XiaoMi-AI文件搜索系统
World File Search System悬而未决
可编程量子计算机的凸优化
量子计算的一个基本模型是可编程量子门阵列。这是一种量子处理器，由程序状态提供信息，该程序状态会在输入状态上引发相应的量子操作。虽然可编程，但已知该模型的任何有限维设计都是非通用的，这意味着处理器无法完美模拟输入上的任意量子通道。表征模拟的接近程度并找到最佳程序状态在过去 20 年里一直是悬而未决的问题。在这里，我们通过展示寻找最佳程序状态是一个凸优化问题来回答这些问题，该问题可以通过机器学习中常用的半有限规划和基于梯度的方法来解决。我们将这个一般结果应用于不同类型的处理器，从基于量子隐形传态的浅层设计到依赖于基于端口的隐形传态和参数量子电路的更深层方案。
质疑人工智能：为可解释的人工智能用户体验提供设计实践
摘要 人们对可解释人工智能 (XAI) 的兴趣高涨，导致了大量关于该主题的算法工作的出现。虽然许多人认识到在人工智能系统中加入可解释性特征的必要性，但如何满足现实世界用户对理解人工智能的需求仍然是一个悬而未决的问题。通过采访 20 位从事各种人工智能产品的用户体验和设计从业者，我们试图找出当前 XAI 算法工作与创建可解释人工智能产品的实践之间的差距。为此，我们开发了一个算法驱动的 XAI 问题库，其中用户对可解释性的需求以用户可能会问到的有关人工智能的典型问题的形式表示出来，并将其用作研究探针。我们的工作为 XAI 的设计空间提供了见解，为支持该领域的设计实践的努力提供了信息，并确定了未来 XAI 工作的机会。我们还提供了一个扩展的 XAI 问题库，并讨论了如何使用它来创建以用户为中心的 XAI。
定制可信人工智能加速器，实现高效的隐私保护机器学习
使用可信硬件已成为实现隐私保护机器学习的一种有前途的解决方案。具体而言，用户可以将其私人数据和模型上传到硬件强制的可信执行环境（例如，支持 Intel SGX 的 CPU 中的飞地），并在其中运行机器学习任务，并确保机密性和完整性。为了提高性能，AI 加速器已广泛应用于现代机器学习任务。然而，如何保护 AI 加速器上的隐私仍然是一个悬而未决的问题。为了解决这个问题，我们提出了一种基于未修改的可信 CPU 和定制的可信 AI 加速器的高效隐私保护机器学习解决方案。我们谨慎地利用加密原语来建立信任并保护 CPU 和加速器之间的通道。作为一个案例研究，我们基于开源多功能张量加速器展示了我们的解决方案。评估结果表明，所提出的解决方案以较小的设计成本和适中的性能开销提供了高效的隐私保护机器学习。
使用特征态迹距离识别量子多体可积性和混沌
虽然量子多体可积性和混沌的概念对于理解量子物质至关重要，但它们的精确定义迄今为止仍是一个悬而未决的问题。在本文中，我们引入了量子多体可积性和混沌的替代指标，该指标基于通过最近邻子系统迹线距离计算的特征态统计数据。我们表明，通过对各种典型模型系统（包括随机矩阵理论、自由费米子、Bethe-ansatz 可解系统和多体局部化模型）进行广泛的数值模拟，这为我们提供了忠实的分类。虽然现有指标（例如从能级间距统计中获得的指标）已经得到了巨大的成功，但它们也面临局限性。例如，这涉及量子多体踢顶，它是完全可解的，但根据能级间距统计，在某些范围内被归类为混沌，而我们引入的指标则表明了预期的量子多体可积性。我们讨论了我们观察到的最近邻跟踪距离的普遍行为，并指出我们的指标在其他情况下也可能有用，例如多体局部化转变。
聚合器视角下的能源社区商业模式：最新进展和研究差距
摘要：在气候变化缓解计划的压力下，分布式能源资源 (DER) 正在蔓延，而能源社区 (EC) 被认为是最适合利用 DER 传播的框架。了解能源公司，尤其是聚合器在这种背景下的作用仍然是一个悬而未决的话题，因为尚不清楚它们如何在聚合过程中支持成员以及如何通过其业务创造价值。因此，这项研究的目的是修改目前研究议程中存在的内容，因此进行了系统的文献综述。这项工作的贡献包括说明聚合器的主要特征，指出它们如何在能源市场中实施其战略，通过哪些服务获取价值，他们的合作伙伴和客户是谁，他们的活动的财务方面与聚合集群的规模有关，最后，目前部署的主要商业模式结构是什么。然后，考虑电子商务背景，确定聚合器可以有效支持社区建立和管理的领域，解决众所周知的障碍，以及未来研究应该填补哪些空白。
stablecoins：风险，潜力和法规
资金和支付系统的基础技术正在迅速发展。分布式分类帐技术（DLT）的出现和传统集中式系统的快速进步都在推动货币和支付的技术范围。这些趋势体现在私人的“ Stablecoins”中：具有与法定货币或其他资产相关的价值的加密货币。stablecoins - 特别是潜在的“全球稳定者”，例如Facebook的天秤座提案 - 从世界各地的金融当局的角度提出了一系列挑战。同时，对全球稳定的监管响应应考虑其他使用stablecoin的潜力，例如将强大的货币仪器嵌入数字环境中，尤其是在分散系统的背景下。期待在这种情况下，从监管的角度来看，一种可能的选择是将监督要求嵌入稳定的系统本身，允许进行“嵌入式监督”。然而，是否可以提供更有效的解决方案来实现StableCoins旨在解决的功能，这是一个悬而未决的问题。
