XiaoMi-AI文件搜索系统
World File Search System动态的
树下：自然资本对不确定宏观经济模型中影子价格动态的影响
我们研究了在受不确定性影响的经济中，纳入自然资本动态对最优配置的影响。我们对气候对自然资本的损害以及自然资本与其他生产投入之间的替代弹性给出了新的估计。利用这些估计，我们研究了影子价格如何随模型规范和参数校准而变化。我们的研究结果表明，与标准 DICE 型模型相比，纳入自然资本的模型中碳的社会成本高出 12%。此外，碳的社会成本对最终产出生产函数中的替代弹性高度敏感。考虑到生产力的随机性，碳的社会成本进一步增加了 0.13% 至 39%，具体取决于习惯养成的纳入。
树下：自然资本对具有不确定性的宏观经济模型中阴影价格动态的影响
我们调查了将自然资本动态纳入不确定性的经济中最佳分配的影响。我们提出了关于自然资本的气候损害以及自然资本和其他生产投入之间替代弹性的新估计。使用这些估计值，我们检查了阴影价格在模型规格和参数c校准之间的变化。我们的发现表明，与标准骰子类型模型相比，在包含天然资本的模型中，碳的社会成本高12％。此外，碳的社会成本对替代的弹性高度敏感。生产力的随机性质进一步将碳的社会成本提高了0.13％至39％，具体取决于习惯形成。
最动态的Metros
在我们2023年的报告中，我们看到了科技公司在经过长时间的积极招聘之后的硅谷的影响。虽然基于广泛的技术增长已经放缓并在其他大都市中变得更加分布，但对人工智能（AI）相关的应用程序的兴趣促使人们对硅谷的投资更加集中。在更靠近农业中心的地铁中，面向农业技术的发展和采用也激发了新公司的创建，这些公司将基于AI和传感器的数据管理转换，以更好地控制食品生产的各种要素。联邦对半导体制造业的投资为大都会经济的成功做出了专门研究这些领域的领域经济的成功。与往年一样，采矿依赖地区继续利用其自然资源，而大都市的增长却归因于大流行和大流行后的搬迁，而当地旅游业经历了升级。今年值得注意的是在Heartland Metros在大型大学和大学中观察到的活力，包括阿拉巴马州，阿肯色州，田纳西州和德克萨斯州。
“稍后再见，鳄鱼”：机器人小话对人类机器人协作中的任务，融洽和互动动态的影响
摘要 - 小型谈话可以促进人类团队合作的融洽关系；然而，非人性化机器人（例如工业中常用的协作机器人）如何利用这些社会交流尚不清楚。这项工作调查了机器人发起的小谈话如何影响人类机器人协作中的任务绩效，融洽和互动动态。我们开发了一个自动驾驶机器人系统，该系统在启动和进行小聊天的同时，协助人类进行集会任务。进行了用户研究（n = 58），其中参与者与功能性机器人合作，该机器人仅从事以任务为导向的语音或社交机器人，该机器人也开始进行闲聊。我们的研究发现，处于社会状况的参与者报告说，与机器人的融洽关系显着更高。此外，所有处于社会状况的参与者都对机器人的小谈话尝试做出了反应； 59％的人向机器人提出了问题，在请求最终任务项后，有73％的人进行了挥之不去的对话。尽管有效的工作时间在各条件下相似，但社会状况的参与者的任务持续时间比功能条件的参与者更长。我们讨论了机器人小谈话在塑造人类机器人协作时的设计和含义。
评估学校停课对 74 个国家新冠肺炎疫情动态的影响：建模分析
我们使用数学模型模拟了 74 个国家的 COVID-19 疫情，其中纳入了 2020 年至 2022 年的观测数据和历史学校关闭时间表。然后，我们模拟了一个反事实情景，假设学校在整个研究期间保持开放。我们比较了模拟疫情在严重急性呼吸道综合征冠状病毒 2 (SARS-CoV-2) 感染、死亡和医院入住压力方面的情况。我们估计，在 2020 年至 2022 年期间，大多数情况下的学校关闭都实现了中度至显著的负担减轻。它们降低了几乎所有国家的峰值医院入住压力，74 个国家中有 72 个国家（97%）的估计中值为正，估计中值范围从巴西的峰值医院入住压力降低 89% 到印度尼西亚的峰值医院入住压力增加 19%。学校停课对新冠肺炎死亡人数的影响估计中位数从泰国的 73% 下降到英国的 7% 上升不等。我们估计，学校停课可能增加了 9 个国家（12%）的新冠肺炎总体死亡率（基于中位数估计），其中包括几个欧洲国家和印度尼西亚。这归因于人口免疫动态的变化，导致疫情在德尔塔变异期间集中，同时感染者的年龄分布向上移动。虽然我们的估计值存在很大的不确定性，但我们通过探索社会混合假设影响的敏感性分析表明，我们针对特定国家的结论是稳健的。
基于冰核数据的Dansgaard-Oeschger事件动态的新型概念模型
