XiaoMi-AI文件搜索系统
World File Search System搜索能力
一种多策略自适应综合学习PSO算法及其应用
摘要：本文引入综合学习、多种群并行和参数自适应等思想，提出一种多策略自适应综合学习粒子群算法。该算法设计多种群并行策略，提高种群多样性，加速收敛；实现种群粒子交换与变异，保证粒子间信息共享；将全局最优值加入速度更新，设计新的速度更新策略，提高局部搜索能力；采用综合学习策略构造学习样本，有效促进信息交换，避免陷入局部极值；通过线性改变学习因子，设计新的因子调整策略，增强全局搜索能力；设计一种基于S型递减函数的自适应惯性权重调整策略，均衡搜索能力。最后，选取一些基准函数和光伏参数优化，该算法在10个函数中的6个上取得最优性能。结果表明，所提算法与粒子群优化的一些变体和其他算法相比，多样性、求解精度和搜索能力都有了很大的提高，为光伏发电这一复杂的工程问题提供了更有效的参数组合，从而提高了能量转换效率。
通过集成人工智能技术推进车辆乘员约束系统设计
摘要 为了改进汽车乘员约束系统的设计方法，需要减少仿真的计算量，提高全局搜索能力，研究和整合分析方法来理解设计变量和目标函数之间复杂的相互作用。因此，在本研究中，我们整合了以下三种人工智能技术并将其应用于汽车乘员约束系统的设计：（1）通过机器学习构建高精度近似模型，（2）通过进化多目标优化提高全局搜索能力，（3）利用多元分析方法对多维信息进行可视化和知识获取。首先，我们使用带有试验设计的碰撞分析模型来获得最少的实际计算样本数，然后利用这些样本利用机器学习构建高精度近似模型。接着利用近似模型通过进化多目标优化在设计空间中进行全局搜索，得到考虑目标函数之间权衡关系的Pareto解集。最后利用聚类分析和自组织映射对Pareto解集进行多元分析。最终用高精度近似模型替代进化多目标优化的评估计算，实现了快速全局搜索。关键词：聚类分析、进化计算、机器学习、多目标优化、自组织映射、车辆乘员约束系统。然后利用聚类分析将其中获得的帕累托解集划分为各个聚类，再利用自组织映射对划分后的聚类进行分析，从而提供有关控制目标函数之间权衡以及设计变量之间相互作用的因素的感知信息，有助于设计工程师的洞察。
在图书馆中制作和使用人工智能：在瑞典国家图书馆创建 BERT 模型
如何开发和使用新型人工智能技术？本文结合数据和图书馆学的方法，重点介绍自然语言处理技术，尤其是国家图书馆中的自然语言处理技术。文章介绍了瑞典国家图书馆的藏书如何促成瑞典语新 BERT 语言模型的开发。文章还概述了该模型在学术图书馆中的具体用例，详细介绍了该模型如何使数字藏书可用于新形式的研究，从自动分类到增强搜索能力和改进 OCR 凝聚力。文章的结论强调了人工智能与图书馆相互影响的潜力，并指出，虽然人工智能可能会改变图书馆的运作方式，但图书馆也可以在人工智能的未来发展中发挥关键作用。
融合粒子群优化和统计算法的混合模型拟合方法∗
软件可靠性增长模型 [1] 适用于与测试期间经历的故障相关的时间序列数据，以预测达到所需故障强度或故障间隔时间等指标。从历史上看，人们采用了牛顿法等数值算法，这些算法需要良好的初始参数估计，因此应用 SRGM 需要高水平的专业知识。最近克服传统数值方法不稳定性的方法包括群体智能 [2] 等技术，它表现出强大的全局搜索能力。然而，这些技术可能需要大量的计算资源和时间来收敛到精确的最优值，这对 SRGM 很重要，因为一些模型参数对其他参数的精确估计非常敏感。此外，过去大多数应用群体智能的研究
空间蜂窝机器人轨道桁架无碰撞路径规划
摘要：针对空间站桁架上元胞机器人的移动路径规划问题，以三棱柱桁架为研究对象，提出一种融入引力搜索算法的优化蚁群算法。创新性地采用了限制探索区域的分层搜索策略，利用引力搜索算法求得桁架节点的最优解，并进一步将其转化为蚁群算法中信息素的初值，可以有效防止算法在前期陷入局部最优解，使得优化算法具有更快的收敛速度。本文提出了一种包含目标间夹角的启发式函数，可以有效避免前期的盲目搜索，提高路径搜索能力。仿真结果表明，在选择桁架路径时可以有效减少元胞机器人的路径和规划时间。
