XiaoMi-AI文件搜索系统
World File Search System假设
简单二元假设检验的样本复杂性
简单二元假设检验的样本复杂性是I.I.D的最小数量。在任何一个中都需要区分两个分布p和q所需的样本：（i）先前的设置，最多α误差为type-i误差，最多是II型误差；或（ii）贝叶斯设置，最多有贝叶斯误差δ和先前的分布（α，1 -α）。仅在α=β（无之前）或α= 1/2（贝叶斯）（贝叶斯）进行研究，并且已知样品复杂性的特征是p和q之间的hellinger差异，直至乘法常数。在本文中，我们得出一个表征样品复杂性（直至独立于P，Q和所有误差参数的乘法常数）的公式，用于以下方面： （ii）贝叶斯环境中的所有δ≤α/ 4。尤其是，该公式从詹森 - 香农和赫林格家族的某些差异方面接受了同等的表达。主要的技术结果涉及詹森 - 香农和赫林格家族成员之间的F差异不平等，这通过信息理论工具和逐案分析的结合证明了这一点。我们探讨了结果对鲁棒和分布式（本地私有和沟通受限的）假设检验的应用。
公共养老金计划投资回报假设
与其他精算假设一样，预测公共养老基金的投资回报需要着眼于长期。本简报讨论了如何建立和评估投资回报假设，以及在充满挑战的投资环境中对公共养老金资产的投资。由于投资收益占典型公共养老基金收入的大部分，因此回报假设的准确性对计划的财务状况和精算资金水平有重大影响。投资回报假设设置得太低会夸大负债和成本，导致当前纳税人被多收费，而未来纳税人被少收费。税率设置得太高会低估负债，向当前纳税人少收费，以牺牲未来纳税人的利益为代价。任何一个方向的假设如果严重错误，都会导致资源分配不当，并在几代纳税人之间不公平地分配成本。如图 1 所示，在截至 2022 年的 30 年期间，公共养老基金累计收入约 10.4 万亿美元，其中 6.5 万亿美元（占 63%）来自投资收益。雇主缴款占 2.7 万亿美元，占总额的 26%，雇员缴款占 1.1 万亿美元，占 11%。2 投资收益收入占很大一部分，反映了它们在公共养老金福利资金中发挥的重要作用。公共退休系统通常根据州或地方法规或系统政策定期审查其精算假设。负责设定回报假设的实体（或实体）（如附录 B 所示）通常与一名或多名专业精算师合作，他们遵循精算标准委员会在《精算实践标准第 27 号：衡量养老金义务的经济假设选择》（ASOP 27）中规定的指导方针。ASOP 27 规定了精算师在设定经济精算假设时应考虑的因素，并建议精算师考虑他们所进行的测量的背景，如测量的目的等因素所定义
在标准假设下强大而自适应的安全性
摘要。具有结构性的签名（SP）已成为重要的加密构件，因为它们与Groth-Sahai（GS）NIZK框架的兼容性允许在标准假设下以合理的效率来协同结构协议。在过去的几年中，人们对阈值签名方案的设计引起了重大兴趣。但是，只有最近Crites等。（Asiacrypt 2023）引入了阈值SP（TSP）以及完全非相互作用的结构。这是一个重要的一步，但他们的工作有几个局限性。在构造方面，他们需要使用随机的门，交互式复杂性假设，并且仅限于所谓的索引diffie-hellman消息空间。后者将其构造用作SPS的置换量限制。在安全方面，它们仅支持静态腐败，并且不允许伪造的部分签名查询。在本文中，我们询问是否可以在没有此类限制的情况下构造TSP。我们从Kiltz，Pan和Wee的SPS开始（Crypto 2015），该结构具有有趣的结构，但是阈值将其进行一些修改。有趣的是，我们可以在完全非相互作用的阈值签名（Bellare等人，Crypto 2022），甚至在完全自适应的腐败下，以最强的模型（TS-UF-1）证明其安全。令人惊讶的是，我们可以在标准假设下显示后者，而无需任何理想化的模型。具体而言，我们在SXDH假设下的III型双线性组中的方案具有由7个组元素组成的签名。在离散对数设置中有效阈值签名的所有已知构造都需要交互式假设和理想化的模型。与Crites等人的TSP相比。（2个组元素），这是以效率为代价的。但是，我们的方案在标准假设下是安全的，实现了强大而适应性的安全保证，并支持一般消息空间，即代表许多SPS应用程序的替换。鉴于这些功能，即使对于实际应用，签名大小的增加似乎是可以接受的。
机器学习辅助构建用于噪声量子硬件的浅深度动态假设
门保真度。然而，这些方法中的大多数通常需要大量的预电路测量，这会显著增加计算开销。此外，NISQ 架构的噪声可以从根本上改变动态电路的设计。从池中选择运算符和由此产生的幺正运算可能会与最佳结果有显著偏差，因为它的构造高度依赖于测量（当使用 NISQ 硬件时会产生误差）。因此，在构建动态假设时，减少量子资源的利用至关重要。在这方面，我们应该优先使用基于第一性原理或借助机器学习的方法。这些方法有可能绕过 NISQ 架构带来的任何挑战，避免潜在的陷阱。在这项工作中，我们介绍了一种新方法，它将无监督机器学习 (ML) 技术与基于多体微扰理论的第一性原理策略相结合。最终成果是一个动态构建的假设，它在紧凑性和表现力之间取得了非凡的平衡，所有这些都是在没有大量预电路测量负担的情况下实现的。这个紧凑的假设让我们能够获得分子能量和波函数，这对于准确评估各种分子特性至关重要。它使我们能够探索目前传统计算机无法触及的新化合物和现象。
