XiaoMi-AI文件搜索系统
World File Search System因果
肠道菌群对间质性膀胱炎风险的因果影响
从GWAS上的IC的摘要统计数据是从GWAS目录（Sollis等，2023）中获得的，其中1个包括240例病例和456,108个对欧洲血统的控制。 英国生物银行是一项涵盖50万名40至69岁成年人的队列研究，于2006年至2010年在英国进行了（Neale Lab，2021年）。 依靠ICD 10编码的IC的诊断。 Jiang及其同事开发了一种高级基因组关联（GWA）工具，称为“ FastGWA-GLMM”，该工具专为处理涉及数百万个个人的大规模GWAS数据集而设计。 该工具能够分析所有二元表型中的常见变体和稀有变体，即使是以高度不平衡的病例 - 控制比为特征的（Jiang等，2021）。 他们已应用FastGWA-GLMM使用UK Biobank（UKB）数据来调查2,989个二元性状。 通过FastGWA数据门户可以公开访问这些分析所产生的全面摘要统计信息。 2从GWAS上的IC的摘要统计数据是从GWAS目录（Sollis等，2023）中获得的，其中1个包括240例病例和456,108个对欧洲血统的控制。英国生物银行是一项涵盖50万名40至69岁成年人的队列研究，于2006年至2010年在英国进行了（Neale Lab，2021年）。依靠ICD 10编码的IC的诊断。Jiang及其同事开发了一种高级基因组关联（GWA）工具，称为“ FastGWA-GLMM”，该工具专为处理涉及数百万个个人的大规模GWAS数据集而设计。该工具能够分析所有二元表型中的常见变体和稀有变体，即使是以高度不平衡的病例 - 控制比为特征的（Jiang等，2021）。他们已应用FastGWA-GLMM使用UK Biobank（UKB）数据来调查2,989个二元性状。通过FastGWA数据门户可以公开访问这些分析所产生的全面摘要统计信息。2
建立因果模型，以查找无人机故障的实际原因
找到无人驾驶飞机（UAV）故障的实际原因可以分为两个主要任务：建立因果模型和对其进行实际因果分析（ACA）。虽然文献中有可用的解决方案可以执行ACA，但构建全面的因果模型仍然是一个开放的问题。通常由域专家手动执行的昂贵且耗时的构建过程，阻碍了基于因果关系的诊断解决方案的广泛应用。本研究提出了一种基于自然语言处理的方法，用于自动化无人机的因果模型。从在线资源中收集文本数据后，在句子中确定了因果关键字。接下来，基于代币之间的预定依赖性规则从句子中提取原因 - 效应短语。最后，提取的原因对成对合并以形成因果图，然后我们将其用于ACA。为了演示我们的框架的适用性，我们刮擦了一个开源无人机控制器软件Ardupilot的在线文本资源。我们使用真实飞行日志的评估表明，生成的图可以成功地用于查找不良事件的实际原因。此外，我们的混合因果 - 效应提取模块的性能要比纯学习的工具（即CIRA）的精确度比纯学习的工具（即CIRA），而在我们的Ardupilet用例中，召回率为25％。
重新评估不确定因果顺序对量子计量的优势
量子开关是因果顺序不确定过程的典型例子，据称在量子计量领域的某些特定任务中，它比因果顺序确定的过程具有多种优势。在本文中，我们认为，如果进行更公平的比较，其中一些优势实际上并不成立。为此，我们考虑了一个框架，该框架允许对不同类别的因果顺序不确定过程的性能（由量子 Fisher 信息量化）与因果策略在给定计量任务上的性能进行适当的比较。更一般地说，通过考虑最近提出的具有经典或量子控制因果顺序的电路类别，我们得出了不同的例子，其中因果顺序不确定的过程比因果顺序确定的过程具有（或不具有）优势，从而限定了因果顺序不确定在量子计量方面的兴趣。事实证明，对于一系列示例，已知在物理上可实现的具有因果序量子控制的量子电路类被证明比因果序量子电路以及因果叠加量子电路类具有严格的优势。因此，对此类的考虑提供了新证据，表明在量子计量学中，不确定的因果序策略可以严格胜过确定的因果序策略。
无信号限制具有不确定因果结构的量子计算
当我们想知道哪些是量子理论所允许的、不假设具有任何特定因果顺序的局部系统的集合的最普遍演化时，就会出现具有不确定因果结构的量子过程。这些过程可以在高阶量子理论的框架内描述，该理论从考虑从量子变换到量子变换的映射开始，递归地构建一个阶数不断增加的量子映射层次结构。在这项工作中，我们开发了一种具有不确定因果结构的量子计算形式；即，我们描述了高阶量子映射的计算结构。采用公理方法，这种计算的规则被确定为与量子理论的数学结构兼容的高阶映射的最普遍组合。我们对任意高阶量子映射的可接受组合提供了数学表征。我们证明，这些规则具有计算和信息论性质，是由高阶量子映射的量子系统之间的信号关系的更物理的概念决定的。
气候变化对经济活动的动态因果影响 - 分解的小组
