XiaoMi-AI文件搜索系统
World File Search System诺伊曼
强化学习课程：第二版
Bertsekas教授因其著作《神经动力学节目》（Neuro-Dynamic Programming）的界面和科学之间的界面中的卓越奖而获得了Informs奖，该奖项（与John Tsitsiklis合着），2001年的AACC John R. Ragazzini教育奖，2009年的AACC RICH奖，2014年AAC批准了2014年的ACC奖。 Khachiyan优化终身成就奖，2015年MOS/Siam George B. Dantzig奖和2022年IEEE Control Systems奖。2018年，他与他的合着者约翰·蒂西克利（John Tsitsiklis）分享了2018年，为约翰·冯·诺伊曼（John von Neumann）理论奖提供了研究专着“平行和分布式计算”和“神经动态程序”的贡献。贝特塞卡（Bertsekas）教授于2001年当选为美国国家工程学院的“对优化/控制理论的基础研究，实践和教育的开创性贡献”。
人脑膜瘤细胞对细胞周期蛋白的敏感性 -
大脑的连通性是局部密集且全球稀疏的，形成了一个小世界图，这是各种物种进化中普遍存在的原理，为有效的信息路由提供了通用解决方案。但是，当前的人工神经网络电路架构并不能完全包含小世界的神经网络模型。在这里，我们介绍了神经形态的镶嵌：一种非冯·诺伊曼收缩期架构，采用分布式备忘录来进行内存计算和内存路由，有效地实现了用于尖峰神经网络（SNNS）的小世界图形拓扑。我们使用具有130 nm CMOS技术的集成的备忘录，设计，制造和实验证明了马赛克的构建块。我们表明，由于在连接性中执行局部性，马赛克的路由效率至少比其他SNN硬件平台高一个数量级。这是Mosaic在各种边缘基准中实现竞争精度的同时。Mosaic为基于分布式尖峰的计算和内存路由的边缘系统提供了可扩展的方法。
MIT开放访问文章量子瓦斯坦...
摘要 - 我们提出了订单1的Wasserstein距离与N Qudits的量子状态的概括。该提案在规范基础的向量中恢复了锤距，更通常是在规范的基础上，量子状态的经典瓦斯坦距离。相对于作用于一个Qudit的Qudits和单一操作的排列，所提出的距离是不变的，并且相对于张量产品是加法的。我们的主要结果是相对于所提出的距离，冯·诺伊曼熵的连续性结合，这显着增强了相对于痕量距离的最佳连续性。我们还提出了将Lipschitz常数的概括为量子可观察到的。量子Lipschitz常数的概念使我们能够使用半限定程序来计算提出的距离。我们证明了Marton的运输不平等的量子版本和量子Lipschitz可观察到的量子的量子高斯浓度不平等。此外，我们在浅量子电路的收缩系数以及相对于所提出的距离方面的张量量量的张量。我们讨论了量子机学习，量子香农理论和量子多体系统中的其他可能应用。
![arxiv：2501.12013v1 [Math.ap] 2025年1月21日](/simg/a\ae9d5bd0202214c72d34ab5f5f6cd1ea472f122e.webp)
arxiv：2501.12013v1 [Math.ap] 2025年1月21日
在本文中，我们的主要目的是针对穿孔域上的neumann类型边界价值问题（1.1） - （1.3）开发定量均质化理论，并建立收敛速率，在文献中从未研究过。在[6]中已经开始研究了周期性环境中汉密尔顿 - 雅各比方程的定量均质化，并且对于一般的非率汉密尔顿– jacobi方程式，对速率O（ε1 / 3）的收敛速率均为。[18]中已经启动了汉密尔顿–雅各布方程的定量均质化的最新发展，并且在[23]中建立了最佳速率O（ε）。在这个方向上有很大的兴趣和发展，我们指的是[7、8、10、17、19、20、21、24]和其中的参考文献。特别是我们的工作受[8]的启发，该工作研究了在状态约束边界条件下，研究凸汉密尔顿 - 雅各比方程的定量均匀化。在[8]中，作者重新开发了[23]中引入的框架，以将其应用于穿孔域上的状态约束问题。更确切地说，引入了与问题相关的扩展度量功能，并且证明是本文中的关键成分的一种亚粘附和超级效果，可以建立同质化的定量结果。此方法很健壮。