푍(2)晶格量规理论在研究量子代码的量子误差校正阈值概率(QEC)的研究中起着重要作用。对于某些QEC代码,例如众所周知的Kitaev的复曲面/表面代码,可以将QEC解码问题映射到给定噪声模型的统计力学模型上。对阈值概率的研究对应于映射统计力学模型的相图。这可以通过统计力学模型的蒙特卡洛模拟来研究。在[11]中,我们研究了在二维上与综合征测量噪声一起在旋转/表面代码上的逼真噪声模型的影响,并引入了随机耦合 - 平面仪表模型,三维푍(2)×푍(2)×푍(2)lattice Gauge理论。这个新的Z(2)量规理论模型捕获了在去极化和综合征噪声下的紫杉/表面代码的主要方面。在这些程序中,我们主要关注Mont Carlo模拟的各个方面,并讨论了Monte Carlo模拟Z(2)晶格理论的初步结果。
塑料产品已成为Modern Society的组成部分。他们的实施从Ba-SIC消费品到航空航天或汽车行业的高级应用程序。旁边的多功能性,其受欢迎程度的原因在于特征,例如具有高度成本有效,可大量生产和轻巧的重量。这些好处,包括对塑料产品的高度需求。尽管如此,可以说塑料产品会带来挑战,尤其是在考虑其环境范围时。质量产品(尤其是一次性塑料)的便利性和广泛的可用性直接影响环境污染,因为质量废物通常因在垃圾填埋场或海洋中处置而造成不雄厚的污水[1]。由于绝大多数聚物不被认为是可生物降解的,因此痕迹仍然导致自然栖息地的污染。随着气候变化和环境污染的后果越来越明显,意识以及采取行动更具可疑的需求已成为社会,政治和现代工程师的优先事项。由于目前的塑料产品的完全放弃似乎不是现实的选择,因此已经探索了其他达到循环经济的方法,最重要的是回收[2]。随着回收的进一步整合到塑料的生命周期中,允许对废物进行更积极的管理,同时为进一步的应用提供新的材料。此外,还出现了用于处理再生材料的新企业。添加剂制造(也称为3D打印)已成为一种可能适合处理再生聚合物的制造系统。3D打印技术已经被认为是物质上有效的,并且可以在多个工业和用户组中找到应用。目前,研究人员Primar-
(法国多发性硬化症注册中心,旨在为研究目的收集法国多发性硬化症患者群体的影像数据、临床数据和生物样本)和 FLI 2(法国生命成像,致力于建立一个国家分布式电子基础设施来管理和处理医学影像数据)。这些共同努力旨在自动分割 MS 患者的 MRI 扫描,以帮助临床医生进行日常工作。该挑战赛于 2021 年 9 月 23 日在 MICCAI 2021 会议上举行。更具体地说,本次挑战赛要解决的问题如下。传统 MRI 广泛用于疾病诊断、患者随访、治疗监测,更广泛地用于了解 MS 的自然史。越来越多的文献对通过比较一个时间点与另一个时间点来在 T2/FLAIR 上描绘新的 MS 病变感兴趣。这种标记物比病变的总数量和体积更为重要,因为新病变的积累可以让临床医生了解某种抗炎 DMD(疾病改良药物)是否对患者有效。药物疗效的唯一指标确实是中枢神经系统内没有新的 T2 病变。但是,手动执行新病变计数是一项非常复杂且耗时的任务。因此,自动检测这些新病变将成为评估患者疾病活动性的一大进步。基于第一次 MSSEG 挑战赛的成功,我们组织了一次由 MICCAI 赞助的在线挑战赛,这次的主题是新的 MS 病变检测 3。这次挑战赛使我们能够 1)估计 2016 年至 2021 年期间取得的进展,2)扩大患者数量,以及 3)关注新病变这一关键临床标记物。我们对一个大型数据库(100 名患者,每人有两个时间点)执行了评估任务,该数据库是从 OFSEP 队列汇编而成,其中包含来自不同中心和扫描仪的 3D FLAIR 图像。与之前的挑战一样,我们在专用平台 (FLI-IAM) 上进行了评估,以自动化评估并消除挑战者看到进行评估的图像而产生的潜在偏见。
伊瓦纳·埃维维奇·巴比奇(Osijek University of Osijek - 委员会主席),Vjekoslav Galzina(Croatia Osijek大学,委员会副主席),EminaBerbićKolar(Osijek) Ujundžić(Osijek大学),AnairkovićMoguš(Osijek大学),KarolinaDobiBarišić(Osijek大学),Damirtomić(Osijek)(Osijek)琳达·丹妮拉(Linda Daniela)(拉特维亚大学),克里斯托夫·昆兹(Christoph Kunz)(鲁伊·费尔特加特(Stuttgart)的信息与传播学院),鲁伊·费尔南多·玛亚·奥利瓦(Rui Fernando da Maia Oliva)电视(Institutopolitécnico) Roza Dumbraveanu(Universitatea基希讷乌国立师范大学“Ion Creangă”)、Sanzharbek Erdolatov(国际阿塔图尔克阿拉图大学)、Bujar Kapllani、Aleksander Xhuvani 大学)、Lulzim Murtezani(特托瓦大学)
