XiaoMi-AI文件搜索系统
World File Search System高效性
能量高效的突触可塑性
摘要 大脑设计的许多方面可以理解为进化驱动力追求代谢效率的结果。除了神经计算和传输的能量成本外，实验证据表明突触可塑性在代谢上也要求很高。由于突触可塑性对于学习至关重要，我们研究了这些代谢成本如何进入学习。我们发现，当突触可塑性规则被简单实施时，训练神经网络在存储许多模式时需要大量的能量。我们提出，通过精确平衡不稳定形式的突触可塑性与更稳定的形式来避免这种情况。这种算法称为突触缓存，可成倍提高能源效率，可与任何可塑性规则一起使用，包括反向传播。我们的研究结果对实验观察到的多种形式的神经突触可塑性产生了新的解释，包括突触标记和捕获现象。此外，我们的结果与节能的神经形态设计有关。
朝着高效且可持续的供应链
对于诸如此类的NP硬性问题，由于解决方案空间的指数增长，通常在很大的尺度上无法获得精确的解决方案，并且经常采用启发式方法。一种针对此问题的启发式方法（不能保证找到最佳解决方案）是使用进化算法[2]。特别是遗传算法[3]是最流行的进化算法类型，通常用于组合优化问题。另一种启发式方法是使用答案集编程[4]。这是一种声明性编程的一种形式，针对这样的复杂搜索问题。文献中可以找到许多其他方法，但是到目前为止，迄今为止尚未证明适用于工业规模的问题，而决策通常会基于专家判断。因此，对空中客车和宝马是否对量子方法可能提供了一种实用方法来为诸如此类的物流问题提供最佳或近乎最佳的解决方案。
人工智能能有创造力吗？ - 庆应义塾SFC社团
随着人工智能（AI）社会应用的推进，人们正在探索将人工智能应用于艺术和设计等创意领域。尤其是，许多研究和作品示例已经表明，人工智能可以通过使用生成对抗网络（GAN）和其他生成模型来生成“逼真”的图像和音乐，就好像它们是人类创造的一样。另一方面，有人可能会认为生成模型所做的只是从训练数据中学习到的统计模式的再现，并质疑它们作为表达的新颖性和独创性。在本文中，我们研究了人工智能和创造力的现状，并提出了一种通过扩展 GAN 框架来创造新颖表达，尤其是音乐表达的方法。通过这些，我们考虑了人工智能将在未来为创造不仅仅是模仿人类创作的表达做出贡献。
Microsoft Word -（已提交）2020 年秋季可靠性研讨会手稿
[1] Sato, Y.、Henley, EJ、Inoue, K.：“机器人危险控制系统设计的动作链模型”，IEEE Trans. on Reliability，第 39 卷，第 2 期，（1990 年 6 月）。[2] Kawashima, O.、Sato, Y.（2015 年）：”
Auto-Mag® DNA片段分选纯化回收试剂（磁珠法）
Auto-Mag® DNA 片段分选纯化回收试剂（磁珠法）是一款基于顺磁珠技术开发的高性能试剂，专为满足 下一代测序 (NGS) 文库构建中的 PCR 产物、DNA 片段和 RNA 的纯化需求而设计，同时支持 DNA 片段的大 小分选与高效回收。在 PCR 产物纯化方面，该试剂提供了单管和 96/384 孔板两种灵活格式，通过优化的缓 冲液选择性地结合 >100 bp 的 PCR 扩增产物，利用简便的清洗步骤去除多余引物、核苷酸、盐和酶，最终 使用低盐洗脱缓冲液或水进行温和高效的洗脱。在 DNA 片段大小分选中，用户可通过调整试剂与 DNA 样 本的体积比，精准选择目标 DNA 片段范围，并通过结合、洗涤和洗脱的简单操作回收分布均匀、符合实验 需求的目标 DNA 片段。
高效太阳能电池的先进材料
摘要。本研究对高效太阳能电池的先进材料进行了全面研究，重点研究了钙钛矿、有机和量子点技术。通过一种有效的方法，包括材料测定、合成、特性分析、器件开发和性能分析，该研究在钙钛矿太阳能电池中实现了 22% 的卓越效率，超过了有机（9%）和量子点电池（12%）。稳定性测试表明，钙钛矿电池在 1000 小时后仍保持了其初始效率的 90%，优于有机（75%）和量子点电池（80%）中观察到的相对衰减。与相关研究的比较分析强调了我们的发现的重要性，包括将经验转化为激子元素、可行的设计练习和可行太阳能电池模型的创新方法。
脉冲高效量子机器学习
基于参数化量子电路的量子机器学习算法是近期量子优势的有希望的候选者。虽然这些算法与当前一代量子处理器兼容，但设备噪声限制了它们的性能，例如通过诱导损失景观的指数平坦化。诸如动态解耦和泡利旋转之类的错误抑制方案通过降低硬件级别的噪声来缓解这个问题。这个技术工具箱最近增加了脉冲高效转译，它通过利用硬件原生的交叉共振相互作用来减少电路调度时间。在这项工作中，我们研究了脉冲高效电路对量子机器学习近期算法的影响。我们报告了两个标准实验的结果：使用量子神经网络对合成数据集进行二元分类，以及使用量子核估计进行手写数字识别。在这两种情况下，我们发现脉冲高效转译大大减少了平均电路持续时间，从而显著提高了分类准确率。最后，我们将脉冲高效转译应用于汉密尔顿变分假设，并表明它延迟了噪声引起的荒芜高原的出现。
高效视觉识别：最新进展调查...
摘要：视觉识别是当前计算机视觉、模式识别乃至人工智能领域最重要和最活跃的研究领域之一。它具有重要的基础意义和强烈的工业需求，特别是现代深度神经网络（DNN）和一些受大脑启发的方法，在大量训练数据和新的强大计算资源的帮助下，大大提高了许多具体任务的识别性能。虽然识别准确率通常是新进展的首要关注点，但效率实际上相当重要，有时对于学术研究和工业应用都至关重要。此外，整个社区也非常需要对效率带来的机遇和挑战有深刻的见解。虽然已经从各个角度对效率问题进行了一般性调查，但据我们所知，几乎没有任何调查系统地关注视觉识别，因此不清楚哪些进展适用于它以及还应该关注什么。在本综述中，我们回顾了最近的进展，并提出了提高 DNN 相关和脑启发式视觉识别方法效率的新方向，包括高效的网络压缩和动态脑启发式网络。我们不仅从模型的角度进行研究，还从数据的角度进行研究（现有综述中没有这种情况），并重点关注四种典型数据类型（图像、视频、点和事件）。本综述试图通过全面的综述提供系统的总结，以作为有价值的参考，并激励从事视觉识别问题的研究人员和从业者。