XiaoMi-AI文件搜索系统
World File Search System特邀
片上集成人工微结构光场调控（特邀） - 陈树琪
[20] Liu W W，Chen S Q，Li Z C等。使用单层跨表面[J]在Terahertz区域中在Terahertz区域中传输模式下的极化转换实现。光学信，2015，40（13）：3185-3188。
PCAST 会议 - 特邀发言人简历
Upmanu Lall 博士是哥伦比亚水资源中心主任，也是哥伦比亚大学的 Alan and Carol Silberstein 工程学教授。他是美国地球物理学会 (AGU) 和美国科学促进会 (AAAS) 的研究员。他曾获得欧洲地球物理学会 (EGU) 的 Henry Darcy 奖、美国土木工程师学会 (ASCE) 的干旱土地水利工程奖和 Ven Te Chow 奖，并在美国地球物理学会 Langbein 和 Borland 讲座上发表演讲。他领导了各大洲的水资源和气候可持续性、风险分析和缓解、基础设施和金融工具方面的项目。他的工作范围从水文气候学和数据科学的基础研究到系统设计和优化、政策分析和创新以及缓解气候风险的金融战略。自 2014 年以来，他制定了“美国水资源倡议”，旨在根据气候信息制定全面的国家水资源、能源和农业规划。
特邀评论：用于情绪分析的神经符号人工智能
I. 引言基于神经网络的方法，特别是深度学习，是人工智能研究的一个新兴领域，并且在我们进入数字时代时成功处理了不断增长的数据量。如今，基于神经网络的方法不仅用于识别物体和识别关键词等低级认知任务，而且还被部署在各种工业信息系统中，以协助高级决策。在自然语言处理领域，过去十年有两个里程碑：一个是word2vec [1]，这是一组从大型数据集中学习词嵌入（单词的向量表示）的神经模型；一个是基于GPT的最新模型[2]，它将强化学习与生成式转换器相结合，以实现多轮端到端对话。虽然这些基于神经网络的模型可以对数据集进行高度准确的预测并生成类似人类的话语，但它们对数据的内部特征和表示却几乎没有提供任何理解。随后，许多问题和担忧都源于这个黑箱问题。由于其中一些问题和担忧也与情绪分析有关，我们在下面列出了其中五个：
用于材料合成和硬件安全的量子机器学习（特邀论文）
问题 1，化学逆合成：化学逆合成试图提供可通过化学反应组合以合成所需分子的反应物。该过程定义了农业、医疗、材料发现等无数其他领域。图 1a 举例说明了逆合成过程，其中左侧的化学物质可以通过右侧的化学物质通过化学反应组合形成。在实验室中使用反复试验进行逆合成需要数年时间，甚至可能花费数十亿美元才能解决一种化学物质的问题。这导致人们对基于机器学习 (ML) 的解决方案产生了极大的兴趣。以前的工作已经能够产生有希望的结果，但也存在局限性。例如，专家定义的逆合成规则 [ 25 ] 依赖于人类对逆合成的不完全了解，并且随着更多规则的增加，其扩展性较差
特邀评论：行为策略：（重新）确认基础
1. 特刊介绍 Powell 等人 (2011) 的里程碑式工作确立了管理学和组织学中一个全新研究领域的界限：行为策略。行为策略“将认知和社会心理学与战略管理理论与实践相结合。行为策略旨在将关于人类认知、情感和社会行为的现实假设带入组织的战略管理，从而丰富战略理论、实证研究和现实世界的实践” (Powell，2011，第 1371 页)。这一领域牢固地扎根于一些宏大学者的关键社会和认知心理学假设 (Cristofaro，2017a；Abatecola 和 Cristofaro，2020；Urío 等人，2022) 中，例如：Barnard (1938) 关于他的“逻辑和非科学推理”； Cyert 和 March (1963) 的“企业行为理论”和“主导联盟”概念、Kahneman 的“前景理论”（Kahneman and Tversky，1979）和“启发式和偏见”计划（Kahneman，2011）、Hambrick 和 Mason (1984) 将组织视为其高层管理团队的反映的观点、以及 Thaler (1999) 的“助推理论”和“心理账户”概念。首先，有必要回顾 Simon (1957) 的“有限理性”概念，该概念与战略概念相结合，可描述如下：
