XiaoMi-AI文件搜索系统
World File Search System子问题
学习融合量子经典分布式优化技术的发电调度
摘要 量子计算的出现可能会彻底改变复杂问题的解决方式。本文提出了一种将量子计算、机器学习和分布式优化相结合的双循环量子经典解算法用于发电调度。目的是便于使用具有有限数量量子比特的嘈杂近期量子机来解决发电调度等实际电力系统优化问题。外循环是一种 3 块量子交替方向乘法器 (QADMM) 算法，该算法将发电调度问题分解为三个子问题，包括一个二次无约束二进制优化 (QUBO) 和两个非 QUBO。内循环是一种可训练量子近似优化算法 (T-QAOA)，用于在量子计算机上解决 QUBO。提出的 T-QAOA 将量子-经典机器的相互作用转化为序列信息，并使用循环神经网络通过适当的采样技术估计量子电路的变分参数。 T-QAOA 只需几次量子学习器迭代即可确定 QUBO 解决方案，而量子经典求解器则需要数百次迭代。外部 3 块 ADMM 协调 QUBO 和非 QUBO 解决方案以获得原始问题的解。讨论了所提出的 QADMM 保证收敛的条件。研究了两个数学和三个代际调度案例。在量子模拟器和经典计算机上进行的分析表明了所提算法的有效性。讨论了 T-QAOA 的优势，并与使用基于随机梯度下降的优化器的 QAOA 进行了数值比较。
优化移动边缘智能系统中的 AI 服务布局和资源分配
摘要 — 利用移动边缘计算 (MEC) 的最新进展，边缘智能已成为支持网络边缘移动人工智能 (AI) 应用的有前途的范例。在本文中，我们考虑了多用户 MEC 系统中的 AI 服务放置问题，其中接入点 (AP) 将最新的 AI 程序放置在用户设备上以在用户端启用本地计算/任务执行。为了充分利用严格的无线频谱和边缘计算资源，仅当在用户处启用本地计算可获得更好的系统性能时，AP 才会将 AI 服务程序发送给用户。我们制定了一个混合整数非线性规划 (MINLP) 问题，通过联合优化服务放置（即哪些用户接收程序）和资源分配（在本地 CPU 频率、上行链路带宽和边缘 CPU 频率上），以最小化所有用户的总计算时间和能耗。为了解决 MINLP 问题，我们推导出解析表达式来以低复杂度计算最佳资源分配决策。这样，我们可以通过基于搜索的算法（例如元启发式或贪婪搜索算法）有效地获得最佳服务放置解决方案。为了提高算法在大型网络中的可扩展性，我们进一步提出了一种基于 ADMM（交替方向乘数法）的方法，将优化问题分解为可并行处理的 MINLP 子问题。ADMM 方法消除了在高维空间中搜索服务放置决策的需要，因此具有较低的计算复杂度，并且随着用户数量的增加而线性增长。仿真结果表明，所提出的算法的性能非常接近最优值，并且明显优于其他代表性基准算法。
LEGO®能量表
Python编程课程2使用Lego®教育Spike™Prime Set概述在本课程中，学生将通过使用Lego®教育Spike™Prime Set扩展Python编程语言的基础以及编程最佳实践。通过一系列脚手架的课程，学生将学习使用功能，复合条件，数据和数学功能以及列表（数组）来控制程序的流程。他们将定义和记录自己的自定义程序，编写脚本并处理错误。最重要的是，学生将有多种和持续的机会在真实的环境中使用所有这些知识来练习和发展Python的编码技能。在课程结束时，学生将设计，迭代开发和编程机器人或模型的原型。协作工作，给予并接收反馈，并提出建议。调试和故障排除硬件和软件问题。使用算法，数据，复合条件，传感器，循环和布尔逻辑。文档程序，反馈，测试和调试。表达流程图或伪代码以解决复杂问题。将问题和子问题分解为各个部分。讨论偏见和可访问性问题。将解决方案传达到问题，包括模型和编程。学习承诺学生将创建工件并建立模型，以使用电动机，传感器，灯光和声音来创建Python程序有效地工作。他们将利用各种编程技术，包括使用条件语句，循环，布尔逻辑以及线性和计算思维来完成各种任务。学生将把他们的Python知识应用于各种有指导和开放式的项目，这些项目最终在为现实世界中提出解决方案方面达到了最终形式。
