计算机科学-本文与提供

📄 中文摘要:
Ia型超新星(SN Ia)的起源系统及其爆炸机制仍然是天文学领域内广泛争论的话题。在少数情况下,超新星喷发物会与起源系统在爆炸前喷出的星周物质(CSM)发生相互作用。由于CSM与超新星爆炸地点之间的距离未知,难以预测相互作用何时开始。如果超新星爆炸与CSM相互作用开始之间的时间间隔为数月至数年,超新星通常已逐渐变暗,不再被积极跟踪,这使得在相互作用发生时检测到它变得更加困难。本研究报道了一项实时监测项目,该项目于2023年11月13日至2024年7月9日期间,利用兹威基瞬变设施(ZTF)对6914颗Ia型超新星进行监测,寻找晚期重新变亮的迹象。对标记的候选对象迅速进行光度学和光谱学跟踪,以确认晚期亮度异常及其位置。研究发现了SN 2020qxz在光曲线峰值后约1200天出现的一次持续约50天的重新变亮事件。SN 2020qxz早期曾显示出CSM相互作用的迹象,但在重新出现前的两年内逐渐变暗。后续光谱观测揭示了4条发射线,这些发射线在ZTF检测到的重新变亮结束后不久逐渐消失。研究团队认为这些发射线最可能对应于Hβ(蓝移约5900 km s−1)以及CaII λ8542、NI λ8567和KI λλ8763, 8767(均蓝移约5100 km s−1),尽管这些识别尚存不确定性。研究表明,实时捕捉并跟踪晚期相互作用事件能够为Ia型超新星起源系统的性质提供新的线索,例如对供体星类型的限制条件。系统性地开展此类研究唯一可行的方法是利用ZTF等大型天文巡天项目对大量目标进行监测。

📄 中文摘要:
本研究聚焦于银河系中央分子区(CMZ)内多个分子云方向观测到的扩展X射线发射,其光谱和时间特性与“X射线回声”假说一致。该假说认为,观测到的信号是几百年前Sgr A*产生的一次短时(持续时间约10天)、高光度(超过10^39 erg/s)的耀斑经光程延迟后的反射。本文报告了2022年和2023年使用成像X射线偏振探测器(IXPE)对当前反射发射最亮的Sgr A分子复合体进行的两次深度观测结果。研究确认了之前对包含Sgr A复合体大区域的偏振测量结果,并提高了置信度,但同时揭示了其中心最亮反射区域的偏振模式与预期不一致。在该区域,X射线偏振方向几乎与Sgr A*照射情况下的预期方向垂直,且偏振度(PD)低于大区域的平均值。这一结果可能表明CMZ内同时存在多个照射前沿,其中一个可能并非源自Sgr A*。潜在的原始源可能与Arches星团相关,或是一个尚未确认的、位于被照射云附近的未知源,这可能降低了对原始源光度的要求。尽管需要更深度的IXPE观测以明确区分不同情景,但结合高分辨率成像和微量热谱技术被认为是未来研究的一个有前景的路径。本研究通过偏振特性为理解CMZ内X射线反射机制提供了新视角,同时也对Sgr A*历史活动及潜在多源贡献提出了新的思考。

📄 中文摘要:
快速射电暴(FRB)20250316A于2025年3月16日被CHIME探测到,其流量为1.7±0.1 Jy ms,色散量为161.3±0.4 pc cm^{-3},是距离约40 Mpc的最亮的河外FRB之一。本研究使用卡尔·G·詹斯基甚大阵(VLA)于2025年4月5日和9日在15 GHz频率下进行了深度后续观测,未发现持久射电源(PRS)。最佳图像的均方根噪声为2.8 μJy beam^{-1},在FRB位置处给出的3σ上限为<8.4 μJy,对应的光度为νL_ν < 2.4×10^{35} erg s^{-1}。这一结果是对非重复FRB的最严格限制之一,比已知重复FRB周围的紧凑持久射电源的光度低了三个数量级以上,从而不支持明亮的磁星-星云模型,并指向低密度、弱磁化环境。通过脉冲星/磁星风同步辐射框架解释这一限制,对环境密度和引擎功率提出了联合约束。如果重复FRB的经验性PRS-旋转测量趋势适用于一次性FRB,则本研究的限制意味着|RM| ≲ 30 rad m^{-2},这与清洁的磁离子视线以及中子星合并或老年磁星的巨型耀斑等前体通道一致。本研究为理解一次性FRB的起源和环境提供了重要线索,排除了某些高能量模型,并为未来的观测和理论研究奠定了基础。

