XiaoMi-AI文件搜索系统
World File Search System可观
拥抱面部模型如何记录数据集，偏见和许可？实证研究
预训练的机器学习（ML）模型有助于创建ML密集型系统，而无需将显着的资源花在培训新模型上。然而，这种模型缺乏透明度可能会导致偏见，公平性，基础数据的可信赖性，甚至可能产生的法律意义。作为案例研究，本文通过拥抱面孔（一个流行的ML模型枢纽）托管的变压器模型，本文经验研究了预训练的变压器模型的透明度。我们研究模型描述（i）指定用于培训预训练的数据集的程度，（ii）讨论他们可能的培训偏见，（iii）声明其许可证，以及使用此类模型的项目是否考虑了这些许可证。结果表明，预先训练的模型对培训数据集，可观偏见和采用许可证仍然有限。此外，我们发现了一些客户项目可能违反许可的案件。我们的发现进一步研究以提高ML模型的透明度，这可能导致人工智能材料法案的定义，产生和采用。
基于LLM的医疗助理个性化
大型语言模型（LLM），例如GPT3.5，在理解和产生自然语言方面表现出非常熟练的熟练程度。另一方面，医疗助理具有为个人提供可观利益的潜力。但是，基于LLM的个性化医疗助理探索相对稀缺。通常，患者会根据其背景和偏好方式不同，这需要使以用户为导向的医疗助理进行任务。虽然可以完全训练LLM以实现此目标，但资源消耗是无法承受的。先前的研究探索了基于内存的方法，以增强对话中的新查询错误，以增强响应。我们认为，单纯的内存模块是不足的，并且充分训练LLM的成本可能过高。在这项研究中，我们提出了一种新型的计算仿生记忆机械，配备了一个有效的细调（PEFT）模式，以个性化医疗助手。为了鼓励对该领域的进一步研究，我们正在发布基于开源的语料库生成的新对话数据集和我们的实施代码1。
在有两个移位的muons的事件中搜索非弹性暗物质，在proton-proton碰撞中缺少横向动量，s = 13 tev
暗物质（DM）的存在得到了观察结果的强烈支持[1-5]，但其性质在很大程度上仍然未知。专用实验（例如，参考文献。[6-9]）已直接搜索DM，但尚未检测到信号。粒子围栏是这项工作的补充工具。在CERN LHC进行了几次搜索DM模型，例如那些预测弱相互作用的质颗粒的模型[10-15]。基于撞机的长寿命颗粒（LLP）的搜索比以前探索的DM模型范围更大[16-26]。这些颗粒可以在检测器内部腐烂之前传播宏观距离，从而留下独特的特征。几种理论机制预测了DM状态的生产和衰减的抑制相空间，这将导致LHC的长期DM现象学[18]。此外，靶向LLP具有降低甚至消除大量标准模型（SM）背景的可观优势，从而提高了对低能最终状态粒子模型的灵敏度，理论上动机良好，但通常具有挑战性的签名[27-30]。
量子光学报告
量子力学是物理学中的一种理论，它描述了原子和亚原子尺度上物质和能量的行为。将经典力学与量子力学进行比较，可以得出两个主要思想。首先，经典状态描述与量子状态描述有着根本的不同。在经典世界中，系统的状态可以用位置和动量的精确值来描述。另一方面，量子物理学使用波函数来描述状态，波函数可以表示位置和动量等可观测量的测量结果的概率。其次，在经典领域，每个粒子的行为及其与其他粒子的相互作用都是可预测的。更重要的是，如果对粒子进行两次测量，实验结果（如果粒子没有被修改）在整个时间内都是不变的。然而，量子物理学是非直观的。状态和测量之间的关系是不确定的，并且会随着时间而变化。如果对一个粒子进行两次测量，得到的结果可能是随机的和意想不到的。因此，量子力学是非确定性的，这意味着它不能完全精确地描述物理系统的行为（是概率性的）。
PHYSICAL REVIEW A 105, 052218 (2022) 量子现实主义
符合微观世界规律的客观实在的出现一直是长期争论的焦点。近期的方法似乎至少在一个方面达成了共识，即对给定可观测量在物理自由度上的信息进行编码是该可观测量成为物理实在元素的必要条件。以此为基本前提，并受到量子信息论的启发，我们在此建立了量子实在论的公理化——一种与量子理论兼容的实在论概念。我们的策略包括列出一些能够以“度量”独立的方式表征量子实在论的物理驱动原理。我们引入了一些定义单调性和实在论测度的标准，然后在一些著名的信息论中寻找潜在候选者——由冯·诺依曼、雷尼和查利斯熵引起的理论。我们明确地构造了一些熵量词类，其中一些被证明满足所有提出的公理，因此可以作为给定物理可观测量的真实度（或确定性）的忠实估计。希望我们的框架可以为进一步讨论量子力学的基础方面提供正式的基础。