特邀编辑：量子科学与技术的教育与培训
量子科学和技术为光学和光子学领域的学术界、工业界和非营利组织的教育者和培训者带来了新的挑战和机遇。在过去十年中，在两年一度的国际光学教育和推广会议（OEO）和国际光学与光子学教育和培训会议（ETOP）上，有关该主题的报告显着增长。这些会议汇集了来自学术界、工业界、K-12 和职业教育、非营利组织和政府中心的顶尖专家，代表了全球所有领先的教育和培训团体。每位作者的目标都是利用正式教育计划中的非正式参与活动，与下一代科学家和工程师分享科学和光学的奇迹。参与者强烈需要在同行评议期刊上发表精选演讲。这促使客座编辑准备了光学工程中第一个特别部分，用于基于光学和光子学的量子科学和技术的教育和培训。我们收到了基于在 ETOP 2021、OEO 2020、之前的会议上展示的工作以及一些原始出版物的投稿，经过严格审查，光学工程在第 61 卷第 8 期发表了这一专题。量子科学和技术的可及性障碍是整个专题中反复出现的主题。这组出版物包含十篇论文，涉及应用于基于光子学的量子科学和技术的教育和培训方法的进展。在考虑教育和培训计划时，了解受众是关键，我们很高兴整合报告，这些报告介绍了与行业专业人士、政策制定者、艺术家和公众以及 K 至 12 年级、本科和研究生学生互动的进展。虽然量子光学和诺贝尔奖肯定会让学生望而生畏，但 Adams 和 Charles 开发了一个基于探究的项目，以提高加拿大魁北克大学生对光子学和量子光学的认识和知识（ https://doi.org/10.1117/1.OE .61.8.081805 ）。这个正规教育项目是为波和现代物理课程开发的（相当于北美其他地区一年级的物理课程）。学生选择一个诺贝尔奖，并在为该项目设计的支架的引导下进行探究。期末展示和老师的反馈也让学生反思和评估他们的学习成果。在解释量子光学现象背后复杂而抽象的概念时，公众参与可能具有挑战性。当网络量子信息技术 (NQIT) 中心于 2017 年通过英国国家量子技术计划获得资助时，Gow 等人。南安普顿大学的研究人员决定开发一种交互式演示器，将量子光子技术带给更广泛的受众（https://doi.org/10.1117/1.OE.61.8.081802）。他们的演示重点介绍了 NQIT 项目中使用的纠缠器单元和配套软件。通过反复试验，该团队了解到需要一个更具实践性的演示器，并提出了一种有趣的方式来演示量子纠缠。交互性也是 Decaroli 和 Malinowski 开发的“你会说量子吗？”物理和艺术展览的一个关键概念（https://doi.org/10.1117/1.OE.61.8.081807）。它有五个独立的装置，通过有趣的可视化解释了从量子纠错到量子计算等各种量子概念
![机载量子密钥分发：综述 [特邀]](/simg/f/fa848b471afa8b60741d9652768fc0297159e77f.webp)
机载量子密钥分发：综述 [特邀]
自由空间量子密钥分发（QKD）作为扩展量子通信传输距离的有效途径，取得了显著成果。借助卫星、飞机、无人机等移动平台，通过自由空间信道传输量子比特的可行性已被证实。鉴于星载QKD的工作时间和资源消耗有限，以及卫星节点与地面网络的最后一公里连接挑战，机载QKD有望为大规模综合网络提供灵活、可中继的链路。本文回顾了近年来基于飞机或无人机的QKD的重大进展，重点介绍了其关键技术，并展望了机载量子通信的未来。
特邀论文：6G 无线通信的启发式量子优化