📄 中文摘要:
全球定位系统(GPS)卫星在全球范围内提供精确的导航和时间信息,是现代社会不可或缺的基础设施。这些卫星运行于中地球轨道(MEO),必须保持精确的对地指向姿态以有效传输信号。本文对GPS卫星的运行动力学、姿态确定与控制系统(ADCS)以及轨道插入技术进行了全面综述。研究探讨了传感器和执行器的集成、控制算法、稳定化策略以及卫星发射和部署所需的程序。文中详细讨论了与轨道力学和姿态控制相关的关键方程,并引用了最新的技术文献。研究背景方面,作者强调了GPS卫星在导航和时间同步中的核心作用,以及姿态控制对信号传输质量的重要性。主要方法包括对ADCS系统的设计与优化,结合多种传感器(如星敏感器和陀螺仪)与执行器(如反应轮和推进器)实现高精度姿态控制,同时分析了轨道插入过程中的动力学挑战和解决方案。关键发现表明,先进的控制算法和稳定化技术显著提高了卫星的姿态精度和运行可靠性,尤其是在复杂空间环境下的适应性。此外,文章还探讨了从发射到进入预定轨道的整个过程,提出了一种优化的插入策略以减少燃料消耗和时间成本。结论指出,随着技术的进步,未来的GPS卫星将进一步提升姿态控制精度和自主运行能力,为全球用户提供更高质量的服务。本研究为卫星控制领域的工程师和研究人员提供了重要的理论和实践参考。

📄 中文摘要:
本文通过数值模拟研究了由于信息处理和执行滞后导致的延迟对Vicsek模型(一种描述运动活性物质的经典模型)相行为的影响,系统规模较大但固定。研究发现,延迟Vicsek模型保留了标准模型的三个相态——有序态、液-气共存态和无序态,但延迟的存在显著改变了系统的动态行为。在研究考虑的较高速度下,有序态与共存态之间转变的临界噪声对延迟呈现非单调依赖关系;而转变到无序态所需的临界噪声随延迟增加而增大。因此,随着延迟增加,相分离发生的噪声区间宽度变宽。短延迟有助于稳定有序相,而长延迟则不利于有序相的稳定,转而促进共存相的形成,相较于无序态,共存相始终更为稳定。此外,在给定噪声下,共存相中观测到的条带数量随延迟增加而增多,条带形成所需时间随延迟增加而减少。这一加速现象归因于旋涡结构的出现,其典型半径随延迟增加而增大。研究结果表明,Vicsek模型中的时间延迟作为一种有效的控制参数,可以调节系统的动态相行为。这一发现为理解活性物质系统中延迟效应的作用提供了重要见解,并可能对相关领域的理论和应用研究产生深远影响。

📄 中文摘要:
本文提出了一种过程建模框架,旨在通过一致的拓扑属性和广义量的守恒,将数据驱动算法与经典过程模型和控制方法自然集成。研究背景聚焦于机器学习和分析技术在过程控制领域的最新进展,探讨如何将新兴的数据驱动方法与传统模型相结合。作者通过连接矩阵和网络图表示过程网络单元之间的互连关系,并推导了系统的自然目标函数,等同于稳态系统中非平衡熵产生,作为过程动力学的驱动力。研究方法包括将分布式控制和优化嵌入过程网络结构中,分析控制律和算法如何改变系统的自然平衡以实现工程目标。关键要求是流动条件能够以锥形扇区(被动性)条件表达。作者的框架允许通过稀疏深度神经网络,将拓扑学中的基本守恒属性与从数据中学习到的动态关系相结合。研究发现表明,该方法能够有效整合数据驱动与物理模型,确保系统的拓扑一致性和守恒性,同时通过神经常微分方程实现动态建模。结论指出,该框架为分布式控制提供了新的视角,可能在工业过程优化和智能控制领域产生重要影响,为数据驱动与经典控制的融合提供了理论和实践基础。