知识导航器：科学文献中探索性搜索的LLM指导浏览框架
科学文献的指数增长需要有效的知识探索工具。我们提出了知识导航，该系统旨在通过组织和构造从广泛的局部查询中检索到的文档来增强探索性搜索能力，从而成为可通航的，两级的命名和描述性科学主题和子主题的可通道的两级层次结构。这个结构化的组织涉及域中研究主题的总体观点，同时还可以通过允许用户完善其焦点并检索其他相关文档，从而在特定子主题中迭代搜索和更深入的知识发现。知识导航器将LLM功能与基于群集的方法相结合，以获得有效的浏览方法。我们通过对两个新颖的基准（C lus trec-covid and s ci-toc）进行了体质和手动评估来揭示方法的有效性。我们的代码，提示和基准是公开可用的。
利用超表面进行 Grover 量子搜索算法的表面声波计算
由于并行处理的优势，基于波的计算最近引起了广泛关注。特别是，已经证明了几种声波计算设备可以执行经典算法和数学运算。在这里，我们扩展了声波计算以模拟量子算法，提出了一种支持欺骗表面声波的集成声学梯度超表面系统来实现 Grover 量子搜索算法。我们表明，这种集成元设备可以实现设计的亚衍射和透射相位，可用于模拟量子算法中使用的操作，例如 Hadamard 变换和平均值的逆。数值模拟证明了该设备具有良好的搜索能力，包括比经典算法快一倍的速度和亚波长搜索精度。我们预计，我们的结果将启发片上集成元设备的替代设计方案，以实现更多受量子启发的声学模拟计算。
欧洲的空间组学研究
摘要 欧洲研究界通过欧洲航天局 (ESA) 的太空飞行机会，对我们目前对太空生物学的理解做出了重大贡献。最近的分子生物学实验包括“组学”分析，它提供了对表型适应机制的整体和系统水平的理解。尽管人们对空间组学研究兴趣浓厚，并从中获得了大量的生物信息，但由于最近组学方法在太空中的应用呈指数级增长，以及对已有记录的搜索能力有限，因此对 ESA 相关空间组学工作作为一个整体的知识仍然定义不清。因此，有必要回顾这些贡献，以澄清和促进 ESA 和 ESA 成员国之间的空间组学发展。为了解决这一差距，在这篇评论中，我们 i）确定并总结了由欧洲研究人员领导的组学工作，ii）从地理上描述了这些组学工作，以及 iii）强调了 ESA 成员国之间复杂的资金情景中可能存在的注意事项。
ASBSO：具有灵活搜索长度和基于内存的选择的改进的脑风暴优化
摘要 - 大脑风暴优化（BSO）是一种新提出的基于人群的优化算法，它使用对数MIC Sigmoid传递函数在收敛过程中调整其搜索范围。但是，这种调整仅随当前迭代的数量而变化，并且缺乏灵活性和多样性，这使得BSO的搜索效率和鲁棒性差。为了减轻此问题，建议将自适应步长结构以及成功的内存选择策略纳入BSO。这种提出的方法，基于内存选择BSO的自适应步长，即ASBSO，应用多个步长以修改新解决方案的生成过程，从而根据相应的问题和收敛期提供了灵活的搜索。能够评估和存储解决方案改进程度的新型记忆机制用于确定步长的选择可能性。一组57个基准功能用于测试ASBSO的搜索能力，并采用了四个现实世界问题来显示其应用值。所有这些测试结果表明溶液质量，可伸缩性和稳健性的显着提高。
欧洲空间组学研究：贡献、地理分布和欧空局成员国资助计划
摘要 欧洲研究界通过欧洲航天局 (ESA) 的太空飞行机会，对我们目前对太空生物学的理解做出了重大贡献。最近的分子生物学实验包括“组学”分析，它提供了对表型适应机制的整体和系统水平的理解。尽管人们对空间组学研究兴趣浓厚，并从中获得了大量的生物信息，但由于最近组学方法在太空中的应用呈指数级增长，以及对已有记录的搜索能力有限，因此对 ESA 相关空间组学工作作为一个整体的知识仍然定义不清。因此，有必要回顾这些贡献，以澄清和促进 ESA 和 ESA 成员国之间的空间组学发展。为了解决这一差距，在这篇评论中，我们 i）确定并总结了由欧洲研究人员领导的组学工作，ii）从地理上描述了这些组学工作，以及 iii）强调了 ESA 成员国之间复杂的资金情景中可能存在的注意事项。