XiaoMi-AI文件搜索系统
World File Search System变黄时
Kefeng Huang 黄克峰
tencent Robotics X，中国深圳05/2024 - 10/2024 Intelligent Agent Group研究实习生开发了一种使用具有低级控制政策的VLM桥接高级计划的方法。VLM指导的轨迹条件扩散政策已提交给ICRA2025。Avanade＆UCL，英国伦敦10/2020 - 05/2021软件工程师开发并带领三人组成的团队创建了一个AI-Driention移动应用程序，旨在促进回收实践。该应用程序标识可回收项目，并通过奖励系统激励回收利用。Citrix Systems，中国北京07/2020 - 09/2020软件工程师Camp Camp carpus Star＆Silver Prive开发了一种用于监视和管理虚拟机弹出窗口的应用程序，从而提高了虚拟化平台的安全性和操作效率。
诱导多能干细胞瘤变的研究进展
TI方向分化潜力（ESC），并避免了ESC的伦理问题。自IPSC发明以来，它已迅速应用于疾病建模，药物开发，再生医学和基因调节中，尤其是在再生医学研究领域。但是，IPSC移植后肿瘤已成为使用IPSC进行再生医学的主要障碍，因此IPSC中的肿瘤已成为当前IPSC研究中的热门问题。本文简要审查了IPSC和肿瘤细胞之间的关系，移植后IPSC的恶性转化以及如何减少其以及IPSC的体内监测技术。
LED 驱动控制/键盘扫描专用集成电路TM1650
接口和TM1650 通信，在输入数据时当SCL 是高电平时，SDA 上的信号必须保持不变；只有SCL 上的 时钟信号为低电平时，SDA 上的信号才能改变。数据输入的开始条件是SCL 为高电平时，SDA 由高变
Zhiyi Huang（黄志毅）
– Distinguished Overseas Scholars' Lecture Program, Peking University ( 北京大学海外名家讲 学计划 ), September, 2023 – Lecture Series, Gaoling Artificial Intelligence School, Renmin University, September, 2023 – Invited Talk at International Joint Conference on Theoretical Computer Science, August, 2020 – Invited Talk for China Computer Federation Inspiring New Ideas (CCF 啓智會 ) at Shanghai University of Finance and Economics, October, 2017 – 2015年6月，雷德蒙德的Microsoft Research邀请演讲 - 伯克利Econcs研讨会，2014年3月
自适应缓解时变量子噪声
摘要 — 当前的量子计算机受到非平稳噪声信道的影响，错误率很高，这削弱了它们的可靠性和可重复性。我们提出了一种基于贝叶斯推理的自适应算法，该算法可以根据变化的信道条件学习和减轻量子噪声。我们的研究强调了对关键信道参数进行动态推理以提高程序准确性的必要性。我们使用狄利克雷分布来模拟泡利信道的随机性。这使我们能够进行贝叶斯推理，从而可以提高时变噪声下概率误差消除 (PEC) 的性能。我们的工作证明了表征和减轻量子噪声的时间变化的重要性，这对于开发更准确、更可靠的量子技术至关重要。我们的结果表明，当使用与理想分布的 Hellinger 距离来衡量时，贝叶斯 PEC 的性能可以比非自适应方法高出 4.5 倍。索引词 — 设备可靠性、计算精度、结果可重复性、概率错误消除、自适应缓解、时空非平稳性、时变量子噪声、NISQ 硬件-软件协同设计
时变图的开放系统量子热力学
在本文中，我们基于图结构的热力学表示，提出了一种新颖的时间演化网络分析方法。我们展示了如何通过将主要结构变化与热力学相变联系起来来表征随时间变化的复杂网络的演化。具体来说，我们推导出许多不同热力学量（特别是能量、熵和温度）的表达式，并用它们来描述网络系统随时间的演化行为。由于现实世界中没有一个系统是真正封闭的，并且与环境的相互作用通常很强，因此我们假设系统具有开放性。我们采用薛定谔图作为量子系统随时间的动态表示。首先，我们使用图结构的最新量子力学表示来计算网络熵，将图拉普拉斯算子连接到密度算子。然后，我们假设系统根据薛定谔表示演化，但我们允许由于与环境相互作用而导致的退相干，模型类似于环境诱导退相干。我们将模型的动态过程分解为（a）未知的时间相关幺正演化加上（b）观察/相互作用过程，从而简化模型，这是系统密度矩阵特征值变化的唯一原因。这使我们能够通过估计负责演化的幺正部分的隐藏时变汉密尔顿量来获得与环境的能量交换度量。利用能量、熵、压力和体积变化之间的热力学关系，我们恢复了热力学温度。我们评估了该方法在代表金融和生物领域复杂系统的真实世界时变网络上的效用。我们还比较和对比了热力学变量（能量、熵、温度和压力）提供的不同特征。研究表明，时变能量算子的估计可以强烈地表征时间演化系统的不同状态，并成功检测到网络演化过程中发生的关键事件。
有向图上时变信号的联合采样与重构