📄 中文摘要:
在三维用户界面中,直接伸手抓取和操作物体是一种有效的交互方式,但当目标物体超出伸手范围时,这种方式便不再适用。传统的间接交互技术,如视线和捏合手势,为远距离交互提供了替代方案,但它们无法提供与直接手势相同的即时性和本体感觉反馈。为了支持对远距离对象的直接手势操作,本研究提出了一种名为SightWarp的交互技术。该技术利用眼手协调机制,在用户注视远距离对象后,通过将视线转移到手部或将手部移入视线范围,触发一个缩放后的近距离对象代理及其周围环境的生成。这一代理对象在眼手模式解除前保持活跃,其核心优势在于用户始终可以通过自然、直接的手势立即操作远距离对象。本研究通过一个三维对象对接任务的用户实验,验证了SightWarp的易用性,并证明其在后续直接操作中的性能优于视线和捏合手势。应用案例进一步展示了SightWarp在六自由度操作、概览与细节导航以及微缩世界交互中的实用性。本研究为近距离和远距离空间中的对象交互提供了更具表现力和灵活性的解决方案,对三维用户界面的设计和远距离交互技术的发展具有重要意义。

📄 中文摘要:
本文研究了人类在集体和累积性技术改进方面的独特能力,这种开放式进化使社会能够持续扩展资源,并增强集体层面存储、传输和处理信息的能力。作者提出,资源的产生源于技术系统(社会中相互依赖的技能、技术和人工制品的集合)与搜索空间(社会中需求、问题和目标的集合)之间的互动。在此基础上,构建了一个宏观模型,其中技术系统和搜索空间均受到文化进化动态的影响。通过调整这些动态中随机过程和选择性过程的程度,研究表明开放式增长极为罕见,具有历史偶然性,并且只有在技术系统和搜索空间共同进化时才有可能实现。随机因素必须足够强大,以持续扰动动态使其处于远离平衡的状态,而选择性因素则有助于维持有效性并确保资源的持续生产。只有当这种共同进化动态维持了有效的技术系统,支持搜索空间的持续扩展,并导致资源供应的增加时,才会观察到开放式技术进化。研究揭示了开放式技术进化的复杂机制,强调了随机性和选择性过程在其中的平衡作用,为理解技术进步的长期趋势提供了理论框架。作者通过模型模拟验证了这一理论,指出开放式进化依赖于特定的历史条件和社会结构,这为未来技术政策和创新研究提供了启示。

📄 中文摘要:
流言算法在去中心化系统中信息传播中起着关键作用,尤其在区块链协议中被广泛用于区块和交易的传播。libp2p 是一个成熟的库,提供了两种流言算法:floodsup 和 gossibsup,用于将发布消息传递给一组对等节点。本研究通过引入一种新型流言算法 OPTIMUMP2P,旨在提升 libp2p 的性能和可靠性。OPTIMUMP2P 利用随机线性网络编码(RLNC)的能力,加速对等(P2P)网络中的信息传播,同时确保即使在存在能够破坏传输数据的恶意行为者的情况下也能可靠交付。以太坊基金会的前期研究已证明 RLNC 在显著缩短区块传播时间方面的潜力。本文在模拟和现实环境中进行了广泛的评估,结果表明 OPTIMUMP2P 在性能上明显优于现有的 Gossipsub 协议。具体而言,OPTIMUMP2P 通过 RLNC 技术实现了更快的消息传播速度,并通过编码机制增强了数据完整性和抗攻击能力。研究还探讨了算法在不同网络规模和恶意节点比例下的表现,验证了其在复杂环境中的鲁棒性。结论表明,OPTIMUMP2P 为 P2P 网络中的信息传播提供了一种高效且可靠的解决方案,尤其适用于区块链等对速度和安全性要求极高的应用场景。未来工作将进一步优化算法参数,并探索其在更多实际场景中的应用潜力。

