XiaoMi-AI文件搜索系统
World File Search System正好
仅供同行评审 - NSF PAR
我第一次接触计算机是在 1966 年，当时我参加了埃文斯维尔学院（印第安纳州南部的一所小型私立学校）的一门（为期一季度）二年级数学课程（因为当时还没有计算机科学系）。这台机器是 IBM 1620，配备了（当时很现代的！）晶体管和正好 20,000 个十进制数字的磁芯存储器。它是用机器语言（不是汇编语言！）编写的，使用两个十进制数字操作码、十进制地址和通过标记内存位置内容定义的字段。它没有寄存器，也没有硬件十进制算术指令（算术是由软件完成的，存储乘法表并进行查找！）。所有 I/O 都是通过 80 列 IBM 打孔卡、行式打印机和只有学院管理部门才能访问的旋转磁盘进行的。我用低级机器语言编写代码没有问题，但使用 IBM 026/029 打卡机时却遇到了很大困难，它经常卡住、损坏卡片，并且随机无法在卡片顶部打印打卡的字符。我记得花在将程序打到卡片上的时间比编写程序的时间还多！下一季度的计算课程是关于数值方法（更多的是数学而不是计算机科学），使用非常早期的（NCE FORTRAN）编译器，更像现代计算，但有一个很大的区别——20,000 个十进制数字内存和唯一的输入设备是读卡器。任何严肃的数值计算都必须分阶段进行，中间结果打入卡片，然后读回以供下一阶段使用。请注意，加载所有
对 50 年科学计算的个人反思
我第一次接触计算机是在 1966 年，当时我参加了埃文斯维尔学院（印第安纳州南部的一所小型私立学校）的一门（为期一季度）二年级数学课程（因为当时还没有计算机科学系）。这台机器是 IBM 1620，配备了（当时很现代的！）晶体管和正好 20,000 个十进制数字的磁芯存储器。它是用机器语言（不是汇编语言！）编写的，使用两个十进制数字操作码、十进制地址和通过标记内存位置内容定义的字段。它没有寄存器，也没有硬件十进制算术指令（算术是由软件完成的，存储乘法表并进行查找！）。所有 I/O 都是通过 80 列 IBM 打孔卡、行式打印机和只有学院管理部门才能访问的旋转磁盘进行的。我用低级机器语言编写代码没有问题，但使用 IBM 026/029 打卡机时却遇到了很大困难，它经常卡住、损坏卡片，并且随机无法在卡片顶部打印打卡的字符。我记得花在将程序打到卡片上的时间比编写程序的时间还多！下一季度的计算课程是关于数值方法（更多的是数学而不是计算机科学），使用非常早期的（NCE FORTRAN）编译器，更像现代计算，但有一个很大的区别——20,000 个十进制数字内存和唯一的输入设备是读卡器。任何严肃的数值计算都必须分阶段进行，中间结果打入卡片，然后读回以供下一阶段使用。请注意，加载所有
人工智能算法让商业用户能够……
Reconciliations Premium 认为 AIR 在新功能和提高效率方面为用户带来了许多机会，尤其是在优化方面。他说：“首先是提高公司加入新对帐的速度。它可以帮助用户协调他们从未见过的数据，并允许他们快速完成，而无需详细了解产品 - 它可以通过 AI 分析帮助他们更快地加入。” 据 Hasson 称，AIR 还在将公司的对帐能力扩展到新市场和用户方面发挥着重要作用 - 特别是那些对帐需求相对基本、希望即时配置新对帐的用户。“它不是为高度复杂的对帐空间设计的，也没有特定于领域的功能。AIR 为不需要自动化或业务深度功能的部门和其他组织部分带来了新的对帐选项，它使用最新的 AI 和机器学习技术来实现这一点。有些用户希望尽可能快速、简单地运行临时对帐，SmartStream AIR 完全可以满足这一需求。它是云托管的，不需要培训，因此用户从第一天起就可以高效工作。真正好的部分是，它提供的技术也可以通过 TLM Reconciliations Premium 获得 - 例如，分析和加入新信息并改进自动匹配。” AIR 为 TLM Reconciliations Premium 带来的关键功能之一是允许客户使用 AI 服务，同时保留他们认为必不可少的监督和控制水平。Hasson 解释道：“他们可以快速构建或重复使用业务规则来确认特定组合、验证公差等
对 50 年科学计算的个人反思