课程大纲
第一单元：粒子力学。粒子系统力学、约束、达朗贝尔原理和拉格朗日方程、速度相关势和耗散函数拉格朗日公式的简单应用第 1 章。第 1、2、3、4、5 和 6 节。汉密尔顿原理，变分法的一些技巧。从汉密尔顿原理推导出拉格朗日方程。守恒定律和对称性、能量函数和能量守恒第 2 章。第 1、2、3、5 和 6 节第二单元：简化为等效的一体问题。运动方程和一阶积分、等效一维问题和轨道分类、轨道微分方程和可积幂律势、闭合轨道条件（伯特兰定理）、开普勒问题力的平方反比定律、开普勒问题中的时间运动、有中心力场中的散射。第 3 章。第 1、2、3、5、6、7 和 8 节勒让德变换和哈密顿运动方程。循环坐标、从变分原理推导哈密顿运动方程、最小作用量原理。章：7，节：1、2、3、4 和 5。第三单元：正则变换方程、正则变换示例、谐振子、泊松括号和其他正则不变量、运动方程、无穷小正则变换、泊松括号公式中的守恒定理、角动量泊松括号关系。章：8，节：1、2、4、5、6 和 7。汉密尔顿 - 汉密尔顿主函数的雅可比方程、作为汉密尔顿 - 雅可比方法的一个例子的谐振子问题、汉密尔顿 - 汉密尔顿特征函数的雅可比方程。作用 - 单自由度系统中的角度变量。章：9，节：1、2、3 和 5。教科书：经典力学 - H. Goldstein 参考书：经典力学 - JB Upadhayaya 经典力学 - Gupta, Kumar and Sharma
基于优先级的负载平衡与多代理深的增强学习，用于空气空间集成网络切片
摘要 - 已研究了用于支持多样化应用的Space-Air-fromend集成网络（SAGIN）切片，该应用由陆地（TL）组成，由基站（BS）部署（BS），由无人驾驶汽车（无人驾驶汽车（UAV）的空中层部署的空中层（AL）组成。每个Sagin组件的能力是有限的，在退出文献中尚未完全考虑高效和协同负载平衡。为了这种动机，我们最初提出了一种基于优先级的载荷平衡方案，用于Sagin切片，其中AL和SL合并为一层，即非TL（NTL）。首先，在相同的物理萨金下建造了三个典型的切片（即高通量，低延迟和宽覆盖片）。然后，引入了一种基于优先级的跨层负载平衡方法，用户将拥有访问陆地BS的优先级，并且不同的切片具有不同的优先级。更具体地说，超载的BS可以将低优先级切片的用户卸载到NTL。此外，通过制定多目标优化问题（MOOP），共同优化相应切片的吞吐量，延迟和覆盖范围。此外，由于TL和NTL的独立性和优先级关系，上述摩托车被分解为两个子摩托车。报告的仿真结果表明了我们提出的LB方案的优势，并表明我们所提出的算法优于基准测试器。最后，我们自定义了一个两层多代理的深层确定性策略梯度（MADDPG）算法，用于求解这两个子问题，该问题首先优化了TL的用户-BS关联和资源分配，然后确定UAVS的位置部署，USE-UAV/Leo satellite Satellite Association和NTL的资源分配。
机器人操纵的手眼协调
在基于视觉的机器人操作中，当机器人识别物体掌握的对象时，对物体的位置，几何和物理特性的了解并不完美。可变形的物体（例如苏打罐，塑料瓶和纸杯）在学习这些特性的不确定性方面占据了最佳的challenges。为了敏捷地掌握这些，机器人必须在不同的非结构化表示下自适应地控制和协调其手，眼睛和鳍力量的力。换句话说，机器人的手，眼睛和施加力的量必须得到很好的协调。本论文探讨了人类启发的机制的基本原理，并将其应用于基于视觉的机器人抓地力，以开发手眼镜协调以进行可变形的物体操纵。有了一个对象找到任务，机器人遇到了一个无知的对象混乱的非结构化环境。