查看“WikiEdge:ArXiv速递/2025-03-05”的源代码
←
WikiEdge:ArXiv速递/2025-03-05
跳转到导航
跳转到搜索
因为以下原因，您没有权限编辑该页面：
您请求的操作仅限属于该用户组的用户执行：
用户
您可以查看和复制此页面的源代码。
== 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用的限制 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach * '''中文标题'''：理解蒸馏推理模型：一种表征方法 * '''发布日期'''：2025-03-05 18:40:19+00:00 * '''作者'''：David D. Baek, Max Tegmark * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03730v1 '''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大型语言模型]]（LLMs）中[[推理]]特征的发展。为了探索这一点，我们在[[Qwen系列模型]]及其[[微调]]变体上训练了一个[[跨编码器]]。我们的结果表明，跨编码器学习了与各种推理类型相对应的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征几何变化，并发现较大的蒸馏模型可能会发展出更具结构化的表示，这与增强的蒸馏性能相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。 == 摘要 == * '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames * '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计 * '''发布日期'''：2025-03-05 18:28:32+00:00 * '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander * '''分类'''：cs.CV, cs.RO *'''原文链接'''：http://arxiv.org/abs/2503.03726v1 '''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D姿态]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重遮挡，基于单视图的6D姿态估计器仍然无法处理广泛的物体，这促使了[[多视图姿态估计]]和[[最佳视角预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知]]框架，仅使用RGB图像来估计无纹理物体的6D姿态。我们的方法基于一个关键思想：将6D姿态估计解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决RGB图像固有的尺度和深度模糊性。然后，这些估计用于简化后续的[[3D方向]]确定任务，我们通过[[规范尺度模板匹配]]来实现。基于这一公式，我们进一步引入了一种主动感知策略，预测下一个最佳[[相机视角]]以捕捉RGB图像，有效减少物体姿态的不确定性并提高姿态准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同相机视角进行评估时，我们的多视图姿态估计显著优于最先进的方法。此外，通过利用我们的最佳视角策略，我们的方法在比基于启发式策略更少的视角下实现了高物体姿态准确性。 == 摘要 == * '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization * '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究 * '''发布日期'''：2025-03-05 12:00:44+00:00 * '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu * '''分类'''：cond-mat.mtrl-sci, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03427v1 '''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨合成]]途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双铁原子位点和[[氮硼共掺杂石墨烯]]催化剂的新设计理念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算的[[电子局域化函数]]、[[晶体轨道哈密顿布居]]、[[静电势图]]揭示了Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，[[机器学习分子动力学]]（MLMD）模拟被用来验证Fe2N3B@G催化剂在NRR中的高活性，结果表明Fe2N3B@G有效调节了Fe-N键的电子密度，确保了NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，Fe2N3B@G催化剂在高达500 K的[[分子动力学模拟]]中也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的优越性能，并通过共掺杂策略和深入的电子环境调节为原子催化剂设计提供了理论指导。 == 摘要 == * '''原文标题'''：A Multimodal Framework for Topic Propagation Classification in Social Networks * '''中文标题'''：社交网络中话题传播分类的多模态框架 * '''发布日期'''：2025-03-05 02:12:23+00:00 * '''作者'''：Yuchuan Jiang, Chaolong Jia, Yunyi Qin, Wei Cai, Yongsen Qian * '''分类'''：cs.SI, cs.AI, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03112v1 '''中文摘要'''：[[互联网]]的快速发展和[[社交网络]]的广泛采用显著加速了[[信息传播]]。然而，这种转变也带来了[[信息捕获]]和[[信息处理]]的复杂性，给研究人员和实践者带来了巨大挑战。因此，预测社交网络中与主题相关的信息传播已成为一个关键的研究焦点。本文通过整合从关键传播特征中提取的多维特征，提出了一种用于社交网络中主题传播的预测模型。具体而言，我们在[[PageRank算法]]中引入了两个新指标——[[用户关系广度]]和[[用户权威性]]，以更有效地量化[[用户影响力]]。此外，我们采用[[Text-CNN模型]]进行[[情感分类]]，从文本内容中提取[[情感特征]]。节点的时序嵌入通过[[Bi-LSTM模型]]进行编码，以捕捉时序动态。此外，我们改进了用户与主题交互痕迹的测量方法，用更精确的传播特征度量替代了传统的[[主题浏览量]]指标。最后，我们使用[[Transformer模型]]整合提取的多维特征，显著提升了预测性能。实验结果表明，我们提出的模型在[[FI-Score]]、[[AUC]]和[[Recall]]方面优于传统的[[机器学习]]和[[单模态深度学习]]模型，验证了其在预测社交网络中主题传播方面的有效性。 == 摘要 == * '''原文标题'''：Improving LLM Safety Alignment with Dual-Objective Optimization * '''中文标题'''：通过双目标优化改进大语言模型的安全对齐 * '''发布日期'''：2025-03-05 18:01:05+00:00 * '''作者'''：Xuandong Zhao, Will Cai, Tianneng Shi, David Huang, Licong Lin, Song Mei, Dawn Song * '''分类'''：cs.CL, cs.CR, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03710v1 '''中文摘要'''：现有的大型语言模型（[[LLMs]]）训练时安全对齐技术在面对[[越狱攻击]]时仍然脆弱。[[直接偏好优化]]（[[DPO]]）作为一种广泛部署的对齐方法，在实验和理论背景下都表现出局限性，因为其损失函数在[[拒绝学习]]方面被证明是次优的。通过基于梯度的分析，我们识别了这些不足，并提出了一种改进的安全对齐方法，将[[DPO]]目标分解为两个部分：（1）鲁棒的拒绝训练，即使在生成部分不安全内容时也鼓励拒绝；（2）有针对性地遗忘有害知识。这种方法显著提高了[[LLM]]在面对各种[[越狱攻击]]时的鲁棒性，包括[[预填充]]、[[后缀]]和[[多轮攻击]]，涵盖[[分布内]]和[[分布外]]场景。此外，我们引入了一种方法，通过结合基于奖励的令牌级加权机制来强调关键的拒绝令牌，从而进一步提高对抗性攻击的鲁棒性。我们的研究还表明，对[[越狱攻击]]的鲁棒性与训练过程中令牌分布的偏移以及拒绝和有害令牌的内部表示相关，为未来[[LLM]]安全对齐研究提供了有价值的方向。代码可在https://github.com/wicai24/DOOR-Alignment获取。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的频谱分析用于LIGO暗物质搜索 * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的[[对数谱估计]]方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质搜索技术]]与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在[[计算效率]]上与基于[[FFT]]的算法相当，但不像这些算法那样牺牲[[精度]]。我们将这种方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个[[频率范围]]内，性能一致提高了15%，且无需额外的[[计算成本]]。随着进一步改进的潜力，该方法已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Nanocavity-Enhanced Second-Harmonic Generation from Colossal Quantum Dots * '''中文标题'''：纳米腔增强的巨量子点二次谐波产生 * '''发布日期'''：2025-03-05 00:22:01+00:00 * '''作者'''：David Sharp, Abhinav Kala, Hannah Rarick, Hao A. Nguyen, Elise Skytte, Brandi M. Cossairt, Arka Majumdar * '''分类'''：physics.optics, physics.app-ph *'''原文链接'''：http://arxiv.org/abs/2503.03072v1 '''中文摘要'''：[[胶体量子点]]（QDs）是[[非线性光学]]和与[[光子器件]]确定性异质集成的有吸引力的介质。通过将[[量子点]]耦合到低模体积的[[光子纳米腔]]中，可以进一步增强其固有的非线性特性，从而实现低功耗的[[片上非线性光学]]。在本文中，我们通过将[[巨型量子点]]与[[氮化硅]]纳米束腔集成，展示了腔增强的[[二次谐波产生]]。通过使用[[超快脉冲激光]]泵浦腔-量子点系统，我们观察到腔耦合量子点产生了强烈的二次谐波，并估计增强因子约为3,040。我们的工作，结合之前报道的巨型量子点的确定性定位，可以为低功耗非线性光学提供一个可扩展的量子点-腔平台。 == 摘要 == * '''原文标题'''：Sublinear Data Structures for Nearest Neighbor in Ultra High Dimensions * '''中文标题'''：超维空间中最近邻的次线性数据结构 * '''发布日期'''：2025-03-05 00:37:39+00:00 * '''作者'''：Martin G. Herold, Danupon Nanongkai, Joachim Spoerhase, Nithin Varma, Zihang Wu * '''分类'''：cs.DS, cs.CG *'''原文链接'''：http://arxiv.org/abs/2503.03079v1 '''中文摘要'''：[[几何数据结构]]在维度远小于输入点数量的情况下得到了广泛研究。然而，在[[机器学习]]的许多场景中，维度可能远高于点的数量，甚至高到数据结构无法读取和存储输入点和查询点的所有坐标。受这些场景以及[[特征选择]]和[[可解释聚类]]相关研究的启发，我们开始研究这种超高维情况下的几何数据结构。我们的重点是**[[近似最近邻]]**问题。在该问题中，给定一组$n$个点$C\subseteq \mathbb{R}^d$，需要生成一个**小型**数据结构，能够**快速**回答以下查询：给定$q\in \mathbb{R}^d$，返回一个近似最近的点$c\in C$。本文的主要问题是：**当$d\gg n$时，是否存在具有次线性（$o(nd)$）空间和次线性（$o(d)$）查询时间的数据结构？** 在本文中，我们肯定地回答了这个问题。我们提出了$(1+\epsilon)$-近似数据结构，并给出了以下保证。对于$\ell_1$-和$\ell_2$-范数距离：$\tilde O(n \log(d)/\mathrm{poly}(\epsilon))$空间和$\tilde O(n/\mathrm{poly}(\epsilon))$查询时间。我们证明了这些空间和时间界限在$\mathrm{poly}{(\log n/\epsilon)}$因子内是紧的。对于$\ell_p$-范数距离：$\tilde O(n^2 \log(d) (\log\log (n)/\epsilon)^p)$空间和$\tilde O\left(n(\log\log (n)/\epsilon)^p\right)$查询时间。通过简单的归约，我们的数据结构暗示了其他一些几何问题的次线性-$d$数据结构；例如，[[近似正交范围搜索]]、[[最远邻]]，并产生了$k$-[[中位数]]和$k$-[[均值聚类]]的次线性$O(1)$-近似表示。 == 摘要 == * '''原文标题'''：OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction * '''中文标题'''：OTTER：一种具有文本感知视觉特征提取的视觉-语言-动作模型 * '''发布日期'''：2025-03-05 18:44:48+00:00 * '''作者'''：Huang Huang, Fangchen Liu, Letian Fu, Tingfan Wu, Mustafa Mukadam, Jitendra Malik, Ken Goldberg, Pieter Abbeel * '''分类'''：cs.RO, cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03734v1 '''中文摘要'''：[[视觉-语言-动作]]（VLA）模型旨在基于[[视觉观察]]和[[语言指令]]预测[[机器人动作]]。现有方法需要微调预训练的[[视觉-语言模型]]（VLM），因为视觉和语言特征是独立输入到下游策略中的，这会降低预训练的语义对齐效果。我们提出了[[OTTER]]，一种新颖的VLA架构，通过显式的、文本感知的视觉特征提取来利用这些现有的对齐。OTTER不是处理所有视觉特征，而是选择性地提取并仅传递与语言指令语义对齐的任务相关视觉特征到[[策略变换器]]中。这使得OTTER能够保持预训练的视觉-语言编码器冻结。因此，OTTER保留并利用了从大规模预训练中学到的丰富语义理解，实现了强大的[[零样本泛化]]能力。在[[仿真]]和[[真实世界]]实验中，OTTER显著优于现有的VLA模型，展示了对新物体和环境的强大零样本泛化能力。视频、代码、检查点和数据集：https://ottervla.github.io/。 == 摘要 == * '''原文标题'''：Towards Trustworthy Federated Learning * '''中文标题'''：迈向可信的联邦学习 * '''发布日期'''：2025-03-05 17:25:20+00:00 * '''作者'''：Alina Basharat, Yijun Bian, Ping Xu, Zhi Tian * '''分类'''：cs.LG, cs.CR, cs.DC *'''原文链接'''：http://arxiv.org/abs/2503.03684v1 '''中文摘要'''：本文开发了一个综合框架，以解决[[联邦学习]]（FL）中的三个关键可信挑战：对抗[[拜占庭攻击]]的[[鲁棒性]]、[[公平性]]和[[隐私保护]]。为了提高系统对抗发送恶意信息以偏置系统性能的拜占庭攻击的防御能力，我们开发了一种基于双面范数的筛选机制（TNBS），该机制允许中央服务器裁剪具有最低范数l和最高范数h的梯度。TNBS作为一种筛选工具，用于过滤掉那些梯度与诚实参与者相差甚远的潜在恶意参与者。为了促进平等公平性，我们采用了q-公平联邦学习（q-FFL）。此外，我们采用了一种基于[[差分隐私]]的方案，以防止本地客户端的原始数据被好奇方推断。我们为所提出的框架在不同场景下提供了[[收敛保证]]。在真实数据集上的实验结果表明，所提出的框架在管理隐私与准确性之间的权衡的同时，有效地提高了鲁棒性和公平性。这项工作似乎是第一个在实验和理论上同时解决可信FL中公平性、隐私和鲁棒性的研究。 == 摘要 == * '''原文标题'''：Effective LLM Knowledge Learning via Model Generalization * '''中文标题'''：通过模型泛化实现有效的LLM知识学习 * '''发布日期'''：2025-03-05 17:56:20+00:00 * '''作者'''：Mingkang Zhu, Xi Chen, Zhongdao Wang, Bei Yu, Hengshuang Zhao, Jiaya Jia * '''分类'''：cs.CL, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03705v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在包含广泛[[世界知识]]的海量文档上进行训练。然而，通过[[自回归预训练]]如何获取知识仍然没有得到很好的理解。这种理解的缺乏极大地阻碍了有效的知识学习，特别是在对最新信息进行持续预训练时，因为这些不断变化的信息通常缺乏像[[基础知识]]那样的多样化重复。在本文中，我们专注于理解和改进LLM的知识学习。我们发现并验证了LLM的知识学习可以被视为隐藏在自回归预训练目标中的隐式[[监督任务]]。我们的研究结果表明，LLM的知识学习将受益于旨在提高监督任务[[泛化能力]]的方法。基于我们的分析，我们提出了基于[[格式化]]的[[数据增强]]方法，以增加[[分布内样本]]，这种方法不会像[[文本改写]]那样改变文档中嵌入的事实。我们还引入了[[锐度感知最小化]]作为一种有效的[[优化算法]]，以更好地提高泛化能力。此外，我们的分析和方法可以轻松扩展到[[指令微调]]。大量的实验结果验证了我们的发现，并展示了我们的方法在持续预训练和指令微调中的有效性。本文为解释和设计LLM知识学习的有效策略提供了新的视角和见解。 == 摘要 == * '''原文标题'''：DualDiff+: Dual-Branch Diffusion for High-Fidelity Video Generation with Reward Guidance * '''中文标题'''：DualDiff+：基于奖励引导的双分支扩散模型用于高保真视频生成 * '''发布日期'''：2025-03-05 17:31:45+00:00 * '''作者'''：Zhao Yang, Zezhong Qian, Xiaofan Li, Weixiang Xu, Gongpeng Zhao, Ruohong Yu, Lingsi Zhu, Longjun Liu * '''分类'''：cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03689v1 '''中文摘要'''：准确且高保真的[[驾驶场景]]重建需要有效利用全面的场景信息作为条件输入。现有方法主要依赖于[[3D边界框]]和[[BEV道路地图]]进行前景和背景控制，这些方法无法捕捉驾驶场景的全部复杂性，也无法充分整合[[多模态信息]]。在这项工作中，我们提出了[[DualDiff]]，一种双分支条件[[扩散模型]]，旨在增强多视图和视频序列中的驾驶场景生成。具体来说，我们引入了[[占用射线形状采样]]（ORS）作为条件输入，提供了丰富的前景和背景语义以及[[3D空间几何信息]]，以精确控制两者的生成。为了改善细粒度前景对象（特别是复杂和远距离对象）的合成，我们提出了一种[[前景感知掩码]]（FGM）去噪损失函数。此外，我们开发了[[语义融合注意力]]（SFA）机制，以动态优先处理相关信息并抑制噪声，从而实现更有效的多模态融合。最后，为了确保高质量的图像到视频生成，我们引入了[[奖励引导扩散]]（RGD）框架，该框架在生成的视频中保持全局一致性和语义连贯性。大量实验表明，DualDiff在多个数据集上实现了最先进的（[[SOTA]]）性能。在[[NuScenes数据集]]上，DualDiff将[[FID分数]]降低了4.09%。在下游任务中，如[[BEV分割]]，我们的方法将车辆[[mIoU]]提高了4.50%，道路mIoU提高了1.70%，而在[[BEV 3D目标检测]]中，前景[[mAP]]提高了1.46%。代码将在https://github.com/yangzhaojason/DualDiff上提供。 == 摘要 == * '''原文标题'''：When Radiation Meets Linux: Analyzing Soft Errors in Linux on COTS SoCs under Proton Irradiation * '''中文标题'''：当辐射遇上Linux：质子辐照下商用SoC上Linux软错误分析 * '''发布日期'''：2025-03-05 18:21:34+00:00 * '''作者'''：Saad Memon, Rafal Graczyk, Tomasz Rajkowski, Jan Swakon, Damian Wrobel, Sebastian Kusyk, Mike Papadakis * '''分类'''：cs.OS, cs.AR, cs.SE *'''原文链接'''：http://arxiv.org/abs/2503.03722v1 '''中文摘要'''：在[[空间计算]]中，越来越多地使用商用现成（[[COTS]]）[[系统级芯片]]（[[SoC]]）上的 [[Linux]] 系统，这继承了 COTS 对[[辐射]]引起的故障（如[[软错误]]）的敏感性。现代 SoC 加剧了这一问题，因为激进的[[晶体管]]缩放降低了引发软错误的关键电荷阈值，并增加了密集排列晶体管中的辐射效应，从而降低了整体[[可靠性]]。Linux 的[[单片架构]]放大了这些风险，因为紧密耦合的[[内核子系统]]将错误传播到关键组件（例如[[内存管理]]），而有限的[[纠错码]]（[[ECC]]）提供的缓解效果有限。此外，缺乏在运行 Linux 的 COTS SoC 上进行[[辐照测试]]的公开软错误数据，阻碍了可靠性的改进。本研究评估了[[质子辐照]]（20-50 MeV）对三种 COTS SoC 架构上的 Linux 的影响：[[Raspberry Pi Zero 2 W]]（40 nm [[CMOS]]，[[Cortex-A53]]）、[[NXP i.MX 8M Plus]]（14 nm [[FinFET]]，Cortex-A53）和 [[OrangeCrab]]（40 nm [[FPGA]]，[[RISC-V]]）。辐照结果表明，与两种 40 nm CMOS 对应物相比，14 nm FinFET NXP SoC 在没有 ECC 内存的情况下实现了 2-3 倍的 Linux 正常运行时间，部分原因是 FinFET 减少了电荷收集。此外，本研究首次对现代 SoC 中易发生软错误的 Linux 内核组件进行了跨架构分析，以开发有针对性的缓解措施。研究结果为 Linux 在 COTS SoC 中的软错误敏感性提供了基础数据，为空间应用的任务准备提供了指导。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（[[LIF]]）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应性]]、突触权重修改以及涌现行为，如[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Optimal Beamforming for Multi-Target Multi-User ISAC Exploiting Prior Information: How Many Sensing Beams Are Needed? * '''中文标题'''：利用先验信息的多目标多用户ISAC最优波束成形：需要多少感知波束？ * '''发布日期'''：2025-03-05 14:46:33+00:00 * '''作者'''：Jiayi Yao, Shuowen Zhang * '''分类'''：cs.IT, eess.SP, math.IT *'''原文链接'''：http://arxiv.org/abs/2503.03560v1 '''中文摘要'''：本文研究了一种多目标多用户集成感知与通信（[[ISAC]]）系统，其中多天线基站（[[BS]]）在下行链路中与多个单天线用户通信，并基于目标反射的回波信号及其先验概率信息，感知多个目标的未知随机角度信息。我们关注一种通用的波束成形结构，该结构包含通信波束和专用感知波束，其设计非常复杂，因为更多的感知波束提供了感知的灵活性，但会引入额外的通信干扰。为了解决这一权衡，我们首先将周期性后验克拉美罗下界（[[PCRB]]）表征为多目标感知中均周期误差（[[MCE]]）的下界。然后，我们优化波束成形，以最小化所有目标中的最大周期性[[PCRB]]，确保公平性，同时满足多个用户的个体通信速率约束。尽管该问题是非凸的，我们通过利用半定松弛（[[SDR]]）提出了一种通用的最优解构造方法，并推导了所需感知波束数量的一般界限。此外，我们揭示了各种情况下最优解的具体结构，并推导了所需感知波束数量的更紧界限（例如，在严格的速率约束或同质目标下，不需要或最多只需要一个感知波束）。接下来，我们研究了在用户速率约束下最小化总周期性[[PCRB]]的波束成形优化。通过应用[[SDR]]，我们提出了一种通用的最优解构造方法及其具体结构，从而降低了计算复杂度。我们推导了所需感知波束数量的一般界限和各种更紧界限。数值结果验证了我们的分析以及所提出的波束成形设计的有效性。 == 摘要 == * '''原文标题'''：Benchmarking Dynamic SLO Compliance in Distributed Computing Continuum Systems * '''中文标题'''：分布式计算连续体系统中的动态SLO合规性基准测试 * '''发布日期'''：2025-03-05 08:56:26+00:00 * '''作者'''：Alfreds Lapkovskis, Boris Sedlak, Sindri Magnússon, Schahram Dustdar, Praveen Kumar Donta * '''分类'''：cs.DC, cs.AI, cs.LG, cs.NI, cs.PF *'''原文链接'''：http://arxiv.org/abs/2503.03274v1 '''中文摘要'''：在[[分布式计算连续体系统]]（DCCS）等大规模架构中，由于其异构性质以及不同设备和应用程序之间的服务需求差异，确保[[服务水平目标]]（SLOs）具有挑战性。此外，不可预测的工作负载和资源限制导致性能波动和SLO违规。为了提高DCCS中的SLO合规性，一种可能性是应用[[机器学习]]；然而，设计选择通常留给开发人员。为此，我们提供了一个基准测试，将来自[[神经科学]]的新兴方法——[[主动推理]]——与三种成熟的[[强化学习]]算法（[[深度Q网络]]、[[优势演员-评论家]]和[[近端策略优化]]）进行比较。我们考虑了一个现实的DCCS用例：一个运行[[视频会议应用程序]]的边设备与一个流媒体视频的[[WebSocket服务器]]并行运行。