阿尔茨海默氏病是以个人为中心的疾病吗？从原子水平到生物系统的数学模型的假设
阿尔茨海默氏病（AD）是一种痴呆症的影响，在神经病理学上以淀粉样蛋白β（aβ）斑块和神经纤维缠结（NFT）的沉积为特征，而这反过来会导致神经变性并引起神经变性和临床症状（1）。aβ来自β和⋎泌尿酶对淀粉样蛋白前体蛋白（APP）的顺序加工。App肽，例如β1-42或β1-40，可以通过诱导氧化应激，抑制膜通道的功能或影响运输/排序机制，形成寡聚物，小聚集体或纤维细胞和损伤神经元。据信，β1-42引起tau的高磷酸化，这又导致纤维聚集和神经毒性（2）。在过去的几十年中，旨在阐明AD病因并促进新疾病修饰药物的发展的研究过度生长。除了这些巨大的效果外，对AD病因和致病性级联反应的全部理解仍然隐藏起来。几项研究表明，通常在AD患者的大脑中确实存在其他错误折叠的蛋白质，而不是例外（3）。已经假设病理错误折叠的蛋白可能会促进协同病理学和相互错误折叠和聚集（4）。由于异常蛋白质触发的致病机制的相互影响可以塑造AD，导致多种神经病理变体。在本文中，我们假设AD变体是由对复杂生物网络观察到的非线性调节引起的（5）。
ERCOT 经济规划标准的财务假设更新
• (I)(-a-) 拥堵成本节约测试必须包括分析拟建项目在 ERCOT 范围内的平准化年度拥堵成本节约是否等于或大于拟建项目（输电线路是其一部分）前三年年收入要求的平均值。 • (II) 生产成本节约测试必须包括分析拟建项目在 ERCOT 范围内的平准化年度生产成本节约是否等于或大于拟建项目（输电线路是其一部分）第一年年收入要求。 • 节点协议第 3.11.2(5) 节要求财务
基于代码的假设的有损加密
在2005年推出的错误（LWE）假设[REG05]的学习已成为设计后量子加密术的Baiss。lwe及其结构化变体，例如ring-lwe [lpr10]或ntru [hps98]，是构建许多高级加密启示剂的核心GVW15]，非交互式零知识[PS19]，简洁的论证[CJJ22]以及经典的[GKW17，WZ17，GKW18，LMW23]和量子加密[BCM + 18，MAH18B]的许多其他进步。虽然LWE在产生高级原语方面具有令人惊讶的表现力，但其他量子后的假设，例如与噪音[BFKL94]，同基因[COU06，RS06，CLM + 18]和多变量四边形[HAR82]相近的疾病，以前的疾病是指定的，这使得直到直接的指示，这使得Inderiveive of to Inderiveive negripivessive to and Imply to negriptive for nightimivess，量子后密码学。这种状况高度令人满意，因为我们想在假设的假设中有一定的多样性，这意味着对冲针对意外的隐式分析突破。的确，最近的作品[CD23A，MMP + 23，ROB23]使Sidh在多项式时间中经典损坏的Quantum假设曾经是宽松的。这项工作旨在解决可能导致高级量化后加密术的技术和假设方面的停滞。在大多数情况下，这种假设缺乏多功能性可能归因于缺乏利用其他量词后假设的技术。这项工作的重点在于基于代码的加密假设，例如噪声（LPN）假设[BFKL94]及其变体的学习奇偶校验。与噪声的学习奇偶校验认为，被稀疏噪声扰动的随机线性方程（带有种植的秘密解决方案）出现了。即：
使用机器学习来测试联合分析中的因果假设
抽象的联合分析是一种流行的实验设计，用于测量多维偏好。许多研究人员专注于估计每个因素的平均边际影响，同时平均其他因素。尽管这允许基于直接设计的估计，但结果严重取决于因素相互作用的方式。一种基于模型的替代方法可以计算各种兴趣，但需要正确的模型规格，这是与许多因素的联合分析的挑战性任务。我们根据条件随机测试（CRT）提出了一种新的假设检验方法，以回答联合分析的最基本问题：考虑到其他因素，感兴趣的因素是否重要？尽管它仅提供对这些二进制问题的正式测试，但CRT仅基于因素的随机化，因此不需要建模假设。这意味着CRT可以通过启用任何测试统计量（包括基于复杂的机器学习算法的测试统计量）来提供强大而假设的统计测试。我们还展示了如何测试常用的规律性假设。最后，我们将提出的方法应用于移民偏好的联合分析。可以实施一个开源软件包。提出的方法是通过开放式软件R软件包CRTConchoint实现的，可通过综合R档案网络https://cran.r-project.org/web/web/packages/crtconjoint/index.html获得。