我第一次接触计算机是在 1966 年，当时我在印第安纳州南部的一所小型私立学校埃文斯维尔学院上了一门（为期一季度）二年级数学课（因为当时还没有计算机科学系）。这台机器是 IBM 1620，配备了（当时很现代的！）晶体管和正好 20,000 个十进制数字的磁芯存储器。它是用机器语言（不是汇编语言！）编写的，使用两个十进制数字操作码、十进制地址和通过标记内存位置内容定义的字段。它没有寄存器，也没有硬件十进制算术指令（算术是由软件完成的，存储乘法表并进行查找！）。所有 I/O 都是通过 80 列 IBM 打孔卡、行式打印机和只有学院管理部门才能访问的旋转磁盘进行的。我用低级机器语言编写代码没有问题，但使用 IBM 026/029 打卡机时却遇到了很大困难，它经常卡住、损坏卡片，并且随机无法在卡片顶部打印打卡的字符。我记得花在将程序打到卡片上的时间比编写程序的时间还多！下一季度的计算课程是关于数值方法（更多的是数学而不是计算机科学），使用非常早期的（NCE FORTRAN）编译器，更像现代计算，但有一个巨大的区别——20,000 个十进制数字内存和唯一的输入设备是读卡器。任何严肃的数值计算都必须进行
热门图表 - 美国：除石油和天然气外，山姆大叔与加拿大享有显着的贸易顺差
最新发布的数据显示，美国有望在 2024 年出现历史上最大的贸易逆差，截至 11 月，这一数字已达到 1.08 万亿美元。如果不是美国连续第二年成为能源净出口国，到 2024 年 11 月，美国能源贸易顺差达到 30 亿美元，这种创纪录的不平衡将更大。就加拿大而言，情况实际上正好相反：正如今天的热门图表所示，整个贸易逆差都源于从大北方进口的石油和天然气。除能源外，我们的南方邻国享有 580 亿美元的贸易顺差，其中 300 亿美元来自服务业。今天，特朗普总统声称，根据目前的贸易协定，美国正在大量补贴加拿大经济——这一说法很难得到相对较小的 320 亿美元贸易逆差的支持——并进一步声称他“不需要我们拥有的任何东西”。如果是这样，为什么不把这个挑战变成机遇呢？”我们最近发表了一项研究（见此处），认为加拿大必须利用其在廉价能源方面的巨大竞争优势——特别是当许多其他经济体都在努力解决能源不安全问题以重新实现我国工业化时。如果不采取大胆果断的行动，加拿大有可能在北美和全球制造业供应链中变得无关紧要。这种侵蚀将削弱该国促进创新、推动持续经济增长和生产我们的邻国——以及世界——真正需要的商品的能力。
通过 RNA 引导转座对 Anabaena sp. PCC 7120 进行基因组工程改造
摘要：在基因组工程中，传入 DNA 的整合依赖于分裂细胞产生的酶，这一直是提高 DNA 插入频率和准确性的瓶颈。最近，据报道，使用 CRISPR 相关转座酶 (CAST) 的 RNA 引导转座在大肠杆菌中非常有效且具有特异性。在这里，我们开发了 Golden Gate 载体来在丝状蓝藻中测试 CAST，并证明它在鱼腥藻属菌株 PCC 7120 中有效。含有 CAST 和工程转座子的相对较大的质粒通过使用自杀或复制质粒的结合成功转移到鱼腥藻中。编码靶标前导链但不编码反向补体链的单向导 (sg) RNA 与 sgRNA 中包含的原间隔子相关基序 (PAM) 序列有效。在对两个不同靶位点进行分析的六种病例中，有四种的插入位点位于 PAM 之后正好 63 个碱基处。复制质粒上的 CAST 具有毒性，可用于治愈质粒。在分析的所有六种情况下，只有由从左到右元素的序列定义的转座子货物被插入目标位点；因此，RNA 引导的转座是由剪切和粘贴引起的。没有内源转座子通过暴露于 CAST 酶而重新动员。这项工作为通过 RNA 引导的转座在丝状蓝藻中进行基因组编辑奠定了基础，无论是在培养中还是在复杂群落中。关键词：鱼腥藻、CRISPR 相关转座子 (CAST)、基因组工程、RNA 引导的转座、minion 测序、从头基因组组装 ■ 简介
行为只是运动，但如何解释它？转化神经科学中的问题和陷阱——40 年的经验