I. 引言随着无线网络通过 5G 不断发展，通过使用毫米波频段、大规模 MIMO 和密集小区来提高频谱密度，网络设计人员正在展望 6G 发展路线图，预计社会将更加数据驱动，无线脑机接口、扩展现实和互联机器人将推动 6G 网络处理比 5G 快 10 到 1,000 倍的数据速率 [1]。为了提高频谱效率，设计人员将考虑实施超大规模 MIMO 阵列、创新的空中接口复用技术、更强大的前向纠错编码等技术，甚至在更高载波频率的更宽带宽中部署更高密度的网络。随着频谱效率的提高，6G 系统设计人员将努力提高关键性能指标 (KPI)，例如终端和基站的延迟、可靠性和能源效率，同时也会尽量不牺牲一个 KPI 来实现另一个 KPI。 6G 算法的实施可以优化数据吞吐量、频谱效率、用户密度、可靠性和延迟，并在更宽的带宽下运行，这将导致比当前 5G 系统更多的计算量。在基站和蜂窝基础设施中，5G RF 调制解调器信号处理基于经典计算概念，这些概念通常在 ASIC、FPGA 和 GPU/CPU 结构中实现。然而，经典计算性能的改进并没有像过去几年那样呈指数级增长，而是由于晶体管达到原子极限而趋于稳定 [2]。由于高效快速计算结构的设计现在与无线通信竞争，成为许多高容量无线通信系统面临的最重大挑战，因此硅片能否实现实现 6G KPI 所需的高频谱性能、低延迟和高可靠性优化算法值得怀疑。随着 6G 路线图的发展，量子计算是一种潜在的宝贵工具，可以解决未来性能、延迟和可靠性之间的权衡。如果量子计算能够为目前限制可实现网络吞吐量的复杂优化问题提供最佳算法，那么频谱效率将受益匪浅。能够进行量子信息处理的众多硬件平台可以与其他可扩展技术（如毫米波和小型蜂窝）相结合，进一步提高频谱效率。由于量子力学的线性，量子计算从根本上受限于可逆操作，这些操作不会散发热量，除了计算的初始化和读出阶段。虽然嘈杂的量子计算具有不可逆性元素，但从长远来看，量子计算原则上可以达到任意低的功耗，而如果以传统方式执行，这些计算将耗电。在过去几年中，由于纳米技术和工程技术的进步，现实世界的量子计算机已经可以商业化使用。对于无线网络，最近的研究首先利用了量子退火器，这是一种模拟量子计算处理器，并展示了集中式无线接入网络（C-RAN）中基于量子的多输入多输出（MIMO）检测器 [3] 和基于量子的低密度奇偶校验（LDPC）错误控制解码 [4] 的良好结果，为如何使用机器和基线性能指标提供了指导。在无线网络中，存在代表性的优化问题，包括但不限于先前研究的应用，这些问题受到众所周知的吞吐量和复杂性之间的传统权衡，其中最佳求解器是已知的，但考虑到可用的硬件和处理时间限制，实际实施起来非常困难。我们期望克服
脉冲功率驱动的高能量密度物理实验中的集体光学汤姆逊散射（特邀）
光学集体汤姆逊散射用于诊断伦敦帝国理工学院 Magpie 脉冲功率发生器的磁化高能密度物理实验。该系统使用来自 Nd:YAG 激光的 2 次谐波的放大脉冲（3 J、8 ns、532 nm）来探测各种高温等离子体物体；密度在 10 17 -10 19 cm -3 范围内，温度在 10 eV 到几 keV 之间。散射光从等离子体内 100 µ m 级体积中收集，然后成像到光纤阵列上。多个收集系统从不同方向观察这些体积，同时使用不同的散射 K 矢量（和不同的相关 α 参数，通常在 0.5 – 3 范围内）进行探测，从而可以独立测量大量等离子体流的不同速度分量。光纤阵列与带有门控 ICCD 的成像光谱仪耦合。该光谱仪配置为观察集体汤姆逊散射光谱的离子声波 (IAW)。用理论谱密度函数 S ( K , ω ) 拟合光谱可测量局部等离子体的温度和速度。拟合受到激光干涉仪对电子密度的独立测量以及不同散射矢量的相应光谱的限制。这种 TS 诊断已成功应用于广泛的实验，揭示了磁化冲击、旋转等离子体射流和内爆线阵列内的温度和流速转变，以及提供磁重联电流片内漂移速度的直接测量。I. 简介
人工智能在消费者决策过程中的影响和影响：X一代与千禧一代的比较 Fábio Miguel Iglésias Braga 服务和技术管理硕士导师：Mónica Mendes Ferreira教授，ISCTE特邀助理教授 - 里斯本大学学院 < /div>
人工智能对消费者决策过程的影响和冲击：X 世代与千禧一代的比较 Fábio Miguel Iglésias Braga 服务与技术管理硕士 导师：Mónica Mendes Ferreira 教授，里斯本大学 ISCTE 特邀助理教授