强磁场中激光加速电子的能量增益 A. Arefiev, 1, 2 Z. Gong, 3, 4 和 APL Robinson 5
本文讨论了在具有静态均匀磁场 B ∗ 的等离子体中用激光脉冲加速电子。激光脉冲垂直于磁场线传播，其极化选择为 (E 激光 · B ∗ ) = 0。本文重点研究具有可观初始横向动量的电子，这些电子由于强烈的失相，在没有磁场的情况下无法从激光中获得大量能量。结果表明，磁场可以通过旋转这样的电子来引起能量增加，从而使其动量变为向前。能量增益在这个转折点之后仍会持续，在此转折点处失相会降至一个非常小的值。与纯真空加速的情况相反，电子会经历快速的能量增加，通过分析得出的最大能量增益取决于磁场强度和波的相速度。磁场增强的能量在高激光振幅（a 0 ≫ 1）下非常有用，此时与真空中的加速度类似的加速度无法在数十微米的范围内产生高能电子。强磁场有助于在不显著增加相互作用长度的情况下增加 a 0。
强激光加速电子的能量增益...
本文讨论了在具有静态均匀磁场 B ∗ 的等离子体中用激光脉冲加速电子。激光脉冲垂直于磁场线传播，其极化选择为 (E 激光 · B ∗ ) = 0。本文重点研究具有可观初始横向动量的电子，这些电子由于强烈的失相，在没有磁场的情况下无法从激光中获得大量能量。结果表明，磁场可以通过旋转这样的电子来引起能量增加，从而使其动量变为向前。能量增益在这个转折点之后仍会持续，在此转折点处失相会降至一个非常小的值。与纯真空加速的情况相反，电子会经历快速的能量增加，通过分析得出的最大能量增益取决于磁场强度和波的相速度。磁场增强的能量在高激光振幅（a 0 ≫ 1）下非常有用，此时与真空中的加速度类似的加速度无法在数十微米的范围内产生高能电子。强磁场有助于在不显著增加相互作用长度的情况下增加 a 0。
如何引用：Sharma N，Sharma JK，Chander A，Shergill K，YadavM。
一名57岁的男性出现了三周持续三周的局灶性左上肢震颤病史，没有任何其他局部症状或迹象，没有类似的抱怨或任何其他医学疾病的相关病史。临床和实验室检查正常。大脑和宫颈脊柱磁共振揭示了弥漫性加权图像（DWI）上的局灶性皮质高强度，在左侧的左侧较高强度上，在表观扩散系数（ADC）和Flair图像上，左侧的高压相应明显可观，但在T2WI上没有。患者在医院的不明显过程中对患者进行症状管理，并进行了随访。一个月后，他报道了逐渐进行性双侧上和下肢的弱点和疼痛的抱怨，这在发作中是模糊的，双边有意震颤，渐进性发育不良的症状恶化，张力增加，音调增加，超反射症引起了所有四个limbs的症状。他有轻微的迷失方向，并报告了幻觉和失眠的神经精神症状。在检查时，生命力在正常
对现有和新兴技术的审查
锂离子电池是温度敏感的设备。在极端环境环境下，他们的性能和循环寿命被损害。因此，细胞温度的有效调节是安全可靠的电池操作的先决条件。此外，需要电池组的模块化设计才能设定电动汽车（EV）的高机构成本。但是，电池组的模块化受传统使用的电池热管理系统的灵活性限制。例如，液体冷却电池组的可伸缩性受管道或管道以及系统中使用的辅助设备的限制。因此，模块化电动汽车电池组需要一种替代的热电组合系统。在本文中，开发了用于控制预先研究状态附近的电池温度的最先进的质量审查，目的是确定在模块化体系结构中实施的潜在候选者。在考虑开发状态和相关技术风险的同时，还评估了一些新型技术，除了对传统方法的可观成本和节能外，还提供了高量表性。发现，只有混合系统才能满足模块化设计施加的技术要求。基于当前状态，相变材料和热电设备更有可能成为下一代热管理系统的一部分。
稳定性实验
指示与上层量子算法所期望的相比，可观测量当前是否为负。在跟踪等效可观测量的各种选择之间的一个关键区别是，不同的选择可以有不同的副产品算子。从一种逻辑可观测量的选择转移到另一种逻辑可观测量是一种簿记操作，其中副产品算子之间的关系由分离可观测量的稳定器的测量结果决定。因此，最终，在空间中移动逻辑可观测量归结为将许多稳定器测量的贡献正确地乘以其副产品算子。例如，考虑一个具有逻辑可观测量 XL = + X 1 X 2 X 3 和测量的稳定器可观测量 XS = + X 1 X 2 X 4 X 5 的系统。假设稳定器测量结果在误差修正后为 − 1 ，这意味着您确信 − XS = +1 。根据此信息，你可以得出 XL = XL · +1 = XL · − XS = − X 3 X 4 X 5 。