WikiEdge:ArXiv速递/2025-03-05
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。