使用其中一种算法，我们持续监控关键性能指标，如[[延迟]]和[[带宽使用情况]]，以动态调整参数——包括流数量、[[帧率]]和[[分辨率]]——以优化[[服务质量]]和[[用户体验]]。为了测试算法对系统持续变化的适应性，我们模拟了动态变化的SLOs以及即时和渐进的数据偏移场景，如[[网络带宽限制]]和[[设备热状态]]的波动。尽管评估的算法都显示出优势和局限性，但我们的研究结果表明，主动推理是确保DCCS中SLO合规性的一种有前途的方法，具有较低的[[内存使用]]、稳定的[[CPU利用率]]和快速[[收敛]]的特点。 == 摘要 == * '''原文标题'''：RiskAgent: Autonomous Medical AI Copilot for Generalist Risk Prediction * '''中文标题'''：RiskAgent：用于通用风险预测的自主医疗AI副驾驶 * '''发布日期'''：2025-03-05 18:46:51+00:00 * '''作者'''：Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton * '''分类'''：cs.LG, cs.AI, cs.MA *'''原文链接'''：http://arxiv.org/abs/2503.03802v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在各种[[临床应用]]中的应用吸引了越来越多的研究关注。然而，现实世界的[[临床决策]]与当前工作中常用的标准化、考试式场景有显著差异。在本文中，我们提出了[[RiskAgent]]系统，用于执行广泛的[[医疗风险预测]]，涵盖超过387种复杂疾病的风险场景，例如[[心血管疾病]]和[[癌症]]。RiskAgent旨在与数百种[[临床决策工具]]协作，即基于[[循证医学]]支持的[[风险计算器]]和[[评分系统]]。为了评估我们的方法，我们构建了首个专门用于[[风险预测]]的基准[[MedRisk]]，包括12,352个问题，涵盖154种疾病、86种症状、50个专业和24个[[器官系统]]。结果表明，我们的RiskAgent拥有80亿模型参数，达到了76.33%的准确率，优于最新的商用LLMs，如o1、o3-mini和[[GPT-4.5]]，并将[[GPT-4o]]的38.39%准确率提高了一倍。在罕见疾病（如[[特发性肺纤维化]]（IPF））上，RiskAgent分别比o1和GPT-4.5高出27.27%和45.46%的准确率。最后，我们进一步在外部[[循证诊断]]基准上进行了泛化评估，结果显示我们的RiskAgent取得了最佳结果。这些令人鼓舞的结果展示了我们的解决方案在多样化[[诊断]]领域的巨大潜力。为了提高模型在不同场景中的适应性，我们构建并开源了一系列从10亿到700亿参数的模型。我们的代码、数据和模型均可通过https://github.com/AI-in-Health/RiskAgent获取。 == 摘要 == * '''原文标题'''：A Graph Width Perspective on Partially Ordered Hamiltonian Paths * '''中文标题'''：从图宽度视角看部分有序哈密顿路径 * '''发布日期'''：2025-03-05 14:41:59+00:00 * '''作者'''：Jesse Beisegel, Katharina Klost, Kristin Knorr, Fabienne Ratajczak, Robert Scheffler * '''分类'''：cs.DM, cs.CC, cs.DS, math.CO *'''原文链接'''：http://arxiv.org/abs/2503.03553v1 '''中文摘要'''：我们考虑在顶点集上以偏序形式存在优先约束的[[哈密尔顿路径]]问题，该问题被称为偏序哈密尔顿路径问题（POHPP）。本文研究了[[图宽度]]参数的复杂性，对于这些参数，普通[[哈密尔顿路径]]问题属于 $\mathsf{FPT}$。我们证明了对于[[路径宽度]]为 4 的图，POHPP 是 $\mathsf{NP}$-完全的。我们通过给出路径宽度为 3 和[[树宽度]]为 2 的图的多项式时间算法来补充这一结果。此外，我们证明了对于[[团覆盖数]]为 2 的图，POHPP 是 $\mathsf{NP}$-难的，并且对于某些距离到 $\mathcal{G}$ 的参数（包括距离到路径和距离到团），POHPP 是 $\mathsf{W[1]}$-难的。此外，我们还针对距离到块和[[反馈边集数]]等参数提出了 $\mathsf{XP}$ 和 $\mathsf{FPT}$ 算法。 == 摘要 == * '''原文标题'''：Bounding the computational power of bosonic systems * '''中文标题'''：限制玻色子系统的计算能力 * '''发布日期'''：2025-03-05 15:33:51+00:00 * '''作者'''：Varun Upreti, Ulysse Chabaud * '''分类'''：quant-ph, cs.CC *'''原文链接'''：http://arxiv.org/abs/2503.03600v1 '''中文摘要'''：[[玻色量子系统]]在无限维[[希尔伯特空间]]中运行，这与[[离散变量量子系统]]不同。这种独特的数学结构导致了[[量子信息处理]]中的根本性差异，例如[[状态层析]]的指数级复杂度增加 [MMB+24] 或恒定空间中的[[因式分解算法]] [BCCRK24]。然而，尚不清楚玻色系统的这种结构差异是否也能转化为相对于[[有限维量子计算机]]的实际计算优势。本文通过展示通用玻色量子计算可以在[[经典计算机]]上以指数时间模拟，显著改进了之前需要指数内存的最佳上界 [CJMM24]，从而朝着回答这一问题迈出了一步。在[[复杂性理论]]术语中，我们将 $\textsf{CVBQP}$ 的最佳上界从 $\textsf{EXPSPACE}$ 改进为 $\textsf{EXP}$。这一结果是通过基于有限能量截断和近似[[相干态]]分解的模拟策略实现的。虽然我们提出了可能改进这一上界的方法，但也提出了支持玻色量子计算机相对于离散变量量子计算机具有指数计算优势的合理性的论据。此外，我们强调了[[电路能量]]作为一种资源的作用，并讨论了为什么它可能成为在实际实现中实现这一优势的根本瓶颈。 == 摘要 == * '''原文标题'''：Techniques in high-speed imaging and X-ray micro-computed tomography for characterisation of iron ore fragmentation * '''中文标题'''：高速成像和X射线显微计算机断层扫描技术在铁矿石破碎表征中的应用 * '''发布日期'''：2025-03-05 04:13:29+00:00 * '''作者'''：Aleese Barron, Yulai Zhang, Neelima Kandula, Matthew Shadwell, Scott Bensley, Tim Evans, Louisa O'Connor, Mark Knackstedt, Nicolas Francois * '''分类'''：physics.geo-ph *'''原文链接'''：http://arxiv.org/abs/2503.03163v1 '''中文摘要'''：[[岩石]]的破碎和断裂对[[铁矿石]]的开采和提取至关重要。[[断裂能量]]需求以及由此产生的矿石颗粒大小和矿物分布是理解和优化[[采矿]]和[[加工]]实践的关键。本研究结合[[高速成像]]和实验性[[X射线微CT]]（微计算机断层扫描）成像与[[3D图像分析]]，研究了铁矿石颗粒的破碎过程。本文通过一个富含[[赤铁矿]]的铁矿石颗粒的案例研究，展示了该成像程序的应用及其产生的结果。在[[高速摄像机]]用于在定制[[落锤试验]]中捕捉颗粒断裂的动态过程之前，该颗粒进行了[[微CT扫描]]，以50微秒的分辨率捕捉颗粒断裂和随后破碎的动态过程。产生的碎片被收集、进行[[微CT扫描]]，并通过颗粒形状、大小和体积进行[[三维分析]]。 == 摘要 == * '''原文标题'''：Positivity of generalized cluster scattering diagrams * '''中文标题'''：广义簇散射图的正性 * '''发布日期'''：2025-03-05 18:17:03+00:00 * '''作者'''：Amanda Burcroff, Kyungyong Lee, Lang Mou * '''分类'''：math.CO, math.AC, math.AG, math.RA, math.RT, 13F60, 05E10, 14N35 *'''原文链接'''：http://arxiv.org/abs/2503.03719v1 '''中文摘要'''：我们引入了一类新的组合对象，称为[[紧致分级]]，它们是定义在极大[[Dyck路径]]上的非负整数值函数。利用[[紧致分级]]，我们推导出了任意二阶广义簇[[散射图]]中[[墙函数]]的显式正公式。进一步，我们证明了任何一致的二阶[[散射图]]在初始[[墙函数]]系数下都是正的。此外，我们的公式还给出了[[加权射影平面]]上相对[[Gromov-Witten不变量]]以及完全二分[[箭图]]上框架稳定表示[[模空间]]的[[欧拉特征]]的显式表达式。最后，通过利用二阶正性，我们证明了任意高阶广义簇[[散射图]]都具有正的[[墙函数]]，从而证明了[[Laurent现象]]的正性以及[[Chekhov-Shapiro广义簇代数]]的强正性。 == 摘要 == * '''原文标题'''：On minimizing cyclists' ascent times: Part II * '''中文标题'''：关于最小化自行车手爬坡时间的研究：第二部分 * '''发布日期'''：2025-03-05 07:28:22+00:00 * '''作者'''：Len Bos, Michael A. Slawinski, Raphaël A. Slawinski, Theodore Stanoev * '''分类'''：physics.class-ph *'''原文链接'''：http://arxiv.org/abs/2503.03235v1 '''中文摘要'''：我们在[[平均功率]]、[[最大功率]]和[[最小功率]]的约束下，制定了[[自行车]]爬坡时间的优化方案。与本研究的第一部分不同，我们不再限制出发为[[飞行起步]]，即初始速度由模型及其优化决定。我们允许各种初始速度，从静止到启动起步。我们通过将不连续的分段恒定速度模型推广为连续的分段线性速度模型来实现这一点。无论初始速度、坡度或爬坡轮廓如何，最优策略都趋向于恒定的地面速度，这与之前更为受限的公式的结论一致。这一新公式使我们能够比较各种初始速度策略，因此直接适用于[[竞技自行车运动]]。特别是在由平坦和陡峭路段组成的[[时间赛]]中，它有助于决定是否更换自行车，即从更适合平地的自行车更换为更适合爬坡的自行车，这需要停止并重新启动。 == 摘要 == * '''原文标题'''：Safety Verification of Nonlinear Stochastic Systems via Probabilistic Tube * '''中文标题'''：非线性随机系统的概率管安全验证 * '''发布日期'''：2025-03-05 10:02:25+00:00 * '''作者'''：Zishun Liu, Saber Jafarpour, Yongxin Chen * '''分类'''：eess.SY, cs.SY, math.ST, stat.TH *'''原文链接'''：http://arxiv.org/abs/2503.03328v1 '''中文摘要'''：我们解决了[[非线性随机系统]]的安全验证问题，特别是证明系统轨迹以高概率保持在[[安全集]]内的任务。为了应对这一挑战，我们采用了[[集合侵蚀]]策略，将[[随机扰动]]的影响与[[确定性动力学]]解耦。这种方法将安全集上的随机安全验证问题转化为安全集的侵蚀子集上的确定性安全验证问题。该策略的成功取决于侵蚀的深度，侵蚀深度由[[概率管]]确定，概率管限制了随机轨迹相对于其对应的确定性轨迹的偏差。我们的主要贡献是建立了非线性随机系统概率管的紧界。为了获得随机轨迹的概率界，我们采用了基于[[鞅]]的方法。核心创新在于设计了一种与[[平均矩生成函数]]相关的新型[[能量函数]]，该函数形成了一个[[仿射鞅]]，这是传统[[c-鞅]]的推广。利用这种能量函数，我们推导出了概率管的精确界。此外，我们通过结合[[严格收缩动力学]]的联合界不等式来增强这一界。通过将推导出的概率管集成到集合侵蚀策略中，我们证明了非线性随机系统的安全验证问题可以简化为确定性安全验证问题。我们的理论结果通过基于[[可达性]]的安全验证和[[安全控制器]]综合的应用得到了验证，并附有多个数值示例来说明其有效性。 == 摘要 == * '''原文标题'''：Polydispersity-driven dynamical differences between two- and three-dimensional supercooled liquids * '''中文标题'''：多分散性驱动的二维和三维过冷液体之间的动力学差异 * '''发布日期'''：2025-03-05 09:54:44+00:00 * '''作者'''：Ilian Pihlajamaa, Lotte van Gessel, Corentin Laudicina, Luc van Burik, Liesbeth Janssen * '''分类'''：cond-mat.soft, cond-mat.mtrl-sci, cond-mat.stat-mech, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03320v1 '''中文摘要'''：先前的研究表明，[[多分散]][[过冷液体]]的[[弛豫动力学]]存在一个难题。研究表明，在[[二维]]情况下，随着材料冷却，不同尺寸粒子的相对弛豫时间变得更加相似，而在[[三维]]情况下则相反：它们解耦。本文解决了这一难题。首先，我们证明在二维中观察到的耦合是由于引入[[笼修正]]以解释[[Mermin-Wagner涨落]]而产生的假象。实际上，二维中小粒子和大粒子的相对弛豫时间随温度保持恒定或略微解耦，与三维中观察到的显著解耦相反。通过进一步研究这些维度差异，我们通过[[移动团簇分析]]发现，小粒子在两个维度中都启动了弛豫。随着团簇增大，在三维中团簇仍然由小粒子主导，而在二维中团簇增长变得与粒子尺寸无关。我们通过研究系统中单粒子势垒高度的分布，用一个最小模型解释了这些发现，表明小粒子和大粒子的环境存在明显差异，这取决于维度。这些发现强调了维度在[[玻璃形成]]中的关键作用，为多分散过冷液体中[[玻璃化转变]]的机制提供了新的见解。 == 摘要 == * '''原文标题'''：Developing and Utilizing a Large-Scale Cantonese Dataset for Multi-Tasking in Large Language Models * '''中文标题'''：开发并利用大规模粤语数据集进行大语言模型的多任务处理 * '''发布日期'''：2025-03-05 17:53:07+00:00 * '''作者'''：Jiyue Jiang, Alfred Kar Yin Truong, Yanyu Chen, Qinghang Bao, Sheng Wang, Pengan Chen, Jiuming Wang, Lingpeng Kong, Yu Li, Chuan Wu * '''分类'''：cs.CL *'''原文链接'''：http://arxiv.org/abs/2503.03702v1 '''中文摘要'''：高质量的数据资源在学习[[大型语言模型]]（[[LLMs]]）中起着至关重要的作用，尤其是对于像[[粤语]]这样的低资源语言。尽管粤语拥有超过8500万母语使用者，但由于[[普通话]]的主导地位、粤语社区内部缺乏凝聚力、字符编码和输入方法的多样性，以及海外粤语使用者倾向于使用[[英语]]等因素，粤语在[[自然语言处理]]（[[NLP]]）领域仍被视为低资源语言。此外，粤语丰富的口语词汇、英语借词和语码转换特性增加了语料库收集和处理的复杂性。为了解决这些挑战，我们从多种来源收集粤语文本，包括开源语料库、香港特定论坛、[[维基百科]]和[[Common Crawl]]数据。我们通过语言过滤、质量过滤、内容过滤和去重步骤进行严格的数据处理，成功构建了一个包含超过20亿个标记的高质量粤语语料库，用于训练大型语言模型。我们通过在精选的粤语任务上进行[[监督微调]]（[[SFT]]）进一步优化模型，增强了其处理特定应用的能力。训练完成后，该模型在四个粤语基准测试中达到了最先进的（[[SOTA]]）性能。在我们的数据集上训练后，该模型在其他主流语言任务上也表现出改进的性能。 == 摘要 == * '''原文标题'''：A modeling framework to support the electrification of private transport in African cities: a case study of Addis Ababa * '''中文标题'''：支持非洲城市私人交通电气化的建模框架：以亚的斯亚贝巴为例 * '''发布日期'''：2025-03-05 17:07:49+00:00 * '''作者'''：Jérémy Dumoulin, Dawit Gebremeskel, Kanchwodia Gashaw, Ingeborg Graabak, Noémie Jeannin, Alejandro Pena-Bello, Christophe Ballif, Nicolas Wyrsch * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2503.03671v1 '''中文摘要'''：[[道路运输]]的[[电气化]]作为[[非洲]]主要的[[交通方式]]，为减少[[温室气体排放]]和对昂贵[[燃料]]进口的依赖提供了巨大的机会。然而，这也给当地的[[能源基础设施]]带来了重大挑战，包括[[充电站]]的部署以及对通常脆弱的[[电网]]的影响。尽管其重要性不言而喻，但非洲的[[电动交通]]规划研究仍然有限，而现有的规划工具依赖于详细的本地[[交通数据]]，这些数据通常难以获得，尤其是针对私人[[乘用车]]。在本研究中，我们引入了一个新颖的[[框架]]，旨在支持[[数据稀缺]]地区的私人车辆电气化，并将其应用于[[亚的斯亚贝巴]]，模拟了10万辆[[电动车]]的出行模式和[[充电需求]]。我们的分析表明，这些车辆每天产生约350[[兆瓦时]]的充电需求，并强调了充电位置对该需求时空分布的显著影响。值得注意的是，公共场所的充电有助于平滑全天的充电需求，缓解电网的峰值充电负荷。我们还估算了充电站的需求，发现[[工作场所]]充电大约每三辆电动车需要一个[[充电点]]，而[[公共充电]]则每三十辆电动车只需要一个。最后，我们证明了[[光伏能源]]可以覆盖充电需求的很大一部分，强调了[[可再生能源]]整合的潜力。本研究为亚的斯亚贝巴的电动交通规划奠定了基础，同时为其他非洲城市提供了一个可转移的框架。 == 摘要 == * '''原文标题'''：From Coverage to Prestige: A Comprehensive Assessment of Large-Scale Scientometric Data * '''中文标题'''：从覆盖率到声望：大规模科学计量数据的综合评估 * '''发布日期'''：2025-03-05 08:08:32+00:00 * '''作者'''：Guoyang Rong, Ying Chen, Thorsten Koch, Keisuke Honda * '''分类'''：cs.DL, stat.AP *'''原文链接'''：http://arxiv.org/abs/2503.03251v1 '''中文摘要'''：随着[[科学计量学]]研究的深入，[[数据质量]]对研究结果的影响日益受到关注。本研究基于[[Web of Science]] (WoS) 和 [[Crossref]] 数据集，通过匹配、比较和整合，系统评估了数据源之间的差异以及数据合并的效果。研究采用了两个核心指标：[[参考文献覆盖率]]（RCR）和[[文章科学声望]]（ASP），分别衡量引用的完整性（数量）和学术影响力（质量）。结果表明，WoS 数据集在高影响力文献的覆盖率和 ASP 得分上优于 Crossref，而 Crossref 数据集则通过更广泛的文献覆盖提供了补充价值。数据合并显著提高了引用网络的完整性，尤其是在[[教育]]和[[艺术]]等较小的学科集群中效果尤为明显。然而，数据合并也引入了一些低质量引用，导致整体数据质量的两极分化。此外，数据合并的影响因学科而异；[[科学]]、[[生物学]]和[[医学]]等高影响力集群受益最大，而[[社会科学]]和[[艺术]]等集群则更容易受到负面影响。本研究强调了数据源在科学计量研究中的关键作用，并提供了一个评估和改进数据质量的框架。 == 摘要 == * '''原文标题'''：Bubbles-induced transition to elasto-inertial turbulence * '''中文标题'''：气泡诱导的弹性-惯性湍流转变 * '''发布日期'''：2025-03-05 22:21:18+00:00 * '''作者'''：Hafiz Usman Naseer, Daulet Izbassarov, Marco Edoardo Rosti, Metin Muradoglu * '''分类'''：physics.flu-dyn *'''原文链接'''：http://arxiv.org/abs/2503.03943v1 '''中文摘要'''：进行了界面解析的[[直接数值模拟]]，以研究在压力驱动的[[粘弹性]]方形通道流中，由[[气泡]]诱导的从[[层流]]到[[弹性惯性湍流]]（EIT）状态的转变。[[Giesekus模型]]用于考虑连续相的粘弹性，而分散相为[[牛顿流体]]。模拟在广泛的[[雷诺数]]（Re）和[[魏森贝格数]]（Wi）范围内进行，包括单相和两相流动。结果表明，将气泡注入层流粘弹性流中会引入[[流线曲率]]，足以触发[[弹性不稳定性]]，从而导致向完全EIT状态的转变。在这种多相EIT状态下，时间[[湍流动能谱]]显示出-2的标度。研究表明，一旦通过注入气泡使流动完全转变为[[湍流]]状态，所有情况下的[[阻力]]都会增加。还观察到，在较低的Re=10和Wi=1值时，气泡向通道中心线移动，并在核心区域形成[[串状排列模式]]。在这种状态下，流动表现出[[间歇性行为]]，即核心区域存在类似湍流的波动，而靠近壁面的区域基本上是层流。与[[固体颗粒]]不同，研究发现增加[[剪切稀化效应]]会破坏气泡的排列。有趣的是，在这种间歇性状态下，阻力仍然略低于相应的层流状态。 == 摘要 == * '''原文标题'''：PacketCLIP: Multi-Modal Embedding of Network Traffic and Language for Cybersecurity Reasoning * '''中文标题'''：PacketCLIP：网络流量与语言的多模态嵌入用于网络安全推理 * '''发布日期'''：2025-03-05 18:58:58+00:00 * '''作者'''：Ryozo Masukawa, Sanggeon Yun, Sungheon Jeong, Wenjun Huang, Yang Ni, Ian Bryant, Nathaniel D. Bastian, Mohsen Imani * '''分类'''：cs.CR, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03747v1 '''中文摘要'''：[[流量分类]]对于[[网络安全]]至关重要，然而[[加密流量]]带来了重大挑战。我们提出了[[PacketCLIP]]，这是一个多模态框架，通过[[对比预训练]]和[[分层图神经网络]]（[[GNN]]）推理，将[[数据包]]数据与[[自然语言]]语义相结合。[[PacketCLIP]]将语义推理与高效分类相结合，能够稳健地检测加密网络流中的[[异常]]。通过将文本描述与数据包行为对齐，它提供了增强的[[可解释性]]、[[可扩展性]]以及在不同[[安全场景]]中的实际适用性。[[PacketCLIP]]实现了95%的平均[[AUC]]，比基线模型高出11.6%，并将模型大小减少了92%，使其成为[[实时异常检测]]的理想选择。通过将先进的[[机器学习]]技术与实际[[网络安全]]需求相结合，[[PacketCLIP]]为资源受限环境中的[[加密流量分类]]和[[网络入侵检测]]挑战提供了可扩展、高效且可解释的解决方案基础。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]引起的有效相互作用驱动，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中[[单玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻色子]]占据数为偶数和奇数的态等量组成。具有大数涨落的[[聚束态]]的存在，难以通过[[经典数值方法]]研究，这激发了在[[混合玻色子-量子比特量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突显了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的暗物质搜索光谱分析方法与LIGO * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的[[对数谱估计]]方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质搜索技术]]与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在不影响精度的情况下，匹配了基于[[FFT算法]]的计算效率。我们将此方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。该方法具有进一步优化的潜力，已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach * '''中文标题'''：理解蒸馏推理模型：一种表征方法 * '''发布日期'''：2025-03-05 18:40:19+00:00 * '''作者'''：David D. Baek, Max Tegmark * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03730v1 '''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大型语言模型]]（[[LLMs]]）中[[推理]]特征的发展。为了探索这一点，我们在[[Qwen]]系列模型及其[[微调]]变体上训练了一个[[交叉编码器]]。我们的结果表明，交叉编码器学习了对应于各种类型推理的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征几何变化，并发现更大的蒸馏模型可能会发展出更具结构化的表示，这与增强的蒸馏性能相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。 == 摘要 == * '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames * '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计 * '''发布日期'''：2025-03-05 18:28:32+00:00 * '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander * '''分类'''：cs.CV, cs.RO *'''原文链接'''：http://arxiv.org/abs/2503.03726v1 '''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D姿态]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重的遮挡，基于单视图的6D姿态估计器仍然无法处理广泛的物体，这促使了[[多视图姿态估计]]和[[最佳视角预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知]]框架，仅使用RGB图像来估计无纹理物体的6D姿态。我们的方法基于一个关键思想：将6D姿态估计解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决RGB图像固有的尺度和深度模糊性。这些估计随后用于简化确定[[3D方向]]的任务，我们通过[[规范尺度模板匹配]]来实现这一点。