目的:人工智能 (AI) 的应用有可能与运筹学方法相结合带来巨大进步。在我们的研究中,我们探索了当前使用 AI 方法解决优化问题的方法。目的是概述最新进展并研究它们如何适应海运物流。方法:进行并呈现结构化的文献综述。对已确定的论文和贡献进行分类和归类,并总结一些特别相关的贡献的内容和结果。此外,还进行了评估,确定了现有的研究差距并展望了未来的研究方向。发现:除了在优化领域大量使用 AI 关键词外,人们对使用机器学习自动学习优化问题的启发式方法的兴趣也日益浓厚。我们的研究表明,这些方法大多尚未适应海运物流问题。所发现的差距为未来研究中开发海运物流学习模型奠定了基础。原创性:在运筹学领域使用机器学习方法是一个有前途且活跃的研究领域,具有广泛的应用范围。从海运物流的角度回顾这些最新进展是一种新颖的方法,可以为未来研究和实践中开发海运物流大规模优化问题的解决方案带来优势。
人工智能 (AI) 中的解释可确保复杂 AI 系统的用户了解系统行为的原因。用户对系统行为的期望会发挥一定作用,因为他们共同决定了解释的适当内容。在本文中,我们研究了当系统以意外方式运行时用户所需的解释内容。具体来说,我们向参与者展示了涉及自动文本分类器的各种场景,然后要求他们在每种场景中指出他们喜欢的解释。一组参与者从多项选择问卷中选择解释类型,另一组参与者必须使用自由文本回答。当输出符合预期时,参与者对于首选的解释类型表现出相当明确的一致意见:大多数人根本不需要解释,而那些需要解释的人则希望得到一个解释,说明输入的哪些特征导致了输出(事实解释)。当输出不符合预期时,用户也喜欢不同的解释。有趣的是,在多项选择问卷中,一致性较低。然而,自由文本回答略微表明,他们更倾向于描述人工智能系统的内部运作如何导致观察到的输出(即机械解释)的解释。总体而言,我们表明用户期望是确定最合适的解释内容(包括是否需要解释)的重要变量。我们还发现不同的结果,尤其是当输出不符合预期时,这取决于参与者是通过多项选择还是自由文本回答。这表明对精确实验设置的敏感性可能解释了文献中的一些变化。
建议引用:Spreitzenbarth, Jan;Stuckenschmidt, Heiner;Bode, Christoph (2021):人工智能的现状:采购与销售和营销,收录于:Kersten, Wolfgang Ringle、Christian M. Blecker、Thorsten (Ed.):适应未来:数字化如何塑造可持续物流和弹性供应链管理。汉堡国际物流会议 (HICL) 论文集,第 31 卷,ISBN 978-3-7549-2770-0,epubli GmbH,柏林,第 223-243 页,https://doi.org/10.15480/882.3990
本作品中包含的信息由美国机械工程师学会从可靠来源获得。但是,ASME 及其作者或编辑均不保证本作品中发布的任何信息的准确性或完整性。ASME 及其作者和编辑均不对因使用本信息而产生的任何错误、遗漏或损害负责。本作品的出版基于以下理解:ASME 及其作者和编辑提供信息,但并非试图提供工程或其他专业服务。如果需要此类工程或专业服务,应寻求适当专业人士的协助。
摘要 本研究使用数据包络分析 (DEA) 开发了一个全面的框架,以评估各个部门 AI 应用的生态效率。通过以输出为导向的 DEA 模型,我们评估 AI 系统如何平衡性能效益与环境影响,并结合多项绩效指标和环境指标。该研究分析了医疗保健、金融和工业部门的数据,使用基准数据和环境评估来确定可持续 AI 实施的最佳实践。预期结果将表明该框架有效地识别了生态高效的 AI 实践,同时强调了数据可用性和不断发展的技术格局的局限性。该研究将有助于从理论上理解 AI 生态效率和实际决策,为组织提供在 ESG 参数内优化 AI 实施的见解,最终推进可持续的 AI 发展实践。关键词:生态效率、人工智能、数据包络分析、ESG。