然而，它在很大程度上取决于粘度解决方案的表示公式的结构，该公式是由相关值函数在最佳控制中给出的问题。因此，如果我们改变边界条件，则需要非常小心。如下所述，当我们考虑针对Neumann型问题的粘度解决方案的表示公式（1.1） - （1.3）时，我们需要考虑轨迹的反射效应，这是Skorokhod问题（1.11）表达的。这会造成新的困难，并需要仔细的论据来建立定量结果。我们指出，即使在凸设置中，也没有PDE争论来获得比O（ε1 / 3）更好的收敛速率。值得一提的是，在评论文章[15]中，定性和定量均质化理论被列为偏微分方程研究的主要发展。[15]中考虑的方程是椭圆形PDE。可以指出，诺伊曼问题比Dirichlet问题更加困难。在[16]中，作者解决了γ=ν的Neumann问题。对于一般情况下，γ与边界无处不在，[15]指出，即使对于Laplacian操作员，问题也不是微不足道的，并且是一个有趣且充满挑战的问题。例如，有关此方向的最新发展，请参见[13，22]。在本文中，我们建立了具有一般诺伊曼边界条件的一阶汉密尔顿 - 雅各比方程的定量均质化理论，并提供了收敛的最佳速率。在我们的论文中，我们定义值函数vεn，vεc：ωε×[0，∞）→r for（1.1） - （1.3）by
科利尔奖决赛
玛丽·克莱尔·墨菲，德事隆航空 斯科特·诺伊曼，北美航空竞赛和记录委员会 马克·奥夫斯图恩，本田飞机公司 肯·帕诺斯，Aerojet Rocketdyne 埃里克·皮尔斯，洛克希德·马丁公司 马蒂夸·波斯特，美国空军学院 斯基普·林戈，林戈集团 伊薇特·罗斯，货运航空协会 斯泰西·拉德瑟，航空维修女性协会 布莱克·肖尔，Boom Supersonic 鲍勃·斯坦加罗内，Stangarone and Associates 托尼亚·萨杜斯，庞巴迪 古德洛·萨顿，波音公司 布拉德·斯雷斯，国际飞行安全组织 雷德·范德沃特，赛峰美国公司 托尼·维洛奇，航空周刊与空间技术（已退休） 詹姆斯·维奥拉，国际直升机协会 帕蒂·瓦格斯塔夫，帕蒂·瓦格斯塔夫特技飞行指导 卡尔·沃尔夫，佳明国际公司
由纠缠和局部测量燃料的两量价发动机
从热动态的角度了解量子测量是量子热力学的巨大挑战之一，在从Quantum基础到量子计算的各个领域中具有强大的基本和实际意义。量子测量具有双重状态：一方面，是允许从量子系统中提取信息的过程。在经典信息热力学的精神上，其“工作成本”被定量分析为在系统与记忆之间建立相关性的充满活力的损失[1-3]。另一方面，作为随机过程，量子测量也导致波函数塌陷。的测量结果可以作为熵和能量的来源，扮演与浴缸相似的角色。在所谓的测量驱动发动机[4-9]和量子冰箱[10-12]中，经典测量装置产生的能量波动最近被用作一种新型燃料。Schrödinger将另一个核心概念量子纠缠[13]鉴定为量子物理学的特征。Einstein，Podolsky和Rosen [14]试图证明量子力学是不完整的，后来又被爱因斯坦嘲笑为“距离的怪异动作。”它已被视为各种量子技术中的重要资源。怪异的作用是波函数崩溃的结果，这是因为测得的非本地状态不是可观察到的局部测量的特征。此外，纠缠对于建模测量过程的第一步至关重要，即测量过程的第一步，即冯·诺伊曼（Von Neumann）[15]引入的所谓的“预言”。在这封信中，我们利用这些功能来设计新一代的量子测量供电发动机，同时加深我们对燃料测量的理解。
家庭遗传：理解和预测精神疾病的代际传递
最初发表于：van Houtum，Lisanne AEM；巴雷，威廉 FC；贝克曼，Christian F；卡斯特罗-福涅莱斯，约瑟芬娜；塞西尔（Cecil），夏洛特（Charlotte）AM；朱利安·迪特里希；埃布德鲁普（Bjørn H）； Fegert，Jörg M；哈夫达尔，亚历山德拉； Hillegers，Manon HJ；卡利施，拉斐尔；库什纳，史蒂文 A； Mansuy，Isabelle M；梅日斯卡，西涅；莫雷诺，卡门； Muetzel，Ryan L；诺伊曼，亚历山大；诺登托夫特，梅雷特；平戈，让-巴蒂斯特；普雷西格（Martin）；拉巴洛，安德里亚；桑德斯，约翰； Sp-rooten，Emma；苏格拉耶斯，吉塞拉；蒂迈尔，亨宁；范沃登（van Woerden），Geeske M； Vandeleur，Caroline L； van Haren，Neeltje EM（2024）。家庭中的传承：理解和预测精神疾病的代际传播。欧洲儿童青少年精神病学，33（11）：3885-3898。 DOI：https://doi.org/10.1007/s00787-024-02423-9