行为神经科学的转化研究遵循精神病学临床研究的指导，在动物身上寻找人类心理健康问题的原因和治疗方法。这项工作面临几个问题，因为科学家必须阅读和解释动物的动作来代表人类的感知、情绪和记忆过程。然而，目前仍不清楚哺乳动物的大脑如何将所有这些过程捆绑成脑干和脊髓中高度压缩的运动输出，但如果没有这些知识，转化研究将毫无意义。本文基于该领域四十年的经验，确定了解释问题的来源并说明了典型的转化陷阱。（1）老鼠的感官世界不同。嗅觉、听觉和触觉胡须感觉在啮齿动物中占主导地位，而视觉输入相对较小。在人类中，这种关系正好相反。（2）老鼠和人类的大脑被不恰当地等同起来：联合皮层占人类新皮层的很大一部分，而啮齿动物的联合皮层相对较小。啮齿类动物最主要的联想皮层是海马体本身，它主要协调来自次级感觉运动区域的输入，并产生物种典型的运动模式，这些模式不易与假定的人类海马功能相协调。（3）对记忆或情绪研究的翻译解释往往忽略了小鼠的生态学，小鼠是一种极小的物种，靠不需要太多认知处理的冻结或飞行反应生存。（4）进一步的误解源于将神经元特性与系统特性混为一谈，以及僵化的机械思维，没有意识到许多实验引起的大脑变化确实部分反映了不可预测的补偿性可塑性。（5）基于对室内和室外小鼠海马病变影响的观察，本文提供了一个与下丘脑输入和输出相关的海马功能的简单通用模型，将下丘脑和脊髓上运动系统置于大脑层级的顶端。 （6）通过将简单的物种典型行为作为可比的终点，可以避免许多翻译问题
观察时钟：解释 Page-Wootters 形式主义和内部量子参考框架程序
最近，量子基础领域对 Page-Wootters (PW) 形式主义的兴趣激增，并且基于内部量子参考系 (IQRF) 的相关概念开发了一项新研究计划。这项研究得出了许多令人兴奋的结果，为时间本质、参考系和等效原理等问题的深层问题提供了新的见解。这些问题使 PW 和 IQRF 研究计划正好处于量子力学基础和正在进行的量子引力理论探索的交汇处，因此，了解这些计划的结果对我们理解这些领域究竟意味着什么，是非常有意义的。在本文中，我们旨在阐明 PW 和 IQRF 计划的一些主要主题的基础性影响，尽管我们当然无法涵盖这些领域研究人员所取得的所有成就。这些研究计划的一个特点引发了许多问题，那就是 PW 形式主义和更普遍意义上的 IQRF 研究计划显然没有为波函数坍缩机制或任何其他可确保测量具有唯一结果的方法留出空间。因此，人们可能会认为，为了认真对待这些研究计划，我们必须采用埃弗雷特解释、新哥本哈根解释或其他不坚持唯一测量结果的解释。因此，为了理解这项研究的基础意义，重要的是确定 PW 和 IQRF 形式主义是否隐含地依赖于量子力学的某种解释，以及是否有可能在单一世界现实主义解释的背景下理解它们的结果。围绕 PW 和 IQRF 形式主义的操作凭证也存在重要问题。这两种方法的支持者通常都以操作性的角度来推动他们的研究——例如，参考文献 [1] 认为“将操作性的观点扩展到量子理论，人们会通过测量充当时钟的量子系统来定义时间。”这种对时间的操作性方法听起来非常合理（事实上，它继承自爱因斯坦在狭义和广义相对论中对时间的方法），但重要的是要记住，这些框架通常不会明确地模拟观察者，因此在形式结果和实际观察者执行的操作之间仍然存在需要弥合的差距。弥合这一差距可能需要我们采取一些关于观察者角色的立场，以及 PW 和 IQRF 形式化归因于测量结果的概率的性质。因此，在简要介绍 PW 和 IQRF 研究计划后，我们将把我们的探究分为四个问题，事实上，所有这些都是相互关联的：
存储成本
存储成本 Joule 在线杂志 1 发表了关于存储成本水平的详细分析，Vox 2 也对此进行了报道。简而言之，他们分析了存储作为可再生能源发电的后备能源需要达到的“能源存储容量成本”水平，以便让其价格实惠。他们分析了四个地方持续时间最长的天气模式（这些地方需要这种后备能源）和可再生能源发电的成本，并由此得出了可以淘汰化石燃料后备电厂的存储目标成本。在欧洲，长期的可再生能源低发期是“kalte dunkel Flaute” 3 。每隔几年，这将会覆盖欧洲大部分大陆的两周时间。如果将地理范围缩小到几个国家，持续时间缩小到几天，那么这种情况就会经常发生，每年都会发生很多次。如果考虑到夜间可以忽略不计的能源生产，那么这种情况就非常频繁了。让我担心的是，即使看过原文，也没有对“储能容量成本”做出定义 - 它到底是什么？