XiaoMi-AI文件搜索系统
World File Search System研究课题
先进核反应堆设计中的人工智能
随着人工智能技术的发展，人工智能已经变得复杂，能够解决制造、金融和教育等各个领域的复杂问题。同样，人工智能的快速发展为先进核反应堆的设计提供了新的考虑。与传统的轻水反应堆不同，先进反应堆有许多创新的结构和事故条件需要考虑。这些反应堆的设计和优化需要尖端的技术方法。人工智能在这一领域的整合证明了其变革潜力。它为反应堆设计的优化、自主控制和先进核电软件的开发提供了工具。为了研究人工智能在先进核反应堆设计中的应用，编辑团队在《核工程前沿》杂志上策划了一个研究课题，题为“先进核反应堆设计中的人工智能”。收集了五篇文章，它们涵盖了人工智能在先进核反应堆设计中的不同但重要的方面。
面向公众的人工智能。公共利益理论如何改变人工智能的讨论
摘要 人工智能造福社会是一个蓬勃发展的研究课题，也是人工智能战略和监管经常宣称的目标。本文探讨了人工智能真正服务于公共利益并进而造福社会所必需的条件。作者建议在开发和部署人工智能系统时将讨论的重点转向民主治理进程。本文借鉴了政治哲学和法律中公共利益理论的丰富历史，并制定了“公共利益人工智能”的框架。该框架包括 (1) 人工智能系统的公共辩护、(2) 强调平等、(3) 审议/共同设计过程、(4) 技术保障和 (5) 开放验证。然后将这个框架应用于两个案例研究，即荷兰福利欺诈检测项目 SyRI 和联合国儿童基金会的 Project Connect，该项目绘制了全球学校地图。通过对这些案例的分析，作者得出结论：公共利益对于为人民服务人工智能的发展和治理具有有益的、实用的指导作用。
对话式人工智能的最新进展
对话式人工智能是一个长期的研究课题。学术界和工业界都对这类系统表现出了浓厚的兴趣。对话式人工智能系统具有很大的商业价值，涉及自然语言处理、语音识别、知识库推理和人机交互设计等许多有趣的问题。目前已经建立了许多大规模的对话式人工智能系统，例如 Siri、Xiaoice、Alexa 和 Google Assistant。近年来，随着基于神经模型在各个领域的涌现[12, 19, 32, 35, 50, 58]，各种基于神经的对话式人工智能系统已经开发出来[2, 5, 11, 24, 60, 68]。研究者采用的主要技术有三类：实体的分布式表示、序列到序列模型和强化学习框架。采用分布式表示来表示内部状态、用户话语和外部知识，以便更方便地检索和处理。采用序列到序列模型来生成高
沿海指南针 - 海军海上系统司令部
你的工作内容是什么？影响是什么？我为具有不同技术背景的各种团队和个人提供技术领导。我领导大厅机器人小组，这是一个劳动力发展项目，旨在内部培养机器人技术方面的敏捷技术专长。该小组的任务是学习 ROS2 [机器人操作系统的最新版本]、Agile DevOps [软件和 IT 运营]，并部署真正的机器人在走廊中漫游，同时避开障碍物和人。我还提供研究指导，并与学术界合作开展各种基础研究课题。我与利益相关者、赞助商、战术家和作战人员互动，以了解舰队的态势现实，然后将从这些互动中获得的见解转化为合理的数学假设。我与 A 部门战术家进行内部合作，以支持验证工作并提供适当的文档，并确定有趣且有用的未来科学和技术发展。
非线性模型降阶的机器学习...
