XiaoMi-AI文件搜索系统
World File Search System自由能
用自由能原理解释肥胖和 2 型糖尿病
根据自由能原理，所有有知觉的生物都力求将意外或信息论量（即变分自由能）降到最低。因此，社会心理“压力”可以重新定义为“预期自由能增强”的状态，即“预期意外”或“不确定性”的状态。经历压力的个体主要试图借助所谓的不确定性解决程序 (URP) 来减少不确定性或预期自由能。URP 由三个子程序组成：首先，诱发唤醒状态，增加大脑信息传输和处理，以尽快减少不确定性。其次，这些额外的计算会消耗大脑从身体中获取的额外能量。第三，该程序控制学习哪些压力减轻措施以备将来使用，哪些压力减轻措施不学习。当 URP 成功减少不确定性时，我们将该事件称为“良好”压力。如果 URP 无法充分减少不确定性，则会导致压力习惯化或长期毒性压力。压力习惯化通过平缓/扩大个人目标信念来减少不确定性，从而使以前被认为无法维持的结果变得可以接受。习惯化的人会经历所谓的“可忍受”压力。根据自私大脑理论及其支持实验证据，我们表明，习惯化的人缺乏压力唤醒，因此平均大脑能量消耗减少，往往会发展出肥胖的 2 型糖尿病表型。对于那些习惯化不是自由能量最优解决方案的人来说，他们不会通过改变目标偏好来减少不确定性，只会承受“有毒”压力。有毒压力会导致反复或持续的唤醒状态，从而增加平均大脑能量消耗，进而促进瘦弱 2 型糖尿病表型的发展。总之，我们将压力的心理概念锚定在自由能量原理定义的信息论不确定性概念中。此外，我们详细介绍了不确定性减少背后的神经生物学机制，并说明了不确定性如何导致心身疾病。
各种自由能和经济学以偏见和有限理性优化
本文的目的是提供一个新的框架，以理解行动，优化和选择时，将其应用于经济理论。通过借鉴称为变分的自由能原理的概念，本文将探讨该原理如何通过重新形成代理的优化方式来调节理性选择理论。这种方法将导致代理行为涵盖了广泛的所谓认知偏见，如行为经济学的科学文献所示，但没有将这些偏见作为市场不合理或市场失败的进一步指示，而是这些偏见也会限制这些偏见可以证明这些偏见可以告知这些偏见的局限性或危险。因此，本文提供了一种“道路中间”方法，在这种方法中，新古典主义者不如理性选择理论所假设的那样“理性”，但同时，不像行为经济学那样不理性。
物理报告自由能原理变得更简单但是......
本文简要描述了自由能原理，从用朗之万方程表述随机动力系统开始，到可以解读为感知物理学的贝叶斯力学结束。它使用统计物理学的标准结果排练了关键步骤。这些步骤包括 (i) 基于从稀疏耦合动力学继承的条件独立性建立特定的状态划分，(ii) 用贝叶斯推理解开这种划分的含义，以及 (iii) 用最小作用变分原理描述特定状态的路径。从目的论上讲，自由能原理从最优贝叶斯设计和决策的角度提供了自组织的规范性解释，即最大化边际似然或贝叶斯模型证据。总之，从用随机动力系统描述世界开始，我们最终得到自组织作为可以解释为不证自明的感知行为的描述；即自组装、自创生或主动推理。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
对数伽马聚合物自由能的波动与一般参数和斜率
对数伽马聚合物由 Seppäläinen [ 36 ] 引入，是唯一已知可精确求解的顶点无序 1+1 维定向聚合物模型，即其自由能分布可以明确计算。我们目前工作的贡献是建立了该模型自由能涨落的渐近线，该涨落涉及控制聚合物尺寸及其无序性质的广泛参数。要证明这些一般的渐近结果，我们需要大量重新设计该模型的基本起始公式，即 Fredholm 行列式拉普拉斯变换公式。我们的渐近结果具有在许多情况下被追求的应用，包括显示对数伽马线系综的紧密性[7]，显示对数伽马聚合物自由能景观最大值的相变[6,26]，以及显示对数伽马聚合物收敛到KPZ不动点[43]。