基于这一公式，我们进一步引入了一种主动感知策略，预测下一个最佳[[相机视角]]以捕捉RGB图像，有效减少物体姿态的不确定性并提高姿态准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同相机视角进行评估时，我们的多视图姿态估计显著优于最先进的方法。此外，通过利用我们的最佳视角策略，我们的方法在比基于[[启发式策略]]更少的视角下实现了高物体姿态准确性。 == 摘要 == * '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization * '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究 * '''发布日期'''：2025-03-05 12:00:44+00:00 * '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu * '''分类'''：cond-mat.mtrl-sci, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03427v1 '''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨]]合成途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双铁原子位点和[[氮]]-[[硼]]共掺杂[[石墨烯]]催化剂的新型设计概念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算的电子局域化函数、晶体轨道哈密顿布居、静电势图揭示了Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，[[机器学习分子动力学]]（MLMD）模拟被用于验证Fe2N3B@G催化剂在NRR中的高活性，结果表明Fe2N3B@G有效调节了Fe-N键的电子密度，确保了NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，Fe2N3B@G催化剂在高达500 K的分子动力学模拟中也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的优异性能，并通过共掺杂策略和深入的电子环境调节为原子催化剂设计提供了理论指导。 == 摘要 == * '''原文标题'''：OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction * '''中文标题'''：OTTER：一种具有文本感知视觉特征提取的视觉-语言-动作模型 * '''发布日期'''：2025-03-05 18:44:48+00:00 * '''作者'''：Huang Huang, Fangchen Liu, Letian Fu, Tingfan Wu, Mustafa Mukadam, Jitendra Malik, Ken Goldberg, Pieter Abbeel * '''分类'''：cs.RO, cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03734v1 '''中文摘要'''：[[视觉-语言-动作]]（VLA）模型旨在基于[[视觉观察]]和[[语言指令]]预测[[机器人动作]]。现有方法需要微调预训练的[[视觉-语言模型]]（VLMs），因为[[视觉]]和[[语言]]特征是独立输入到下游策略中的，这会降低预训练的[[语义对齐]]效果。我们提出了[[OTTER]]，一种新颖的VLA架构，通过显式的、文本感知的[[视觉特征提取]]来利用这些现有的对齐。OTTER不是处理所有[[视觉特征]]，而是选择性地提取并仅传递与[[语言指令]]语义对齐的任务相关[[视觉特征]]到[[策略变换器]]中。这使得OTTER能够保持预训练的[[视觉-语言编码器]]冻结。因此，OTTER保留并利用了从大规模预训练中学到的丰富[[语义理解]]，实现了强大的[[零样本泛化]]能力。在[[仿真]]和[[真实世界]]的实验中，OTTER显著优于现有的VLA模型，展示了对新[[物体]]和[[环境]]的强大[[零样本泛化]]能力。视频、代码、检查点和数据集：https://ottervla.github.io/。 == 摘要 == * '''原文标题'''：Towards Trustworthy Federated Learning * '''中文标题'''：迈向可信的联邦学习 * '''发布日期'''：2025-03-05 17:25:20+00:00 * '''作者'''：Alina Basharat, Yijun Bian, Ping Xu, Zhi Tian * '''分类'''：cs.LG, cs.CR, cs.DC *'''原文链接'''：http://arxiv.org/abs/2503.03684v1 '''中文摘要'''：本文开发了一个综合框架，以解决[[联邦学习]]（FL）中的三个关键可信挑战：对抗[[拜占庭攻击]]的[[鲁棒性]]、[[公平性]]和[[隐私保护]]。为了提高系统对抗发送恶意信息以偏置系统性能的拜占庭攻击的防御能力，我们开发了一种基于双面范数的筛选机制（TNBS），该机制允许中央服务器裁剪具有最低范数l和最高范数h的[[梯度]]。TNBS作为一种筛选工具，用于过滤掉那些梯度与诚实参与者相差甚远的潜在恶意参与者。为了促进平等公平性，我们采用了q-公平联邦学习（q-FFL）。此外，我们采用了一种基于[[差分隐私]]的方案，以防止本地客户端的原始数据被好奇方推断。在不同场景下，我们为所提出的框架提供了[[收敛保证]]。在真实数据集上的实验结果表明，所提出的框架在管理隐私与准确性之间的权衡的同时，有效地提高了鲁棒性和公平性。这项工作似乎是第一个在实验和理论上同时解决可信FL中公平性、隐私和鲁棒性的研究。 == 摘要 == * '''原文标题'''：Effective LLM Knowledge Learning via Model Generalization * '''中文标题'''：通过模型泛化实现有效的LLM知识学习 * '''发布日期'''：2025-03-05 17:56:20+00:00 * '''作者'''：Mingkang Zhu, Xi Chen, Zhongdao Wang, Bei Yu, Hengshuang Zhao, Jiaya Jia * '''分类'''：cs.CL, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03705v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在包含广泛[[世界知识]]的海量文档上进行训练。然而，通过[[自回归预训练]]如何获取知识仍然没有得到很好的理解。这种理解的缺乏极大地阻碍了有效的知识学习，尤其是在对最新信息进行持续预训练时，因为这些不断变化的信息通常缺乏像基础知识那样的多样化重复。在本文中，我们专注于理解和改进LLM的知识学习。我们发现并验证了LLM的知识学习可以被视为隐藏在自回归预训练目标中的隐式监督任务。我们的研究结果表明，LLM的知识学习将受益于旨在提高监督任务泛化能力的方法。基于我们的分析，我们提出了基于格式化的数据增强方法，以增加分布内样本，这种方法不会像文本改写那样改变文档中嵌入的事实。我们还引入了[[锐度感知最小化]]作为一种有效的优化算法，以更好地提高泛化能力。此外，我们的分析和方法可以轻松扩展到[[指令微调]]。大量的实验结果验证了我们的发现，并展示了我们的方法在持续预训练和指令微调中的有效性。本文为解释和设计LLM知识学习的有效策略提供了新的视角和见解。 == 摘要 == * '''原文标题'''：DualDiff+: Dual-Branch Diffusion for High-Fidelity Video Generation with Reward Guidance * '''中文标题'''：DualDiff+：基于奖励引导的双分支扩散模型用于高保真视频生成 * '''发布日期'''：2025-03-05 17:31:45+00:00 * '''作者'''：Zhao Yang, Zezhong Qian, Xiaofan Li, Weixiang Xu, Gongpeng Zhao, Ruohong Yu, Lingsi Zhu, Longjun Liu * '''分类'''：cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03689v1 '''中文摘要'''：准确且高保真的[[驾驶场景]]重建需要有效利用全面的场景信息作为条件输入。现有的方法主要依赖于[[3D边界框]]和[[BEV道路地图]]进行前景和背景控制，这些方法无法捕捉驾驶场景的全部复杂性，也无法充分整合[[多模态信息]]。在这项工作中，我们提出了[[DualDiff]]，一种双分支条件[[扩散模型]]，旨在增强[[多视图]]和[[视频序列]]中的驾驶场景生成。具体来说，我们引入了[[占用射线形状采样]]（ORS）作为条件输入，提供了丰富的前景和背景语义以及[[3D空间几何信息]]，以精确控制两者的生成。为了改善细粒度前景对象的合成，特别是复杂和远处的对象，我们提出了[[前景感知掩码]]（FGM）去噪损失函数。此外，我们开发了[[语义融合注意力]]（SFA）机制，以动态优先处理相关信息并抑制噪声，从而实现更有效的多模态融合。最后，为了确保高质量的[[图像到视频生成]]，我们引入了[[奖励引导扩散]]（RGD）框架，该框架在生成的视频中保持全局一致性和语义连贯性。大量实验表明，DualDiff在多个数据集上实现了最先进的（[[SOTA]]）性能。在[[NuScenes数据集]]上，DualDiff将[[FID分数]]降低了4.09%。在下游任务中，如[[BEV分割]]，我们的方法将车辆[[mIoU]]提高了4.50%，道路mIoU提高了1.70%，而在[[BEV 3D目标检测]]中，前景[[mAP]]提高了1.46%。代码将在https://github.com/yangzhaojason/DualDiff上提供。 == 摘要 == * '''原文标题'''：When Radiation Meets Linux: Analyzing Soft Errors in Linux on COTS SoCs under Proton Irradiation * '''中文标题'''：当辐射遇上Linux：在质子辐照下分析商用SoC上Linux的软错误 * '''发布日期'''：2025-03-05 18:21:34+00:00 * '''作者'''：Saad Memon, Rafal Graczyk, Tomasz Rajkowski, Jan Swakon, Damian Wrobel, Sebastian Kusyk, Mike Papadakis * '''分类'''：cs.OS, cs.AR, cs.SE *'''原文链接'''：http://arxiv.org/abs/2503.03722v1 '''中文摘要'''：在[[空间计算]]中，越来越多地使用商用现成（[[COTS]]）系统级芯片（[[SoC]]）上的[[Linux]]系统，这继承了COTS对辐射引起的故障（如[[软错误]]）的敏感性。现代SoC加剧了这一问题，因为激进的[[晶体管]]缩放降低了引发软错误的临界电荷阈值，并增加了密集排列晶体管中的辐射效应，从而降低了整体可靠性。Linux的单片架构放大了这些风险，因为紧密耦合的[[内核]]子系统将错误传播到关键组件（例如[[内存管理]]），而有限的[[纠错码]]（[[ECC]]）提供的缓解效果有限。此外，缺乏在运行Linux的COTS SoC上进行辐照测试的公开软错误数据，阻碍了可靠性的改进。本研究评估了[[质子辐照]]（20-50 MeV）对三种COTS SoC架构上Linux的影响：[[Raspberry Pi Zero 2 W]]（40 nm [[CMOS]]，[[Cortex-A53]]）、[[NXP i.MX 8M Plus]]（14 nm [[FinFET]]，Cortex-A53）和[[OrangeCrab]]（40 nm [[FPGA]]，[[RISC-V]]）。辐照结果显示，14 nm FinFET NXP SoC在没有ECC内存的情况下，Linux正常运行时间比两种40 nm CMOS对应产品长2-3倍，部分原因是FinFET减少了电荷收集。此外，本研究首次对现代SoC中易发生软错误的Linux内核组件进行了跨架构分析，以开发有针对性的缓解措施。研究结果为COTS SoC中Linux的软错误敏感性提供了基础数据，为空间应用的任务准备提供了指导。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元参数化]]。该SNN使用[[漏电积分-发放]]（[[LIF]]）神经元实现，这些神经元代表[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响[[性能]]和[[多任务效率]]。结果与实验观察到的[[神经元响应]]一致，为[[执行功能]]的[[计算基础]]提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和[[神经适应]]。 == 摘要 == * '''原文标题'''：Optimal Beamforming for Multi-Target Multi-User ISAC Exploiting Prior Information: How Many Sensing Beams Are Needed? * '''中文标题'''：利用先验信息的多目标多用户ISAC最优波束成形：需要多少个感知波束？ * '''发布日期'''：2025-03-05 14:46:33+00:00 * '''作者'''：Jiayi Yao, Shuowen Zhang * '''分类'''：cs.IT, eess.SP, math.IT *'''原文链接'''：http://arxiv.org/abs/2503.03560v1 '''中文摘要'''：本文研究了一种多目标多用户集成感知与通信（[[ISAC]]）系统，其中多天线基站（[[BS]]）在下行链路中与多个单天线用户通信，并基于目标反射的回波信号及其先验概率信息，感知多个目标的未知随机角度信息。我们关注一种通用的波束成形结构，包含通信波束和专用感知波束，其设计非常复杂，因为更多的感知波束提供了感知的灵活性，但会引入额外的通信干扰。为了解决这一权衡，我们首先将周期性后验克拉美-罗下界（[[PCRB]]）表征为多目标感知中均值循环误差（[[MCE]]）的下界。然后，我们优化波束成形以最小化所有目标中的最大周期性[[PCRB]]，以确保公平性，同时满足多个用户的个体通信速率约束。尽管该问题是非凸的，我们通过利用半定松弛（[[SDR]]）提出了一种通用的最优解构造方法，并推导了所需感知波束数量的一般界限。此外，我们揭示了最优解在多种情况下的具体结构，并推导了所需感知波束数量的更紧界限（例如，在严格的速率约束或目标同质的情况下，不需要或最多只需要一个感知波束）。接下来，我们研究了在用户速率约束下最小化总周期性[[PCRB]]的波束成形优化。通过应用[[SDR]]，我们提出了一种通用的最优解构造方法及其具体结构，从而降低了计算复杂度。我们推导了所需感知波束数量的一般界限和各种更紧界限。数值结果验证了我们的分析以及所提出的波束成形设计的有效性。 == 摘要 == * '''原文标题'''：Benchmarking Dynamic SLO Compliance in Distributed Computing Continuum Systems * '''中文标题'''：分布式计算连续体系统中的动态SLO合规性基准测试 * '''发布日期'''：2025-03-05 08:56:26+00:00 * '''作者'''：Alfreds Lapkovskis, Boris Sedlak, Sindri Magnússon, Schahram Dustdar, Praveen Kumar Donta * '''分类'''：cs.DC, cs.AI, cs.LG, cs.NI, cs.PF *'''原文链接'''：http://arxiv.org/abs/2503.03274v1 '''中文摘要'''：在[[分布式计算连续体系统]]（DCCS）等大规模架构中，确保[[服务水平目标]]（SLOs）具有挑战性，因为其异构性质以及不同设备和应用程序之间的服务需求各异。此外，不可预测的[[工作负载]]和[[资源限制]]导致性能波动和SLO违规。为了提高DCCS中的SLO合规性，一种可能性是应用[[机器学习]]；然而，设计选择通常留给开发者。为此，我们提供了一个[[基准测试]]，将来自[[神经科学]]的新兴方法——[[主动推理]]——与三种成熟的[[强化学习]]算法（[[深度Q网络]]、[[优势演员-评论家]]和[[近端策略优化]]）进行比较。我们考虑了一个现实的DCCS用例：一个[[边缘设备]]运行[[视频会议]]应用程序以及一个[[WebSocket]]服务器流式传输视频。使用其中一种算法，我们持续监控关键[[性能指标]]，如[[延迟]]和[[带宽]]使用情况，以动态调整参数——包括流数量、[[帧率]]和[[分辨率]]——以优化[[服务质量]]和[[用户体验]]。为了测试算法对系统持续变化的适应性，我们模拟了动态变化的SLOs以及即时和渐进的[[数据偏移]]场景，如[[网络带宽]]限制和[[设备热状态]]的波动。尽管评估的算法都显示出优势和局限性，但我们的研究结果表明，主动推理是确保DCCS中SLO合规性的一种有前途的方法，具有较低的[[内存使用]]、稳定的[[CPU利用率]]和快速[[收敛]]的特点。 == 摘要 == * '''原文标题'''：RiskAgent: Autonomous Medical AI Copilot for Generalist Risk Prediction * '''中文标题'''：RiskAgent：用于通用风险预测的自主医疗AI副驾驶 * '''发布日期'''：2025-03-05 18:46:51+00:00 * '''作者'''：Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton * '''分类'''：cs.LG, cs.AI, cs.MA *'''原文链接'''：http://arxiv.org/abs/2503.03802v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在各种[[临床应用]]中的应用吸引了越来越多的研究关注。然而，现实世界中的[[临床决策]]与当前工作中常用的标准化、考试式场景有显著差异。在本文中，我们提出了[[RiskAgent]]系统，用于执行广泛的[[医疗风险预测]]，涵盖超过387种复杂疾病的风险场景，例如[[心血管疾病]]和[[癌症]]。RiskAgent旨在与数百种[[临床决策工具]]协作，即基于[[循证医学]]支持的[[风险计算器]]和[[评分系统]]。为了评估我们的方法，我们构建了首个专门用于[[风险预测]]的基准[[MedRisk]]，包括12,352个问题，涵盖154种疾病、86种症状、50个专业和24个[[器官系统]]。结果表明，我们的RiskAgent拥有80亿[[模型参数]]，达到了76.33%的准确率，优于最新的商用LLMs，如[[o1]]、[[o3-mini]]和[[GPT-4.5]]，并将[[GPT-4o]]的38.39%准确率提高了一倍。在罕见疾病（如[[特发性肺纤维化]]（IPF））上，RiskAgent分别比o1和GPT-4.5高出27.27%和45.46%的准确率。最后，我们进一步在外部[[循证诊断]]基准上进行了[[泛化评估]]，结果显示我们的RiskAgent取得了最佳结果。这些令人鼓舞的结果展示了我们的解决方案在多样化[[诊断]]领域的巨大潜力。为了提高模型在不同场景中的适应性，我们构建并开源了一系列参数从10亿到700亿不等的模型。我们的代码、数据和模型均可通过https://github.com/AI-in-Health/RiskAgent获取。 == 摘要 == * '''原文标题'''：Bounding the computational power of bosonic systems * '''中文标题'''：限制玻色子系统的计算能力 * '''发布日期'''：2025-03-05 15:33:51+00:00 * '''作者'''：Varun Upreti, Ulysse Chabaud * '''分类'''：quant-ph, cs.CC *'''原文链接'''：http://arxiv.org/abs/2503.03600v1 '''中文摘要'''：[[玻色量子系统]]在无限维[[希尔伯特空间]]中运行，与[[离散变量量子系统]]不同。这种独特的数学结构导致了[[量子信息处理]]中的根本差异，例如[[状态层析]]的指数级复杂度 [MMB+24] 或常数空间中的[[因式分解算法]] [BCCRK24]。然而，尚不清楚玻色系统的这种结构差异是否也能转化为相对于[[有限维量子计算机]]的实际计算优势。本文通过展示通用玻色量子计算可以在[[经典计算机]]上以指数时间模拟，显著改进了之前需要指数内存的最佳上界 [CJMM24]，从而朝着回答这一问题迈出了一步。在[[复杂性理论]]术语中，我们将 $\textsf{CVBQP}$ 的最佳上界从 $\textsf{EXPSPACE}$ 改进为 $\textsf{EXP}$。这一结果是通过基于有限能量截断和近似[[相干态]]分解的模拟策略实现的。虽然我们提出了可能改进这一上界的方法，但也提出了支持玻色量子计算机相对于离散变量量子计算机具有指数计算优势的合理性的论据。此外，我们强调了[[电路能量]]作为一种资源的作用，并讨论了为什么它可能成为在实际实现中实现这一优势的基本瓶颈。 == 摘要 == * '''原文标题'''：Polydispersity-driven dynamical differences between two- and three-dimensional supercooled liquids * '''中文标题'''：多分散性驱动的二维和三维过冷液体之间的动力学差异 * '''发布日期'''：2025-03-05 09:54:44+00:00 * '''作者'''：Ilian Pihlajamaa, Lotte van Gessel, Corentin Laudicina, Luc van Burik, Liesbeth Janssen * '''分类'''：cond-mat.soft, cond-mat.mtrl-sci, cond-mat.stat-mech, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03320v1 '''中文摘要'''：先前的研究表明，[[多分散]][[过冷液体]]的[[弛豫动力学]]存在一个难题。研究表明，在[[二维]]情况下，随着材料冷却，不同尺寸粒子的相对弛豫时间变得更加相似，而在[[三维]]情况下则相反：它们解耦。本文解决了这一难题。首先，我们证明在二维中观察到的耦合是由于为解释[[Mermin-Wagner波动]]而引入的笼修正导致的假象。实际上，二维中小粒子和大粒子的相对弛豫时间随温度保持恒定或略微解耦，与三维中观察到的显著解耦相反。通过进一步研究这些维度差异，我们通过[[移动团簇分析]]发现，小粒子在两种维度中都启动了弛豫。随着团簇的增大，在三维中它们仍然由小粒子主导，而在二维中团簇的增长变得与粒子尺寸无关。我们通过研究系统中单粒子势垒高度的分布，用一个最小模型解释了这些发现，表明小粒子和大粒子的环境存在明显差异，这取决于维度。这些发现强调了维度在[[玻璃形成]]中的关键作用，为多分散过冷液体中[[玻璃化转变]]的机制提供了新的见解。 == 摘要 == * '''原文标题'''：Developing and Utilizing a Large-Scale Cantonese Dataset for Multi-Tasking in Large Language Models * '''中文标题'''：开发和利用大规模粤语数据集用于大语言模型的多任务处理 * '''发布日期'''：2025-03-05 17:53:07+00:00 * '''作者'''：Jiyue Jiang, Alfred Kar Yin Truong, Yanyu Chen, Qinghang Bao, Sheng Wang, Pengan Chen, Jiuming Wang, Lingpeng Kong, Yu Li, Chuan Wu * '''分类'''：cs.CL *'''原文链接'''：http://arxiv.org/abs/2503.03702v1 '''中文摘要'''：高质量的数据资源在学习[[大型语言模型]]（LLMs）中起着至关重要的作用，尤其是对于像[[粤语]]这样的低资源语言。尽管粤语拥有超过8500万母语使用者，但由于[[普通话]]的主导地位、粤语社区内部缺乏凝聚力、字符编码和输入方法的多样性，以及海外粤语使用者倾向于使用[[英语]]等因素，粤语在[[自然语言处理]]（NLP）领域仍被视为低资源语言。此外，粤语丰富的口语词汇、英语借词和语码转换特性增加了语料库收集和处理的复杂性。为了应对这些挑战，我们从多种来源收集粤语文本，包括开源语料库、香港特定论坛、[[维基百科]]和[[Common Crawl]]数据。我们通过语言过滤、质量过滤、内容过滤和去重步骤进行严格的数据处理，成功构建了一个包含超过20亿个标记的高质量粤语语料库，用于训练大型语言模型。我们通过在精选的粤语任务上进行[[监督微调]]（SFT）进一步优化了模型，增强了其处理特定应用的能力。训练完成后，该模型在四个粤语基准测试中达到了最先进的（SOTA）性能。在我们的数据集上训练后，该模型在其他主流语言任务上也表现出改进的性能。 == 摘要 == * '''原文标题'''：A modeling framework to support the electrification of private transport in African cities: a case study of Addis Ababa * '''中文标题'''：支持非洲城市私人交通电气化的建模框架：以亚的斯亚贝巴为例 * '''发布日期'''：2025-03-05 17:07:49+00:00 * '''作者'''：Jérémy Dumoulin, Dawit Gebremeskel, Kanchwodia Gashaw, Ingeborg Graabak, Noémie Jeannin, Alejandro Pena-Bello, Christophe Ballif, Nicolas Wyrsch * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2503.03671v1 '''中文摘要'''：[[道路运输]]的[[电气化]]作为[[非洲]]主要的[[交通方式]]，为减少[[温室气体排放]]和对昂贵[[燃料]]进口的依赖提供了巨大的机会。然而，这也给当地的[[能源基础设施]]带来了重大挑战，包括[[充电站]]的部署以及对通常脆弱的[[电网]]的影响。尽管其重要性不言而喻，但非洲的[[电动交通]]规划研究仍然有限，而现有的规划工具依赖于详细的本地[[交通数据]]，这些数据通常难以获取，尤其是针对私人[[乘用车]]。在本研究中，我们引入了一个新颖的[[框架]]，旨在支持[[数据稀缺]]地区的私人车辆电气化，并将其应用于[[亚的斯亚贝巴]]，模拟了10万辆[[电动车]]的[[出行模式]]和[[充电需求]]。我们的分析表明，这些车辆每天产生约350[[兆瓦时]]的充电需求，并强调了充电位置对这一需求[[时空分布]]的显著影响。值得注意的是，[[公共场所]]的充电有助于平滑全天的充电需求，缓解电网的峰值充电负荷。我们还估算了充电站的需求，发现[[工作场所]]充电大约每三辆电动车需要一个[[充电点]]，而[[公共充电]]则每三十辆电动车只需要一个。最后，我们证明了[[光伏能源]]可以覆盖充电需求的很大一部分，强调了[[可再生能源]]整合的潜力。本研究为亚的斯亚贝巴的电动交通规划奠定了基础，同时为其他非洲城市提供了一个可转移的框架。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏的能量分辨率，这是迄今为止任何非热声子探测器的最佳表现。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Positivity of generalized cluster scattering diagrams * '''中文标题'''：广义簇散射图的正性 * '''发布日期'''：2025-03-05 18:17:03+00:00 * '''作者'''：Amanda Burcroff, Kyungyong Lee, Lang Mou * '''分类'''：math.CO, math.AC, math.AG, math.RA, math.RT, 13F60, 05E10, 14N35 *'''原文链接'''：http://arxiv.org/abs/2503.03719v1 '''中文摘要'''：我们引入了一类新的组合对象，称为[[紧致分级]]，它们是定义在极大[[Dyck路径]]上的某些非负整数值函数。