XiaoMi-AI文件搜索系统
World File Search System大大超越
基于高性能的有前景的储能系统...
摘要：本文在研究镍镉电池电极中氢积累的基础上，提出了一种高容量储氢系统（HSS）。实验证明，氢气在镍镉电池运行过程中会在电极中大量积累。研究表明，氢气以金属氢化物的形式积聚在烧结氧化物镍电极的金属陶瓷基体中。镍基体的重量容量为 20.3 wt%，体积容量为 406 kg m −3 。所获得的金属陶瓷基体重量容量几乎超过了美国能源部（DOE）制定的车载储氢系统标准的四倍，也超过了此前任何可逆氢积累材料的结果。此外，在我们之前的论文中，我们已证明，如果我们使用热失控来从金属氢化物中解吸氢，那么美国能源部制定的动力学和热力学标准可能会被大大超越。因此，在拟议的 HSS 框架内，使用氢积累的电化学方法和热失控过程，不仅可以实现美国能源部为 HSS 制定的所有标准，而且可以大大超越这些标准。
ARL/CNI AI 场景：受 AI 影响的未来 2024 年 6 月
情景规划是一种极好的方法，适用于像人工智能这样的主题，因为未来几年人工智能的发展存在巨大的不确定性。目前，生成式人工智能正受到广泛关注和关注，而机器学习和预测方法在过去十年中也得到了广泛应用。人工智能技术经常嵌入具有更广泛功能的系统中，例如聊天机器人或推荐系统。为了确保充分解决未来的可能性，我们设计了各种情景，涵盖了各种可能的未来，包括人工智能应用失败和对社会造成的危险后果，人工智能导致超人能力的未来，一直到目前尚处于概念阶段的通用人工智能 (AGI)，其目的是在广泛领域匹敌或大大超越人类的分析、推理、规划和创造能力，有些人认为这对人类的生存构成了威胁。
IMG2nDSM：使用深度学习从单个机载 RGB 图像估计高度
摘要：估计单幅航拍图像中建筑物和植被的高度是一个具有挑战性的问题。提出了一种以任务为中心的深度学习 (DL) 模型，该模型结合了成功的 DL 模型（U-NET 和残差网络）的建筑特征，并学习从单个航拍图像到规范化数字表面模型 (nDSM) 的映射。该模型在具有相应 DSM 和数字地形模型 (DTM) 的航拍图像上进行训练，然后用于推断没有高程信息的图像的 nDSM。使用覆盖英国曼彻斯特大片地区的数据集以及 2018 年 IEEE GRSS 数据融合竞赛 LiDAR 数据集对该模型进行了评估。结果表明，所提出的 DL 架构适合该任务，并且大大超越了其他最先进的 DL 方法。
Phi-4 技术报告
我们提出了 phi-4，这是一个拥有 140 亿个参数的语言模型，其开发方法主要关注数据质量。与大多数语言模型不同，这些模型的预训练主要基于 Web 内容或代码等有机数据源，而 phi-4 则在整个训练过程中策略性地整合了合成数据。虽然 Phi 系列中的先前模型在很大程度上提炼了教师模型（特别是 GPT-4）的功能，但 phi-4 在以 STEM 为中心的 QA 功能方面大大超越了教师模型，这证明我们的数据生成和后训练技术超越了提炼。尽管对 phi-3 架构的改动很小，但由于数据、训练课程的改进和后训练方案的创新，phi-4 相对于其规模实现了强劲的性能——尤其是在以推理为重点的基准上。
宽带隙器件及其在电力电子中的应用
摘要：电力电子系统对现代社会影响巨大。它们的应用旨在通过最大限度地减少工业化对环境的负面影响（如全球变暖效应和温室气体排放）来实现更可持续的未来。基于宽带隙 (WBG) 材料的功率器件有可能在能源效率和工作方面实现范式转变，而这些转变与基于成熟硅 (Si) 的器件相比毫无二致。氮化镓 (GaN) 和碳化硅 (SiC) 被视为最有前途的 WBG 材料之一，它们可以大大超越成熟 Si 开关器件的性能极限。基于 WBG 的功率器件可以在更高的开关频率下实现快速开关，同时降低功率损耗，因此可以开发高功率密度和高效率的功率转换器。本文回顾了流行的 SiC 和 GaN 功率器件，讨论了相关的优点和挑战，最后介绍了它们在电力电子中的应用。
实现绿色移动 - Vossloh
在过去的财政年度中，我们再次证明了我们在艰难时期的韧性。沃斯罗继续走在成功的道路上，不仅实现了雄心勃勃的目标，而且在某些情况下还大大超越了这些目标。尽管条件不利，但沃斯罗仍然走在正轨上。 2022 年确实有很多这样的挑战。自那以后，重叠的危机已成为新常态：俄罗斯对东欧的侵略战争、能源危机、难民危机、气候危机、新冠肺炎疫情、供应链大规模中断、世界许多地方惊人的通货膨胀以及利率大幅上涨。这个名单无疑可以继续。世界似乎变得越来越混乱。世界股市对 2022 年的发展做出了重大反应。MSCI 世界指数和 DAX 分别下跌约 13% 和 12%，而 MDAX 和 SDAX 分别下跌 28% 和 27%。