📄 中文摘要:
多智能体路径规划(MAPF)是一项关键技术,旨在为多个智能体在共享环境中计算无碰撞路径。传统MAPF规划器通常假设每个智能体在特定时间点到达特定位置,然而在实际系统中,由于延迟的存在,这种假设往往不可行。为解决因延迟导致的智能体偏离路径而引发的碰撞问题,时间计划图(TPG)被提出,它将MAPF的时间依赖解决方案转化为一组时间无关的智能体间依赖关系。近期,双向时间计划图(BTPG)进一步放宽了部分依赖关系,形成了‘双向对’,从而提高了智能体在延迟情况下执行MAPF解决方案的效率。本研究在前人工作的基础上,设计了一种新算法BTPG-max,旨在发现更多的双向对。我们的主要理论贡献在于证明BTPG-max算法在局部是最优的,即构建的BTPG无法再添加额外的双向对。实验结果表明,BTPG-max在实践中显著增加了BTPG中的双向边数量,展现出更优的随时性行为(anytime behavior),并提升了对延迟的鲁棒性。这一改进使得智能体在复杂动态环境中的路径规划更加灵活和高效,为实际应用中的多智能体系统提供了重要的技术支持。研究结论表明,BTPG-max不仅在理论上具有重要意义,而且在实际场景中能够有效提升系统性能,具有广泛的应用前景。

📄 中文摘要:
本文介绍了Graffiti系统,这是一个旨在支持构建多样化、个性化社交应用的创新平台。当前大多数社交应用,如Twitter和Wikipedia,采用统一的固定设计模式,不仅限制了用户的个性化需求,而且新应用的开发在技术上具有挑战性,并往往导致应用与现有社区隔离。Graffiti系统通过提供一个灵活的框架,显著降低了构建社交应用的难度,同时实现了不同应用之间的互操作性。用户可以在不同的设计风格、功能集和内容管理模式之间自由切换,而无需担心失去社交联系或个人数据。这种设计允许多样化的社交体验,满足了用户对个性化应用的需求,同时保持了社区的连通性。研究中详细阐述了Graffiti系统的架构设计、技术实现以及其在支持多种社交应用场景中的应用案例。关键发现表明,Graffiti不仅能够支持快速开发新的社交应用,还能通过数据和用户关系的共享,促进不同应用之间的协作与互动。作者通过实验验证了系统的可扩展性和稳定性,证明其在实际部署中的潜力。结论指出,Graffiti为未来的社交网络发展提供了一种全新的范式,可能显著提升用户体验并推动社交应用领域的创新。

📄 中文摘要:
本文探讨了生成式人工智能(GenAI)对开源软件(OSS)社区的深远影响。随着GenAI技术迅速改变软件开发、维护和治理的方式,开源社区面临前所未有的不确定性。如果缺乏清晰的指导框架,这些社区可能因GenAI引入的复杂性和模糊性而不堪重负,从而威胁到支撑OSS的协作精神。本研究通过一种受麦克卢汉四元组(Tetrad)启发的社会技术框架,进行了情景驱动的概念性探索,分析了GenAI对OSS开发在四个关键领域的影响:软件实践、文档编制、社区参与和治理。通过这一框架,研究揭示了GenAI驱动的颠覆可能带来的风险和机遇,特别是在社区韧性方面的潜在影响。研究指出,GenAI可能在提高代码生成效率和自动化文档的同时,削弱社区成员之间的信任和协作,尤其是在代码质量和贡献归属问题上。此外,GenAI可能改变社区治理模式,引发权力集中或决策透明度下降的风险。然而,研究也强调了通过适当的框架和策略,OSS社区可以利用GenAI增强创新能力,例如通过智能工具提升新手贡献者的参与度。最终,本文建议OSS领导者和研究人员采取前瞻性措施,积极塑造生态系统的未来,而不仅仅是被动应对技术变革。通过这种方式,社区可以在GenAI带来的挑战中保持其核心价值和协作精神。