利用[[紧致分级]]，我们推导出了任意二阶广义簇[[散射图]]中[[墙函数]]的显式正公式。我们进一步证明了，对于初始[[墙函数]]的系数，任何一致的二阶[[散射图]]都是正的。此外，我们的公式还给出了加权[[射影平面]]上相对[[Gromov-Witten不变量]]以及完全二分[[箭图]]上框架稳定表示[[模空间]]的[[欧拉特征]]的显式表达式。最后，通过利用二阶正性，我们证明了任意高阶广义簇[[散射图]]都具有正的[[墙函数]]，从而证明了[[Laurent现象]]的正性以及[[Chekhov-Shapiro广义簇代数]]的强正性。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的暗物质搜索光谱分析方法与LIGO * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的[[对数谱估计]]方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质搜索技术]]与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在不影响精度的情况下，匹配了基于[[FFT算法]]的计算效率。我们将此方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。该方法具有进一步优化的潜力，已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach * '''中文标题'''：理解蒸馏推理模型：一种表征方法 * '''发布日期'''：2025-03-05 18:40:19+00:00 * '''作者'''：David D. Baek, Max Tegmark * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03730v1 '''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大型语言模型]]（LLMs）中[[推理]]特征的发展。为了探索这一点，我们在[[Qwen系列模型]]及其[[微调]]变体上训练了一个[[交叉编码器]]。我们的结果表明，交叉编码器学习了与各种推理类型相对应的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征几何变化，并发现更大的蒸馏模型可能会发展出更具结构化的表示，这与增强的[[蒸馏性能]]相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。 == 摘要 == * '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames * '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计 * '''发布日期'''：2025-03-05 18:28:32+00:00 * '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander * '''分类'''：cs.CV, cs.RO *'''原文链接'''：http://arxiv.org/abs/2503.03726v1 '''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D位姿]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重遮挡，基于单视图的[[6D位姿估计器]]仍然无法处理广泛的物体，这促使了[[多视图位姿估计]]和[[最佳视角预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知框架]]，仅使用[[RGB图像]]来估计无纹理物体的[[6D位姿]]。我们的方法基于一个关键思想：将[[6D位姿估计]]解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决[[RGB图像]]固有的尺度和深度模糊性。然后，这些估计用于简化后续的[[3D方向确定]]任务，我们通过[[规范尺度模板匹配]]来实现。基于这一公式，我们进一步引入了一种[[主动感知策略]]，预测下一个最佳[[相机视角]]以捕捉[[RGB图像]]，有效减少物体位姿的不确定性并提高位姿准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同[[相机视角]]进行评估时，我们的[[多视图位姿估计]]显著优于最先进的方法。此外，通过利用我们的[[最佳视角策略]]，我们的方法在比基于[[启发式策略]]更少的视角下实现了高物体位姿准确性。 == 摘要 == * '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization * '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究 * '''发布日期'''：2025-03-05 12:00:44+00:00 * '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu * '''分类'''：cond-mat.mtrl-sci, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03427v1 '''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨]]合成途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双铁原子位点和[[氮]]-[[硼]]共掺杂[[石墨烯]]催化剂的新型设计理念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算得到的[[电子局域化函数]]、[[晶体轨道哈密顿量布居]]、[[静电势图]]表明，Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，通过[[机器学习分子动力学]]（MLMD）模拟验证了Fe2N3B@G催化剂在NRR中的高活性，揭示了Fe2N3B@G有效调节Fe-N键的电子密度，确保NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，通过[[MD模拟]]，Fe2N3B@G催化剂在高达500 K的温度下也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的优越性能，并通过共掺杂策略和深入的电子环境调节为原子催化剂设计提供了理论指导。 == 摘要 == * '''原文标题'''：OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction * '''中文标题'''：OTTER：一种具有文本感知视觉特征提取的视觉-语言-动作模型 * '''发布日期'''：2025-03-05 18:44:48+00:00 * '''作者'''：Huang Huang, Fangchen Liu, Letian Fu, Tingfan Wu, Mustafa Mukadam, Jitendra Malik, Ken Goldberg, Pieter Abbeel * '''分类'''：cs.RO, cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03734v1 '''中文摘要'''：[[视觉-语言-动作]]（VLA）模型旨在基于[[视觉观察]]和[[语言指令]]预测[[机器人动作]]。现有方法需要微调预训练的[[视觉-语言模型]]（VLMs），因为[[视觉]]和[[语言]]特征是独立输入到下游策略中的，这会降低预训练的[[语义对齐]]效果。我们提出了[[OTTER]]，一种新颖的VLA架构，通过显式的、文本感知的[[视觉特征提取]]来利用这些现有的对齐。OTTER不是处理所有[[视觉特征]]，而是选择性地提取并仅传递与[[语言指令]]语义对齐的任务相关[[视觉特征]]到[[策略变换器]]中。这使得OTTER能够保持预训练的[[视觉-语言编码器]]冻结。因此，OTTER保留并利用了从大规模预训练中学到的丰富[[语义理解]]，实现了强大的[[零样本泛化]]能力。在[[仿真]]和[[真实世界]]的实验中，OTTER显著优于现有的VLA模型，展示了对新[[物体]]和[[环境]]的强大[[零样本泛化]]能力。视频、代码、检查点和数据集：https://ottervla.github.io/。 == 摘要 == * '''原文标题'''：Towards Trustworthy Federated Learning * '''中文标题'''：迈向可信的联邦学习 * '''发布日期'''：2025-03-05 17:25:20+00:00 * '''作者'''：Alina Basharat, Yijun Bian, Ping Xu, Zhi Tian * '''分类'''：cs.LG, cs.CR, cs.DC *'''原文链接'''：http://arxiv.org/abs/2503.03684v1 '''中文摘要'''：本文开发了一个综合框架，以解决[[联邦学习]]（FL）中的三个关键可信挑战：对抗[[拜占庭攻击]]的[[鲁棒性]]、[[公平性]]和[[隐私保护]]。为了提高系统对抗发送恶意信息以偏置系统性能的拜占庭攻击的防御能力，我们开发了一种基于双面范数的筛选（TNBS）机制，该机制允许中央服务器裁剪具有最低范数l和最高范数h的[[梯度]]。TNBS作为一种筛选工具，用于过滤掉梯度与诚实参与者相差甚远的潜在恶意参与者。为了促进平等公平性，我们采用了q-公平联邦学习（q-FFL）。此外，我们采用了一种基于[[差分隐私]]的方案，以防止本地客户端的原始数据被好奇方推断。在不同场景下，我们为所提出的框架提供了[[收敛保证]]。在真实数据集上的实验结果表明，所提出的框架在管理隐私与准确性之间的权衡的同时，有效地提高了鲁棒性和公平性。这项工作似乎是第一个在实验和理论上同时解决可信FL中公平性、隐私和鲁棒性的研究。 == 摘要 == * '''原文标题'''：Effective LLM Knowledge Learning via Model Generalization * '''中文标题'''：通过模型泛化实现有效的LLM知识学习 * '''发布日期'''：2025-03-05 17:56:20+00:00 * '''作者'''：Mingkang Zhu, Xi Chen, Zhongdao Wang, Bei Yu, Hengshuang Zhao, Jiaya Jia * '''分类'''：cs.CL, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03705v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在包含广泛[[世界知识]]的海量文档上进行训练。然而，通过[[自回归预训练]]如何获取知识仍然没有得到很好的理解。这种理解的缺乏极大地阻碍了有效的知识学习，特别是对于最新信息的持续预训练，因为这些不断变化的信息通常缺乏像基础知识那样的多样化重复。在本文中，我们专注于理解和改进LLM的知识学习。我们发现并验证了LLM的知识学习可以被视为隐藏在自回归预训练目标中的隐式监督任务。我们的研究结果表明，LLM的知识学习将受益于旨在提高监督任务泛化能力的方法。基于我们的分析，我们提出了基于格式化的数据增强方法，以增加分布内样本，这种方法不会像文本改写那样改变文档中嵌入的事实。我们还引入了[[锐度感知最小化]]作为一种有效的优化算法，以更好地提高泛化能力。此外，我们的分析和方法可以很容易地扩展到[[指令微调]]。大量的实验结果验证了我们的发现，并展示了我们的方法在持续预训练和指令微调中的有效性。本文为解释和设计LLM知识学习的有效策略提供了新的视角和见解。 == 摘要 == * '''原文标题'''：DualDiff+: Dual-Branch Diffusion for High-Fidelity Video Generation with Reward Guidance * '''中文标题'''：DualDiff+：基于奖励引导的双分支扩散模型用于高保真视频生成 * '''发布日期'''：2025-03-05 17:31:45+00:00 * '''作者'''：Zhao Yang, Zezhong Qian, Xiaofan Li, Weixiang Xu, Gongpeng Zhao, Ruohong Yu, Lingsi Zhu, Longjun Liu * '''分类'''：cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03689v1 '''中文摘要'''：[[中文]]是什么？ == 摘要 == * '''原文标题'''：When Radiation Meets Linux: Analyzing Soft Errors in Linux on COTS SoCs under Proton Irradiation * '''中文标题'''：当辐射遇上Linux：在质子辐照下分析商用SoC上Linux的软错误 * '''发布日期'''：2025-03-05 18:21:34+00:00 * '''作者'''：Saad Memon, Rafal Graczyk, Tomasz Rajkowski, Jan Swakon, Damian Wrobel, Sebastian Kusyk, Mike Papadakis * '''分类'''：cs.OS, cs.AR, cs.SE *'''原文链接'''：http://arxiv.org/abs/2503.03722v1 '''中文摘要'''：在[[空间计算]]中，越来越多地使用商用现成（[[COTS]]）系统级芯片（[[SoC]]）上的[[Linux]]，这继承了COTS对辐射引起的故障（如[[软错误]]）的敏感性。现代SoC加剧了这一问题，因为激进的[[晶体管]]缩放降低了引发软错误的临界电荷阈值，并增加了密集排列晶体管中的辐射效应，从而降低了整体可靠性。Linux的单片架构放大了这些风险，因为紧密耦合的[[内核子系统]]将错误传播到关键组件（例如[[内存管理]]），而有限的[[纠错码]]（[[ECC]]）提供的缓解效果有限。此外，缺乏在运行Linux的COTS SoC上进行辐照测试的公开软错误数据，阻碍了可靠性的改进。本研究评估了[[质子辐照]]（20-50 MeV）对三种COTS SoC架构上Linux的影响：[[Raspberry Pi Zero 2 W]]（40 nm [[CMOS]]，[[Cortex-A53]]）、[[NXP i.MX 8M Plus]]（14 nm [[FinFET]]，Cortex-A53）和[[OrangeCrab]]（40 nm [[FPGA]]，[[RISC-V]]）。辐照结果显示，与两种40 nm CMOS SoC相比，14 nm FinFET NXP SoC在没有ECC内存的情况下实现了2-3倍的Linux正常运行时间，部分原因是FinFET减少了电荷收集。此外，这项工作首次对现代SoC中易发生软错误的Linux内核组件进行了跨架构分析，以开发有针对性的缓解措施。研究结果为Linux在COTS SoC中的软错误敏感性提供了基础数据，为空间应用的任务准备提供了指导。 == 摘要 == * '''原文标题'''：From Coverage to Prestige: A Comprehensive Assessment of Large-Scale Scientometric Data * '''中文标题'''：从覆盖率到声望：大规模科学计量数据的综合评估 * '''发布日期'''：2025-03-05 08:08:32+00:00 * '''作者'''：Guoyang Rong, Ying Chen, Thorsten Koch, Keisuke Honda * '''分类'''：cs.DL, stat.AP *'''原文链接'''：http://arxiv.org/abs/2503.03251v1 '''中文摘要'''：随着[[科学计量学]]研究的深入，[[数据质量]]对研究结果的影响日益受到关注。本研究基于[[Web of Science]] (WoS) 和 [[Crossref]] 数据集，通过匹配、比较和整合，系统评估了数据源之间的差异以及数据合并的效果。研究采用了两个核心指标：[[参考文献覆盖率]]（RCR）和[[文章科学声望]]（ASP），分别衡量引用的完整性（数量）和学术影响力（质量）。结果表明，WoS 数据集在高影响力文献的覆盖率和 ASP 得分上优于 Crossref，而 Crossref 数据集则通过更广泛的文献覆盖提供了补充价值。数据合并显著提高了引用网络的完整性，尤其是在[[教育]]和[[艺术]]等较小的学科集群中效果尤为明显。然而，数据合并也引入了一些低质量引用，导致整体数据质量的两极分化。此外，数据合并的影响因学科而异；[[科学]]、[[生物学]]和[[医学]]等高影响力集群受益最大，而[[社会科学]]和[[艺术]]等集群则更容易受到负面影响。本研究强调了数据源在科学计量研究中的关键作用，并提供了一个评估和提升数据质量的框架。 == 摘要 == * '''原文标题'''：Novatron: Equilibrium and Stability * '''中文标题'''：Novatron：平衡与稳定性 * '''发布日期'''：2025-03-05 11:06:30+00:00 * '''作者'''：Kristoffer Lindvall, Rickard Holmberg, Katarina Bendtz, Jan Scheffel, Johan Lundberg * '''分类'''：physics.plasm-ph *'''原文链接'''：http://arxiv.org/abs/2503.03387v1 '''中文摘要'''：[[Novatron]] 是一种以轴对称镜-尖点磁拓扑为特征的聚变概念。其磁场表现出良好的曲率和高镜比。通过求解轴对称引导中心各向异性边界值问题，获得了 [[Novatron]] 的等离子体平衡剖面。随后，这些剖面根据多个 [[MHD]] 稳定性标准进行了分析，包括镜、火管和交换条件。随后，采用了一种广义的 [[Rosenbluth]] 和 [[Longmire]] [[MHD]] 交换准则，其中允许沿磁通管的各向异性压力变化，用于确定稳定的 [[MHD]] 平衡。此外，还研究了相应的 [[CGL]] 双绝热交换准则，以在无碰撞极限下获得稳定平衡，这既在理论上进行了探讨，也通过大规模混合粒子-单元代码 [[WarpX]] 进行了数值模拟。 == 摘要 == * '''原文标题'''：Lead Instrument Detection from Multitrack Music * '''中文标题'''：多轨音乐中的主奏乐器检测 * '''发布日期'''：2025-03-05 07:16:20+00:00 * '''作者'''：Longshen Ou, Yu Takahashi, Ye Wang * '''分类'''：cs.SD, eess.AS *'''原文链接'''：http://arxiv.org/abs/2503.03232v1 '''中文摘要'''：先前的主奏乐器检测方法主要分析混合音频，局限于粗略分类且缺乏泛化能力。本文提出了一种新颖的多轨音乐音频主奏乐器检测方法，通过精心制作专家标注的数据集并设计一个将[[自监督学习]]模型与基于[[轨道级]]、[[帧级]]注意力的分类器相结合的新框架。该[[注意力机制]]根据听觉重要性动态提取和聚合轨道特定特征，从而实现对不同[[乐器类型]]和组合的精确检测。通过[[轨道分类]]和排列增强，我们的模型显著优于现有的[[SVM]]和[[CRNN]]模型，在未见过的乐器和跨域测试中表现出鲁棒性。我们相信，我们的探索为未来多轨音乐环境下的音频内容分析研究提供了宝贵的见解。 == 摘要 == * '''原文标题'''：Bubbles-induced transition to elasto-inertial turbulence * '''中文标题'''：气泡诱导的弹性-惯性湍流转变 * '''发布日期'''：2025-03-05 22:21:18+00:00 * '''作者'''：Hafiz Usman Naseer, Daulet Izbassarov, Marco Edoardo Rosti, Metin Muradoglu * '''分类'''：physics.flu-dyn *'''原文链接'''：http://arxiv.org/abs/2503.03943v1 '''中文摘要'''：进行了界面解析的[[直接数值模拟]]，以研究在压力驱动的[[粘弹性]]方形通道流中，[[气泡]]诱导的从[[层流]]到[[弹性惯性湍流]]（EIT）状态的转变。使用[[Giesekus模型]]来考虑连续相的粘弹性，而分散相为[[牛顿流体]]。对单相和两相流进行了广泛的[[雷诺数]]（Re）和[[魏森贝格数]]（Wi）范围的模拟。结果表明，将气泡注入层流粘弹性流中会引入[[流线曲率]]，足以触发[[弹性不稳定性]]，从而导致向完全EIT状态的转变。这种多相EIT状态的时间[[湍流动能谱]]显示出-2的标度。研究表明，一旦通过注入气泡使流动完全转变为[[湍流]]状态，所有情况下的[[阻力]]都会增加。还观察到，在较低的Re=10和Wi=1值时，气泡向通道中心线移动，并在核心区域形成[[串状排列]]模式。在这种状态下，流动表现出[[间歇性行为]]，即核心区域有类似湍流的波动，而靠近壁面的区域基本上是层流。与[[固体颗粒]]不同，研究发现增加[[剪切稀化]]效应会破坏气泡的排列。有趣的是，在这种间歇性状态下，阻力仍然略低于相应的层流状态。 == 摘要 == * '''原文标题'''：PacketCLIP: Multi-Modal Embedding of Network Traffic and Language for Cybersecurity Reasoning * '''中文标题'''：PacketCLIP：网络流量与语言的多模态嵌入用于网络安全推理 * '''发布日期'''：2025-03-05 18:58:58+00:00 * '''作者'''：Ryozo Masukawa, Sanggeon Yun, Sungheon Jeong, Wenjun Huang, Yang Ni, Ian Bryant, Nathaniel D. Bastian, Mohsen Imani * '''分类'''：cs.CR, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03747v1 '''中文摘要'''：[[流量分类]]对[[网络安全]]至关重要，然而[[加密流量]]带来了重大挑战。我们提出了[[PacketCLIP]]，这是一个多模态框架，通过对比预训练和分层[[图神经网络]]（[[GNN]]）推理，将[[数据包]]数据与[[自然语言]]语义相结合。[[PacketCLIP]]将语义推理与高效分类相结合，能够稳健地检测加密网络流中的[[异常]]。通过将文本描述与数据包行为对齐，它提供了增强的[[可解释性]]、[[可扩展性]]以及在不同[[安全场景]]中的实际适用性。[[PacketCLIP]]实现了95%的平均[[AUC]]，比基线模型高出11.6%，并将模型大小减少了92%，使其成为[[实时异常检测]]的理想选择。通过将先进的[[机器学习]]技术与实际[[网络安全]]需求相结合，[[PacketCLIP]]为资源受限环境中的[[加密流量分类]]和[[网络入侵检测]]挑战提供了可扩展、高效且可解释的解决方案基础。 == 摘要 == * '''原文标题'''：Graph-Augmented LSTM for Forecasting Sparse Anomalies in Graph-Structured Time Series * '''中文标题'''：图增强LSTM用于预测图结构时间序列中的稀疏异常 * '''发布日期'''：2025-03-05 18:37:52+00:00 * '''作者'''：Sneh Pillai * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03729v1 '''中文摘要'''：检测[[时间序列]]数据中的[[异常]]是许多领域中的关键任务。当异常稀疏且数据具有跨[[传感器]]或[[节点]]的关系依赖性时，挑战变得更加严峻。传统的单变量[[异常检测器]]难以捕捉这种跨节点的依赖性，尤其是在稀疏异常设置中。为了解决这一问题，我们提出了一种[[图增强]]的[[时间序列预测]]方法，该方法将时间序列之间的关系图显式地集成到[[LSTM]]预测模型中。这使得模型能够检测到在纯单变量方法中可能被忽略的罕见异常。我们在两个基准数据集上评估了该方法——[[Yahoo Webscope S5]]异常数据集和[[METR-LA]]交通传感器网络——并将图增强LSTM与仅使用LSTM、[[ARIMA]]和[[Prophet]]基线模型进行了性能比较。结果表明，图增强模型在[[精确率]]和[[召回率]]上显著提高，[[F1分数]]比最佳基线模型提高了多达10%。 == 摘要 == * '''原文标题'''：A Graph Width Perspective on Partially Ordered Hamiltonian Paths * '''中文标题'''：图宽度视角下的偏序哈密顿路径 * '''发布日期'''：2025-03-05 14:41:59+00:00 * '''作者'''：Jesse Beisegel, Katharina Klost, Kristin Knorr, Fabienne Ratajczak, Robert Scheffler * '''分类'''：cs.DM, cs.CC, cs.DS, math.CO *'''原文链接'''：http://arxiv.org/abs/2503.03553v1 '''中文摘要'''：我们考虑在顶点集上以偏序形式存在优先约束的[[哈密尔顿路径]]问题，该问题被称为偏序哈密尔顿路径问题（POHPP）。本文研究了普通[[哈密尔顿路径]]问题在$\mathsf{FPT}$中的[[图宽度参数]]的复杂性。我们证明了对于[[路径宽度]]为4的图，POHPP是$\mathsf{NP}$-完全的。我们通过给出路径宽度为3和[[树宽度]]为2的图的多项式时间算法来补充这一结果。此外，我们证明了对于[[团覆盖数]]为2的图，POHPP是$\mathsf{NP}$-难的，并且对于某些距离到$\mathcal{G}$的参数（包括距离到路径和距离到团），POHPP是$\mathsf{W[1]}$-难的。此外，我们还针对距离到[[块]]和[[反馈边集数]]等参数提出了$\mathsf{XP}$和$\mathsf{FPT}$算法。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：任务适应的神经模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（[[LIF]]）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应性]]、突触权重修改以及涌现行为，如[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Optimal Beamforming for Multi-Target Multi-User ISAC Exploiting Prior Information: How Many Sensing Beams Are Needed? * '''中文标题'''：利用先验信息的多目标多用户ISAC最优波束成形：需要多少感知波束？ * '''发布日期'''：2025-03-05 14:46:33+00:00 * '''作者'''：Jiayi Yao, Shuowen Zhang * '''分类'''：cs.IT, eess.SP, math.IT *'''原文链接'''：http://arxiv.org/abs/2503.03560v1 '''中文摘要'''：本文研究了一种多目标多用户集成感知与通信（[[ISAC]]）系统，其中多天线基站（[[BS]]）在下行链路中与多个单天线用户通信，并基于目标反射的回波信号及其先验概率信息，感知多个目标的未知随机角度信息。我们关注一种通用的波束成形结构，该结构包含通信波束和专用感知波束，其设计非常复杂，因为更多的感知波束提供了感知的灵活性，但会引入额外的通信干扰。为了解决这一权衡问题，我们首先将周期性后验克拉美罗下界（[[PCRB]]）表征为多目标感知中均值循环误差（[[MCE]]）的下界。然后，我们优化波束成形以最小化所有目标中的最大周期性[[PCRB]]，以确保公平性，同时满足多个用户的个体通信速率约束。尽管该问题是非凸的，我们通过利用半定松弛（[[SDR]]）提出了一种通用的最优解构造方法，并推导了所需感知波束数量的一般界限。