换句话说，XS 告诉你如何用量子位 3、4 和 5 而不是量子位 1、2 和 3 来表达逻辑可观测量 XL。它允许你将逻辑可观测量从由量子位 1、2 和 3（使用副积运算符 +1）支持移动到由量子位 3、4 和 5（使用副积运算符 − 1）支持。在现实场景中，由于代码距离大或路由距离长，移动逻辑可观测量将涉及将数百甚至数百万个稳定器乘以可观测量的副积运算符。如果这些稳定器的任何一个（或三个、五个等）测量值错误，则移动的逻辑可观测量的符号将是错误的。这是一个逻辑错误；这将导致灾难性的情况，即量子计算机执行的上层算法将默默地产生糟糕的结果。计算稳定剂的大型乘积与容错量子计算的相关性在量子纠错领域是众所周知的 [ RHG07 ；Hor+12 ；Cha+22 ；CC22b ；CC22a ]。移动逻辑可观测量需要将许多稳定剂相乘，如果将所有东西永远放在同一个地方，就不可能进行任何计算。因此，能够可靠地计算巨大的稳定剂乘积极其重要。鉴于这些事实，奇怪的是没有完善的实验来直接验证计算大型稳定剂乘积的能力（类似于记忆实验是直接验证随时间保存量子比特的能力的完善基准 [ GQ21 ；Rya+21 ；Zha+22 ；Kri+22 ；And+20 ]）。本文提出的实验类型“稳定性实验”的目标就是填补这一空白。从高层次来看，稳定性实验实际上与记忆实验非常相似（见图 2）。记忆实验之所以有效，是因为它们设置了一个跨时间的全局不变量的情况，然后检查该不变量。不变量是指在时间结束时测量的状态应该与在时间开始时准备的状态相匹配。这使得记忆实验有些退化。测量结果是提前知道的，因此在算法上不需要在运行时执行所有那些昂贵的量子操作。在大型量子计算中，你会希望优化掉任何看起来像记忆实验的东西。稳定性实验也通过创建和验证全局不变量来工作。主要区别在于，稳定性实验不是使用跨时间的全局不变量，而是设置一个跨空间的全局不变量的情况。具体来说，在稳定性实验期间，稳定器区域的乘积的正确值是提前知道的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会希望优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这样您就可以确定您的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到逻辑量子位正确移动的期望确定性水平。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面代码斑块的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离在稳定性实验中，稳定器区域的乘积的正确值是预先已知的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会想要优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这可以让你确定你的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到所需的确定性水平，即逻辑量子位被正确移动。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面码斑的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离在稳定性实验中，稳定器区域的乘积的正确值是预先已知的。这使得稳定性实验有些退化，就像记忆实验一样，在实践中，在大型量子计算中，你会想要优化掉任何看起来像稳定性实验的东西。不过，通过避免删除退化的冲动，你可以将运行时计算的乘积与已知的正确值进行比较。这可以让你确定你的纠错系统在快速确定稳定器区域的这些乘积方面有多好。有几个原因值得对稳定性实验的结果感兴趣。例如，稳定性实验可用于确定需要多少轮才能达到所需的确定性水平，即逻辑量子位被正确移动。更一般地说，稳定性实验可用于量化“类时码距离”（稳定器测量重复的次数）是否需要小于或大于“类空码距离”（表面码斑的直径）。通常假设这些数字是相同的，但没有严格的理由要求它们必须相同。图 2 给出了对稳定性实验感兴趣的更抽象的理由：稳定性实验隐藏在常见量子计算的拓扑时空图中。对稳定性实验感兴趣的最后一个原因是，由于其代码距离因为它的代码距离因为它的代码距离