📄 中文摘要:
Gen3是一个开源数据平台,专门用于构建数据共享平台(data commons),以支持研究社区在云端管理、分析和共享数据。该平台已被用于构建超过十几个数据共享平台,总计包含超过28 PB的数据和6400万个符合FAIR原则的数据对象。建立一个Gen3数据共享平台的第一步是定义数据模型,随后Gen3会自动生成:1)用于搜索和探索共享平台内数据的数据门户;2)用于向共享平台提交数据的数据门户;3)用于以编程方式访问数据的FAIR API。Gen3基于少量基于标准的软件服务构建,这些服务旨在支持当前和未来的Gen3组件,从而使Gen3能够与其他数据平台和数据生态系统实现互操作性。本研究详细介绍了Gen3平台的设计理念和实现方式,强调其在数据管理中的灵活性和可扩展性。研究还展示了Gen3如何通过标准化的API和数据模型,促进研究数据的开放性和可访问性,从而推动跨机构和跨领域的数据协作。关键发现表明,Gen3平台在处理大规模数据集和支持多用户协作方面表现出色,尤其适用于生物医学、基因组学等领域的数据共享需求。结论指出,Gen3不仅为研究社区提供了一个高效的数据管理工具,还为未来的数据生态系统互操作性奠定了基础,具有重要的应用前景。

📄 中文摘要:
本文研究了边缘平台上实时感知的核心挑战,即在有限计算资源和严格延迟约束下执行高分辨率目标检测。先前的工作提出了基于画布的注意力调度机制,通过将输入数据帧中的感兴趣区域整合到一个较小的画布帧上,以降低感知子系统的资源需求,从而以所需的帧率进行处理。本文在前人研究的基础上进行了扩展,提出了两点创新:一是允许画布帧的大小可变,二是采用可选的画布帧率,可以偏离原始数据帧率。为了验证所提出方法的有效性,作者在NVIDIA Jetson Orin Nano平台上运行YOLOv11作为感知模块,并使用Waymo开放数据集的视频帧进行测试。实验结果表明,新增的自由度显著改善了质量与成本之间的权衡,使得平均精度均值(mAP)和召回率(recall)相较于现有技术水平有了持续提升。这一方法为实时关键任务感知提供了更高效的解决方案,尤其适用于资源受限的边缘设备场景。作者通过实验数据展示了该方法在实际应用中的潜力,特别是在自动驾驶等需要高精度和低延迟的领域。结论指出,CSRAP方法不仅提升了感知性能,还为未来的注意力调度研究提供了新的思路和可能性。

📄 中文摘要:
现有的非结构化数据分析系统依赖专家编写代码和管理复杂的分析流程,导致成本高昂且耗时较长。为解决这一问题,本文提出了AgenticData,一种创新的智能体数据分析系统,使用户能够通过自然语言(NL)提问,而系统则自主分析跨多个领域的结构化和非结构化数据源。首先,AgenticData采用了一种基于反馈驱动的规划技术,将自然语言查询自动转换为由关系运算符和语义运算符组成的语义计划。系统提出了一种多智能体协作策略,包括数据画像智能体用于发现相关数据、语义交叉验证智能体基于反馈进行迭代优化,以及智能记忆智能体用于维护短期上下文和长期知识。其次,文章提出了一种语义优化模型,以有效改进和执行语义计划。AgenticData系统在三个基准测试中进行了验证,实验结果表明,无论在简单任务还是复杂任务上,AgenticData均取得了更高的准确性,显著优于现有最先进的方法。这一系统展示了在异构数据分析领域的强大潜力,为用户提供了便捷高效的数据洞察工具。研究结论表明,AgenticData通过自动化和智能化手段大幅降低了数据分析的门槛,可能对未来的数据分析技术发展产生深远影响。