首先，我要感谢我的论文指导 David Ryckelynck 以及我的导师 Fabien Casenave 和 Nissrine Akkari 为我提供了与他们一起研究本论文主题的机会，并感谢我的出色指导。这三年来，受益匪浅。您将您对研究课题的热情传递给了我，并能够指导我，同时给予我工作的自主权和自由度。我将为我们无数次的科学讨论留下美好的回忆，我非常感谢你们的支持以及你们对我的善意。本论文中提出的结果是真正团队合作的成果，我很自豪能够参与其中。如果没有你，这种经历就不一样了。还要感谢 Fabien 开发的众多编程工具，这些工具对我实现我们的想法非常有用，特别是用于非侵入式模型简化的 Python Mordicus 库。我还要感谢 Ali Ketata，我有幸在赛峰科技实习期间指导他探索新想法并探索与我的论文相关的不同途径。
军事目标的雷达信号分析与成像
I 研讨会讨论了这个多方面主题的许多方面。数值目标建模具有很大的吸引力。提出了使问题在计算上更有效的方法。与全尺寸目标测量相比，模拟和缩放测量有助于建立信心，使用这些技术的经济有效组合来确定雷达截面数据。考虑了雨水去极化和表面多径传播等环境因素，以及人造箔条对雷达的影响。一个重要的研究课题是基于目标多普勒特性、偏振测量和一维或二维成像的非合作目标识别的稳健性。现代雷达系统提供大量数据，使得目标检测自动化几乎成为必需。比较了不同方法的优点。在未来复杂的电子战领域，签名修改是目标生存的先决条件。论文范围从低雷达截面结构设计和改造到主动消除技术。
2023 年环境、社会及治理报告
科学探索奖和新基石计划长期资助基础科学研究领域的科学家，在科学界获得高度认可，迄今已有300多位杰出科学家获得资助，研究课题多样、差异化。我们还资助致力于探索创新路径应对社会挑战的社会项目，包括腾讯科技公益创投、CarbonX计划和活力计划等孵化器项目，支持公益慈善、碳相关技术、欠发达地区医疗服务等领域的创新发展。此外，腾讯与中国农村发展基金会联合发起乡村振兴活水计划，为中国151个欠发达县的草根公益组织提供项目设计、运营和财务管理方面的培训，并于2023年被世界银行和联合国粮农组织评选为“全球最佳减贫实践”。
供应链数字化转型研究
图1中，文章数量从2002年到2021年呈现指数增长趋势，与2020年相比，2021年数量几乎增长了一倍。基于此分析，可以得出供应链数字化转型并非成熟的研究课题，现有研究处于完善阶段。在新冠疫情的影响下，供应链数字化转型显得更加重要和必要。据《2021年中国企业数字化发展研究报告》显示，2021年中国数字经济规模达到47.6万亿元，95.9%的企业已完成或正在进行数字化转型。受访企业均期望通过供应链数字化转型满足行业要求。供应链数字化转型研究相对较少，研究方向不全面，不能为企业提供足够的理论基础和工具模型，应面向多方面高质量发展，满足快速发展日益增长的需求。
量子 QAP 求解器
图上的组合优化 (CO) 是一个关键但具有挑战性的研究课题。最近的量子算法为解决 CO 问题提供了新的视角，并有可能展示出量子优势。量子近似优化算法 (QAOA) 是一种众所周知的由参数量子电路构建的 CO 量子启发式算法。然而，QAOA 最初是为无约束问题设计的，电路参数和解是通过耗时的迭代联合求解的。在本文中，我们提出了一种新颖的量子神经网络 (QNN)，用于以监督的方式学习 CO 问题，以获得更好、更快的结果。我们专注于具有匹配约束和节点置换不变性的二次分配问题 (QAP)。为此，设计了一种称为 QAP-QNN 的量子神经网络来将 QAP 转换为受约束的顶点分类任务。此外，我们在 TorchQauntum 模拟器上研究了两个 QAP 任务：图匹配和旅行商问题，并通过实证证明了我们方法的有效性。
机器学习在数字取证中的应用
摘要。随着近年来网络犯罪的增加，数字取证已成为获取高质量证据的重要研究课题。法医调查人员在数据收集和分析以重建事件方面面临困难。由于人类每天的大量互动，机器学习使调查人员能够使用各种算法进行更有效、更高效的调查。机器学习是人工智能领域的一个子集。它是一门科学学科，专注于开发无需编程即可执行特定任务的计算机模型和算法，例如数据集训练和测试，以及协助调查的潜力。本文回顾了在调查过程中检查和分析数字证据的各种机器学习技术。每种机器学习算法都基于特征在数字取证的特定领域工作，它克服了复杂性、数据量、时间序列、相关性、一致性等问题。此外，本研究根据标准对机器学习算法进行了比较。