它首先必须查看环境的概述，并存储场景的语义信息，以进行以后的对象触发迭代。使用存储的信息，机器人必须找到所需的对象，仔细抓住它，然后将其带回定义的位置。为了实现感知目标，该机器人首先能够将环境视为一个整体，例如当人类遇到新探索的场景时，并通过模拟视觉选择性注意模型来学会在三维空间中有效地识别对象。最后，在某些特殊情况下，由于人类或以后的迭代中，机器人可能会遇到已经变形的对象。为了更有效地对此进行完善，该机器人还经过训练，可以通过合成的变形对象数据集重新认识这些项目，该对象数据集使用基于直观的Laplacian的网状网格变形过程自动生成。在整个论文中，都解决了这些子问题，并通过在实际机器人系统上进行实验来证明所提出方法的可行性。
碳 - 中性合成燃料生产的远程可再生枢纽
本文研究了可再生能源丰富资源丰富的偏远地区可再生电力的碳中性合成燃料生产的经济学。为此，提出了一个基于图的优化建模框架，直接适用于远程可再生能源供应链的战略规划。更确切地说，引入了计划问题的超图抽象，其中可以将节点视为具有自己的参数，变量，约束和本地目标的优化子问题。节点通常代表一个子系统，例如技术，工厂或过程。超级中期表达了子系统之间的连通性。该框架被利用以研究北非太阳能和风能从碳中性合成的甲烷生产的经济学以及其传递到西北欧洲市场的经济学。完整的供应链是以集成方式建模的，这使得能够在小时的时间尺度上准确捕获各种技术之间的相互作用。结果表明，到2030年，对于每年提供10个TWH的系统，并依靠太阳能光伏和风能发电厂的组合，合成甲烷生产和交付的成本将略低于150 E /MWH（较高的加热价值），假设统一的加权平均资本为7％。最昂贵的配置（约200 E /MWH）仅依靠太阳能电动发电厂，而最便宜的配置（约88 E /MWH）则利用太阳能PV和风电厂的组合，是在将件成本设定为零时获得的。还进行了全面的敏感性分析，以评估各种技术经济参数和假设对合成甲烷成本的影响，包括风力发电厂的可用性，电解的投资成本，甲基化和直接空气捕获工厂的投资成本，其运营动力，其运营能力，直接捕获空气捕获工厂的能源消耗，并捕获空气植物，和固定成本。
![arXiv:2002.07901v1 [quant-ph] 2020 年 2 月 18 日](/simg/g:\will\search\icon\source\c\c194b283812d90cda7068798de2ac8669e964e6a.webp)
arXiv:2002.07901v1 [quant-ph] 2020 年 2 月 18 日
量子计算是一种新的计算范式，有望有效模拟量子力学系统。然而，与工业相关的分子尺寸相比，嘈杂的中型量子 (NISQ) 设备提供的硬件范围仍然很小。本文引入了增量法 (MI)，以帮助加快 NISQ 设备在量子化学模拟中的应用。MI 方法将分子系统的电子关联能量表示为轨道、原子、分子或碎片的截断多体展开。在这里，系统的电子关联以占据轨道的形式展开，并采用 MI 方法系统地减少占据轨道空间。同时，虚拟轨道空间基于冻结自然轨道 (FNO) 减少，FNO 是使用二阶多体微扰理论的单粒子密度矩阵获得的。这样，构建了一种称为 MI-FNO 方法的方法，用于系统地减少量子化学模拟中的占用空间和虚拟空间。然后可以通过任何算法（包括相位估计算法和变分量子特征值求解器等量子算法）求解由 MI-FNO 减少引起的子问题，以预测分子系统的相关能量。在 cc-pVDZ 基组内，针对小分子（即 BeH 2 、CH 4 、NH 3 、H 2 O 和 HF）的情况，研究了 MI-FNO 方法的准确性和可行性。然后，使用对工业相关的中型催化剂分子（“受限几何”烯烃聚合催化剂）的量子比特计数估计，研究了所提出的框架对于实际工业应用中使用的较大分子的有效性。我们表明，即使采用适度截断虚拟空间，MI-FNO 方法也能将量子比特需求减少近一半。这样一来，我们的方法可以促进基于较小但更现实的化学问题的硬件实验，从而有助于表征 NISQ 设备。此外，降低量子比特需求有助于扩大可在量子化学应用中模拟的分子系统的大小，从而大大增强大规模工业应用的计算化学研究。
