XiaoMi-AI文件搜索系统
World File Search System定义方法
中华人民共和国国家标准量子计算术语和定义
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本文件由全国量子计算与测量标准化技术委员会（SAC/TC587）提出并归口。 本文件起草单位：中国科学技术大学、济南量子技术研究院、中国科学院计算技术研究所、中国人 民解放军国防科技大学、中国标准化研究院、中国信息通信研究院、中国电子技术标准化研究院、深圳 市腾讯计算机系统有限公司、中国计量大学、武汉大学、华为技术有限公司、杭州知量科技有限公司、 上海图灵智算量子科技有限公司、阿里巴巴网络技术有限公司、深圳量旋科技有限公司等。
量子传感(Ⅰ)：基础理论与方法
在物理和生命科学中具有广泛应用的固态量子传感器 ( 金刚石色心 -NV 氮原子空穴色心 ) ； 探索标准模型之外物理的量子传感器 ( 磁力仪和原子钟，囚禁的极性分子，自旋压缩，控制自旋退相 干，纠缠 ) ； 量子信息处理成为现实 ( 囚禁离子，约瑟夫森结 ) ； 增强型量子传感器的先进材料 ( 光晶格，固态量子缺陷，混合量子系统，拓扑材料 ) ； 用于暗区物理的量子传感器 ( 高 Q 值的射频或微波腔，基于超导干涉效应的高 Q 接收器 ) ； 基于原子干涉测量和光学原子钟的精密时空传感器 ( 量子纠缠 ( “压缩” ) 和量子控制 ( “动态解耦” )) 。
采用脑机接口技术的医疗器械术语及定义
脑机接口医疗器械brain-computer interface medical equipment，BCI-ME 结构上：与大脑、中枢神经或者外周神经直接连接。 机制上：实现大脑信息与外部辅助、增强设备实时双向交互或单向刺激是其显着特征。 效果上：实现脑部疾病治疗、视觉听觉语言等功能恢复或代替、肢体康复等临床治疗效果。
chemSHERPA-AI 数据准备方法和要领
① 输入发行者・授权者的信息。 ② 在传达事项中，请勾选成分信息 ※ 和合规性评估信息。 ※本公司要求FMD (所有成分) 时，请在FMD上打勾后提供。 ③ 请勾选SCIP信息的所有项目。
data.ai 方法和定义
○ data.ai 的报告消费者支出排名基于 iOS App Store 和 Google Play 从付费下载和应用内购买中获得的消费者支出。它们不包括从应用内广告中获得的消费者支出。● 游戏中的顶级公司仅按游戏类别的下载量和消费者支出排名，而应用程序中的顶级公司则按非游戏类别的下载量和消费者支出排名。● 在 iOS App Store 中，应用程序可以归类为主要类别以及可选的次要类别。如果应用程序的主要类别是游戏，次要类别是娱乐，则它只能包含在 data.ai 报告的游戏表中。如果应用程序的主要类别是娱乐，次要类别是游戏，则它只能包含在本报告的应用程序表中。● 下载排名基于单独下载的应用，不包括包含在捆绑包中的应用下载。消费者支出排名基于单独下载的付费应用的消费者支出以及单独下载的应用和应用捆绑包的应用内购买消费者支出。● 消费者支出是总支出——Apple 或 Google 收取费用之前支付的总和。iOS App Store 和 Google Play 的消费者支出份额因应用而异，但通常为 30%。● 对于 2023 年被另一家母公司收购的公司，下载量和消费者支出从收购发生后的日历日开始归属于新母公司。● 有时，公司可能会决定将现有应用从一个类别转移到另一个类别。在这些情况下，data.ai 的报告根据撰写本文时的应用商店分类对该应用进行排名。● 本报告中的数据反映了截至发布时 data.ai 对所有时间段的当前估计和 DNA 关系。这包括数据重述，因为 data.ai 正在不断改进其算法，以便为客户提供尽可能准确的估计。历史数据也可能从之前的出版物中重述，这是行业的标准做法。● 本报告中的月活跃用户 (MAU)、下载和消费者支出排名基于 data.ai 独有的 DNA 实现的统一应用。在统一应用中，不同名称和不同平台上的同一应用的类似版本是统一的。例如，iOS 上的《使命召唤：移动版》和《使命召唤：移动版 VN》以及 Google Play 上的《使命召唤：移动版》和《使命召唤：移动版 VN》均被聚合并排名为单个《使命召唤：移动版》统一应用。
人工智能的定义方法
今天，每个人都听说过“人工智能”或AI这个词。人工智能通常用于指能够自动选择操作模式的简单电子设备。这里所说的“人工”是指系统无法在历史上找到开发人员未提供的新的操作模式。美国科学家约翰·麦卡锡于 1956 年在达特茅斯大学的一次会议上首次谈论人工智能。约翰·麦卡锡将智力功能定义为实现目标的能力的计算组成部分。麦卡锡将人工智能的定义解释为创建智能计算机程序的科学和技术。机器计算的速度远远高于人类，因此科学家们提出了一个问题：机器能力的极限是什么，机器能否达到人类发展的水平？ 1950年，英国科学家阿兰·图灵发表了一篇题为《机器能思考吗？》的文章，其中描述了一种有助于确定机器何时变得像人类一样智能的程序。然而，鉴于此，目前还没有任何研究小组接近创造出人工智能。
多通道人机交互信息融合的智能方法
结构在运行时可以做到即使某一个模态信息缺失整个网络也能取得不错的效果 , 在多通道情感识别、 语义理解、目标学习等领域取得很好的效果 .尽管如此 , 这类网络相对于任务来说还是相对 “ 具体 ”, 如 果要换一个任务 , 用户就需要修改网络结构包括重新调整参数 , 这使得深度神经网络结构的设计是一 个耗时耗力的过程 .因此研究者们希望一个混合的神经网络结构可以同时胜任多个任务 , 以减少其在 结构设计和训练方面的工作量 .鉴于此 , 研究者开始致力于首先采用大数据联合训练构建出多通道联 合特征分享层 , 然后在识别阶段可以同时进行多任务处理的深度多模态融合结构 .如 Google 的学者 尝试建议一个统一的深度学习模型来自适应地适配解决不同领域、不同数据模态下的多个不同类型 的任务 , 且在特定任务上的性能没有明显损失的模型 [71] .该模型构架请见文献 [71] 的图 2, 由处理输 入的编码器、编码输入与输出混合的混合器、混合输出的解码器 3 个部分构成 , 文献 [71] 的图 3 给 出了这 3 个部分的详细描述 .每一个部分的主体结构类似 , 均包含多个卷积层、注意力机制和稀疏门 控专家混合层 .其中 , 不同模块中的卷积层的作用是发现局部模式 , 然后将它泛化到整个空间 ; 注意力 模块和传统的注意力机制的主要区别是定时信号 , 定时信号的加入能让基于内容的注意力基于所处的 位置来进行归纳和集中 ; 最后的稀疏阵列混合专家层 , 由前馈神经网络 ( 专家 ) 和可训练的门控网络组 成 , 其选择稀疏专家组合处理和鉴别每个输入 .