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 , Yurong Yu 4 , Ian Crawford 5 , Scott Archer-Nicholls 6 , Philip James 7 , Ann Gledson 6 , Gavin Shaddick 8,3 , Robert Haines 2, 6, , Loïc Lannelongue 2 ,9,10,11,12 , Emily Lines 3 ,13 , Scott Hosking 3 ,14 , David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将持续增加且成本将持续降低的隐含假设背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信，环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区——以及当地研究可能带来巨大好处的地区——不太可能获得重要的计算资源。将能源效率和可持续性作为主要考虑因素还将催化科学研究的创新方法
在使用人工智能和数据科学方法时优先考虑环境可持续性 Caroline Jay 1,2,3 、Yurong Yu 4 、Ian Crawford 5 、Scott Archer-Nicholls 6 、Philip James 7 、Ann Gledson 6 、Gavin Shaddick 8,3 、Robert Haines 2, 6, 、Loïc Lannelongue 2 、9,10,11,12 、Emily Lines 3 、13 、Scott Hosking 3 、14 、David Topping 3,5 人工智能 (AI) 和数据科学将在改善环境可持续性方面发挥关键作用，但如果没有可持续的设计和使用，这些方法的能源需求将对环境产生越来越负面的影响。在计算资源的可用性将继续增加且成本将继续降低的隐含假设的背景下，研究人员在设计或选择分析方法时很少明确考虑环境影响。我们相信环境科学界有机会推动方法的改变，在进行自己的计算研究时优化能源使用，并倡导其他研究领域也这样做。在计算研究中考虑环境可持续性将加速创新并使其民主化：受气候变化影响最大的地区 - 以及当地研究可能带来巨大利益的地区 - 不太可能获得重要的计算资源。将能源效率和可持续性作为首要考虑因素还将催化科学研究的创新方法。通过将这些变化与基于领域的科学需求理解相结合，我们可以以战略方式为最佳实践制定标准。计算方法的能源需求净零被定义为人类向大气中排放的温室气体与人类从大气中清除的温室气体相平衡的状态。实现净零排放需要社会、政治、经济和技术领域的协调努力 1 。人工智能和数据科学将在这一复杂过程中发挥关键作用，帮助我们了解并最终优化人为能源使用 2 。与这一潜在优势相竞争的是，人工智能和数据科学本身具有巨大的能源和环境成本 3,4 。人工智能研究、开发和应用的资源需求不断增加，各国面临着投资更大规模计算设施以跟上步伐的压力 5 。将环境可持续性嵌入人工智能。人们认识到这种做法对环境的潜在影响，从而推动人们努力使计算更具可持续性，包括采用更节能的硬件、更好地管理数据中心以及使用可再生能源为系统供电 6 。人们还认识到软件架构的作用很重要，要取得进展，需要用户熟练编写高效的代码，以最大限度地减少对环境的影响 5 。有一些举措正在推广用于研究的节能软件（例如，https://greensoftware.foundation/ ），同时还努力为计算科学家制定高级原则 7 。尽管如此，方法的环境可持续性目前并不是计算科学研究界任何部分的主要考虑因素，而且对于那些希望以可持续的方式开发或使用人工智能和数据科学的人来说，几乎没有指导方针。艾伦图灵研究所环境与可持续发展兴趣小组首次会议于 2022 年 3 月 15 日在曼彻斯特举行，会议以一场关于
重新审视40年后学习和记忆的Calpain假设
在1984年，Gary Lynch和Michel Baudry在科学上发表了一种新颖的生物化学假设，用于学习和记忆，其中他们假设钙依赖性蛋白酶（Calpain）在调节突触性质和谷氨酸受体的分布中起着至关重要的作用，从而参与了Hembore形成Hippococampus。在接下来的40年中，已经做了很多工作来重新提出这一假设，并提供令人信服的论点，以支持当时所视为突触生物化学的一种简单化的观点。现在，我们已经证明了大脑中的两个主要CALPAIN同工型，Calpain-1和Calpain-2在突触可塑性/学习和记忆以及神经保护/神经变性中执行相反的功能。因此，Calpain-1激活是触发突触传播和学习情节记忆的长期增强（LTP）所必需的，而CalPain-2激活限制了LTP的大小和学习程度。另一方面，Calpain-1是神经保护作用，而Calpain-2是神经退行性的，并且在各种类型的大脑损伤后延长激活会导致神经变性。已确定了负责这些功能的信号通路，并涉及局部蛋白质合成，细胞骨架调节和谷氨酸受体的调节。据报道，患有突变的人家庭在运动和认知功能方面受损。 选择性CalPain-2抑制剂已合成，并计划测试其潜在用来治疗与急性神经元损伤相关的疾病（例如脑损伤）的用途。据报道，患有突变的人家庭在运动和认知功能方面受损。选择性CalPain-2抑制剂已合成，并计划测试其潜在用来治疗与急性神经元损伤相关的疾病（例如脑损伤）的用途。本综述将说明验证大胆假设的漫长而困难的旅程。