📄 中文摘要:
高阶求解器在可压缩流动的科学应用中至关重要。自适应网格细化(AMR)是一种关键技术,通过在感兴趣区域集中分辨率来降低计算成本。本研究开发了一种基于AMR的数值求解器,采用了Regent这一高级编程语言,Regent是为Legion编程模型设计的高级语言。研究解决了在Regent中实现AMR的多个挑战,包括用于网格细化/粗化的动态数据结构、网格有效性强制执行,以及通过任务融合减少任务启动开销。实验结果表明,任务融合实现了18倍的加速,而通过简单注释自动生成的GPU内核为目标内核带来了9.7倍的加速。本研究通过对两个典型的由欧拉方程控制的可压缩流动问题的模拟,展示了该方法的有效性。研究背景聚焦于高性能计算与流体力学模拟的结合,旨在提高复杂流动问题求解的效率。主要方法包括利用Regent语言的高级抽象能力实现AMR的动态管理,以及通过任务融合和GPU加速优化计算性能。关键发现表明,任务融合和GPU内核生成显著提升了计算效率,尤其是在处理大规模模拟时表现突出。结论指出,该方法不仅在性能上取得了显著改进,还为未来的高性能计算框架提供了可扩展的解决方案,具有重要的应用潜力。

📄 中文摘要:
增强现实(AR)系统通过实时指导提升任务表现,但也可能引发认知隧道效应,即过度关注虚拟内容,从而在安全关键场景中损害情境意识(SA)。本文研究了AR引导下的心肺复苏(CPR)任务中的情境意识问题,CPR操作者需要在有效按压和对不可预测危险(如患者呕吐)的警觉之间取得平衡。研究团队开发了一款基于Magic Leap 2的AR应用,该应用能够实时覆盖CPR反馈信息(如按压深度和速率),并通过模拟突发事件(如出血)进行用户研究以评估情境意识。情境意识数据通过观察和冻结探查事件期间的问卷调查收集。眼动追踪分析显示,较高的情境意识水平与更大的眼跳幅度和速度相关,同时与对虚拟内容的注视比例和频率的减少相关。为了预测情境意识,研究提出了一种名为FixGraphPool的图神经网络模型,该模型将注视事件(注视和眼跳)构建为时空图,有效捕捉动态注意力模式。该模型实现了83.0%的准确率(F1分数为81.0%),通过利用领域知识和眼动追踪数据中的时空信息,优于基于特征的机器学习和最先进的时间序列模型。研究结果表明,眼动追踪在AR情境意识建模中具有潜力,并强调其在设计确保用户安全和情境意识的AR系统中的实用性。本研究为AR系统在安全关键任务中的应用提供了重要见解,有助于减少认知隧道效应并提升用户在复杂环境中的表现。

📄 中文摘要:
随着数据规模的不断增长,在线分析处理(OLAP)查询需要在多TB级别的数据集上运行,这通常依赖于昂贵的分布式计算系统。为了降低成本并提高吞吐量,系统可以利用GPU等加速器,这些加速器在当前计算基础设施中已无处不在。然而,这引入了许多挑战,主要集中在数据在系统中的移动时机、位置和方式上。本文提出了Theseus,一个生产就绪的企业级分布式加速器原生查询引擎,旨在在基于加速器的系统环境中平衡数据移动、内存利用和计算效率。Theseus通过专门的异步控制机制与硬件资源紧密耦合,用于网络通信、数据预加载、跨内存和存储的数据溢出以及GPU计算任务。其内存子系统包含固定大小的页面锁定主机内存分配机制,以提高吞吐量并减少内存碎片。在云基础设施上,针对TPC-H基准测试(规模因子从1k到30k),Theseus在成本相当的情况下,性能比Databricks Photon高出高达4倍。此外,Theseus能够在仅使用2个DGX A100 640GB节点的情况下,处理TPC-H和TPC-DS基准测试的所有查询,规模因子达到100k(即100TB规模)。研究表明,Theseus在分布式查询处理中实现了显著的性能提升,为大规模数据分析提供了高效且经济的解决方案。其设计理念和实现方式为未来的加速器原生系统提供了重要的参考价值。