此外，我们揭示了各种情况下最优解的具体结构，并推导了所需感知波束数量的更严格界限（例如，在严格的速率约束或同质目标下，不需要或最多需要一个感知波束）。接下来，我们研究了在用户速率约束下最小化总周期性[[PCRB]]的波束成形优化。通过应用[[SDR]]，我们提出了一种通用的最优解构造方法及其具体结构，从而降低了计算复杂度。我们推导了所需感知波束数量的一般界限和各种更严格的界限。数值结果验证了我们的分析以及所提出的波束成形设计的有效性。 == 摘要 == * '''原文标题'''：RiskAgent: Autonomous Medical AI Copilot for Generalist Risk Prediction * '''中文标题'''：RiskAgent：用于通用风险预测的自主医疗AI副驾驶 * '''发布日期'''：2025-03-05 18:46:51+00:00 * '''作者'''：Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton * '''分类'''：cs.LG, cs.AI, cs.MA *'''原文链接'''：http://arxiv.org/abs/2503.03802v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在各种[[临床应用]]中的应用吸引了越来越多的研究关注。然而，现实世界中的[[临床决策]]与当前工作中常用的标准化、考试式场景有显著差异。在本文中，我们提出了[[RiskAgent]]系统，用于执行广泛的[[医疗风险预测]]，涵盖超过387种复杂疾病的风险场景，例如[[心血管疾病]]和[[癌症]]。RiskAgent旨在与数百种[[临床决策工具]]协作，即基于[[循证医学]]支持的[[风险计算器]]和[[评分系统]]。为了评估我们的方法，我们构建了首个专门用于[[风险预测]]的基准[[MedRisk]]，包括12,352个问题，涵盖154种疾病、86种症状、50个专业和24个[[器官系统]]。结果表明，我们的RiskAgent拥有80亿[[模型参数]]，达到了76.33%的准确率，优于最新的商用LLMs，如[[o1]]、[[o3-mini]]和[[GPT-4.5]]，并将[[GPT-4o]]的38.39%准确率提高了一倍。在罕见疾病（如[[特发性肺纤维化]]（IPF））上，RiskAgent分别比o1和GPT-4.5高出27.27%和45.46%的准确率。最后，我们进一步在外部基于[[循证诊断]]的基准上进行了[[泛化评估]]，结果显示我们的RiskAgent取得了最佳结果。这些令人鼓舞的结果展示了我们的解决方案在多种[[诊断领域]]的巨大潜力。为了提高模型在不同场景中的适应性，我们构建并开源了一系列模型，参数范围从10亿到700亿不等。我们的代码、数据和模型均可通过https://github.com/AI-in-Health/RiskAgent获取。 == 摘要 == * '''原文标题'''：Polydispersity-driven dynamical differences between two- and three-dimensional supercooled liquids * '''中文标题'''：多分散性驱动的二维和三维过冷液体之间的动力学差异 * '''发布日期'''：2025-03-05 09:54:44+00:00 * '''作者'''：Ilian Pihlajamaa, Lotte van Gessel, Corentin Laudicina, Luc van Burik, Liesbeth Janssen * '''分类'''：cond-mat.soft, cond-mat.mtrl-sci, cond-mat.stat-mech, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03320v1 '''中文摘要'''：先前的研究表明，[[多分散]][[过冷液体]]的[[弛豫动力学]]存在一个难题。研究表明，在[[二维]]情况下，随着材料冷却，不同尺寸粒子的相对弛豫时间变得更加相似，而在[[三维]]情况下则相反：它们解耦。本文解决了这一难题。首先，我们表明在二维中观察到的耦合是由于引入了[[笼修正]]以解释[[Mermin-Wagner涨落]]而产生的假象。相反，在二维中，小粒子和大粒子的相对弛豫时间随温度保持恒定或略微解耦，这与在三维中观察到的显著解耦相反。进一步研究这些维度差异，我们通过[[移动团簇分析]]发现，小粒子在两个维度中都启动了弛豫。随着团簇的增大，在三维中它们仍然由小粒子主导，而在二维中团簇的增长变得与粒子尺寸无关。我们通过研究系统中单粒子[[势垒高度]]的分布，用一个最小模型解释了这些发现，表明小粒子和大粒子的环境存在明显差异，这取决于维度。这些发现强调了维度在[[玻璃形成]]中的关键作用，为多分散过冷液体中[[玻璃化转变]]的机制提供了新的见解。 == 摘要 == * '''原文标题'''：Developing and Utilizing a Large-Scale Cantonese Dataset for Multi-Tasking in Large Language Models * '''中文标题'''：开发和利用大规模粤语数据集用于大型语言模型的多任务处理 * '''发布日期'''：2025-03-05 17:53:07+00:00 * '''作者'''：Jiyue Jiang, Alfred Kar Yin Truong, Yanyu Chen, Qinghang Bao, Sheng Wang, Pengan Chen, Jiuming Wang, Lingpeng Kong, Yu Li, Chuan Wu * '''分类'''：cs.CL *'''原文链接'''：http://arxiv.org/abs/2503.03702v1 '''中文摘要'''：高质量的数据资源在学习[[大型语言模型]]（LLMs）中起着至关重要的作用，尤其是对于像[[粤语]]这样的低资源语言。尽管粤语拥有超过8500万母语使用者，但由于[[普通话]]的主导地位、粤语社区内部缺乏凝聚力、字符编码和输入方法的多样性，以及海外粤语使用者倾向于使用[[英语]]等因素，粤语在[[自然语言处理]]（NLP）领域仍被视为低资源语言。此外，粤语丰富的口语词汇、英语借词和[[语码转换]]特性增加了[[语料库]]收集和处理的复杂性。为了解决这些挑战，我们从多种来源收集粤语文本，包括开源语料库、香港特定论坛、[[维基百科]]和[[Common Crawl]]数据。我们通过语言过滤、质量过滤、内容过滤和去重步骤进行严格的数据处理，成功构建了一个包含超过20亿个标记的高质量粤语语料库，用于训练大型语言模型。我们通过在精选的粤语任务上进行[[监督微调]]（SFT）进一步优化了模型，增强了其处理特定应用的能力。训练完成后，该模型在四个粤语基准测试中达到了最先进的（SOTA）性能。在我们的数据集上训练后，该模型在其他主流语言任务上也表现出改进的性能。 == 摘要 == * '''原文标题'''：A modeling framework to support the electrification of private transport in African cities: a case study of Addis Ababa * '''中文标题'''：支持非洲城市私人交通电气化的建模框架：以亚的斯亚贝巴为例 * '''发布日期'''：2025-03-05 17:07:49+00:00 * '''作者'''：Jérémy Dumoulin, Dawit Gebremeskel, Kanchwodia Gashaw, Ingeborg Graabak, Noémie Jeannin, Alejandro Pena-Bello, Christophe Ballif, Nicolas Wyrsch * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2503.03671v1 '''中文摘要'''：[[道路运输]]的[[电气化]]作为[[非洲]]主要的[[交通方式]]，为减少[[温室气体排放]]和对昂贵[[燃料]]进口的依赖提供了巨大的机会。然而，这也给当地的[[能源基础设施]]带来了重大挑战，包括[[充电站]]的部署以及对通常脆弱的[[电网]]的影响。尽管其重要性不言而喻，但非洲的[[电动交通]]规划研究仍然有限，而现有的规划工具依赖于详细的本地[[交通数据]]，这些数据通常难以获取，尤其是针对私人[[乘用车]]。在本研究中，我们引入了一个新颖的[[框架]]，旨在支持[[数据稀缺]]地区的私人车辆电气化，并将其应用于[[亚的斯亚贝巴]]，模拟了10万辆[[电动车]]的出行模式和[[充电需求]]。我们的分析表明，这些车辆每天产生约350[[兆瓦时]]的充电需求，并强调了充电位置对这一需求时空分布的显著影响。值得注意的是，[[公共场所]]的充电有助于平滑全天的充电需求，缓解电网的峰值充电负荷。我们还估算了充电站的需求，发现[[工作场所]]充电大约每三辆电动车需要一个[[充电点]]，而[[公共充电]]则每三十辆电动车只需要一个。最后，我们证明了[[光伏能源]]可以覆盖充电需求的很大一部分，强调了[[可再生能源]]整合的潜力。本研究为亚的斯亚贝巴的电动交通规划奠定了基础，同时为其他非洲城市提供了一个可转移的框架。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来自[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，对跳跃导致了一种具有[[超扩展能量]]和[[宏观粒子数波动]]的[[聚束态]]。随着在位相互作用的增加，聚束态过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的在位相互作用强度下，由[[规范约束]]引起的有效相互作用驱动，超流转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的短程关联，基态几乎由局部玻色子占据数为偶数和奇数的态组成。具有大数波动的聚束态的存在，难以通过经典数值方法研究，这激发了在[[混合玻色子-量子比特量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的频谱分析用于LIGO暗物质搜索 * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的[[对数谱估计]]方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质搜索技术]]与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在不影响精度的情况下，匹配了基于[[FFT算法]]的计算效率。我们将此方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。该方法具有进一步优化的潜力，已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Benchmarking Dynamic SLO Compliance in Distributed Computing Continuum Systems * '''中文标题'''：分布式计算连续体系统中的动态SLO合规性基准测试 * '''发布日期'''：2025-03-05 08:56:26+00:00 * '''作者'''：Alfreds Lapkovskis, Boris Sedlak, Sindri Magnússon, Schahram Dustdar, Praveen Kumar Donta * '''分类'''：cs.DC, cs.AI, cs.LG, cs.NI, cs.PF *'''原文链接'''：http://arxiv.org/abs/2503.03274v1 '''中文摘要'''：在[[分布式计算连续体系统]]（DCCS）等大规模架构中，确保[[服务水平目标]]（SLOs）具有挑战性，因为其异构性质以及不同设备和应用程序之间的服务需求各异。此外，不可预测的[[工作负载]]和[[资源限制]]导致性能波动和SLO违规。为了提高DCCS中的SLO合规性，一种可能性是应用[[机器学习]]；然而，设计选择通常留给开发者。为此，我们提供了一个[[基准测试]]，将来自[[神经科学]]的新兴方法——[[主动推理]]——与三种成熟的[[强化学习]]算法（[[深度Q网络]]、[[优势演员-评论家]]和[[近端策略优化]]）进行比较。我们考虑了一个现实的DCCS用例：一个运行[[视频会议应用程序]]和[[WebSocket服务器]]流媒体视频的[[边缘设备]]。使用其中一种算法，我们持续监控关键[[性能指标]]，如[[延迟]]和[[带宽]]使用情况，以动态调整参数——包括流数量、[[帧率]]和[[分辨率]]——以优化[[服务质量]]和[[用户体验]]。为了测试算法对系统持续变化的适应性，我们模拟了动态变化的SLOs以及即时和渐进的[[数据偏移]]场景，如[[网络带宽限制]]和[[设备热状态]]的波动。尽管评估的算法都显示出优势和局限性，但我们的研究结果表明，[[主动推理]]是确保DCCS中SLO合规性的一种有前途的方法，具有较低的[[内存使用]]、稳定的[[CPU利用率]]和快速[[收敛]]的特点。 == 摘要 == * '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach * '''中文标题'''：理解蒸馏推理模型：一种表征方法 * '''发布日期'''：2025-03-05 18:40:19+00:00 * '''作者'''：David D. Baek, Max Tegmark * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03730v1 '''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大语言模型]]（[[LLMs]]）中[[推理]]特征的发展。为此，我们在[[Qwen]]系列模型及其[[微调]]变体上训练了一个[[跨编码器]]。我们的结果表明，跨编码器学习了与各种推理类型相对应的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征[[几何变化]]，并发现较大的蒸馏模型可能会发展出更具结构化的表示，这与增强的蒸馏性能相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。 == 摘要 == * '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames * '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计 * '''发布日期'''：2025-03-05 18:28:32+00:00 * '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander * '''分类'''：cs.CV, cs.RO *'''原文链接'''：http://arxiv.org/abs/2503.03726v1 '''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D姿态]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重遮挡，基于单视图的[[6D姿态估计器]]仍然无法处理广泛的物体，这促使了[[多视图姿态估计]]和[[最佳下一视图预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知]]框架，仅使用[[RGB图像]]来估计无纹理物体的[[6D姿态]]。我们的方法基于一个关键思想：将[[6D姿态估计]]解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决[[RGB图像]]固有的尺度和深度模糊性。然后，这些估计用于简化后续的[[3D方向]]确定任务，我们通过[[规范尺度模板匹配]]来实现。基于这一公式，我们进一步引入了一种[[主动感知]]策略，预测最佳下一[[相机视角]]以捕捉[[RGB图像]]，有效减少物体姿态的不确定性并提高姿态准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同[[相机视角]]进行评估时，我们的[[多视图姿态估计]]显著优于最先进的方法。此外，通过利用我们的[[最佳下一视图]]策略，我们的方法在比基于[[启发式策略]]更少的视角下实现了高物体姿态准确性。 == 摘要 == * '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization * '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究 * '''发布日期'''：2025-03-05 12:00:44+00:00 * '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu * '''分类'''：cond-mat.mtrl-sci, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03427v1 '''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨]]合成途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双[[铁]]原子位点和[[氮]]-[[硼]]共掺杂[[石墨烯]]催化剂的新型设计理念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算得到的[[电子局域化函数]]、[[晶体轨道哈密顿布居]]、[[静电势]]图表明，Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，[[机器学习分子动力学]]（MLMD）模拟被用于验证Fe2N3B@G催化剂在NRR中的高活性，结果表明Fe2N3B@G有效调节了Fe-N键的电子密度，确保了NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，通过[[MD模拟]]，Fe2N3B@G催化剂在高达500 K的温度下也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的卓越性能，并通过共掺杂策略和深入的电子环境调控为原子催化剂设计提供了理论指导。 == 摘要 == * '''原文标题'''：OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction * '''中文标题'''：OTTER：一种具有文本感知视觉特征提取的视觉-语言-动作模型 * '''发布日期'''：2025-03-05 18:44:48+00:00 * '''作者'''：Huang Huang, Fangchen Liu, Letian Fu, Tingfan Wu, Mustafa Mukadam, Jitendra Malik, Ken Goldberg, Pieter Abbeel * '''分类'''：cs.RO, cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03734v1 '''中文摘要'''：[[视觉-语言-动作]]（VLA）模型旨在基于[[视觉观察]]和[[语言指令]]预测[[机器人动作]]。现有方法需要微调预训练的[[视觉-语言模型]]（VLMs），因为视觉和语言特征是独立输入到下游策略中的，这会降低预训练的语义对齐效果。我们提出了[[OTTER]]，一种新颖的VLA架构，通过显式的、文本感知的视觉特征提取来利用这些现有的对齐。OTTER不是处理所有视觉特征，而是选择性地提取并仅传递与语言指令语义对齐的任务相关视觉特征到策略变换器中。这使得OTTER能够保持预训练的视觉-语言编码器冻结。因此，OTTER保留并利用了从大规模预训练中学到的丰富语义理解，实现了强大的零样本泛化能力。在仿真和真实世界的实验中，OTTER显著优于现有的VLA模型，展示了对新物体和环境的强大零样本泛化能力。视频、代码、检查点和数据集：https://ottervla.github.io/。 == 摘要 == * '''原文标题'''：Towards Trustworthy Federated Learning * '''中文标题'''：迈向可信的联邦学习 * '''发布日期'''：2025-03-05 17:25:20+00:00 * '''作者'''：Alina Basharat, Yijun Bian, Ping Xu, Zhi Tian * '''分类'''：cs.LG, cs.CR, cs.DC *'''原文链接'''：http://arxiv.org/abs/2503.03684v1 '''中文摘要'''：本文开发了一个综合框架，以解决[[联邦学习]]（FL）中的三个关键可信挑战：对抗[[拜占庭攻击]]的[[鲁棒性]]、[[公平性]]和[[隐私保护]]。为了提高系统对发送恶意信息以偏置系统性能的拜占庭攻击的防御能力，我们开发了一种基于双面范数的筛选（TNBS）机制，该机制允许中央服务器裁剪具有最低范数l和最高范数h的[[梯度]]。TNBS作为一种筛选工具，用于过滤掉那些梯度与诚实参与者相差甚远的潜在恶意参与者。为了促进平等公平，我们采用了q-公平联邦学习（q-FFL）。此外，我们采用了一种基于[[差分隐私]]的方案，以防止本地客户端的原始数据被好奇方推断。在不同场景下，我们为所提出的框架提供了[[收敛保证]]。在真实数据集上的实验结果表明，所提出的框架在管理隐私与准确性之间的权衡的同时，有效地提高了鲁棒性和公平性。这项工作似乎是第一个在实验和理论上同时解决可信FL中公平性、隐私和鲁棒性的研究。 == 摘要 == * '''原文标题'''：Effective LLM Knowledge Learning via Model Generalization * '''中文标题'''：通过模型泛化实现有效的LLM知识学习 * '''发布日期'''：2025-03-05 17:56:20+00:00 * '''作者'''：Mingkang Zhu, Xi Chen, Zhongdao Wang, Bei Yu, Hengshuang Zhao, Jiaya Jia * '''分类'''：cs.CL, cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03705v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在包含广泛[[世界知识]]的海量文档上进行训练。然而，通过[[自回归预训练]]如何获取知识仍然没有得到很好的理解。这种理解的缺乏极大地阻碍了有效的知识学习，尤其是在对最新信息进行持续预训练时，因为这些不断变化的信息通常缺乏像基础知识那样的多样化重复。在本文中，我们专注于理解和改进LLM的知识学习。我们发现并验证了LLM的知识学习可以被视为隐藏在自回归预训练目标中的隐式监督任务。我们的研究结果表明，LLM的知识学习将受益于旨在提高监督任务泛化能力的方法。基于我们的分析，我们提出了基于格式化的数据增强方法，以增加分布内样本，这种方法不会像文本改写那样改变文档中嵌入的事实。我们还引入了[[锐度感知最小化]]作为一种有效的优化算法，以更好地提高泛化能力。此外，我们的分析和方法可以轻松扩展到[[指令微调]]。大量的实验结果验证了我们的发现，并展示了我们的方法在持续预训练和指令微调中的有效性。本文为解释和设计LLM知识学习的有效策略提供了新的视角和见解。 == 摘要 == * '''原文标题'''：DualDiff+: Dual-Branch Diffusion for High-Fidelity Video Generation with Reward Guidance * '''中文标题'''：DualDiff+：基于奖励引导的双分支扩散模型用于高保真视频生成 * '''发布日期'''：2025-03-05 17:31:45+00:00 * '''作者'''：Zhao Yang, Zezhong Qian, Xiaofan Li, Weixiang Xu, Gongpeng Zhao, Ruohong Yu, Lingsi Zhu, Longjun Liu * '''分类'''：cs.CV *'''原文链接'''：http://arxiv.org/abs/2503.03689v1 '''中文摘要'''：准确且高保真的驾驶场景重建需要有效利用全面的场景信息作为条件输入。现有方法主要依赖于[[3D边界框]]和[[BEV道路地图]]进行前景和背景控制，这些方法无法捕捉驾驶场景的全部复杂性，也无法充分整合多模态信息。在这项工作中，我们提出了[[DualDiff]]，一种双分支条件扩散模型，旨在增强多视图和视频序列中的驾驶场景生成。具体来说，我们引入了[[占用射线形状采样]]（ORS）作为条件输入，提供了丰富的前景和背景语义以及[[3D空间几何信息]]，以精确控制两者的生成。为了改善细粒度前景对象（特别是复杂和远距离对象）的合成，我们提出了一种[[前景感知掩码]]（FGM）去噪损失函数。此外，我们开发了[[语义融合注意力]]（SFA）机制，以动态优先处理相关信息并抑制噪声，从而实现更有效的多模态融合。最后，为了确保高质量的图像到视频生成，我们引入了[[奖励引导扩散]]（RGD）框架，该框架在生成的视频中保持全局一致性和语义连贯性。大量实验表明，DualDiff在多个数据集上实现了最先进的（SOTA）性能。在[[NuScenes数据集]]上，DualDiff将[[FID分数]]降低了4.09%。在下游任务中，如[[BEV分割]]，我们的方法将车辆[[mIoU]]提高了4.50%，道路mIoU提高了1.70%，而在[[BEV 3D目标检测]]中，前景[[mAP]]提高了1.46%。代码将在https://github.com/yangzhaojason/DualDiff上提供。 == 摘要 == * '''原文标题'''：Positivity of generalized cluster scattering diagrams * '''中文标题'''：广义簇散射图的正性 * '''发布日期'''：2025-03-05 18:17:03+00:00 * '''作者'''：Amanda Burcroff, Kyungyong Lee, Lang Mou * '''分类'''：math.CO, math.AC, math.AG, math.RA, math.RT, 13F60, 05E10, 14N35 *'''原文链接'''：http://arxiv.org/abs/2503.03719v1 '''中文摘要'''：我们引入了一类新的组合对象，称为[[紧致分级]]，它们是定义在[[极大Dyck路径]]上的非负整数值函数。利用[[紧致分级]]，我们推导出了任意[[二阶广义簇散射图]]中[[壁函数]]的显式正公式。我们进一步证明了，对于初始[[壁函数]]的系数，任何一致的[[二阶散射图]]都是正的。此外，我们的公式还给出了[[加权射影平面]]上相对[[Gromov-Witten不变量]]以及完全[[二分箭图]]上[[框架稳定表示模空间]]的[[欧拉特征]]的显式表达式。最后，通过利用[[二阶正性]]，我们证明了任意高阶[[广义簇散射图]]都具有正的[[壁函数]]，从而证明了[[Laurent现象]]的正性以及[[Chekhov-Shapiro广义簇代数]]的强正性。 == 摘要 == * '''原文标题'''：On minimizing cyclists' ascent times: Part II * '''中文标题'''：关于最小化自行车爬坡时间：第二部分 * '''发布日期'''：2025-03-05 07:28:22+00:00 * '''作者'''：Len Bos, Michael A. Slawinski, Raphaël A. Slawinski, Theodore Stanoev * '''分类'''：physics.class-ph *'''原文链接'''：http://arxiv.org/abs/2503.03235v1 '''中文摘要'''：我们在[[平均功率]]、[[最大功率]]和[[最小功率]]的约束下，制定了[[自行车]]爬坡时间的优化方案。与本研究的第一部分不同，我们不再限制出发方式为[[飞驰起步]]，即初始速度由模型及其优化决定。我们允许各种初始速度，从静止到[[弹射起步]]。我们通过将不连续的分段恒定速度模型推广为连续的分段线性速度模型来实现这一点。无论初始速度、坡度或爬坡轮廓如何，最优策略都趋向于恒定的地面速度，这与之前更为受限的公式得出的结论一致。这一新公式使我们能够比较各种初始速度策略，因此直接适用于[[竞技自行车运动]]。特别是在由平坦和陡峭路段组成的[[时间赛]]中，它有助于决定是否更换自行车，即从更适合平地的自行车更换为更适合爬坡的自行车，这需要停止并重新启动。