♦ 每年每兆瓦时的资本成本？♦ 储能的平准化成本？♦ 电力的平准化成本，即包括购买输入电力的成本？它们的成本以美元/千瓦时为单位，因此乘以一千即可得到我们的美元/兆瓦时（我没有进行货币转换，因为货币波动太大）。他们的目标是“储能容量成本为 10-12 美元/千瓦时”= 100% 可用性电网的 10-12k 美元/兆瓦时。对于 95% 可用性电网，“储能容量成本”门槛为 150 美元。以我们的 40MW 200MWh 电厂为例，♦ 假设它每天运行 4.5 小时，每年运行 350 天，每年将产生 63,000MW 的电力，电厂成本为 6,000 万美元，这相当于每发电 MWh 的资本支出为 0.95 美元；加上当年 5% 的资本成本，这正好上升到 1 美元。◊ 将持续时间加倍，TES CAES 的资本支出将增加约 30%，CCGT CAES 的资本支出将增加约 15%，因此持续时间较长的电厂每 MWh 的资本支出更便宜。◊ 这种版本的“储能容量成本”、LCOS 和 LCOE 不会从规模中受益，因为它们主要取决于电力吞吐量，而不是持续时间。♦ 我们估计的 LCOS 为 68 美元/MWh。♦ 我们估计的 LCOE 为 110 美元/MWh。 1 https://www.cell.com/joule/fulltext/S2542-4351(19)30300-9 2 https://www.vox.com/energy-and-environment/2019/8/9/20767886/renewable-energy-storage-cost- 电力 3 https://energytransition.org/tag/dunkelflaute/
2023 年 6 月市场观察：人工智能乐观主义与中国悲观主义
对人工智能的乐观看法与对中国的悲观看法 作者：Nicholas Rilley，特许金融分析师，投资经理兼策略分析师 今年全球股市的两大驱动力是人工智能 (AI) 和中国经济复苏放缓。两者之间的情绪差异非常明显。人们对人工智能革命性进步可能提高生产率的热情高涨，而对中国经济的悲观情绪则笼罩着其后疫情时代的复苏势头减弱。这与年初的情况形成了鲜明对比，当时的情况正好相反，科技行业的情绪和定位低迷，而人们乐观地认为，随着经济重新开放，中国经济将会复苏。 为了更好地理解经济和市场的动态，将前景分为三个部分会有所帮助：长期结构性前景、短期/中期周期性前景以及与疫情相关的具体因素。科技受到许多积极的长期主题的支撑，包括云计算、半导体的重要性和软件的力量。然而，短期前景看起来更具挑战性，因为许多受益于疫情的科技股去年表现不佳，因为周期转向有利于价值股。人工智能革命加强了技术的长期结构重要性，并扭转了周期性前景。自第二次世界大战以来，人工智能以各种形式存在，但自从 OpenAI 广受欢迎的 ChatGPT 产品成功以来，生成式人工智能和大型语言模型就成为人们关注的焦点。ChatGPT 成为主流的速度相当惊人，而且有充分的理由，因为它能够对各种问题生成连贯且适合上下文的答案。当然，存在很多不确定性，但对人工智能潜力的早期估计是惊人的。高盛估计，劳动力效率的广泛提高可以使美国劳动生产率提高近 1.5%。与任何新技术一样，一个关键问题是如何在现实世界中应用和货币化它。例如，区块链一直在努力回答这个问题。然而，潜在的用例正在各个行业中呈爆炸式增长，以至于最近的一篇研究论文（Eloundou 等人，2023 年）得出结论，人工智能可能会以某种形式影响 80% 的美国劳动力。人工智能的短期制约因素是计算能力，我们已经看到 Nvidia 的收入和盈利修正大幅上调，该公司处于半导体开发的前沿，以支持必要的计算能力。微软是另一个主要受益者，它已经开始将人工智能嵌入其软件中，并有明确的货币化途径。回到中国，长期的结构性情况具有挑战性。近几十年来，房地产行业一直是经济增长的巨大推动力，开发商融资模式和二三线城市都面临压力。政府此前曾利用房地产行业促进经济增长，但现在似乎不愿这么做，似乎正在应对多年的经济放缓。此外，随着政府发挥越来越积极的作用，私营部门的自由化（过去三十年来推动了中国生产力的增长）也变得更具挑战性。