点关注将量子概率解释为非柯尔莫哥洛夫演算。与此方法相关，量子语境性概念将发挥重要作用。首先，我们将重新讨论量子随机性的概念，它不可避免地存在于所有量子现象中。我们将论证，可以将主要的量子特征理解为实例化真正非经典概率演算的系统存在的表达。量子模拟器（即模仿量子设备的经典系统）缺乏生成真正（量子）语境性的能力。因此，随着模拟的量子比特数增长，它们会消耗可量化的指数资源（例如，参见 [ 10 ]）。与此相关，量子模拟器不能被视为真正随机性的来源。我们将量子信息论描述为当所涉及的概率是非柯尔莫哥洛夫概率时出现的信息论 [ 11 ]。量子系统可以描述为经典概率分布的集合，其相关的布尔代数以错综复杂的方式交织在一起。因此，没有一致的方式来构建全局经典概率分布。特别是，我们展示了
用自由能原理解释肥胖和 2 型糖尿病
根据自由能原理，所有有知觉的生物都力求将意外或信息论量（即变分自由能）降到最低。因此，社会心理“压力”可以重新定义为“预期自由能增强”的状态，即“预期意外”或“不确定性”的状态。经历压力的个体主要试图借助所谓的不确定性解决程序 (URP) 来减少不确定性或预期自由能。URP 由三个子程序组成：首先，诱发唤醒状态，增加大脑信息传输和处理，以尽快减少不确定性。其次，这些额外的计算会消耗大脑从身体中获取的额外能量。第三，该程序控制学习哪些压力减轻措施以备将来使用，哪些压力减轻措施不学习。当 URP 成功减少不确定性时，我们将该事件称为“良好”压力。如果 URP 无法充分减少不确定性，则会导致压力习惯化或长期毒性压力。压力习惯化通过平缓/扩大个人目标信念来减少不确定性，从而使以前被认为无法维持的结果变得可以接受。习惯化的人会经历所谓的“可忍受”压力。根据自私大脑理论及其支持实验证据，我们表明，习惯化的人缺乏压力唤醒，因此平均大脑能量消耗减少，往往会发展出肥胖的 2 型糖尿病表型。对于那些习惯化不是自由能量最优解决方案的人来说，他们不会通过改变目标偏好来减少不确定性，只会承受“有毒”压力。有毒压力会导致反复或持续的唤醒状态，从而增加平均大脑能量消耗，进而促进瘦弱 2 型糖尿病表型的发展。总之，我们将压力的心理概念锚定在自由能量原理定义的信息论不确定性概念中。此外，我们详细介绍了不确定性减少背后的神经生物学机制，并说明了不确定性如何导致心身疾病。