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物学上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物学上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物学启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：Optimal Beamforming for Multi-Target Multi-User ISAC Exploiting Prior Information: How Many Sensing Beams Are Needed? * '''中文标题'''：利用先验信息的多目标多用户ISAC最优波束成形：需要多少感知波束？ * '''发布日期'''：2025-03-05 14:46:33+00:00 * '''作者'''：Jiayi Yao, Shuowen Zhang * '''分类'''：cs.IT, eess.SP, math.IT *'''原文链接'''：http://arxiv.org/abs/2503.03560v1 '''中文摘要'''：本文研究了一种多目标多用户集成感知与通信（[[ISAC]]）系统，其中多天线基站（[[BS]]）在下行链路中与多个单天线用户通信，并基于目标反射的回波信号及其先验概率信息，感知多个目标的未知随机角度信息。我们关注一种通用的[[波束成形]]结构，该结构包含通信波束和专用感知波束，其设计非常复杂，因为更多的感知波束提供了感知的灵活性，但也会对通信引入额外的干扰。为了解决这一权衡问题，我们首先将周期性后验[[克拉美罗下界]]（[[PCRB]]）表征为多目标感知中均周期误差（[[MCE]]）的下界。然后，我们优化波束成形以最小化所有目标中的最大周期性[[PCRB]]，以确保公平性，同时满足多个用户的个体通信速率约束。尽管该问题是非凸的，我们通过利用[[半定松弛]]（[[SDR]]）提出了一种通用的最优解构造方法，并推导了所需感知波束数量的一般界限。此外，我们揭示了各种情况下最优解的具体结构，并推导了所需感知波束数量的更严格界限（例如，在严格的速率约束或同质目标下，不需要或最多只需要一个感知波束）。接下来，我们研究了在用户速率约束下最小化总周期性[[PCRB]]的波束成形优化。通过应用[[SDR]]，我们提出了一种通用的最优解构造方法及其具体结构，从而降低了计算复杂度。我们推导了所需感知波束数量的一般界限和各种更严格的界限。数值结果验证了我们的分析以及所提出的波束成形设计的有效性。 == 摘要 == * '''原文标题'''：RiskAgent: Autonomous Medical AI Copilot for Generalist Risk Prediction * '''中文标题'''：RiskAgent：用于通用风险预测的自主医疗AI副驾驶 * '''发布日期'''：2025-03-05 18:46:51+00:00 * '''作者'''：Fenglin Liu, Jinge Wu, Hongjian Zhou, Xiao Gu, Soheila Molaei, Anshul Thakur, Lei Clifton, Honghan Wu, David A. Clifton * '''分类'''：cs.LG, cs.AI, cs.MA *'''原文链接'''：http://arxiv.org/abs/2503.03802v1 '''中文摘要'''：[[大型语言模型]]（LLMs）在各种[[临床应用]]中的应用吸引了越来越多的研究关注。然而，现实世界中的[[临床决策]]与当前工作中常用的标准化、考试式场景有显著差异。在本文中，我们提出了[[RiskAgent]]系统，用于执行广泛的[[医疗风险预测]]，涵盖超过387种复杂疾病的风险场景，例如[[心血管疾病]]和[[癌症]]。RiskAgent旨在与数百种[[临床决策工具]]协作，即基于[[循证医学]]支持的[[风险计算器]]和[[评分系统]]。为了评估我们的方法，我们构建了首个专门用于[[风险预测]]的基准[[MedRisk]]，包括12,352个问题，涵盖154种疾病、86种症状、50个专科和24个[[器官系统]]。结果表明，我们的RiskAgent拥有80亿模型参数，达到了76.33%的准确率，优于最新的商业LLMs，如o1、o3-mini和[[GPT-4.5]]，并将[[GPT-4o]]的38.39%准确率提高了一倍。在罕见疾病（如[[特发性肺纤维化]]（IPF））上，RiskAgent分别比o1和GPT-4.5高出27.27%和45.46%的准确率。最后，我们进一步在外部基于[[循证医学]]的[[诊断基准]]上进行了[[泛化评估]]，结果显示RiskAgent取得了最佳结果。这些令人鼓舞的结果展示了我们的解决方案在多样化[[诊断领域]]的巨大潜力。为了提高模型在不同场景中的适应性，我们构建并开源了一系列从10亿到700亿参数的模型。我们的代码、数据和模型均可通过https://github.com/AI-in-Health/RiskAgent获取。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$晶格规范理论与单位填充的软核玻色物质耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合解析微扰方法、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的共振对跳跃和单粒子约束驱动的丰富相图。在强电场强度和弱在位相互作用下，对跳跃导致了一种具有超广延能量和宏观粒子数波动的聚束态。随着在位相互作用的增加，聚束态逐渐过渡到对超流相，其特征是有限的超流密度和幂律衰减的对关联。在大的在位相互作用强度下，由规范约束引起的有效相互作用驱动，超流转变为不可压缩的对莫特绝缘相。在弱场强度和弱在位相互作用下，我们发现了一个类似等离子体的区域，其中单个玻色子表现出大的短程关联，基态几乎由局部玻色子占据数为偶数和奇数的态等量组成。具有大数波动的聚束态的存在，难以通过经典数值方法研究，这激发了在混合玻色子-量子比特量子模拟平台（如[[电路QED]]、中性原子和囚禁离子）中的实验实现。我们的研究结果突出了[[规范场]]与软核玻色物质之间丰富的相互作用。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面上运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道拒绝与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的暗物质搜索光谱分析方法与LIGO * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的对数谱估计方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质]]搜索技术与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在不影响精度的情况下，匹配了基于[[FFT算法]]的计算效率。我们将这种方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。随着进一步改进的潜力，该方法已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Benchmarking Dynamic SLO Compliance in Distributed Computing Continuum Systems * '''中文标题'''：分布式计算连续体系统中的动态SLO合规性基准测试 * '''发布日期'''：2025-03-05 08:56:26+00:00 * '''作者'''：Alfreds Lapkovskis, Boris Sedlak, Sindri Magnússon, Schahram Dustdar, Praveen Kumar Donta * '''分类'''：cs.DC, cs.AI, cs.LG, cs.NI, cs.PF *'''原文链接'''：http://arxiv.org/abs/2503.03274v1 '''中文摘要'''：在[[分布式计算连续体系统]]（DCCS）等大规模架构中，确保[[服务水平目标]]（SLOs）具有挑战性，因为它们的异构性质以及不同设备和应用程序之间的服务需求各不相同。此外，不可预测的[[工作负载]]和[[资源限制]]导致性能波动和SLO违规。为了提高DCCS中的SLO合规性，一种可能性是应用[[机器学习]]；然而，设计选择通常留给开发人员。为此，我们提供了一个[[基准测试]]，将来自[[神经科学]]的新兴方法——[[主动推理]]——与三种成熟的[[强化学习]]算法（[[深度Q网络]]、[[优势演员-评论家]]和[[近端策略优化]]）进行比较。我们考虑了一个现实的DCCS用例：一个[[边缘设备]]运行[[视频会议]]应用程序以及一个[[WebSocket]]服务器流式传输视频。使用其中一种算法，我们持续监控关键性能指标，如[[延迟]]和[[带宽]]使用情况，以动态调整参数——包括流数量、[[帧速率]]和[[分辨率]]——以优化[[服务质量]]和[[用户体验]]。为了测试算法对系统持续变化的适应性，我们模拟了动态变化的SLOs以及即时和渐进的[[数据偏移]]场景，如[[网络带宽]]限制和[[设备热状态]]的波动。尽管评估的算法都显示出优势和局限性，但我们的研究结果表明，主动推理是确保DCCS中SLO合规性的一种有前途的方法，具有较低的[[内存使用]]、稳定的[[CPU利用率]]和快速[[收敛]]的特点。 == 摘要 == * '''原文标题'''：Towards Understanding Distilled Reasoning Models: A Representational Approach * '''中文标题'''：理解蒸馏推理模型：一种表征方法 * '''发布日期'''：2025-03-05 18:40:19+00:00 * '''作者'''：David D. Baek, Max Tegmark * '''分类'''：cs.LG *'''原文链接'''：http://arxiv.org/abs/2503.03730v1 '''中文摘要'''：在本文中，我们研究了[[模型蒸馏]]如何影响[[大语言模型]]（[[LLMs]]）中[[推理]]特征的发展。为了探索这一点，我们在[[Qwen]]系列模型及其[[微调]]变体上训练了一个[[跨编码器]]。我们的结果表明，跨编码器学习了与各种推理类型相对应的特征，包括[[自我反思]]和[[计算验证]]。此外，我们观察到[[蒸馏模型]]包含独特的推理特征方向，这些方向可用于引导模型进入[[过度思考]]或[[敏锐思考]]模式。特别是，我们对四种特定的推理类别进行了分析：（a）[[自我反思]]，（b）[[演绎推理]]，（c）[[替代推理]]，以及（d）[[对比推理]]。最后，我们研究了[[蒸馏过程]]导致的特征几何变化，并发现较大的蒸馏模型可能会发展出更具结构化的表示，这与增强的蒸馏性能相关。通过提供关于蒸馏如何修改模型的见解，我们的研究有助于提高[[AI系统]]的[[透明度]]和[[可靠性]]。 == 摘要 == * '''原文标题'''：Active 6D Pose Estimation for Textureless Objects using Multi-View RGB Frames * '''中文标题'''：使用多视角RGB帧进行无纹理物体的主动6D姿态估计 * '''发布日期'''：2025-03-05 18:28:32+00:00 * '''作者'''：Jun Yang, Wenjie Xue, Sahar Ghavidel, Steven L. Waslander * '''分类'''：cs.CV, cs.RO *'''原文链接'''：http://arxiv.org/abs/2503.03726v1 '''中文摘要'''：从[[RGB图像]]中估计无纹理物体的[[6D姿态]]是[[机器人学]]中的一个重要问题。由于外观模糊性、旋转对称性和严重遮挡，基于单视图的[[6D姿态估计器]]仍然无法处理广泛的物体，这促使了[[多视图姿态估计]]和[[最佳视角预测]]的研究，以解决这些限制。在这项工作中，我们提出了一个全面的[[主动感知]]框架，仅使用[[RGB图像]]来估计无纹理物体的[[6D姿态]]。我们的方法基于一个关键思想：将[[6D姿态估计]]解耦为一个顺序的两步过程可以显著提高准确性和效率。首先，我们估计每个物体的[[3D平移]]，解决[[RGB图像]]固有的尺度和深度模糊性。然后，这些估计用于简化后续的[[3D方向]]确定任务，我们通过[[规范尺度模板匹配]]来实现。基于这一公式，我们进一步引入了一种[[主动感知]]策略，预测下一个最佳[[相机视角]]以捕捉[[RGB图像]]，有效减少物体姿态的不确定性并提高姿态准确性。我们在公开的[[ROBI数据集]]以及我们自己创建的[[透明物体数据集]]上评估了我们的方法。在使用相同[[相机视角]]进行评估时，我们的[[多视图姿态估计]]显著优于最先进的方法。此外，通过利用我们的[[最佳视角]]策略，我们的方法在比基于[[启发式策略]]更少的视角下实现了高物体姿态准确性。 == 摘要 == * '''原文标题'''：Exploring Dual-Iron Atomic Catalysts for Efficient Nitrogen Reduction: A Comprehensive Study on Structural and Electronic Optimization * '''中文标题'''：探索双铁原子催化剂用于高效氮还原：结构与电子优化的综合研究 * '''发布日期'''：2025-03-05 12:00:44+00:00 * '''作者'''：Zhe Zhang, Wenxin Ma, Jiajie Qiao, Xiaoliang Wu, Shaowen Yu, Weiye Hou, Xiang Huang, Rubin Huo, Hongbo Wu, Yusong Tu * '''分类'''：cond-mat.mtrl-sci, physics.chem-ph *'''原文链接'''：http://arxiv.org/abs/2503.03427v1 '''中文摘要'''：[[氮还原反应]]（NRR）作为一种高效且绿色的[[氨]]合成途径，在实现按需氨生产中起着至关重要的作用。本研究提出了一种基于双[[铁]]原子位点和[[氮]]-[[硼]]共掺杂[[石墨烯]]催化剂的新型设计理念，探索其在NRR中的高效性。通过调节N和B的共掺杂比例，我们发现Fe2N3B@G催化剂在N2分子的吸附和氢化中表现出显著的活性，尤其是在NRR远端路径上具有最低的自由能（0.32 eV），显示出其优异的氮活化能力和NRR性能。计算得到的[[电子局域化函数]]、[[晶体轨道哈密顿布居]]、[[静电势]]图表明，Fe2N3B@G催化剂改进的NRR动力学源于N3B共掺杂诱导的Fe-Fe电子环境优化、Fe-N键强度的调节以及N2断裂和氢化过程中的持续电子支持。特别是，通过[[机器学习分子动力学]]（MLMD）模拟验证了Fe2N3B@G催化剂在NRR中的高活性，揭示了Fe2N3B@G有效调节Fe-N键的电子密度，确保NH3分子的顺利生成和解吸，并避免了与[[析氢反应]]（HER）的竞争。此外，Fe2N3B@G催化剂确定的较高HER过电位可以有效抑制HER并增强对NRR的选择性。此外，通过[[MD模拟]]，Fe2N3B@G催化剂在高达500 K的温度下也表现出良好的热稳定性，为其在实际应用中的可行性提供了支持。本研究展示了Fe2N3B@G在氮还原催化中的优异性能，并通过共掺杂策略和深入的电子环境调节为原子催化剂设计提供了理论指导。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来自[[标准模型]]的[[希格斯部分]]。通过结合解析微扰方法、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的共振对跳跃和单粒子约束驱动的丰富相图。在强[[电场强度]]和弱在位相互作用下，对跳跃导致了一种具有超广延能量和宏观粒子数波动的[[聚束态]]。随着在位相互作用的增加，聚束态逐渐过渡到对[[超流相]]，其特征是有限的超流密度和幂律衰减的对关联。在大的在位相互作用强度下，由规范约束引起的有效相互作用驱动超流转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的短程关联，基态几乎由局部玻子占据数为偶数和奇数的态等量组成。具有大数波动的聚束态的存在，难以通过经典数值方法研究，这激发了在混合玻色子-量子比特量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突显了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元反应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用的限制 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面操作的高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该探测器的尺寸为1 cm² × 1 mm厚（0.233克），并实现了迄今为止任何非热声子探测器的最佳能量分辨率，σ_P = 361.5(4)毫电子伏特。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制的实现得益于对低能背景的双通道抑制，这些背景与单个传感器耦合。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的暗物质搜索光谱分析方法与LIGO * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的对数谱估计方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的[[暗物质]]搜索技术与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在计算效率上与基于[[FFT]]的算法相当，但不像这些算法那样牺牲精度。我们将这种方法应用于[[LIGO]]第三次观测运行的数据，直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。该方法具有进一步改进的潜力，已经提供了一种能够最大化当前和未来[[引力波天文台]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Optimal Beamforming for Multi-Target Multi-User ISAC Exploiting Prior Information: How Many Sensing Beams Are Needed? * '''中文标题'''：利用先验信息的多目标多用户ISAC最优波束成形：需要多少个感知波束？ * '''发布日期'''：2025-03-05 14:46:33+00:00 * '''作者'''：Jiayi Yao, Shuowen Zhang * '''分类'''：cs.IT, eess.SP, math.IT *'''原文链接'''：http://arxiv.org/abs/2503.03560v1 '''中文摘要'''：本文研究了一种多目标多用户集成感知与通信（[[ISAC]]）系统，其中多天线基站（[[BS]]）在下行链路中与多个单天线用户通信，并基于目标反射的回波信号及其先验概率信息，感知多个目标的未知和随机角度信息。我们关注一种通用的波束成形结构，包含通信波束和专用感知波束，其设计非常复杂，因为更多的感知波束提供了感知的灵活性，但会引入额外的通信干扰。为了解决这一权衡，我们首先将周期性后验克拉美罗下界（[[PCRB]]）表征为多目标感知中均周期误差（[[MCE]]）的下界。然后，我们优化波束成形以最小化所有目标中的最大周期性[[PCRB]]，以确保公平性，同时满足多个用户的个体通信速率约束。尽管该问题是非凸的，我们通过利用半定松弛（[[SDR]]）提出了一种通用的最优解构造方法，并推导了所需感知波束数量的一般界限。此外，我们揭示了各种情况下最优解的具体结构，并推导了所需感知波束数量的更严格界限（例如，在严格的速率约束或同质目标下，不需要或最多只需要一个感知波束）。接下来，我们研究了在用户速率约束下最小化总周期性[[PCRB]]的波束成形优化。通过应用[[SDR]]，我们提出了一种通用的最优解构造方法及其具体结构，从而降低了计算复杂度。我们推导了所需感知波束数量的一般界限和各种更严格的界限。数值结果验证了我们的分析和所提出的波束成形设计的有效性。 == 摘要 == * '''原文标题'''：Benchmarking Dynamic SLO Compliance in Distributed Computing Continuum Systems * '''中文标题'''：分布式计算连续体系统中的动态SLO合规性基准测试 * '''发布日期'''：2025-03-05 08:56:26+00:00 * '''作者'''：Alfreds Lapkovskis, Boris Sedlak, Sindri Magnússon, Schahram Dustdar, Praveen Kumar Donta * '''分类'''：cs.DC, cs.AI, cs.LG, cs.NI, cs.PF *'''原文链接'''：http://arxiv.org/abs/2503.03274v1 '''中文摘要'''：在[[分布式计算连续体系统]]（DCCS）等大规模架构中，由于其异构性质以及不同设备和应用程序之间的服务需求差异，确保[[服务水平目标]]（SLOs）具有挑战性。此外，不可预测的工作负载和资源限制导致性能波动和SLO违规。为了提高DCCS中的SLO合规性，一种可能性是应用[[机器学习]]；然而，设计选择通常留给开发者。为此，我们提供了一个基准测试，将来自[[神经科学]]的新兴方法——[[主动推理]]——与三种成熟的[[强化学习]]算法（[[深度Q网络]]、[[优势演员-评论家]]和[[近端策略优化]]）进行比较。我们考虑了一个现实的DCCS用例：一个运行[[视频会议应用程序]]和[[WebSocket服务器]]流媒体视频的[[边缘设备]]。使用其中一种算法，我们持续监控关键性能指标，如[[延迟]]和[[带宽使用情况]]，以动态调整参数——包括流数量、[[帧率]]和[[分辨率]]——以优化[[服务质量]]和[[用户体验]]。为了测试算法对系统持续变化的适应性，我们模拟了动态变化的SLOs以及即时和渐进的数据偏移场景，如[[网络带宽限制]]和[[设备热状态]]的波动。尽管评估的算法都显示出优势和局限性，但我们的研究结果表明，[[主动推理]]是确保DCCS中SLO合规性的一种有前途的方法，具有较低的[[内存使用]]、稳定的[[CPU利用率]]和快速[[收敛]]的特点。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[软核玻色物质]]在[[单位填充]]下的[[基态相图]]，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们发现了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]逐渐过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]引起的[[有效相互作用]]驱动，[[超流相]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的[[短程关联]]，[[基态]]几乎由局部[[玻子]]占据数为偶数和奇数的态等比例组成。具有大数涨落的[[聚束态]]的存在，难以通过[[经典数值方法]]研究，这激发了在[[混合玻色子-量子比特]]量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突显了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[尖峰神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[尖峰时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元参数化]]。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应性]]、突触权重修改以及涌现行为，如[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元反应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT 合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Fast and Precise Spectral Analysis for Dark Matter Searches with LIGO * '''中文标题'''：快速精确的频谱分析用于LIGO暗物质搜索 * '''发布日期'''：2025-03-05 09:18:14+00:00 * '''作者'''：Alexandre Göttel, Vivien Raymond * '''分类'''：astro-ph.CO, gr-qc *'''原文链接'''：http://arxiv.org/abs/2503.03293v1 '''中文摘要'''：我们引入了一种新颖的[[对数谱估计]]方法，用于利用[[引力波探测器]]进行[[暗物质]]搜索，将已建立的暗物质搜索技术与[[计算机音乐分析]]的见解相结合。通过利用[[时域]]和[[频域]]之间的对称性，该方法在不影响精度的情况下，匹配了基于[[FFT算法]]的计算效率。我们将此方法应用于[[LIGO]]第三次观测运行的数据，并直接将其性能与之前的搜索进行比较。我们的结果显示，在几乎整个频率范围内，性能一致提高了15%，且无需额外的计算成本。该方法具有进一步优化的潜力，已经提供了一种能够最大化当前和未来[[引力波观测站]]科学潜力的解决方案。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们发现了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。对跳跃在强[[电场强度]]和弱[[在位相互作用]]下导致了一种具有[[超广延能量]]和[[宏观粒子数波动]]的[[聚束态]]。随着在位相互作用的增加，聚束态过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的在位相互作用强度和由[[规范约束]]引起的有效相互作用驱动下，超流相转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的短程关联，基态几乎由局部玻色子占据数为偶数和奇数的态等量组成。具有大数波动的聚束态的存在，难以通过经典数值方法研究，这激发了在[[混合玻色子-量子比特量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]中[[认知灵活性]]和[[任务切换]]机制需要生物学上合理的[[计算模型]]。本教程逐步介绍了如何构建一个[[尖峰神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物学上现实的特征，包括[[侧向抑制]]、通过无监督的[[尖峰时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表[[兴奋性]]（谷氨酸能）和[[抑制性]]（GABA能）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物学启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用进行限制 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为87兆电子伏/平方c时的4e-32平方厘米。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道拒绝与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来自[[标准模型]]的[[希格斯部分]]。通过结合解析微扰方法、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们发现了一个由[[规范场]]介导的共振对跳跃和单粒子约束驱动的丰富相图。在强[[电场强度]]和弱在位相互作用下，对跳跃导致了一种具有超广延能量和宏观粒子数波动的[[聚束态]]。