对自己进行建模：自由能原理揭示了我们对代表的隐性概念
抽象的预测处理理论在心理哲学中越来越流行；这种过程理论通常从自由能原理（FEP）获得支持 - 自适应自组织系统的规范原理。然而，关于FEP的哲学解释，例如代表性与非代表性的哲学解释存在当前的辩论。在这里，我们认为这些不同的解释取决于关于限定（或不符合资格）代表性的隐式假设。我们在工具上部署自由能原理（FEP），以区分四个主要的代表概念，分别侧重于组织，结构，内容相关和功能方面。讨论了这些不同方面在产生自由能原理的代表性或非代表性解释方面重要的各种方式。我们还讨论了如何将自由能原理视为一种统一的观点，即传统上属于不同本体论的术语 - 例如，模型和期望的概念与自动载体和同步的概念可以得到协调。但是，本文并没有试图解决代表主义者与非代表性的辩论，并揭示了一些简单的代表权，而是展示了如何使用自由能原则来揭示有关参与辩论的人的事物；也就是说，我们对哪种表示形式的隐藏假设 - 在这个持续的哲学辩论中有时是对立的起点的假设。“严厉地握住它！看到它退回！（是谁？是你吗？）”沃尔特·惠特曼（Walt Whitman）的“手机镜”（1860）简介在计算和系统神经科学上围绕大脑是一种预测机器，它使用内部（生成的）模型来连续生成感知，动作和学习的服务。一种围绕这个想法并迅速获得突出的理论 - 尤其是在心理和认知科学哲学领域 - 预测性处理（PP）（Clark，2013; Hohwy，2013，2020）。自由能原理（FEP）是一项规范性建议，扩展了PP，为其提供了适应性自组织的基本原理（Hohwy，2020）。FEP和相关的预测处理在神经科学之外迅速获得了突出，尤其是在心理哲学领域（Clark，2013; Hohwy，2013，2020）。尽管这一事实，FEP的一些基本含义
表面活性剂胶束在金属-水界面吸附的自由能分布
摘要 我们通过全原子分子动力学 (MD) 模拟研究了阳离子和不带电表面活性剂分子及其胶束在金属-水界面上的吸附行为。我们的模拟表明，未聚集的表面活性剂分子在金属表面强烈吸附，没有任何自由能垒。胶束的吸附行为则截然不同。阳离子表面活性剂的胶束在吸附时会经历一个长距离自由能垒，这是因为这些胶束周围存在反离子和水合水的环，当胶束接近表面时，这些环会受到干扰。不带电表面活性剂的胶束周围没有反离子的环，因此表现出无障碍的吸附自由能曲线。阳离子和不带电表面活性剂的胶束都会通过在金属表面解体而强烈吸附。在崩解状态下，组成胶束的分子重新排列，以实现分子轴与表面平行的平躺配置或分子轴与表面垂直的直立配置。
从头算分子动力学模拟计算液相自由能分布
结论 • DG 的近似非常粗糙；不适用于氢键、受阻旋转、柔性分子等。 • 隐式溶剂模型非常粗糙；忽略所有定向溶剂相互作用（氢键、盐桥等）。 • 溶剂熵（疏水效应等）被完全忽略。 • 该方法每次只对一个构象异构体有效，没有构象异构体采样 它居然有效，真是令人惊讶！（正如它在数千种出版物中所做的那样……）
使用机器学习力场固体解决方案中的低成本振动自由能
摘要：合金和实心溶液的合理设计依赖于相图的准确计算预测。群集扩展方法已被证明是研究无序晶体的宝贵工具。但是，由于计算成本，振动熵的影响通常被忽略。在这里，我们设计了一种方法，可以通过将机器学习力场（MLFF）拟合到群集扩展结构可用的松弛轨迹中，以低计算成本在集群扩展中包括振动自由能。我们演示了两个（伪）二进制系统的方法，Na 1 -x k x cl和ag 1 -x pd x，为此，准确的声子分散剂和振动自由能来自MLFF。对于两个系统，振动效应的包含导致在实验相图中与可见性差距明显更好地吻合。这种方法可以使振动效应在计算的相图中常规包含，从而更准确地预测了材料混合物的性能和稳定性。