XiaoMi-AI文件搜索系统
World File Search System自由能
重新定义预期的自由能
主动推理是感知、学习和决策的主要理论，可应用于神经科学、机器人技术、心理学和机器学习。主动推理基于预期自由能，其合理性主要体现在其公式的直观合理性上，例如风险加模糊性和信息增益/实用价值公式。本文试图将从单根预期自由能定义中推导出这些公式的问题形式化，即统一问题。然后，我们研究两种设置，每种设置都有自己的根预期自由能定义。在第一种设置中，迄今为止尚未提出预期自由能的合理性，但可以从中恢复所有公式。然而，在这种情况下，代理不能对观察结果有任意的先验偏好。事实上，只有有限类的先验偏好与生成模型的似然映射兼容。在第二种设置中，已知根预期自由能定义的依据，但该设置仅考虑两种公式，即状态风险加上模糊性和熵加上预期能量公式。
自由能原理导致区域化
自由能原理 (FEP) 指出，任何能够随时间而存续的系统都会以某种方式运作，以保持系统与环境之间边界的完整性 [1]。系统通过进行主动推理来实现这一点，即 1) 学习更好地预测并因此预测环境的行为，以及 2) 作用于环境以改变其状态，从而改变其行为以符合预测 [2,3,4,5]。两种情况下的成功标准都是长期预测误差的减少，这可以按照 [6] 正式表述为变分自由能 (VFE) 的长期减少。因此，FEP 可以更正式地表述为，任何能够随时间而存续的系统都会以某种方式运作，以长期降低系统与环境之间边界测量的 VFE。
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
探索小水团簇的自由能
摘要：通过解决经典成核理论 (CNT) 的缺陷，我们开发了一种从成核速率实验中提取小水团簇自由能的方法，而无需对团簇自由能的形式进行任何假设。对于高于 ∼ 250 K 的温度，从实验数据点提取的自由能表明，随着团簇尺寸的变化，它们与 CNT 预测的自由能之比表现出非单调行为。我们表明，对于单体，该比率从几乎为零增加，并在接近大团簇的 1 之前通过（至少）一个最大值。对于低于 ∼ 250 K 的温度，提取的能量与 CNT 预测之间的比率行为会发生变化；它随着团簇尺寸的增加而增加，但对于几乎所有的实验数据点，它都保持在 1 以下。我们还应用了最先进的量子力学模型来计算水团簇（2 − 14 个分子）的自由能；尽管温度高于和低于 ∼ 298 K，结果仍然支持观察到的基于温度的行为变化。我们比较了两种不同的模型化学物质 DLPNO-CCSD(T)/CBS// ω B97xD/6-31++G ** 和 G3，并与水二聚体形成的实验值进行了比较。
与构象相关的自由能概况...
KRAS基因G12突变与多种癌症有关。采用多重复制高斯加速分子动力学（MR-GaMD）模拟研究了G12C、G12D和G12R突变引起的开关结构域构象变化。自由能图表明，与GTP结合的WT KRAS相比，G12C、G12D和G12R诱导的能量状态更高，使开关结构域的构象更加无序，从而干扰KRAS与效应分子的结合。基于MR-GaMD轨迹的动力学分析表明，G12C、G12D和G12R不仅改变了开关结构域的灵活性，而且影响了其运动行为，这表明这三个突变可用于调控KRAS的活性。相互作用网络分析验证了GTP与开关S Ⅰ相互作用的不稳定性在开关结构域的高度无序状态中起着重要作用。此项工作有望为深入了解KRAS的功能提供有用的信息。
关于矩阵模型的平面自由能
1 j 2 ! 。 。 。 jk！ p 2 j 2 ` ¡ ¡ ¡ kj k ´ 1 q ! pj 2` ¡ ¡ ¡` pk ´ 1 qjk ` 2 q ! p´ x 2 qj 2 。 。 。 p´ xkqjk , (1.8)
关于自由能原理的一些有趣的观察
我们喜欢阅读[1]中的自由能原理（FEP）的解构 - 几年前在[2]中引入的。这么说，没有人喜欢被告知他们犯了错误。幸运的是，[1]中的所有观察结果都很有趣，有些是正确的，没有混淆FEP。在接下来的内容中，我们使用了Biehl等人的观察结果。（同上）要深入研究它们提出的有趣点以及在FEP环境中的含义。为了对这些观察进行上下文，我们首先排练了得出FEP的主要步骤，然后专注于Biehl等人中解决的三个基本问题。;也就是说，构成马尔可夫毛毯分区的（子集的）（子集）之间的动态耦合的确切形式是什么？将自我组织解释为自我播种（即贝叶斯推论）时，有什么含义会出现非零的证据？进一步，差异自由能梯度何时消失？这三个问题的第一个出现在Biehl等。分布在他们的观察结果1-3中。第二和第三次出现在观察5和周围的讨论中。Biehl等。 进行几个观察；但是，有些是概括的（例如，在一般运动坐标的背景下）。 他们的观察6是一个例子。 我们忽略了这些观察结果。 请注意，Biehl等人的观测值编号。 是指纸的主要文本中分配的数字，而不是在纸张开头提供的子弹指定列表中的顺序。Biehl等。进行几个观察；但是，有些是概括的（例如，在一般运动坐标的背景下）。他们的观察6是一个例子。我们忽略了这些观察结果。请注意，Biehl等人的观测值编号。是指纸的主要文本中分配的数字，而不是在纸张开头提供的子弹指定列表中的顺序。一个人可以阅读Biehl等。作为对FEP的早期表述的批评 - 与隐性假设和不完整的（启发式）证明有关，反对对FEP本身的批评。但是，他们确定的问题仍然是基本的。[3]中解决了其中一些问题。但是，该专着尚未受到外部同行评审的约束（并且至少包含一个技术错误）。[4]中介绍了贝叶斯力学的简洁版本。在接下来的内容中，我们将使用[3]中的符号和命名法，这是目前对FEP的最全面的处理方法，我们向读者推荐读者以详细申请物理系统。本文的新颖贡献是对动态流的条件的明确规范，以确保马尔可夫毯子有足够的能力。