影响未来个体：为何以及何时生殖细胞基因组编辑需要对后代承担更大的道德义务
34 我假设胚胎在通过 GGE 进行基因改造之前和之后具有相同的数值身份，因此无论是否进行 GGE，出生的人在数值上是相同的，尽管在质量上有所不同。许多人可能同意，胚胎 DNA 的微小变化（例如单基因疾病的情况）不会将胚胎 A 变成新的胚胎 B。因此，不会出现数值上不同的人。但是，我知道这种说法并非没有争议，因为 GGE 应用于胚胎是否会导致不同的人诞生仍是一个悬而未决的问题，还应考虑许多其他因素：例如，基因变化的程度、变化在个体生命中的表现、这种变化的影响何时发生在个体的生命中等。关于这一点，请参阅：Zohar，N. (1991)。基因治疗的前景——一个人能从改变中受益吗？生物伦理学，5 (4)，275-288；Elliot，R. (1993)。身份与基因治疗的伦理学。《生物伦理学》，7（1），27-40。
通过梦想新体验
人类和动物练习几个小时后可以学习新技能，而当前的强化学习算法则需要大量数据才能取得良好的表现。最新的基于模型的方法通过减少与环境的必要互动数量以学习理想的策略来显示出令人鼓舞的结果。但是，这些方法需要生物学上难以置信的成分，例如旧经验的详细存储以及长期的离线学习。学习和利用世界模型的最佳方法仍然是一个悬而未决的问题。从生物学中汲取灵感，我们建议做梦可能是使用内部模型的有效权宜之计。我们提出了一个两模块（代理和模型）尖峰神经网络，其中“梦想”（基于模型的模拟环境中的新体验）大大促进了学习。重要的是，我们的模型不需要经验的详细存储，而是在线学习世界模型和政策。此外，我们强调的是，我们的网络由尖峰神经元组成，进一步提高了神经形态硬件中的生物学合理性和可实现性。
通过扩散模型通过类间图像混合增强图像分类
文本对图像（T2I）生成模型最近成为一种强大的工具，可以创建照片现实的图像并引起多种应用。然而，将T2i模型的有效整合到基本图像分类任务中仍然是一个悬而未决的问题。促进图像锁骨表现的一种普遍的策略是通过使用T2I模型生成的合成图像来增强训练集。在这项研究中，我们仔细检查了当前发电和常规数据增强技术的缺点。我们的分析表明，这些方法努力产生既忠实的（就前景对象）而且针对领域概念的多样化（在背景上下文中）。为了应对这一挑战，我们引入了一种创新的类数据增强方法，称为diff-mix 1，该方法通过在类之间执行图像翻译来丰富数据集。我们的经验结果是，DIFF-MIX在信仰和多样性之间取得了更好的平衡，从而导致各种图像分类场景之间的性能显着提高，包括域名数据集的少量，常规和长尾分类。
卫星探空数据及其预报产品...
威斯康星大学麦迪逊分校和汉普顿大学（HU）气象卫星研究所（UW-CIMSS）和汉普顿大学（HU）严重天气研究中心（HU-SWRC）是联合卫星卫星系统证明地面和风险降低（JPS/PGRR）的合作伙伴（JPS/PGRR），以改善对交流的天气。使用直接广播卫星（DBS）在UW，HU和MiamiFla。NOAA/ATLantic海洋学和气象实验室（AOML）接收站获得的直接广播卫星（DBS）高光谱辐射。使用与DBS天线共同列持的DBS数据处理计算机上安装在DBS数据处理计算机上的威斯康星大学社区卫星处理软件包（CSPP）提供了校准和地球定位数据。提供这些数据提供的卫星高光谱仪器是美国Suomi-NPP和JPSS-1上的CRIS（交叉轨道红外发声器），以及欧洲Metop-A，Metop-B和Metop C卫星的Iasi（红外大气卫星干涉仪）上的Iasi（红外大气卫星干涉仪）。从这些仪器中得出的辐射衍生的温度和水蒸气是在位置创建的，并具有1到9小时的时间分辨率，水平空间分辨率约为15 km。这些极性高光谱的声音（pHS）声音与从GOOS-16高级基线成像仪（ABI）辐射得出的水蒸气相结合，也在威斯康星大学实时获得。目前，这些产品可用于图1所示的两个大域：（1）严重的对流风暴/龙卷风预测域（SCST）和（2）热带风暴/飓风预测域（TSHFD）。这些称为“ Phsnabi”的极性和地静止的卫星声音的空间分辨率为2公里，时间分辨率为30分钟，并且有能力以五分钟的频率生产这些产品。phsnabi声音在连续的小时基础上被吸收，以初始化8公里的分辨率快速刷新（RAP）配置的WRF模型，以提供1 - 12小时的预测，以预测降水和对流的严重风暴和龙卷风的启动，并提供整个美国大陆（SCST）的陷入困境，并提供1至3天的悬挂式预报，并提供了悬而未决的预测，并相互启动的预报和悬而未决的风暴及其型号的预测，并提供了风暴的预测，并提供了风暴的预测，并提供了风暴的预测，并提供了风暴的预测，并提供了风暴的预测，并提供了风暴的预测。对于美国中部和海湾地区（TSHFD）。