XiaoMi-AI文件搜索系统
World File Search System本体
空间基因表达中无监督的模式发现地图集揭示了小鼠脑区域超出了本体学
大规模空间基因表达数据的增长需要新的计算工具，以在其天然空间环境中提取基因表达的主要趋势。在这里，我们将一个不受监督和可解释的计算框架描述为（1）通过插入缺失的体素的插入的预处理的3D空间基因表达数据集，（2）使用稳定性驱动的非阴性矩阵分解区域的3D空间基因表达曲线的主要模式（PPS），并[stanmf）技术和（stanmf）技术和（stanmf）技术和（3）本体论。该框架，称为OSNMF（通过Stanmf发现），识别纯粹来自艾伦小鼠脑图中数千个3D空间基因表达谱的PPS。这些3D PPS具有小鼠大脑的稳定和空间相干区域，可能没有人工和偏见。我们证明，OSNMF PPS提供了与专家通知的大脑区域的组合高度相关的新大脑模式，同时还纯粹基于基于空间基因表达数据的唯一本体论。与主成分分析（PCA）和其他聚类算法相比，我们的PPS具有更好的空间连贯性，更准确地匹配专家标签，并且在多个自举模拟中更稳定。我们还使用OSNMF来定义标记基因并建立推定的空间基因相互作用网络。我们的发现突出了OSNMF迅速从大量空间基因表达数据中迅速生成新的地图集的能力，而没有监督并发现了使用常规手动方法很难辨别的大脑区域之间的新型关系。
MAMBO：用于多尺度材料和应用的轻量级本体
摘要：计算和实验工具的进步最近导致了新型先进功能材料开发的重大进展，与此同时，材料数据和信息总量也迅速增长。然而，要有效发挥先进数据密集型方法的潜力，需要在材料研究和开发背景下系统而有效地组织知识。语义技术可以支持知识的结构化和形式化组织，为数据的集成和互操作性提供平台。在本文中，我们介绍了材料和分子基础本体 (MAMBO)，旨在组织分子材料和相关系统（纳米材料、超分子系统、分子聚集体等）计算和实验工作流领域的知识。MAMBO 结合了相邻领域材料科学本体的最新努力，旨在填补当前最先进的材料开发和设计知识建模方法的空白，针对分子尺度和更高尺度领域的交叉领域。 MAMBO 专注于操作流程、轻量级和模块化，能够扩展到更广泛的知识领域，并集成与计算和实验工具相关的方法和工作流程。MAMBO 有望推动数据驱动技术在分子材料中的应用，包括用于材料设计和发现的预测机器学习框架和自动化平台。
机器人和人工智能是否为法律主体？解开本体论和功能论的视角
人们常说机器人和人工智能应用程序 (RAI) 技术非常先进，它们应该为自己的行为负责，而不是设计或操作它们的人。本文旨在证明这种论点（“例外主义主张”）——就其本身而言——在理论上是错误的，在实践中也不充分。事实上，本文认为这种主张是基于对“法律责任”的概念和功能的一系列误解，本文试图通过开发跨学科的概念分类来澄清这些误解。在此过程中，本文旨在为就赋予机器人应用法律地位的可行性进行更具建设性的辩论奠定前提。在简短的介绍为辩论奠定基础之后，本文讨论了本体论主张，区分了关于 i）主观性和 ii）代理概念的哲学辩论和法律辩论，以及它们各自的含义。通过分析，我们可以得出结论：法律主体性和代理权的归因纯粹是虚构和技术解决方案，旨在促进法律互动，并不依赖于 RAI 的内在性质。对于责任概念，我们保持了类似的结构，首先从哲学角度，然后从法律角度进行讨论，以说明后者通常如何用于追求事前威慑和事后补偿。对第二个目标的关注使我们能够将分析与功能（基于法律和经济学）考虑联系起来，讨论如何将法人资格的归因视为简化某些法律互动和关系的尝试。在这样的框架内，是否将法律主体性归因于机器的讨论需要完全在法律领域内进行，并以技术（法律）考虑为基础，在对特定类别的 RAI 进行功能、自下而上的分析的基础上进行论证。这并不意味着将生命力归因于实体本身或将道德地位归因于实体本身。
量子力学的经典本体论的末尾？
通过广泛部署整个（网格）和中级（车辆）尺度的储能技术，可以实现向较小化石燃料依赖化石燃料依赖能源经济的过渡。鉴于其效率和多功能性，目前正在考虑使用可充电电池，这些电池面临着不同的技术要求集（例如，在成本和寿命方面），与它们在便携式电子产品中的使用相比。在全球范围内正在研究研究，以改善当前可用的电池化学，例如锂离子，同时在成本和可持续性方面寻找具有高能量密度和/或优势的新概念。电池本质上复杂的设备，1个掌握材料科学，尤其是特征技术，对于在两个研究方向上取得进步至关重要。测量值（在电池内部）或操作数（在细胞功能期间进行）最近在光谱/空间分辨率方面提高并改善了无数技术的频谱/空间分辨率，包括差异和广泛的镜头和成像技术（甚至是其组合）。不同的长度尺度需要探测：从°A到Nm的表面/接口，以及从数十nm到m m的电极材料，以达到完整电极的MM和完整的