通过人工智能的医学革命
人工智能（AI）的整合及其在医学中的自主学习过程（或机器学习）彻底改变了全球健康状况，提供了更快，更准确的诊断，对医疗的个性化以及对临床信息的有效管理。但是，这种转变并非没有道德挑战，这需要全面而负责的方法。在许多领域中，AI和医学相交，例如健康教育，患者界面界面，数据管理，诊断，干预和决策过程。对于其中一些领域，有一些准则可以调节它们。AI在医学上有许多应用，包括医学成像分析，诊断，患者预后的预测分析，药物发现和发育，虚拟健康助理和远程患者监测。它也用于机器人手术，临床决策支持系统，AI驱动的聊天机器人，用于分类，管理工作流动自动化和治疗建议。尽管有许多应用，但与文献中尤其是在医学中鉴定出的AI有关的一些问题。这些问题是数据隐私和安全性，偏见和歧视，缺乏透明度（黑匣子问题），与现有系统的集成，成本和可及性差异，AI过度自信的风险，技术限制，对AI错误的问责制，算法可解释性，数据标准化问题，失业，失业，挑战以及临床验证。已经确定的各种问题，最担心的是数据偏见，黑匣子现象，有关数据隐私的问题，决策的责任，人类的安全问题以及技术失业。仍然存在与AI自主学习算法的使用有关的几个道德问题，即认知，规范性和全面的道德问题（总体上）。解决所有这些问题对于确保在医疗保健中使用AI在道德和负责任的情况下实施，从而为人口提供福利而不会损害基本价值。医疗保健提供者与行业之间正在进行的对话，建立道德准则和法规，不仅考虑当前的道德困境，而且未来的观点也是将AI应用于医学实践的基本要点。本综述的目的是讨论主要用于数据管理，诊断，干预和决策过程中的AI算法的道德问题。
人工智能与知识产权
国际图联欢迎有机会对问题文件草案作出回应。作为全球图书馆组织，我们的会员遍布 153 个国家，代表所有类型的图书馆，我们积极参与有关研究、公平性和信息获取的问题。鉴于我们会员的工作性质，我们特别关注有关版权和相关权利的问题。我们相信，WIPO 在人工智能方面的工作将有助于就知识产权在人工智能中的作用展开成熟的讨论，并确保政府在深思熟虑的基础上选择采取行动或不采取行动。如有其他问题，请联系政策和宣传经理 Stephen Wyber，stephen.wyber@ifla.org。问题 4 – 披露算法存放的主题在问题 10.iii 中。然而，法定存放的主题在专利制度之外也具有相关性，特别是当公司和政府使用的人工智能做出的决策影响到人们的生活时。事实上，这是档案管理员工作的基础原则——应该能够回过头来了解所做决定的基础。因此，我们建议在问题 10.iii 之后提出一个子问题，即“算法是否应受法定存放/存档的约束，这可能引发哪些问题？”此外，问题文件假设专利是比版权更适合保护算法本身的工具。尽管如此，在某些情况下，版权已被用作不与受其活动影响的人分享算法的理由——我们认为这是不允许的。因此，无论使用哪种知识产权来保护算法，重要的是要解决其他人可能对算法的使用问题。知识产权规则不应被用来制造秘密，阻止对算法进行测试和查阅其源代码以探索其工作原理，或获取保存副本以允许存档和将来访问。因此，我们建议进一步提出问题 10.vi：无论算法本身属于哪种知识产权制度，在第三方对算法的使用方面应该提供哪些保障，特别是当这些算法用于做出影响他们的决定时。问题 6：作者和所有权 我们赞赏第 12 段重点关注的根本问题，即是否适合授予人工智能创作的作品版权。鉴于图书馆的使命是让用户能够接触到创意作品，我们强烈倾向于既简单明了又不会对获取和使用作品造成新障碍的规则。