XiaoMi-AI文件搜索系统
World File Search System启发式
用于优化半导体的量子启发式人工智能模型
半导体技术的快速发展需要创新方法来提高器件的性能和效率。本文讨论了使用量子启发式人工智能模型作为优化半导体器件的先进解决方案。我们在真实数据集的帮助下创建和训练这些人工智能模型，以准确预测和改进不同半导体元件的重要性能参数。与传统的优化方法不同，量子启发式人工智能利用量子计算原理的力量更有效地探索复杂的参数空间，从而产生远远优越的优化结果。我们的实验进一步表明，此类模型在性能预测方面具有更高的准确性，并且将优化所需的时间和计算资源减少了几个数量级。所提出的方法可以通过集成真实数据来实现这一点，从而使整个方法实用且稳健。克服这些挑战将有助于半导体行业满足速度、尺寸和能源效率不断增长的需求。本文研究了量子启发式人工智能为下一代电子技术半导体设计和制造领域带来革命性的潜力。
使用启发式方法校正稳健的心脏分割
与心脏右侧有关的心血管疾病，例如肺部高血压，是墨西哥（和全球）人口中的一些主要死亡原因。为了避免侵入性技术，例如使心脏插入心脏，改善医学超声心动图系统的细分性能可以是早期检测与心脏右侧有关的疾病的一种选择。虽然当前的医学成像系统在心脏的左侧自动进行良好的分割，但他们通常会努力策划右侧腔。本文基于流行的U-NET体系结构，介绍了一种强大的心脏分割算法，能够通过减少的训练数据集准确地分割这四个腔。此外，我们提出了两个其他步骤，以提高机器学习模型中的结果质量，1）一种分割算法，能够准确检测锥形形状（因为已经对其进行了多个数据源进行了培训和完善）和2）2）一个后处理步骤，该步骤可根据SEG的形状和基于SEG-INTICATION的形状和轮廓，该步骤是根据SEG-Intication the Hearicians提供的。我们的结果表明，所提出的技术达到的分割精度可与通常用于此实践的数据集以及我们的医疗团队编制的数据集中的最新方法相媲美。此外，我们在相同的图像序列中测试了后处理校正步骤的有效性，并证明了其与临床医生进行的手动分段的一致性。
启发式：我们在压力下解决问题时使用的思维捷径
当我们在时间压力下或存在很多不确定性的情况下解决问题时，我们往往不会使用严格的逻辑推理。相反，我们倾向于求助于一种或多种思维捷径，也称为启发式方法来解决问题。使用启发式方法的好处是，它们可以让我们快速做出决策，而经历严格的逻辑推理的所有步骤可能会令人精疲力竭且耗时。缺点是启发式推理会导致我们在决策中出现特定类型的错误。研究表明，专家和非专家都使用启发式方法解决各行各业的问题，包括医学、商业、政治、执法，甚至科学。研究人员还发现了多种不同的启发式方法。在本文中，我们将重点介绍三种研究最广泛的启发式方法，并展示它们如何影响现实生活，甚至是生死攸关的决策。
用于人工智能研究的普世启发式方法？
摘要：近几十年来，意识科学取得了长足进步。然而，竞争理论的激增使得就人工意识达成共识变得困难。虽然出于纯粹的科学目的，我们可能希望采取“观望”的态度，但我们可能很快就会面临实际和伦理问题，例如，人工智能体是否能够感受到痛苦。此外，许多用于评估人类甚至非人类动物意识的方法并不直接适用于人工系统。考虑到这些挑战，我建议我们寻找人工意识的普世启发式方法，以便我们能够对不同人工系统中出现意识的可能性进行初步评估。我认为这种启发式方法应该具有三个主要特征：它们应该直观合理、理论上中立且科学上易于处理。我认为，一般智能的概念（理解为强大、灵活和综合的认知和行为能力）满足这些标准，因此可以为这种启发式方法提供基础，使我们能够对哪些人工系统最有可能具有意识做出初步谨慎的估计。1.简介
关于组合优化问题的自动生成元启发式算法
元启发式算法已成为解决优化问题的首选方法之一。由于大量可用方法和可能的算法设计，寻找给定问题的最佳元疗法通常很困难。此外，高性能的元启发术通常结合通用目的和特定问题的算法成分。我们在这里提出了一种使用算法组件的灵活框架自动设计元启发式学的方法，该方法通过自动配置方法实例化和评估算法。与先前需要手写算法模板或语法的先前提案相比，每种算法组件的属性隐含地定义了组成算法的规则。因此，使用其他组件（甚至是特定问题或用户定义的）扩展了我们的框架，会自动更新设计空间。此外，由于生成的算法是由组件组成的，因此可以轻松解释它们。我们提供了提案的实施，并通过在与完全不同的家庭中的三个不同问题中的研究优于以前的研究来证明其好处：设施布局问题，车辆路由问题和聚类问题。
使用元学习优化量子启发式方法
