XiaoMi-AI文件搜索系统
World File Search System归结为
执行摘要 - 南卡罗来纳大学
简介强大而充满活力的文理学院对于南卡罗来纳大学的教学、研究、创造成就和社区参与使命至关重要。学院的目标可以归结为一个词：影响。学院的 26 个学校、部门和学术项目提供 109 个学位（48 个学士学位、40 个硕士学位和 21 个博士学位）。学院拥有近 9,000 名本科生和 900 多名研究生。超过 75,000 名在世的校友是 CAS 毕业生，其中一半以上居住在南卡罗来纳州。2020 年秋季，21% 的 CAS 本科生是第一代学生，21% 是佩尔助学金获得者，这一比例在南卡罗来纳大学中名列前茅。学院教师通过卡罗莱纳核心课程为大学几乎每个学生授课。该学院的研究生课程在 2020 学年培养了 100 多名博士。该学院拥有 450 名终身教授和终身教授职位教师以及 150 名专业职位教师。该学院占地超过 45 栋建筑。
梦想终结航班全球 787 拆解。......
在类似逆向装配线的作业中，两架已有 10 年历史的波音 787-8 飞机（首批从商业服务中退役的此类飞机）最近被拆解成两个裸机身，没有任何零部件。负责拆解工作的爱尔兰飞机管理和贸易公司 EirTrade Aviation 表示，在全球飞机零部件短缺的背景下，这些飞机上使用过的可用材料已经引发了“巨大兴趣”。由于这是有史以来第一批被拆解的 787 飞机，因此此前波音旗舰梦想飞机的运营商几乎没有可以使用的二手零件。EirTrade 销售副总裁保罗·格里森告诉 FlightGlobal：“787 市场存在供应链问题并不是什么秘密。在获得可用于修理的材料之前，很难找到 MRO 时段。”“最终，这归结为一个数学等式。我们看到客户对这种材料的需求巨大，这让 EirTrade 自然而然地开始瞄准下一代飞机，而 787 是我们接触到的第一架飞机。”
药物发现中的人工智能：应用和......
图 1：人工智能在药物发现中的应用和技术。人工智能在小分子药物发现中的应用包括虚拟筛选、定量构效关系和药物设计，可归结为两个主要任务：分子性质预测和分子生成。小分子可以用固定指纹、分子图、简化分子输入系统 (SMILES) 字符串和图像来表示。各种模型架构已应用于每种表示格式，包括卷积神经网络 (CNN)、循环神经网络 (RNN)、图神经网络 (GNN)、变分自动编码器 (VAE)、生成对抗网络 (GAN)、归一化流模型和变压器。然而，低数据分子性质预测和目标导向分子生成仍存在挑战。为了应对这些挑战，人们提出了不同的学习范式，例如用于预训练-微调实践的自监督学习和用于化学空间搜索的强化学习。本文讨论的其他范式还包括小样本学习、度量学习、元学习和主动学习。
最初发表于：Eckhardt, Sven；Sprenkamp, Kilian；Zavolokina, Liudmila；Bauer, Ingrid；Schwabe, Gerhard (2022)。人工智能能否帮助二手车经销商在数据驱动的二手车市场中生存？在：DESRIST 2022：第 17 届信息系统和技术设计科学研究国际会议，美国佛罗里达州圣彼得堡，2022 年 6 月 1 日至 2022 年 6 月 3 日，南佛罗里达大学。DOI：https://doi.org/10.1007/978-3-031-06516-3_9
摘要。二手车市场以不可信和不正当而闻名。经认证的数据已被证明有助于缓解信息不对称，这是不可信市场的主要因素之一。近年来，越来越多的二手车经销商在这个竞争激烈的数据驱动市场中难以生存。在本研究中，我们对二手车经销商进行了 12 次采访，并与瑞士最大的汽车公司之一 AMAG 集团的员工和高管举行了几次会议和研讨会。这让我们深入了解了二手车经销商当前的问题以及人工智能如何提供帮助。这些问题可以归结为高交易成本问题及其子类别。在利用人工智能降低交易成本的过程中，出现了新的次要问题。人们需要信任证书、分析和预测。此外，数据和分析需要透明和可理解，并且必须解决隐私问题。这项研究的意义是多方面的。首先，我们定义二手车市场上二手车经销商面临的问题，并介绍人工智能方法在当前数据驱动的二手车市场的应用。随后，我们强调人工智能需要遵循以人为本的视角，并以信任为设计理念。
超越体素预测的不确定性：识别值得信赖的脑损伤
摘要。深度神经网络已成为自动分割 3D 医学图像的黄金标准方法。然而，由于缺乏对提供的结果进行可理解的不确定性评估，临床医生仍然无法完全接受它们。大多数量化不确定性的方法，例如流行的蒙特卡罗 dropout，都限制了体素级预测的某种不确定性。除了与真正的医学不确定性没有明确的联系外，这在临床上也不令人满意，因为大多数感兴趣的对象（例如脑病变）都是由体素组组成的，而体素组的整体相关性可能不会简单地归结为它们各自不确定性的总和或平均值。在这项工作中，我们建议使用创新的图形神经网络方法超越体素评估，该方法由蒙特卡罗 dropout 模型的输出训练而成。该网络允许融合三个体素不确定性估计量：熵、方差和模型置信度；并且可以应用于任何病变，无论其形状或大小如何。我们证明了我们的方法在多发性硬化症病变分割任务中的不确定性估计的优越性。