随着在位相互作用的增加，聚束态过渡到[[对超流相]]，其特征是有限的超流密度和幂律衰减的对关联。在大的在位相互作用强度下，由规范约束引起的有效相互作用驱动，超流转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单玻色子表现出大的短程关联，基态几乎由局部玻色子占据数为偶数和奇数的态等量组成。具有大数波动的聚束态的存在，难以通过经典数值方法研究，这激发了在混合玻色子-量子比特量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物学上合理的计算模型。本教程逐步介绍了如何构建一个[[尖峰神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物学上现实的特征，包括[[侧向抑制]]、通过无监督的[[尖峰时序依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的数据集作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元反应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物学启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4×10⁻³²平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来自[[标准模型]]的[[希格斯部分]]。通过结合解析微扰方法、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的共振对跳跃和单粒子约束驱动的丰富相图。在强电场强度和弱在位相互作用下，对跳跃导致了一种具有超广延能量和宏观粒子数涨落的[[聚束态]]。随着在位相互作用的增加，聚束态过渡到[[对超流相]]，其特征是有限的超流密度和幂律衰减的对关联。在大的在位相互作用强度下，由规范约束引起的有效相互作用驱动，超流转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的短程关联，基态几乎由局部玻色子占据数为偶数和奇数的态等量组成。具有大数涨落的聚束态的存在，难以通过经典数值方法研究，这激发了在混合玻色子-量子比特量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[尖峰神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[尖峰时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及涌现行为，如[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面操作的高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该探测器的尺寸为1 cm² × 1 mm厚（0.233克），并实现了迄今为止任何非热声子探测器的最佳能量分辨率，σ_P = 361.5(4) 毫电子伏特。通过0.233克 × 12小时的曝光量，我们在44至87兆电子伏特/平方c的暗物质质量范围内，设定了最严格的限制，最低未探索的截面为4×10⁻³²平方厘米，位于87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道拒绝与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]逐渐过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]引起的有效相互作用驱动，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻色子]]占据数为偶数和奇数的态等比例组成。具有大数涨落的[[聚束态]]的存在，难以通过经典数值方法研究，这激发了在混合[[玻色子]]-[[量子比特]]量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[尖峰神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[尖峰时序依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏积分-发放]]（LIF）神经元实现，代表[[兴奋性]]（谷氨酸能）和[[抑制性]]（GABA能）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及涌现行为，如[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与实验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面操作的高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该探测器的尺寸为1 cm² × 1 mm厚（0.233克），并实现了迄今为止任何非热声子探测器的最佳能量分辨率，σ_P = 361.5(4)毫电子伏特。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了迄今为止通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道拒绝与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充下的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。[[对跳跃]]在强[[电场强度]]和弱[[在位相互作用]]下导致了一种具有[[超广延能量]]和[[宏观粒子数波动]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中[[单玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻色子]]占据数为偶数和奇数的态等量组成。具有大[[数波动]]的[[聚束态]]的存在，难以通过[[经典数值方法]]研究，这激发了在[[混合玻色子-量子比特]]量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：任务适应的神经模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏积分-发放]]（[[LIF]]）神经元实现，这些神经元代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过一系列结构化实验，本教程说明了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的[[计算基础]]提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用进行限制 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面操作的高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该探测器的尺寸为1 cm² × 1 mm厚（0.233克），并实现了迄今为止任何非热声子探测器的最佳能量分辨率，σ_P = 361.5(4)毫电子伏特。通过0.233克 × 12小时的曝光量，我们在44至87兆电子伏特/平方c的暗物质质量范围内，设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道拒绝与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中[[单玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻色子]]占据数为偶数和奇数的态等量组成。具有大数涨落的[[聚束态]]的存在，难以通过[[经典数值方法]]研究，这激发了在[[混合玻色子-量子比特量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：关于执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上现实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元参数化]]。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的数据集作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及涌现行为，如[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：First Limits on Light Dark Matter Interactions in a Low Threshold Two Channel Athermal Phonon Detector from the TESSERACT Collaboration * '''中文标题'''：TESSERACT合作组在低阈值双通道非热声子探测器中首次对轻暗物质相互作用设限 * '''发布日期'''：2025-03-05 17:22:53+00:00 * '''作者'''：C. L. Chang, Y. -Y. Chang, L. Chaplinsky, C. W. Fink, M. Garcia-Sciveres, W. Guo, S. A. Hertel, X. Li, J. Lin, M. Lisovenko, R. Mahapatra, W. Matava, D. N. McKinsey, V. Novati, P. K. Patel, B. Penning, H. D. Pinckney, M. Platt, M. Pyle, Y. Qi, M. Reed, G. R. C Rischbieter, R. K. Romani, B. Sadoulet, B. Serfass, P. Sorensen, A. Suzuki, V. Velan, G. Wang, Y. Wang, S. L. Watkins, M. R. Williams, J. K. Wuko, T. Aramaki, P. Cushman, N. N. Gite, A. Gupta, M. E. Huber, N. A. Kurinsky, J. S. Mammo, A. J. Mayer, J. Nelson, S. M. Oser, L. Pandey, A. Pradeep, W. Rau, T. Saab * '''分类'''：hep-ex, physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2503.03683v1 '''中文摘要'''：我们展示了在地面运行的1 cm² × 1 mm厚（0.233克）高分辨率[[硅]]非热声子探测器中，对自旋无关的[[暗物质]]-核子相互作用的搜索结果。该传感器实现了σ_P = 361.5(4)毫电子伏特的能量分辨率，这是迄今为止任何非热声子探测器的最佳分辨率。通过0.233克 × 12小时的曝光量，我们对44至87兆电子伏特/平方c之间的暗物质质量设定了最严格的限制，最低未探索的截面为4e-32平方厘米，对应87兆电子伏特/平方c。我们采用了一种保守的盐化技术，达到了通过直接探测实验探测到的最低暗物质质量。这一限制是通过双通道抑制与单个传感器耦合的低能背景实现的。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[软核玻色物质]]在单位填充下的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]引起的有效相互作用驱动[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中[[单玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻色子]]占据数为偶数和奇数的态等量组成。具有大数涨落的[[聚束态]]的存在，难以通过经典数值方法研究，这激发了在混合[[玻色子]]-[[量子比特]]量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（SNN），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上现实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（STDP）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元参数化]]。该SNN使用[[漏电积分-发放]]（LIF）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的数据集作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及涌现行为，如[[长时程增强]]（LTP）、[[长时程抑制]]（LTD）和[[任务集重构]]（TSR）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来源于[[标准模型]]的[[希格斯部分]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致了一种具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]的增加，[[聚束态]]过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，由[[规范约束]]引起的有效相互作用驱动，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强度]]和弱[[在位相互作用]]下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的[[短程关联]]，基态几乎由局部[[玻子]]占据数为偶数和奇数的态等量组成。具有大数涨落的[[聚束态]]的存在，难以通过经典数值方法研究，这激发了在混合[[玻色子]]-[[量子比特]]量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突显了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：任务适应的神经模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（[[LIF]]）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与单位填充的[[软核玻色物质]]耦合的基态相图，灵感来自[[标准模型]]的[[希格斯部分]]。通过结合解析微扰方法、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了一个由[[规范场]]介导的共振对跳跃和单粒子约束驱动的丰富相图。在强[[电场强度]]和弱在位相互作用下，对跳跃导致了一种具有超广延能量和宏观粒子数涨落的[[聚束态]]。随着在位相互作用的增加，聚束态过渡到[[对超流相]]，其特征是有限的超流密度和幂律衰减的对关联。在大的在位相互作用强度下，由[[规范约束]]引起的有效相互作用驱动，超流转变为不可压缩的[[对莫特绝缘相]]。在弱场强度和弱在位相互作用下，我们发现了一个类似[[等离子体]]的区域，其中单个[[玻色子]]表现出大的短程关联，基态几乎由局部玻子占据数为偶数和奇数的态等量组成。具有大数涨落的聚束态的存在，难以通过经典数值方法研究，这激发了在混合玻色子-量子比特量子模拟平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的实验实现。我们的研究结果突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：任务适应的神经模型：执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解神经系统中[[认知灵活性]]和[[任务切换]]机制需要生物上可信的[[计算模型]]。本教程逐步介绍了如何构建一个[[脉冲神经网络]]（[[SNN]]），以模拟[[认知控制网络]]中的任务切换动态。该模型结合了生物上真实的特征，包括[[侧向抑制]]、通过无监督的[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在生理相关范围内的精确[[神经元]]参数化。该SNN使用[[漏电积分-发放]]（[[LIF]]）神经元实现，代表兴奋性（[[谷氨酸能]]）和抑制性（[[GABA能]]）神经元群体。我们利用两个真实世界的[[数据集]]作为任务，展示了网络如何学习并在它们之间动态切换。实验设计遵循[[认知心理学]]范式，以分析[[神经适应性]]、突触权重修改以及涌现行为，如[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）。通过一系列结构化实验，本教程展示了任务切换间隔的变化如何影响性能和多任务效率。结果与经验观察到的神经元响应一致，为[[执行功能]]的计算基础提供了见解。通过遵循本教程，研究人员可以开发和扩展受生物启发的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[单位填充]][[软核]][[玻色]][[物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯]]部分的启发。通过结合[[解析]][[微扰]][[方法]]、[[精确对角化]]和[[密度矩阵重整化群]][[模拟]]，我们揭示了由[[规范场]]介导的[[共振]][[对跳跃]]和[[单粒子]][[约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延]][[能量]]和[[宏观]][[粒子数]][[涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]逐渐过渡到[[对超流]][[相]]，其特征是有限的[[超流]][[密度]]和[[幂律]][[衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范]][[约束]]诱导的[[有效相互作用]]驱动下，[[超流]][[态]]转变为不可压缩的[[对莫特绝缘]][[相]]。在弱[[场强]]和弱[[在位相互作用]][[区域]]，我们发现[[类等离子体]][[区域]]，其中[[单玻色子]]表现出较大的[[短程]][[关联]]，且[[基态]]几乎由[[局部]][[玻色子]][[占据数]]为[[偶数]]和[[奇数]]的[[态]]等比例组成。具有大[[数涨落]]的[[聚束态]]（[[经典]][[数值]][[方法]]难以研究）的存在，为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合]][[玻色子]]-[[量子比特]][[量子模拟]][[平台]]的[[实验]][[实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核]][[玻色]][[物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）的方法，用于模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触可塑性|突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与[[实证研究|实证观察]]到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]以及[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]会转变为不可压缩的[[对莫特绝缘体相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由具有偶数和奇数局域[[玻色子占据]]的态等比例组成。具有大数涨落的[[聚束态]]的存在（该状态难以用[[经典数值方法]]研究）为在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要建立[[生物学]]可信的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项[[生物真实性]]特征，包括[[侧向抑制]]、通过无监督[[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理]]相关范围内的精确[[神经元]]参数化。网络采用[[漏积分发放]]（[[LIF]]）[[神经元模型]]，分别模拟[[兴奋性]]（[[谷氨酸]]能）和[[抑制性]]（[[GABA]]能）神经元群体。我们使用两个真实世界[[数据集]]作为任务，展示网络如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过系列结构化实验，本教程阐明任务切换间隔变化如何影响[[性能]]和[[多任务]]效率。实验结果与实证观察到的神经元响应相符，为[[执行功能]]的[[计算基础]]提供新见解。研究者可基于本教程开发并扩展具有[[生物启发性]]的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下与[[软核玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致形成具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流体]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由局部[[玻色子]][[占据数]]为偶数和奇数的态等比例组成。具有大[[数涨落]]的[[聚束态]]难以用经典[[数值方法]]研究，这为在[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子-量子比特]][[量子模拟平台]]上的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）的方法，用于模拟[[认知控制网络]]中的[[任务切换]]动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元模型]]，分别模拟[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触可塑性|突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可参照本教程开发和扩展具有[[生物启发性]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]逐渐过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大的[[在位相互作用强度]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]下，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出大的[[短程关联]]，且[[基态]]几乎由具有[[偶数]]和[[奇数]][[局域玻色子占据]]的态等比例组成。具有大[[数涨落]]的[[聚束态]]的存在（这很难用[[经典数值方法]]研究）激励了在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）的方法，用于模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸]]能）和[[抑制性神经元|抑制性]]（[[GABA]]能）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了任务切换间隔的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展具有[[生物启发性]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由局部[[玻色子]][[占据数]]为偶数和奇数的态等比例组成。具有大[[数涨落]]的[[聚束态]]难以用经典[[数值方法]]研究，这为在[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子]]-[[量子比特]][[量子模拟平台]]上的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元模型]]，分别模拟[[兴奋性神经元|兴奋性]]（[[谷氨酸]]能）和[[抑制性神经元|抑制性]]（[[GABA]]能）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触可塑性|突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过系列[[结构化实验]]，本教程阐明[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与[[实证研究|实证观察]]到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展具有[[生物启发性]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]以及[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致形成具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流体]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出显著的[[短程关联]]，且[[基态]]几乎均等地由局域[[玻色子]]占据数为偶数和奇数的态构成。具有大数涨落的[[聚束态]]的存在（该状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等混合[[玻色子]]-[[量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物真实性]]特征，包括[[侧向抑制]]、通过无监督[[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该SNN采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展受[[生物启发]]的SNN模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下与[[软核玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]条件下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]逐渐过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流相]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出显著的[[短程关联]]，且[[基态]]几乎由[[局域玻色子]]占据数为偶数和奇数的态等比例组成。具有大[[数涨落]]的[[聚束态]]（经典数值方法难以研究）的存在，为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子-量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）以模拟[[认知控制]]网络中[[任务切换]]动态的方法。该模型整合了多项[[生物学]]真实特征，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元]][[参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性]]（[[谷氨酸]]能）和[[抑制性]]（[[GABA]]能）[[神经元]]群体。我们使用两个[[真实世界]]数据集作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列结构化实验，本教程阐明了[[任务切换]]间隔变化如何影响[[性能]]和[[多任务]]效率。