📄 中文摘要:
本研究聚焦于人类在创造性活动中依赖的潜在结构模式——模式(schema),这些模式在写作、软件设计或音乐创作等活动中帮助组织思想并指导探索。然而,在复杂或陌生领域中,模式的发现和应用往往具有挑战性。本研究提出了一种人机模式发现与应用的框架,旨在支持创造性问题解决。研究设计了支持用户通过示例进行意义构建以抽象出模式的系统,并将模式转化为人机协同创造的工作流程以实现应用。具体而言,该框架通过感悟示例帮助用户提炼出潜在的结构模式,并通过人机协作的方式将这些模式应用于实际问题解决过程中。研究结果表明,基于模式的交互方式能够使隐性知识更加易于获取和操作,从而推动更透明、更具协作性的人机系统的开发。此外,本研究还探讨了模式引导交互如何在不同领域中提升创造性输出的可能性,为人机协作的未来发展提供了重要的理论和实践启示。关键发现包括:模式发现系统能够有效帮助用户识别复杂领域中的潜在规律,而模式应用系统则显著提升了用户在创造性任务中的表现。总之,本研究不仅为创造性问题解决提供了新的技术支持,也为构建更智能、更人性化的人机交互系统奠定了基础。

📄 中文摘要:
本文提出了一种基于对话的查询增强框架——数据感知苏格拉底式指导(DASG),该框架将交互式澄清作为数据库系统中的一级操作符,以解决自然语言查询中的歧义问题。DASG 将对话视为一种优化决策,仅在预期执行成本降低超过交互开销时才提出澄清问题。系统通过语言模糊性、模式 grounding 置信度以及关系型和向量后端的预测成本来量化歧义程度。其算法结合语义相关性、基于目录的信息增益以及潜在成本降低来选择最优澄清策略。作者在三个数据集上对所提出的框架进行了评估,结果表明 DASG 在保持效率的同时显著提高了查询精度,确立了一种协作分析范式,即系统不再被动翻译用户请求,而是积极参与查询制定过程。这一框架通过将用户与数据库系统之间的交互优化为一个动态决策过程,减少了因自然语言查询模糊性导致的误解和执行错误。研究的关键发现包括:DASG 能够在多种查询场景下有效降低执行成本,同时通过智能澄清问题提升用户体验。结论指出,DASG 代表了数据库查询处理的一种新方向,未来可进一步扩展到更复杂的多模态查询环境中,为人机交互和数据分析提供更智能的支持。

📄 中文摘要:
本文提出了一种对基于物理的表面三角化方法——气泡网格法的改进。气泡网格法通过模拟物理气泡自动生成网格顶点,从而形成高质量的Delaunay三角形。尽管该方法在局部网格尺寸控制和局部重网格化方面具有灵活性,但其在复杂表面上的高计算成本和慢收敛速度限制了其应用。本文通过引入共形映射技术,将表面展平到平面上,简化了表面气泡填充的过程,从而避免了直接在表面上移动气泡的操作。表面三角化从平面网格中诱导生成,进一步优化了气泡数量控制,并将其与松弛过程分离,从而显著加速了收敛速度,计算时间减少了超过70%。改进后的方法能够高效地对盘拓扑表面进行三角化,支持局部尺寸控制、曲率自适应以及离散表面的重网格化。这种方法在保持高质量三角化结果的同时,大幅提升了计算效率,为复杂表面的网格生成提供了更实用的解决方案。研究结果表明,该方法在计算机图形学和相关领域中具有重要的应用潜力,尤其是在需要高效处理复杂几何形状的场景中。作者通过实验验证了方法的有效性,并展示了其在多种表面类型上的优越性能。总之,本文提出的改进方法为基于物理的表面三角化技术的发展提供了重要贡献,为未来的研究和应用奠定了基础。