摘要。这项研究介绍了一种新型的动力系统模型，旨在捕获Dansgaard-Oeschger（DO）事件的高度非周期性。由于其可变持续时间（有些持续了1世纪，而其他事件跨越了多个毫伦），因此很难充分建模。利用从Stommel模型得出的简化的两方程式框架，我们的方法集成了一个内部控制参数，该参数充当反馈参数（在南极底部水（AABW）地层上）。通过分析方法和数值方法，我们建立了一个合适的参数域，在该域中，新调整的模型可以准确地复制DO的古气候记录，如摘要统计信息所描述的事件的古气候记录所述，该记录是从冰核数据中得出的。分析还表明，没有新的控制参数，该模型没有合适的pa-rameter域，在该域中可以重现冰核记录中看到的广泛的事件特征。这项研究提供了对这些高度显着的气候现象的基本机制的新见解，以及通过允许新模型的参数随时间变化而被迫强迫它们的必要时间尺度。这使我们的模型可以在捕获与观察性记录相匹配的定时特征的逼真的事件序列时实现前所未有的精度。这个重新定义的模型不仅增强了我们对DO cycles的理解，而且还展示了简单动力学系统模拟复杂气候相互作用的潜力。
金鱼藻的全门基因组揭示了保守的常染色体以及动态的附属染色体和性染色体
金鱼藻是苔藓植物三大门之一，在现存的陆生植物中表现出最深的分化，一些科之间的分化超过 3 亿年。以前的金鱼藻基因组仅代表一个属，限制了推断金鱼藻及其早期陆生植物祖先进化的能力。我们在这里报告了十个新的染色体级基因组，代表了所有金鱼藻科和大多数属。我们发现，尽管分化很深，但同源性在所有金鱼藻基因组中都出人意料地保守，这种模式可能与全基因组复制的缺失有关。我们进一步发现了多个高度重复和 CpG 甲基化的附属和假定性染色体。与常染色体相比，这些染色体大多缺乏彼此的同源关系，并且在进化上不稳定。我们发现了一些显著的基因保留和丢失，包括负责黄酮类化合物生物合成、气孔模式和植物激素接收的基因，这些基因对重建早期陆生植物的进化具有重要意义。总之，我们的全门基因组揭示了角苔属中一系列保守和不同的基因组特征，凸显了这种深度分化谱系的独特性。
与防御性伦理学动态的关联学习
基于威胁强度，接近性和肯定的上下文以及学习预测危险刺激的抽象防御行为会发生变化，这对于生存至关重要。然而，大多数帕夫洛维亚恐惧调节范式仅着眼于冻结行为，掩盖了协会性和非缔合性机制对动态防御反应的贡献。为了彻底研究防御性伦理图，我们将男性和雌性成人C57BL/6 J小鼠进行了pavlovian条件的范式，该范式将脚震与包含串行的化合物刺激（SCS）组成，该刺激（SCS）由独特的音调和白噪声（WN）刺激周期组成。为了研究联想和非缔合性机制如何影响防御反应，我们将这个配对的SCS-footshock组与四个对照组进行了比较，这些对照组由伪和伪造的scs和footshock和footshock，Hock Shock，Hock Shock，或反向SCS的表现与倒置的Tone-WN顺序与成对的呈现或不属性的表现进行调节。在调节的第2天，配对组在音调期间表现出强大的冻结，并在WN期间切换到爆炸性跳跃和飞镖行为。相对，未配对和反向SCS组表达了较少的音调引起的冻结，并且在WN期间很少表现出跳跃或飞镖。在调节第二天后，我们观察到防御行为在两个灭绝会议上的变化如何变化。在灭绝期间，配对组的音调诱导的冻结减少，小鼠从WN期间迅速转移到冰点和飞镖的组合。未配对的，未配对的反向和震惊 - 只有小组在SCS期间表现出防御性的尾巴嘎嘎声和飞镖，冰冻和跳跃最少。有趣的是，配对的反向组没有跳到WN，而音调诱发的冻结具有抵抗力的灭绝。这些发现表明，非缔合性因素促进了一些防御响应，但是强大的提示诱导的冻结和高强度飞行表达需要联想因素。
自动驾驶：ZF和Infineon使用AI算法优化用于驱动动态的软件和控制单元</div>
作为Eemotion项目的一部分，ZF集团和Infineon Technologies AG共同开发和实施了用于开发和控制车辆软件的AI算法。该项目由德国联邦经济事务和气候行动部共同资助。在项目中开发的AI算法在测试工具中经过证明，在自动驾驶过程中根据指定的驾驶轨迹控制和优化所有执行器。ZF已在其现有的两个软件解决方案Cubix和Eco Control 4 ACC中添加了AI算法，这些解决方案已在Infineon的Aurix Aurix TM TM TC4X微控制器（MCU）上实施，并具有集成并行处理单元（PPU）。结果：更有效的人工智能算法和更好地利用计算能力。这又导致更好的驾驶性能和提高驾驶安全性。与没有AI的常规方法相比，两家公司现在
为具有未知动态的系统提供安全保证
摘要 - 随着自主系统在我们的社会中变得越来越综合和积分，需要准确建模并安全地控制这些系统的需求已大大增加。在过去的十年中，使用深度学习技术来建模和控制系统很难使用第一原理建模。但是，为此类系统提供安全保证仍然很困难，部分原因是学习模型的不确定性。在这项工作中，我们旨在为不容易从第一原则衍生而来的系统提供安全保证，因此，使用深度学习技巧更加有助于学习。鉴于感兴趣的系统和安全限制系统，我们从数据中学习了系统动态的集合模型。利用集合不确定性作为学习动力学模型中不确定性的量度，我们计算了最大的鲁棒控制不变式集合，从该集合开始，该系统从该集合开始，从而确保系统满足实现模型不确定性的条件下的安全性约束，这些模型不确定性包含在预定的可允许模型集合中。我们证明了使用倒置的模拟案例研究的方法的有效性，并与Turtlebot进行了硬件实验。实验表明，我们的方法可鲁棒化系统对模型不确定性的控制作用，并在不过分限制的情况下产生安全行为。可以在项目网站1上找到代码和随附的视频。