2024 年 9 月 23 日
Quantum Blockchain Technologies (AIM: QBT) 是一家在 AIM 上市的投资公司，专注于区块链技术的研发和投资计划，该公司很高兴地宣布其截至 2024 年 6 月 30 日的六个月中期业绩。 欲了解更多信息，请联系： Quantum Blockchain Technologies Plc Francesco Gardin，首席执行官兼执行主席 +39 335 296573 SP Angel Corporate Finance（指定顾问和经纪人） Jeff Keating、John Mackay +44 (0)20 3470 0470 Leander（财务公关） Christian Taylor-Wilkinson +44 (0) 7795 168 157 关于 Quantum Blockchain Technologies Plc QBT (AIM: QBT) 是一家在伦敦证券交易所 AIM 上市的研究与开发和投资公司，专注于密集的研发计划以颠覆区块链技术领域，其中包括加密货币挖掘和其他先进的区块链应用。该研发计划的主要目标是通过技术驱动的方式开发比特币挖掘工具和技术，公司相信这将大大超越现有的市场实践。
将 EEGNet 与 SPDNet 相结合，实现端到端……
摘要 — 想象语音是一种心理任务，个人在内部模拟提示的发音而无需实际发声。最近，由于其作为脑机接口 (BCI) 范例的简单性和直观性，它引起了广泛关注。因此，从脑信号中解码想象语音成为一项关键挑战，需要使用文献中记录的各种信号处理和机器学习技术来解决。最常用的神经成像方法是脑电图 (EEG)，因为它具有非侵入性、低成本和高时间分辨率。最近从 EEG 信号中解读想象语音的尝试部署了卷积神经网络 (CNN) 架构，例如浅层卷积网络、深度卷积网络和 EEGNet，而其他尝试使用交叉协方差 (CCV) 矩阵作为信号表示的替代形式。我们的新架构将 EEGNet 与 CCV 矩阵相结合，使用 SPDNet 架构中提出的双线性变换从后者中提取判别特征。我们的方法在两个公开可用的数据集上得到了验证，并且表现出与最先进的性能相当的性能，同时大大超越了两个数据集上的 EEGNet 性能。
我们被模拟的可能性不存在
模拟理论认为意识、现实以及我们对这些现实的感知都是通过详细的计算机模拟体现出来的。Bostrom (2003) 提出了模拟理论，至少是其流行的形式，他考虑了一种先进的后人类物种获得强大的计算能力，大大超越了我们目前的局限性，并对模拟其祖先产生了兴趣。Bostrom 认为这可能是我们存在的一种解释。然而，从最广泛的意义上讲，模拟理论没有理由必须依赖这些人类后代。任何拥有足够计算能力和想象力的物种都可以产生令人信服的现实模拟，并且只要有足够的想象力，这种外来物种也没有理由必须模拟与其自身稍微相似的现实。当我们想象一个特别狡猾的非人类模拟器模拟的现实是故意设计来迷惑其居民，让他们相信他们是由他们的后人类后代模拟的时，这个命题尤其有力。先验地，这些都是简单的逻辑可能性，我们无法从所有可能性中排除它们。我们提醒大家，目前尚不清楚“足够的计算能力”究竟意味着什么，以及这是否可以实现。为了便于讨论，我们承认，即使不是在我们的现实中，而是在一个与我们完全不同的假想模拟器的现实中，足够的计算能力是可以实现的，因为没有理由相信不是这样。
BIFRNet：一种受大脑启发的特征恢复 DNN，用于部分遮挡图像识别
部分遮挡图像识别 (POIR) 问题长期以来一直是人工智能面临的挑战。处理 POIR 问题的常用策略是使用非遮挡特征进行分类。不幸的是，当图像被严重遮挡时，此策略将失去效果，因为可见部分只能提供有限的信息。神经科学领域的一些研究表明，特征恢复（填充遮挡信息并称为非模态补全）对于人脑识别部分遮挡图像至关重要。然而，特征恢复通常会被 CNN 忽略，这可能是 CNN 对 POIR 问题无效的原因。受此启发，我们提出了一种新颖的受大脑启发的特征恢复网络 (BIFRNet) 来解决 POIR 问题。它模拟腹侧视觉通路来提取图像特征，并模拟背侧视觉通路来区分遮挡和可见图像区域。此外，它还使用知识模块存储对象先验知识，并使用完成模块根据可见特征和先验知识恢复遮挡特征。在合成和真实世界遮挡图像数据集上进行的深入实验表明，BIFRNet 在解决 POIR 问题方面优于现有方法。特别是对于严重遮挡的图像，BIRFRNet 大大超越其他方法，接近人脑性能。此外，受大脑启发的设计使 BIFRNet 更具可解释性。