量子网络的异步纠缠分发协议
摘要 基于纠缠的量子网络可以通过在远距离端节点之间分发纠缠对来提供无条件安全的通信。为了实现端到端的纠缠分布，量子中继器链中总是需要进行多次纠缠交换操作。然而，由于不完善的物理设备导致纠缠交换的不确定性，交换操作的执行模式直接影响纠缠分布的性能，可归类为纠缠访问控制（EAC）问题。在本文中，我们将EAC问题归结为两个方面：量子节点内的匹配优化和量子节点间的交换冲突避免。据此，我们提出了一种异步纠缠分发协议，该协议分别包含自定义的加权最大匹配算法和可靠的信令交互机制以避免交换冲突。基于所提出的协议，量子中继器自主决定其行为并自发异步构建端到端纠缠对。仿真结果表明，我们的协议可以显著提高端到端纠缠对的纠缠分配率和保真度，同时简化量子网络的部署和管理过程。
人类对人工智能信任的前提、原因和目标
信任是人与人工智能互动的核心组成部分，因为“不正确”的信任程度可能会导致技术的误用、滥用或废弃。但人工智能中信任的本质究竟是什么？信任的认知机制的先决条件和目标是什么？我们如何促进它们，或评估它们在特定互动中是否得到满足？这项工作旨在回答这些问题。我们讨论了一种信任模型，该模型受到社会学家定义的人际信任（即人与人之间的信任）的启发，但并不完全相同。该模型基于两个关键属性：用户的脆弱性；以及预测人工智能模型决策影响的能力。我们纳入了“契约信任”的形式化，即用户与 AI 模型之间的信任是某种隐性或显性契约将持有的信任，以及“可信度”的形式化（与社会学中的可信度概念不同），以及“有根据的”和“无根据的”信任的概念。我们将有根据的信任的可能原因归结为内在推理和外在行为，并讨论如何设计值得信赖的 AI，如何评估信任是否已经体现，以及信任是否合理。最后，我们使用我们的形式化来阐明信任与 XAI 之间的联系。
加速框架中量子波包的断层扫描描述
摘要：研究加速框架中单个量子粒子（即量子波包）的层析成像。我们在移动参考系中写出薛定谔方程，其中加速度在空间中均匀分布，并且是时间的任意函数。然后，我们将这个问题归结为在存在均匀力场但具有任意时间依赖性的情况下，惯性框架中波包的时空演化研究。我们证明了高斯波包解的存在，其中位置和动量不确定性不受均匀力场的影响。这意味着，与无力运动的情况类似，不确定性乘积不受加速度的影响。此外，根据埃伦费斯特定理，波包质心根据粒子受到均匀加速度影响的经典牛顿定律移动。此外，与自由运动一样，波包在配置空间中表现出衍射扩散，但在动量空间中则没有。然后利用Radon变换确定加速框架中高斯态演化的量子断层扫描图，最后利用相关断层扫描空间中的光学和单纯形断层扫描图演化来表征加速框架中的波包演化。
从相对论原理看 DPS QKD 的安全性
安全密钥生成的量子协议的设计面临许多挑战：一方面，它们需要在实验实现方面具有实用性。另一方面，它们的理论描述必须足够简单，以便对所有可能的攻击进行安全证明。这两个要求通常相互冲突，差分相移 (DPS) QKD 协议体现了这些困难：它被设计为可利用当前的光通信技术实现，而对于该协议，其代价是许多标准安全证明技术不适用于它。在发明约 20 年后，这项工作首次提出了 DPS QKD 针对一般攻击（包括有限尺寸效应）的完整安全证明。该证明结合了量子信息论、量子光学和相对论技术。我们首先给出 QKD 协议的安全性证明，该协议的安全性源于相对论约束。然后我们表明 DPS QKD 的安全性可以归结为相对论协议的安全性。此外，我们还表明，对 DPS 协议的连贯攻击实际上比集体攻击更强。我们的研究结果对安全可靠的量子通信技术的发展具有广泛的意义，因为它们揭示了最先进的安全证明技术的适用范围。
通过信息填充信息填充信息
协作感知使每个代理人通过与其他代理人的传统消息交换来证明其感知能力。它固有地归结为感知和沟通成本之间的基本权衡。为了解决这个瓶颈问题，我们的核心思想是从两个关键方面优化协作序列：表示和选择。提出的基于密码的消息代表可以传输整数代码，而不是高维特征图。提出的信息填充消息选择优化了本地消息，以共同填充每个代理的信息需求，防止多个代理之间的信息溢出。通过对这两种设计进行介绍，我们提出了一种新颖的沟通效率协作感知系统，它大大提高了感知 - 交流权衡权衡，并且既包含了同性恋和异构协作环境。我们在现实世界数据集（DAIR-V2X）和新的仿真数据集OPV2VH+中评估了代码填充。结果表明，代码填充的表现超过了sota，其中2comm在dair-v2x/opv2vh+上具有1,333/1,206×较低的通信量。我们的代码可从https://github.com/phyllish/ codefilling获得。