XiaoMi-AI文件搜索系统
World File Search System滴足
用于路径边缘采样的量子算法 - 滴
资助谢尔比·金梅尔（Shelby Kimmel）和斯泰西·杰弗里（Stacey Jeffery）：由美国陆军研究办公室赞助，这项工作是根据W911NF-20-1-1-0327完成的。本文件中包含的观点和结论是作者的观点，不应被解释为代表陆军研究办公室或美国政府的官方政策，即表示或暗示。尽管此处有任何版权符号，但美国政府有权复制和分发出于政府目的的转载。Stacey Jeffery：由NWO Klein项目编号OCENW.KLEIN.061和欧盟（ERC，ASC-Q，101040624）支持。表达的观点和观点仅是作者的观点，不一定反映欧盟或欧洲研究委员会的观点。欧盟和授予机构都不能对他们负责。sj是量子信息科学计划的CIFAR研究员。
基于共识的微电网具有随机数据包滴的能源管理
摘要 - 使用基于共识的算法进行截然不同的能源管理是一项充满活力的研究领域，因为它可以促进可再生能源产生的本地适应性而不会增加隐私和可扩展性问题。大多数存在方法都假定通信链接是可靠的，这在现实世界实现中可能并非如此。本文重点是解决随机数据包滴的问题。我们首先制定了微电网中能源管理问题的模型，并在通信网络中的信息数据包下降。基于模型，我们得出结论，丢失有关增量电力成本估计的信息是可以忍受的，而失去有关电源不匹配估计的信息不是。我们提出了一种新颖的共识算法，该算法跟踪并交换了功率错误估计的累积值，以便可以恢复信息损失。通过用虚拟缓冲节点将通信链接构建来确定所提出的方法的等效形式。基于增强通信拓扑，我们理论上证明了所提出的算法的收敛性和解决方案的最佳性。提供了几个案例研究以验证所提出算法的有效性。
使用机器学习的早期WCET预测 - 滴
在某些工业环境中，如情况1所示，项目的规模（例如1.5 m效率的代码线）或编译链的复杂性使创建程序二进制并因此获得WCET的复杂性。此外，公司组织可能意味着不同部门的不同人员提供源代码，集成并构建二进制文件。由于项目的规模和短期开发时间，发展是强制性的，因此进行了迭代整合周期。执行集成步骤时，了解给定组件的未来WCET（新开发，旧，但未测量或分析）很重要，因为它可能会影响核心的选择，任务中的位置，或者在最坏的情况下，整个项目体系结构。在这里，信息的早期可用性比结果的准确性更重要，即在进一步的阶段进行广泛或静态分析的有效实时行为。[11，6，1]也提到了早期WCET的需求。我们目前的工作追求这样的想法，即通过在源代码的某些特征上应用公式来获得对未来WCET的令人满意的预测（图1）。必须从已知WCET估算的一组程序中学到此公式（图2）。在图1中，我们描绘了有两种了解WCET的方法。顶线是通常的WCET推导，我们称其结果为WCET估计值。此估计是通过构造WCET的过度评估。最重要的是我们的建议。我们将其结果称为WCET预测。该预测不能安全用作WCET估计值，但如果我们可以找到一个令人满意的公式，则应给出顶线WCET估算值的近似值。类似的模式之后是[6，1]，但依赖于测量（第5节中详细介绍了相关工作）。
通过形态自适应四足机器人实现现实世界的人工智能
机器人在其使用寿命期间通常受固定形态的约束，只能调整其控制策略。在这里，我们展示了第一个可以在形态上适应户外非结构化环境中不同环境条件的四足机器人。我们的解决方案植根于具身人工智能，由两个部分组成；（i）允许现场形态适应的机器人，以及（ii）基于当前感知的地形在最节能形态之间转换的适应算法。首先，我们建立一个模型来描述机器人形态如何影响选定地形上的性能。然后，我们在真实的户外地形中测试持续适应，同时允许机器人不断更新其模型。我们表明，机器人利用其训练有效地在不同的形态配置之间转换，与非自适应方法相比，性能显著提高。现实世界形态适应的已证明的好处表明，未来机器人设计中可能存在一种将适应性融入其中的新方式。
六足机器人模拟器中的倾斜幻觉导致错误...