摘要 变分量子算法是一类量子启发式算法，是展示有用量子计算的有希望的候选算法。找到在硬件上放大这些方法性能的最佳方法是一项重要任务。在这里，我们使用一类称为“元学习器”的现有技术来评估量子启发式算法的优化。我们在三个模拟环境中的三个问题上，针对两种量子启发式算法（量子交替算子 ansatz 和变分量子特征求解器），比较了元学习器与进化策略、L-BFGS-B 和 Nelder-Mead 方法的性能。我们表明，在嘈杂的参数设置环境中，元学习器比我们测试的所有其他优化器更频繁地接近全局最优值。我们还发现，元学习器通常更能抵抗噪音，例如，在嘈杂和采样环境中，性能下降幅度较小，并且“增益”指标的平均表现优于其最接近的竞争对手 L-BFGS-B。最后，我们提供了证据表明，在小问题上训练的元学习器将推广到更大的问题。这些结果是一个重要的迹象，表明元学习和相关的机器学习方法将成为近期嘈杂量子计算机有用应用不可或缺的一部分。
一种脑启发式人工智能的伦理分析方法
摘要 尽管人工智能取得了成功，但迄今为止，它在不同的应用领域和目标方面仍然存在许多缺点。这些限制可以说是概念上的（例如，与底层理论模型有关，如符号与联结主义），也是操作上的（例如，与鲁棒性和泛化能力有关）。受生物启发的人工智能，更具体地说是受大脑启发的人工智能，有望提供超出传统人工智能的生物学方面，从而有可能评估并可能克服其目前的一些缺点。本文探讨了受大脑启发的人工智能的开发和使用所引起的一些概念、技术和伦理问题。在此背景下，本文探讨了受大脑启发的人工智能在伦理上是否有任何独特之处。本文的目的是介绍一种具有启发性的方法，可用于识别和解决受大脑启发的人工智能（以及更广泛的人工智能）引起的伦理问题。应用该方法得出的结论是，与传统人工智能相比，类脑人工智能提出了新的基础伦理问题和一些新的实际伦理问题，并加剧了传统人工智能提出的一些问题。
博弈论反潜战任务规划器（基于启发式，完全支持 Excel）
报告文档页面表格批准OMB 编号 0704-0188 估计此信息收集的公共报告负担每份回应平均需要 1 小时，其中包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估算或此信息收集的任何其他方面的评论（包括减轻此负担的建议）发送至华盛顿总部服务处、信息运营和报告理事会，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302，以及管理和预算办公室、文书工作减少项目（0704-0188）华盛顿特区 20503。1. 仅供机构使用（留空）2. 报告日期 2009 年 9 月3. 报告类型和涵盖日期硕士论文4. 标题和副标题博弈论反潜战任务规划器（基于启发式，完全支持 Excel）6. 作者 Scott D. Scherer
Spiers 纪念讲座：量子化学、经典启发式和量子优势
本文是关于化学物质的量子模拟。虽然这是一篇化学期刊上关于法拉第讨论的介绍性文章，但实际上它是为两个读者群撰写的：量子化学家和量子信息理论家。这是因为，尽管近年来量子化学和量子信息理论的交集越来越多，但一个领域的从业者往往对另一个领域的观点了解有限。本文的一个目的是描述量子化学家对化学物质中量子多体问题的直觉。这种直觉指导了当今对改进方法及其应用的研究。另一个目的是给出一个关于量子化学的有利观点，希望能够强调量子信息理论家的一些关注点，我们相信这对量子化学的未来发展有用。量子信息论是一个具有可证明结果的数学领域，而量子化学主要是经验领域。由于作者是量子化学家，本文以量子化学的非正式风格撰写。在某些情况下，它提供了作者的（非严谨的）个人意见。直觉和意见显然不是定理，但我们希望它们能够在前进的道路不明朗时成为有价值的路标。
社会一致性是一种启发式，当个人冒险决策受到干扰
在牲畜生产中对抗菌耐药性（AMR）的越来越多的意识导致呼吁开发诸如抗菌肽（AMPS）之类的替代品，这些替代品也能够在农场动物中打击感染性疾病。放大器开发的关键一步是了解人们对这项技术的观点，以避免与社会期望的不一致。这项研究的目的是调查大学学生在农场动物中应用的研究，作为抗生素使用的替代方法。我们研究了20名大学生，并使用主题分析确定了六个主题：1）初始知识，包括抗生素知识和AMP的初始印象； 2）人类的福祉，包括食品和动物健康对公共卫生的影响，解决AMR的重要性以及农民的成本； 3）动物福利，包括动物健康，福利和生产以及有争议的农场实践的延续； 4）AMP的自然性，包括生物相容性和比较生物材料的相同和不同物种的转移； 5）AMP的不可预见的后果，以及研究新技术的意外后果的重要性； 6）公众接受AMP，包括信任和缺乏意识。总而言之，参与者将AMP积极地视为农场动物中抗生素使用的一种替代方法来解决AMR。但是，关键问题涉及对食品系统，公共卫生和动物福利的意外有害影响，这可能会影响公众对动物农业中AMP的接受。