摘要 — 时变图信号的顶点域和时间域平滑性是可以利用的基本属性，从有限的样本中有效地重构图信号。然而，当信号的频率占用率随时间变化时，现有的方法并不直接适用。此外，虽然例如传感器网络应用可以从有向图模型中受益，但图特征向量的非正交性会对基于谱的信号重构算法提出挑战。在这种情况下，我们在这里考虑具有未知频率支持的 K 稀疏时变信号。通过利用变化图频率支持的平滑性并在有向图上采用移位操作，我们研究基于 Schur 分解的多个变化信号的联合采样，以通过正交频率分量重构每个信号。首先，通过提出两阶段单独联合采样方案来确定多个信号的联合频率支持。基于估计的频率支持，可以使用在单个采样阶段收集的数据恢复每个信号的 GFT 系数。提出了用于顶点集选择和图移位顺序选择的贪婪算法，从而能够对加性噪声进行鲁棒的信号重构。考虑到应用中的信号可能近似为 K 稀疏，我们进一步利用单个和联合采样阶段的样本，并将最优信号重构作为具有自适应频率支持选择的凸优化问题进行研究。所提出的最佳采样和重构算法优于随机网络和传感器网络数据收集中的几种现有方案。
基于人工智能的时变环境下 HAPS 规划框架
高空伪卫星 (HAPS) 是一种固定翼、太阳能供电的无人驾驶飞行器 (UAV)，旨在成为固定轨道卫星的灵活替代品，用于长期监测地面活动。然而，由于其重量轻、电动机功率弱，该平台对天气相当敏感，无法在危险天气区快速飞行。在这项工作中，我们将多个 HAPS 的任务规划问题公式化为以 PDDL+ 表示的混合规划问题。该公式还考虑了平台动态建模问题、时变环境以及需要执行的异构任务。此外，我们提出了一个框架，将 PDDL+ 自动规划器与自适应大邻域搜索 (ALNS) 方法相结合，开发该框架是为了将自动规划器与特定于该问题的元启发式方法相结合。任务和运动规划在框架内以交织的方式完成，因此保留了共同的决策/搜索空间。我们使用第三方 HAPS 真实模拟器以及一组基准测试验证了我们的方法，表明我们的集成方法可以制定可执行的任务计划。
经济政策不确定性对美国经济的时变影响
我们利用具有时变系数的 VAR 模型研究经济政策不确定性 (EPU) 对美国经济的影响。系数可以随着时间的推移逐渐变化，这使我们能够发现结构性变化而无需先验地强加它们。我们发现三种不同的机制，与美国经济的三个主要时期相匹配，即大通胀、大缓和和大衰退。对实际 GDP 的初始影响在大通胀和大衰退期间为 -0.2%，在大缓和期间为 -0.15%。此外，EPU 的不利影响在大衰退期间更为持久，这解释了复苏缓慢的原因。这种机制依赖性对于 EPU 来说是独一无二的，因为金融不确定性的宏观经济后果结果相当不随时间变化。
时变量子信道的量子中断概率 - PhysRevA.105.012432.pdf
Qdbdms dwodqhldms_k rstchdr g_ud rgnvm sg_s sgd qdk_w_shnm shld S 0 _mc sgd cdog_rhmf shld S 1 ne rtodqbnmctbs，hmf ptahsr fitbst_sd bnmrhcdq_akx nudq shld- Shld，u_qxhmf pt_mstl bg_mmdk %SUPB（lncdkr g_ud addm oqnonrdc hm nqcdq sn bnmrhcdq sgd shld，u_qxhmf m_stqd ne sgd o_q_ldsdqr sg_s cd§md ptahs cdbngdqdmbd- Sghr cxm_lhb m_stqd ne pt_mstl bg_mmdkr b_trdr _ cdfq_c_shnm ne sgd odqenql_mbd ne pt_mstl dqqnq bnqqdbshnm bncdr %PDBBr( sg_s hr onqsq_xdc _r _ fi_ssdmhmf ne sgdhq dqqnq q_sd btqudr- Hm sghr _qshbkd vd hmsqnctbd sgd bnmbdosr ne pt_mstl nts_fd oqna_ahkhsx _mc pt_mstl g_rghmf nts_fd oqna_ahkhsx _r _rxlosnshb_kkx _bghdu_akd dqqnq q_sdr ax _ PDBB vhsg sgd pt_mstl q_sd QP nodq_shmf nudq _ SUPB- Vd cdqhud bknrdc，enql dwoqdrrhnmr enq sgd e_lhkx ne shld，u_qxhmf _lokhstcd c_lohmf bg_mmdkr _mc rstcx sgdhq adg_uhnq enq cheedqdms rbdm_qhnr- Vd pt_mshex sgd hlo_bs ne shld u_qh_shnm _r _ etmbshnm ne sgd qdk_shud u_qh_shnm ne S 0 _qntmc hsr ld_m- Vd bnmbktcd sg_s sgd odqenql_mbd ne PDBBr hr khlhsdc hm l_mx b_rdr ax sgd hmgdqdms fitbst_shnmr ne sgdhq cdbngdqdmbd o_q_ldsdqr _mc bnqqnanq_sd sg_s o_q_ldsdq rs_ahkhsx hr bqtbh_k sn l_hms_hm sgd dwbdkkdms odqenql_mbd nardqudc nudq rs_shb pt_mstl bg_mmdkr-