目标：我们测试六足模拟器中的某个程序是否会导致航空公司飞行员对倾斜角（即“倾斜”）做出错误假设以及对姿态指示器 (AI) 做出错误解释。背景：倾斜对解释错误的影响此前已在非飞行员中得到证实。飞行中，由于误导性的滚转提示（空间定向障碍）可能会出现错误的假设。方法：飞行员（n = 18）进行了 36 次试验，要求他们仅使用 AI 滚转至机翼水平。在显示 AI 之前，他们会收到滚转提示，在大多数试验中，提示与 AI 倾斜角方向相匹配，但在倾斜相反条件下（四次试验），提示方向相反。在基线条件下（四次试验），他们没有收到滚转提示。为了测试飞行员是否对 AI 做出反应，AI 有时会在倾斜水平条件下（四次试验）按照滚转提示显示机翼水平。结果：总体而言，飞行员在倾斜-相反条件下（19.4%）犯的错误明显多于基线条件（6.9%）或倾斜-水平条件（0.0%）。倾斜-相反条件下的学习效果明显，因为 38.9% 的飞行员在第一次接触这种条件时犯了错误。经验（即飞行小时数）没有显著影响。结论：倾斜程序可有效诱导飞行员的 AI 误解和控制输入错误。应用：该程序可用于空间定向障碍演示。
grem：具有四足机器人的专家的通才机器人模型
摘要 - 多任务机器人学习在应对多样化和复杂方案方面具有重要的重要性。但是，在收集培训数据集的性能问题和困难中，当前的方法受到了阻碍。在本文中，我们提出了细菌（通才机器人模型）。我们利用离线加强学习来优化数据利用策略，以从演示和亚最佳数据中学习，从而超过了人类示范的局限性。此后，我们采用基于变压器的VLA网络来处理多模态输入和输出操作。通过引入Experts结构的混合物，细菌允许使用更高的整个模型容量的推理速度更快，从而解决了有限的RL参数的问题，从而在控制计算成本的同时增强了多任务学习中的模型性能。通过一系列实验，我们证明了细菌在所有任务中都优于其他方法，同时还验证了其在培训和推理过程中的效率。此外，我们发现了其获得新兴技能的潜力。此外，我们贡献了Quard-Auto数据集，该数据集自动收集以支持我们的培训方法并促进多任务四倍的机器人学习中的进步。这项工作提出了一种新的范式，用于降低收集机器人数据和推动多任务学习社区进度的成本。您可以通过链接：https：//songwxuan.github.io/germ/到达我们的项目和视频。
Tohoku University
接下来，使用倾斜的照明荧光显微镜（注5），我们观察到单个分子水平的DNA滴内荧光修饰的DNA结合蛋白的运动（图1B）。通过仅修饰要观察的DNA结合蛋白，可以在单分子水平上观察到。测量结果表明，所有四种类型的DNA结合蛋白在DNA液滴中具有快速，较慢的运动模式。我们还发现，液滴中较高的DNA浓度或增加蛋白质DNA结合位点的数量会导致移动模式较慢的比例增加。在慢速行进模式下，蛋白质可能使用多个DNA结合位点来结合DNA中的多个位置，同时读取多个DNA序列以搜索目标（图1C）。此外，在快速转移模式下，蛋白质会瞬时与DNA结合并解离，从而通过快速移动在液滴中来搜索遥远的目标序列。因此，已经揭示了DNA结合蛋白可以使用这两种模式来实现由液 - 液相分离形成的DNA液滴中有效靶向搜索。
足细胞：先天和适应性免疫十字路口的肾小球前哨
1肾脏 - 胰腺移植，迈阿密移植学院，迈阿密米勒大学迈阿密米勒大学医学院，佛罗里达州迈阿密，佛罗里达州迈阿密，2研究，迈阿密米尔勒大学医学院，佛罗里达州迈阿密米尔勒学院，伊斯兰教派和医学院Katz家族肾脏科学和高血压部，美国佛罗里迈阿密移植研究所，迈阿密米勒大学医学院，美国迈阿密，美国迈阿密4号，迈阿密米勒大学迈阿密米勒大学医学院迈阿密米勒大学医学院手术系4个移植病理学，美国佛罗里达州迈阿密大学医学院，美国迈阿密大学，迈阿密肾科，迈阿密近米，迈阿密近米，迈阿密级别，迈阿密级别，迈阿密近科，迈阿密米勒大学医学院迈阿密迈阿密大学医学院迈阿密大学迈阿密大学医学院迈阿密移植学院移植，美国迈阿密米勒大学医学院，佛罗里达州迈阿密大学医学系7卡兹肾脏科和高血压家族分部
暂时控制的DNA液滴的多步分割用于...
生物柔软的物质液滴已在活细胞中发现。合成LLPS液滴最近已用于纳米局技术，用于人工细胞的构建，分子机器人技术，分子计算，诊断和治疗学。控制生物柔软物质液滴的动力学对于开发这种生物启发的功能系统至关重要，因为生活系统基于生物分子反应和组件的时间控制动力学维护其功能。最近，已经揭示了生物柔软物质液滴的动态。但是，他们的时间控制尚未实现。本文报告了基于DNA的LLP液滴（DNA液滴）的时间控制。我们通过随时间延迟的分裂触发因素触发而受到非平衡化学反应调节的时间延迟分裂触发器的定时控制分裂。我们还使用反应扩散模型对其进行了研究。我们调节了多个分裂触发器的释放顺序，从而为控制多步液滴分裂而导致，即在反应景观中液滴分裂的途径控制。最后，我们演示了基于DNA液滴的人工细胞的定时控制分裂的应用：一种分子计算元素，用于比较microRNA序列的浓度（称为分子比较器）。我们相信时间控制
激光诱导的金属滴和粉末颗粒的反冲压力
在过去的几年中，增材制造已成为一个主要的研究课题和工业生产的一部分。现在，许多技术允许使用多种材料构建 3D 结构。在金属加工中，激光束通常用作热源来熔化金属丝或粉末。飞溅物和粉末颗粒的轨迹可能会受到激光束辐射的影响。激光束光被材料部分吸收，然后转化为热量，这会导致熔化甚至汽化。材料的汽化会在熔池上产生反冲压力，从而影响其几何形状和动力学。然而，反冲压力对液滴和粉末颗粒等悬浮物体的影响仍然相对未知。它们与熔池相比不同的尺寸和边界条件可能会影响它们在高激光束辐射下的行为。