反事实理性：游戏理论的因果方法
在人类决策中的理性行为和非理性行为之间的紧张关系已在从哲学到心理学，神经科学再到行为经济学的广泛学科中得到认可。多代理相互作用的模型，例如冯·诺伊曼（Von Neumann）和摩根斯特恩（Morgenstern）的预期效用理论和纳什（Nash）的游戏理论，为代理在寻求理性时应如何行事提供了严格的数学框架。然而，理性假设受到了广泛的挑战，因为人类决策通常是非理性的，受偏见，情感和不确定性的影响，在某些情况下甚至可能会产生积极影响。行为生态学试图解释这种非理性行为，包括卡尼曼的双重过程理论和Thaler的裸露概念，并说明了与理性的偏差。在本文中，我们通过因果关系分析了这种张力，并开发了一个框架，该框架说明了理性和非理性的决策，我们将其称为因果游戏理论。然后，我们引入了一个称为反事实理性的新颖概念，该概念允许代理人做出选择，以利用其非理性倾向。我们将NASH均衡的概念扩展到反事实的行动，并表明，根据标准游戏理论，反事实行动之后的策略占据了策略。，当并非所有有关其他代理的信息都可用时，我们进一步开发了一种算法来学习此类策略。
通过从输入输出示例中学习的自动化CPU设计
设计中央处理单元（CPU）需要有才华的专家的大量手动工作，才能从设计规范中启动电路逻辑。尽管已在电子设计自动化（EDA）方面取得了长足的进步，以减轻Human的努力，但所有现有的工具都需要手工制作的正式程序代码（例如Verilog，Chisel或C）作为输入。为了自动化使用人类编程的CPU设计，我们有动力从仅输入输出（IO）检查中学习CPU设计，这是根据设计规范的测试案例生成的。关键挑战是，学识渊博的CPU设计对不准确性的公差几乎为零，这使得众所周知的近似算法（例如神经网络）无效。，我们提出了一种新的AI方法，以大规模布尔功能的形式生成CPU设计，仅从外部IO示例而不是for-mal程序代码中生成CPU设计。此方法采用一种称为二进制投机图（BSD）的新型图形结构来准确近似CPU尺度布尔功能。我们提出了一种基于布尔距离的有效的BSD扩展方法，这是一个新的指标，用于定量测量布尔函数之间的结构相似性，逐渐地将设计准确性提高到100％。我们的AP-PRACH在5小时内生成了工业规模的RISC-V CPU设计，将设计周期降低了约1000倍，而无需人工参与。AI设计的世界第一款CPU胶带芯片，Enlightenment-1成功地运行了Linux操作系统，并与人设计的Intel 80486SX CPU进行了比较。我们的方法甚至自主地发现了人类对冯·诺伊曼建筑的知识。
全范数氧化还原流量电池的开路电压是从UV-VIS光谱获得的电荷状态的函数
传统的冯·诺伊曼（Von Neumann）体系结构，自成立以来一直是计算的基础，将处理和内存单元隔离，因此导致众所周知的瓶颈通常被称为“ von noumann瓶颈”。1 - 3由处理和内存单元之间的数据持续穿梭产生的瓶颈不仅会产生大量的能耗，而且对计算速度产生了限制。4,5学术界和工业界正在积极寻求替代计算档案，以维持计算能力的进步，因为摩尔法律的终止以及进一步的晶体管微型化的局限性。6 - 8最有希望的替代方法是神经形态计算，它从人的大脑中吸引了启示，并将加工和记忆整合到统一的实体中。9,10大脑充当中央处理单元，众所周知，信息传播仅消耗约10-20W。11因此，科学家通过开发称为神经形态计算的新原理范式来复制了脑启发的计算，旨在模仿人类大脑中的认知功能。据我们所知，人类神经系统由超过860亿个神经元组成。 如图所示 1a，这些神经元形成了通过突触互连的复杂网络，促进了化学介质的传播（例如 ，Ca +，Na +和K +）从突触前到Postsy-aptic终端。 受此启发，Iontronics已成为据我们所知，人类神经系统由超过860亿个神经元组成。如图1a，这些神经元形成了通过突触互连的复杂网络，促进了化学介质的传播（例如，Ca +，Na +和K +）从突触前到Postsy-aptic终端。受此启发，Iontronics已成为