使用与战略性构建的语义技能本体集成的NLP过程的描述性答案评估
摘要世界正在朝着在线教育方法迈进。关键挑战之一是评估没有明确答案并且有几个正确答案的问题。为了解决此问题，为了在线描述性答案的质量评估，在这项工作中提出了一种自动评估方法。语言模型是根据预期的答案密钥建模的，实体图是由使用要评估的输入答案建模的本体生成的。自然语言处理（NLP）技术（如Stemming，摘要和极性分析）在本工作中与本体融合在一起，以有效评估描述性答案。在本章中讨论了评估描述性答案的几个挑战，并解决了这些挑战，以获得动态和稳健的评估系统。最后，使用用户反馈方法评估该系统，该方法包括100名学生和100名教授。
体感神经失传导揭示了本体感觉在运动和姿势的反馈和自适应前馈控制中的侧化作用
本体感觉提供了确定肢体位置和运动所需的关键信息，也可能用于更新可能构成运动和姿势控制基础的内部模型。对患有慢性大纤维失神经症的患者的上肢运动的开创性研究为本体感觉信息在假设形成和维持内部模型以产生准确的运动指令方面的作用提供了证据。视觉也有助于感觉运动功能，但不能完全弥补本体感觉的缺陷。最近的研究表明，姿势和运动控制过程在大脑中是侧化的，本体感觉在协调这些过程对目标导向动作控制的贡献方面起着根本性的作用。事实上，失神经症患者每个肢体的行为类似于控制器单独执行的动作。因此，本体感觉提供了神经系统有效协调多个运动控制过程所需的状态估计。
WP-22-41 资本体现技术变革的经济增长框架
技术进步通常体现在资本投入中。本文建立了一个模型，其中资本创新发生在两个边缘：（1）垂直方向，即资本投入在给定任务中变得更有生产力；（2）水平方向，即资本投入在给定任务中取代劳动力。当资本和劳动力的替代弹性小于单位替代弹性时，这两种形式的技术进步会引发宏观经济“拉锯战”，由此产生的框架可以满足许多宏观经济规律。首先，它可以产生平衡的增长路径并满足 Uzawa 增长定理——即使所有技术进步都发生在资本投入中。其次，它可以产生直观的宏观经济动态，增加对明显生产率放缓和劳动收入份额下降的看法。第三，它可以产生丰富的行业动态并为结构性变化提供信息，包括农业和制造业占 GDP 份额的下降、部门瓶颈、通用技术的作用以及计算有限的宏观经济影响。总体而言，这个易于理解的框架有助于解决技术进步的微观观察与经济增长的宏观经济特征之间令人费解的矛盾。作者感谢 Daron Acemoglu、Lawrence Christiano、Chad Jones、Kiminori Matsuyama、Ezra Oberfield、西北大学和普林斯顿大学的研讨会参与者以及 NBER 的会议参与者提出的许多有益评论。
绿色人工智能本体：用于建模人工智能模型能耗的本体
诸如 GPT 之类的预训练语言模型因其通用人工智能能力而受到称赞，如今被广泛用于问答、信息提取和文本摘要等任务。但是，对于拥有 1750 亿个参数的 GPT-3，训练需要 10,000 个 GPU，耗费 552 公吨二氧化碳。1 因此，出现了一个问题，即 AI 模型有多“绿色”。无论道德评估如何，我们认为对 AI 系统的能源消耗和可持续性特征（例如运营成本）进行建模是有用的，从而扩展了 FAIR 数据原则 [ 1 ]，该原则侧重于研究数据和其他工件的可用性和重用。现有的本体和知识图谱侧重于研究格局的建模、出版物、作者和场所的建模（例如 FaBiO、ORKG、MAKG）[ 2 ]。此外，还提出了用于建模软件和神经网络的本体。例如，信息学研究工件本体 (OIRA) [ 3 ] 提供了一种对软件和数据集进行建模的方法。在 FAIRnets [ 4 ] 中，作者提出了一种用于建模神经网络的模式。然而，令人惊讶的是，这些本体都无法对 AI 模型的能耗进行建模（例如，预训练语言模型的运行时间或二氧化碳足迹，可以通过工具进行测量 [ 5 ]）。
资本体现技术变革的经济增长框架
技术进步通常体现在资本投入中。本文建立了一个模型，其中资本创新发生在两个边缘：（1）垂直方向，即资本投入在给定任务中变得更有生产力；（2）水平方向，即资本投入在给定任务中取代劳动力。当资本和劳动力的替代弹性小于单位替代弹性时，这两种形式的技术进步会引发宏观经济“拉锯战”，由此产生的框架可以满足许多宏观经济规律。首先，它可以产生平衡的增长路径并满足 Uzawa 增长定理——即使所有技术进步都发生在资本投入中。其次，它可以产生直观的宏观经济动态，增加对明显生产力放缓和劳动力收入份额下降的看法。第三，它可以产生丰富的行业动态并为结构性变化提供信息，包括农业和制造业占 GDP 份额的下降、部门瓶颈、通用技术的作用以及计算有限的宏观经济影响。总体而言，这个易于处理的框架可以帮助解决技术进步的微观观察与经济增长的宏观经济特征之间令人费解的矛盾。