[[实验结果]]与实证观察到的[[神经元]]响应相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物学]]启发的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]以及[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由局部[[玻色子]][[占据数]]为偶数和奇数的态等比例组成。具有大[[数涨落]]的[[聚束态]]的存在（这类状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子]]-[[量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物真实性]]特征，包括[[侧向抑制]]、通过无监督[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该[[SNN]]采用[[泄漏积分发放]]（[[LIF]]）[[神经元]]实现，分别模拟[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过系列[[结构化实验]]，本教程阐明[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展具有[[生物启发性]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下与[[软核玻色物质]]耦合的[[基态相图]]，该研究受[[标准模型]][[希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场强度]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流体]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由具有[[偶数]]和[[奇数]][[局域玻色子]]占据的态等比例组成。具有大[[数涨落]]的[[聚束态]]的存在（这很难用[[经典数值方法]]研究）激励了在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项[[生物学]]真实特征，包括[[侧向抑制]]、通过无监督[[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理]]相关范围内的精确[[神经元]]参数化。该[[SNN]]采用[[泄漏积分发放]]（[[LIF]]）神经元实现，分别代表[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）神经元群体。我们使用两个真实世界[[数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过系列结构化实验，本教程阐明任务切换间隔的变化如何影响[[性能]]和[[多任务效率]]。实验结果与实证观察到的神经元响应相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展具有[[生物启发性]]的[[SNN]]模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[单位填充]]下[[软核玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]][[模拟]]，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致形成具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着在位相互作用增强，聚束态会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强在位相互作用下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]会转变为不可压缩的[[对莫特绝缘体相]]。在弱电场和弱在位相互作用区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且基态几乎由[[局域玻色子]]占据数为偶数和奇数的态等比例组成。具有大数涨落的聚束态的存在（该状态难以用[[经典数值方法]]研究）为在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）的方法，用于模拟[[认知控制网络]]中的任务切换动态。该模型整合了[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触可塑性|突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。结果与实验观察到的[[神经元响应]]一致，为[[执行功能]]的[[计算基础]]提供了见解。通过本教程，研究人员可以开发和扩展受[[生物学启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[单位填充]][[软核]][[玻色]][[物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯]]部分的启发。通过结合[[解析]][[微扰]][[方法]]、[[精确对角化]]和[[密度矩阵重整化群]][[模拟]]，我们揭示了由[[规范场]]介导的[[共振]][[对跳跃]]和[[单粒子]][[约束]]驱动的丰富[[相图]]。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延]][[能量]]和[[宏观]][[粒子数]][[涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流]][[相]]，其特征是有限的[[超流]][[密度]]和[[幂律]][[衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范]][[约束]]诱导的[[有效相互作用]]驱动下，[[超流]]会转变为不可压缩的[[对莫特绝缘]][[相]]。在弱[[场]]和弱[[在位相互作用]]下，我们发现[[类等离子体]][[区域]]，其中[[单玻色子]]表现出大的[[短程]][[关联]]，且[[基态]]几乎由具有[[偶数]]和[[奇数]][[局域]][[玻色子]][[占据]]的态均等组成。具有大[[数涨落]]的[[聚束态]]的存在（这很难用[[经典]][[数值方法]]研究）激励了在[[混合]][[玻色子]]-[[量子比特]][[量子模拟]][[平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验]][[实现]]。我们的发现突出了[[规范场]]与[[软核]][[玻色]][[物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：脉冲网络执行控制教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制网络]]中[[任务切换动态]]的方法。该模型整合了[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。结果与[[实证观察]]到的[[神经元响应]]一致，为[[执行功能]]的[[计算基础]]提供了见解。通过本教程，研究人员可以开发和扩展受[[生物学启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[单位填充]]软核[[玻色子|玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着在位相互作用增强，聚束态会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强在位相互作用和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流态]]会转变为不可压缩的[[对莫特绝缘相]]。在弱电场和弱在位相互作用区域，我们发现[[类等离子体]]区域，其中单[[玻色子]]表现出较大的[[短程关联]]，且基态几乎由局部玻色子占据数为偶数和奇数的态均等组成。具有大数涨落的聚束态的存在（该状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等混合[[玻色子]]-[[量子比特]][[量子模拟]]平台的实验实现提供了动机。我们的发现凸显了[[规范场]]与软核玻色物质之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要建立[[生物学]]可信的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项[[生物真实性]]特征，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及[[生理学]]相关范围内的精确[[神经元]]参数化。该SNN采用[[漏积分发放]]（[[LIF]]）神经元实现，分别模拟[[兴奋性神经元|兴奋性]]（[[谷氨酸]]能）和[[抑制性神经元|抑制性]]（[[GABA]]能）神经元群体。我们使用两个真实世界[[数据集]]作为任务，展示网络如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过系列结构化实验，本教程阐明任务切换间隔的变化如何影响[[性能]]和[[多任务]]效率。实验结果与实证观察到的神经元响应相符，为[[执行功能]]的[[计算基础]]提供新见解。研究者可基于本教程开发并扩展具有[[生物启发性]]的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下与[[软核玻色子|软核玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯机制|希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着在位相互作用增强，聚束态逐渐过渡到[[对超流]]相，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强在位相互作用和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流态]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱在位相互作用区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且基态几乎由[[局域玻色子]]占据数为偶数和奇数的态等比例组成。具有大数涨落的聚束态的存在（该状态难以用[[经典数值方法]]研究）为在[[混合玻色子-量子比特]][[量子模拟]]平台（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]提供了动机。我们的发现突出了规范场与软核玻色物质之间丰富的相互作用。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具备[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）的方法，用于模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该SNN采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了任务切换间隔的变化如何影响[[性能]]和[[多任务效率]]。实验结果与[[实证观察]]到的神经元响应相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物学启发]]的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]与[[单位填充]][[软核]][[玻色]][[物质]][[耦合]]的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析]][[微扰]][[方法]]、[[精确对角化]]和[[密度矩阵重整化群]][[模拟]]，我们揭示了由[[规范场]]介导的[[共振]][[对跳跃]]与[[单粒子]][[约束]]驱动的丰富[[相图]]。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延]][[能量]]和[[宏观]][[粒子数]][[涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流]][[相]]，其特征是有限的[[超流]][[密度]]和[[幂律]][[衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范]][[约束]][[诱导]]的[[有效相互作用]]驱动下，[[超流体]]会转变为不可压缩的[[对莫特绝缘]][[相]]。在弱[[场强]]和弱[[在位相互作用]][[区域]]，我们发现[[类等离子体]][[区域]]，其中[[单玻色子]]表现出较大的[[短程]][[关联]]，且[[基态]]几乎由[[局部]][[玻色子]][[占据数]]为[[偶数]]和[[奇数]]的[[态]]等比例组成。具有大[[数涨落]]的[[聚束态]]难以用[[经典]][[数值方法]]研究，这为在[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合]][[玻色子]]-[[量子比特]][[量子模拟]][[平台]]上的[[实验]][[实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核]][[玻色]][[物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制网络]]中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过无监督[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学范式]]，用于分析[[神经适应性]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物学启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究受[[标准模型]][[希格斯部分]]启发的、在[[单位填充]]下耦合[[软核玻色物质]]的一维$\mathbb{Z}_2$[[晶格规范理论]]的[[基态相图]]。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到以有限[[超流密度]]和[[幂律衰减]][[对关联]]为特征的[[对超流相]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体区]]，其中[[单玻色子]]呈现强[[短程关联]]，且[[基态]]几乎由[[局域玻色子]][[占据数]][[偶态]]和[[奇态]]均等组成。具有大[[数涨落]]的[[聚束态]]的存在（该状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子]][[量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要建立[[生物学]]可信的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中任务切换动态的方法。该模型整合了多项生物学真实特征，包括[[侧向抑制]]、通过无监督[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理]]相关范围内的精确[[神经元]]参数化。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元模型]]，分别模拟[[兴奋性]]（[[谷氨酸]]能）和[[抑制性]]（[[GABA]]能）[[神经元]]群体。我们使用两个真实世界[[数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触]]权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过一系列结构化实验，本教程阐明了任务切换间隔变化如何影响[[性能]]和[[多任务]]效率。[[实验结果]]与实证观察到的[[神经元]]响应相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]会转变为不可压缩的[[对莫特绝缘体相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体区]]，其中[[单玻色子]]表现出强[[短程关联]]，且[[基态]]几乎均等地由局域[[玻色子]]占据数为偶数和奇数的态构成。具有大[[数涨落]]的[[聚束态]]的存在（该现象难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子-量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要建立[[生物学]]可信的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项生物学真实特征，包括[[侧向抑制]]、通过无监督[[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及[[生理学]]相关范围内的精确[[神经元]]参数化。该SNN采用[[漏积分发放]]（[[LIF]]）神经元实现，分别模拟[[兴奋性]]（[[谷氨酸]]能）和[[抑制性]]（[[GABA]]能）神经元群体。我们使用两个真实世界[[数据集]]作为任务，展示网络如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过系列结构化实验，本教程阐明任务切换间隔的变化如何影响[[性能]]和[[多任务]]效率。实验结果与实证观察到的神经元响应一致，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发并扩展具有[[生物启发性]]的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下与[[软核玻色物质]]耦合的[[基态]][[相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]以及[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]和[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]条件下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]逐渐过渡到[[对超流相]]，其特征表现为有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]和[[规范约束]]诱导的[[有效相互作用]]驱动下，[[超流态]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出显著的[[短程关联]]，且[[基态]]几乎由[[局域玻色子]]占据数为偶数和奇数的态等比例构成。具有大数涨落的[[聚束态]]的存在（该状态难以用[[经典数值方法]]研究）为在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要建立[[生物学]]可信的[[计算模型]]。本教程逐步演示如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项生物学真实特征，包括[[侧向抑制]]、通过无监督[[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理]]相关范围内的精确[[神经元]]参数化。该SNN采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别模拟[[兴奋性]]（[[谷氨酸]]能）和[[抑制性]]（[[GABA]]能）神经元群体。我们使用两个真实世界[[数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、突触权重修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等涌现行为。通过系列结构化实验，本教程阐明任务切换间隔的变化如何影响[[性能]]和[[多任务]]效率。实验结果与实证观察到的神经元响应相符，为[[执行功能]]的[[计算基础]]提供新见解。研究者可通过本教程开发并扩展受[[生物启发]]的SNN模型，用于研究[[认知过程]]和神经适应性。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]逐渐过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出强[[短程关联]]，且[[基态]]几乎均等地由局域[[玻色子]]占据数为偶数和奇数的态构成。具有大[[数涨落]]的[[聚束态]]难以用经典[[数值方法]]研究，这为在[[混合玻色子-量子比特]][[量子模拟平台]]（如[[电路QED]]、[[中性原子]]和[[囚禁离子]]）中的[[实验实现]]提供了动机。我们的发现凸显了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了构建[[脉冲神经网络]]（[[SNN]]）以模拟[[认知控制网络]]中[[任务切换]]动态的方法。该模型整合了[[生物学真实特征]]，包括[[侧向抑制]]、通过[[无监督学习|无监督]][[脉冲时序依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理学|生理]]相关范围内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性神经元|兴奋性]]（[[谷氨酸能]]）和[[抑制性神经元|抑制性]]（[[GABA能]]）神经元群体。我们使用两个[[真实世界数据集]]作为任务，展示[[神经网络|网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触可塑性|突触权重修改]]以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]变化如何影响[[性能]]和[[多任务效率]]。结果与实证观察到的[[神经元响应]]一致，为[[执行功能]]的[[计算基础]]提供了见解。通过遵循本教程，研究人员可以开发并扩展受[[生物学启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯机制]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着在位相互作用增强，聚束态会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在大在位相互作用强度下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流态]]会转变为不可压缩的[[对莫特绝缘相]]。在弱[[场强]]和弱在位相互作用区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且基态几乎由局部[[玻色子]][[占据数]]为偶数和奇数的态等比例组成。具有大[[数涨落]]的聚束态的存在（该状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子-量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与软核玻色物质之间丰富的[[相互作用]]。 == 摘要 == * '''原文标题'''：Neural Models of Task Adaptation: A Tutorial on Spiking Networks for Executive Control * '''中文标题'''：神经任务适应模型：面向执行控制的脉冲网络教程 * '''发布日期'''：2025-03-05 00:44:34+00:00 * '''作者'''：Ashwin Viswanathan Kannan, Madhumitha Ganesan * '''分类'''：q-bio.NC, cs.LG, cs.NE *'''原文链接'''：http://arxiv.org/abs/2503.03784v1 '''中文摘要'''：理解[[神经系统]]的[[认知灵活性]]和[[任务切换]]机制需要具有[[生物学合理性]]的[[计算模型]]。本教程逐步介绍了如何构建[[脉冲神经网络]]（[[SNN]]）来模拟[[认知控制]]网络中的任务切换动态。该模型整合了多项[[生物学真实特征]]，包括[[侧向抑制]]、通过无监督[[脉冲时间依赖可塑性]]（[[STDP]]）实现的自适应[[突触权重]]，以及在[[生理相关范围]]内的精确[[神经元参数化]]。该[[SNN]]采用[[漏积分发放]]（[[LIF]]）[[神经元]]实现，分别代表[[兴奋性]]（[[谷氨酸能]]）和[[抑制性]]（[[GABA能]]）[[神经元群体]]。我们使用两个[[真实世界数据集]]作为任务，展示[[网络]]如何学习并在任务间动态切换。[[实验设计]]遵循[[认知心理学]]范式，用于分析[[神经适应性]]、[[突触权重]]修改以及[[长时程增强]]（[[LTP]]）、[[长时程抑制]]（[[LTD]]）和[[任务集重构]]（[[TSR]]）等[[涌现行为]]。通过一系列[[结构化实验]]，本教程阐明了[[任务切换间隔]]的变化如何影响[[性能]]和[[多任务效率]]。[[实验结果]]与实证观察到的[[神经元响应]]相符，为[[执行功能]]的[[计算基础]]提供了新见解。研究者可通过本教程开发和扩展受[[生物学启发]]的[[SNN]]模型，用于研究[[认知过程]]和[[神经适应性]]。 == 摘要 == * '''原文标题'''：Constrained many-body phases in a $\mathbb{Z}_2$-Higgs lattice gauge theory * '''中文标题'''：$\mathbb{Z}_2$-希格斯晶格规范理论中的受限多体相 * '''发布日期'''：2025-03-05 19:00:07+00:00 * '''作者'''：Alexander Schuckert, Stefan Kühn, Kevin C. Smith, Eleanor Crane, Steven M. Girvin * '''分类'''：cond-mat.quant-gas, hep-lat, hep-ph, nucl-th, quant-ph *'''原文链接'''：http://arxiv.org/abs/2503.03828v1 '''中文摘要'''：我们研究了[[一维]]$\mathbb{Z}_2$[[晶格规范理论]]在[[单位填充]]下耦合[[软核玻色物质]]的[[基态相图]]，该研究受[[标准模型]][[希格斯部分]]的启发。通过结合[[解析微扰方法]]、[[精确对角化]]和[[密度矩阵重整化群]]模拟，我们揭示了由[[规范场]]介导的[[共振对跳跃]]与[[单粒子约束]]驱动的丰富相图。在强[[电场]]和弱[[在位相互作用]]下，[[对跳跃]]导致具有[[超广延能量]]和[[宏观粒子数涨落]]的[[聚束态]]。随着[[在位相互作用]]增强，[[聚束态]]会过渡到[[对超流相]]，其特征是有限的[[超流密度]]和[[幂律衰减]]的[[对关联]]。在强[[在位相互作用]]下，受[[规范约束]]诱导的[[有效相互作用]]驱动，[[超流]]会转变为不可压缩的[[对莫特绝缘体相]]。在弱[[场强]]和弱[[在位相互作用]]区域，我们发现[[类等离子体]]区域，其中[[单玻色子]]表现出较大的[[短程关联]]，且[[基态]]几乎由局部[[玻色子]][[占据数]]为偶数和奇数的态等比例组成。具有大[[数涨落]]的[[聚束态]]的存在（该状态难以用[[经典数值方法]]研究）为[[电路QED]]、[[中性原子]]和[[囚禁离子]]等[[混合玻色子]]-[[量子比特]][[量子模拟平台]]的[[实验实现]]提供了动机。我们的发现突出了[[规范场]]与[[软核玻色物质]]之间丰富的[[相互作用]]。
返回
WikiEdge:ArXiv速递/2025-03-05
。
导航菜单
个人工具
创建账号
登录
命名空间
项目页面
讨论
不转换
不转换
简体
繁體
大陆简体
香港繁體
澳門繁體
大马简体
新加坡简体
臺灣正體
查看
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
MediaWiki帮助
工具
链入页面
相关更改
特殊页面
页面信息