本文调查了气候变化对印度经济增长的长期影响，无论是在整个地区和部门的总体和分散水平上。建立了一个简单的拉姆西模型，以表明资源丰度，气候暴露和国家能力影响资源动员的生产率和效率提高的速度决定了区域增长。横截面增强自身重试的分布滞后模型（CS-ARDL），可解决内生性，异质性和横截面依赖性，其随机趋势在1980年至2019年的29个主要州使用，确认了温度升高对总成分生产率以及产生的经济增长的显着和负面影响。平均而言，一个Celcius的温度升高降低了约3.89％，在各州，部门和收入群体之间存在很大的差异。发现影响生态损害和劳动效率变化的劳动关系，工业化水平，森林覆盖范围以及劳动力和资本差异的变化是造成TFP差异以及由此产生的增长的原因。我们的估计系数与预计的温度相结合表明，由于其依赖农业和生态资源，预计较贫穷，更发达的状态将比其他国家更脆弱。从严格的缓解情景（SSP1-2.6）到业务 - 公平场景（SSP5-8.5），GSDP增长预计将在2020年中降低5.25％至24.51％。JEL代码：O44，Q54，Q51，Q54。 关键词：气候变化，经济增长，印度，小组数据，适应JEL代码：O44，Q54，Q51，Q54。关键词：气候变化，经济增长，印度，小组数据，适应
黑洞蒸发的因果幺正量子比特模型
黑洞信息（丢失）悖论是一个有关黑洞蒸发和演化过程的幺正性难题的问题（见霍金[9]，或Chakraborty和Lochan[4]、Harlow[8]、Polchinski[16]和Marolf[10]的评论）。幺正性守恒的假设（尤其是我们的假设）意味着几种一般的情况。例如，可以采用这样的假设（我们也这样做），即信息在黑洞蒸发过程中（以某种方式）逐渐释放。然而，这个观点（显然和其他观点一样）需要某种令人信服的物理机制，或者（在缺乏机制的情况下）至少需要某种可行的信息传输抽象算法。研究该悖论的一个显而易见的方法是，从特定的物理机制中抽象出问题，从量子比特的角度分析问题。在文献中，我们可以找到许多量子比特模型，它们或多或少成功地再现了黑洞演化的各个步骤（例如，参见 Broda [ 2 , 3 ]、Giddings [ 6 , 5 ]、Giddings 和 Shi [ 7 ]、Mathur [ 11 , 12 ]、Mathur 和 Plumberg [ 13 ]、Osuga 和 Page [ 14 ] 或 Avery [ 1 ] 的评论）。不幸的是，在所有这些模型中，因果关系这一重要问题似乎都没有引起应有的重视，因此没有明确排除超光速通信的可能性。与此相反，我们目前的处理方式优先考虑因果关系。更准确地说，在我们的方法中，我们严格控制通过量子比特传输的信息的方向。
我们分裂了吗？衡量地缘政治分裂及其因果效应 ∗
经过几十年的全球经济一体化，世界经济正在分裂。为了衡量这一点，我们引入了一个地缘政治分裂指数，该指数基于具有时变参数和随机波动性的动态分层因子模型。然后，我们使用结构向量自回归和局部投影来评估分裂的因果影响。分裂加剧对全球经济产生负面影响，新兴经济体受到的影响大于发达经济体。值得注意的是，分裂的负面影响是立竿见影的，而分裂减少的好处则是逐渐显现的。部门分析表明，与全球市场密切相关的行业受到的不利影响更大。最后，我们强调了不同地缘政治集团之间分裂影响的显著差异。
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。
情绪处理网络中神经调节的因果网络分析
神经解码和神经调节技术在处理功能性脑网络的下一代疗法中治疗情绪和其他脑部疾病具有巨大的希望。在这里，我们执行了一种新颖的因果网络分析，以解码灵长类动物情绪处理网络中的多区域通信，并确定神经调节，短期爆发的四烷微刺激（SBTETM）如何改变多区域网络通信。因果网络分析揭示了网络兴奋性的机制，该机制调节发件人刺激站点与接收器站点进行通信时。在调制器站点的神经活动中解码网络兴奋性预测了发送者接收器的通信，而SBTETMS神经调节暂时破坏了发送者接收器的通信。这些结果揭示了多区域通信的特定网络机制，并提出了新一代的脑疗法，它们结合了神经解码，以预测多区域通信与神经调节以破坏多区域通信。
自主驾驶中场景理解的因果知识图
驾驶是一项复杂的活动，需要仔细计划和持续关注。人类驾驶员根据观察结果，过去的经验以及对潜在情景和必要行动的期望来分析其周围环境。尽管对观测数据进行了自动驾驶培训，但它们面临着陌生，不确定和冒险的驾驶情况的挑战。这些车辆在具有各种元素的环境中运行，例如交通标志，行人和其他车辆。了解这些要素之间的关系和互动对于在不同情况下理解自动驾驶汽车的行为至关重要。要实现5级完整驾驶自动化，这需要一个能够在没有人工干预的情况下处理所有驾驶任务的系统，人工智能（AI）模型需要高质量的表示，发现以及对驾驶场景中元素之间因果关系的理解1。在因果关系（CBN）[1]中表达的对因果关系的理解将受益于知识图（kg）中的明确表示。这个想法提出了许多重要的研究问题。在驾驶场景中，基于CBN的因果关系可以帮助理解广告场景吗？可以在KG中使用基于CBN的因果表示执行干预和反事实推理，例如确定特定的