📄 中文摘要:
音频驱动的肖像动画旨在从输入音频信号和单一参考图像中合成逼真自然的说话头部视频。现有方法通过利用高维中间表示和显式建模运动动态实现了高质量的结果,但其计算复杂性使其不适用于实时部署。实时推理对延迟和内存提出了严格限制,通常需要使用高度压缩的潜在表示。然而,在如此紧凑的空间中操作会阻碍对细粒度时空细节的保留,从而使音频-视觉同步变得复杂。本文提出了RAP(实时音频驱动肖像动画),这是一个统一的框架,旨在在实时约束下生成高质量的说话肖像。具体而言,RAP引入了一种混合注意力机制,用于细粒度的音频控制,并采用了一种静态-动态的训练-推理范式,避免了显式的运动监督。通过这些技术,RAP实现了精确的音频驱动控制,缓解了长期时间漂移,并保持了高视觉保真度。大量实验表明,RAP在实时约束下实现了最先进的性能。研究背景在于解决现有音频驱动肖像动画方法在实时应用中的局限性,特别是在计算复杂性和细节保留方面的挑战。RAP的关键创新在于其混合注意力机制和训练-推理范式的设计,使其能够在压缩潜在空间中有效工作,同时保持高质量的输出。实验结果验证了RAP在视觉质量和实时性能上的优越性,为实时音频驱动肖像动画提供了一种高效的解决方案。结论表明,RAP不仅在技术上实现了突破,还为未来的实时应用奠定了基础。

📄 中文摘要:
本文提出了一种联合框架,将可重构智能表面(RIS)与太赫兹(THz)通信以及非正交多址接入(NOMA)技术相结合,以提升智能工业通信的性能。该框架充分利用了RIS和THz频段的优势,显著提高了频谱效率、覆盖范围和可靠性,这些是未来6G网络及工业自动化实时通信的关键需求。研究中探讨了两种功率分配策略:第一种策略优化了近端和远端工业节点之间的功率分配;第二种策略则优先考虑网络需求,进一步提升系统性能。通过性能评估,作者将提出的方案与固定功率分配方案在总速率和中断概率方面进行了比较。结果表明,在30 dBm的条件下,提出的方案相较于固定功率分配方案实现了高达23%的总速率增益。仿真结果验证了理论分析的准确性,充分展示了RIS辅助的NOMA MIMO框架在太赫兹支持的工业通信中的有效性和鲁棒性。该研究为6G及未来工业网络的发展提供了重要的技术支持,特别是在需要高可靠性、低延迟的工业自动化场景中具有广阔的应用前景。作者通过理论与仿真相结合的方式,系统性地分析了该框架在实际工业环境中的潜力,为下一代通信技术在工业领域的应用奠定了基础。

📄 中文摘要:
本研究开发了一种基于ResNet的人类活动识别(HAR)模型,旨在以最小的开销检测步态与非步态活动以及日常活动(包括行走、跑步、上下楼梯、站立、坐下、躺下、坐到站的转换)。该模型使用来自健康对照组(HC)和多发性硬化症患者(PwMS,扩展残疾状态量表EDSS评分在0.0-6.5之间)的智能手机传感器数据进行训练和评估。数据集包括GaitLab研究(ISRCTN15993728)、罗氏内部数据集以及公开数据源(仅用于训练)。评估数据涵盖34名健康对照者和68名多发性硬化症患者(平均EDSS评分4.7,标准差1.5)。研究结果表明,该HAR模型在GaitLab和罗氏数据集中分别实现了98.4%和99.6%的步态与非步态活动检测准确率,与最先进的ResNet模型(99.3%和99.4%)相当。在日常活动识别方面,提出的模型不仅在罗氏内部数据集中表现出比最先进模型更高的准确率(96.2%对91.9%),而且在9种智能手机佩戴位置(手提包、购物袋、斜挎包、背包、连帽衫口袋、外套口袋、手持、颈部、腰带)上均保持了高性能,准确率比最先进模型高出2.8%至9.0%。总之,本研究提出的HAR模型能够准确检测日常活动,并对不同智能手机佩戴位置表现出很高的鲁棒性,证明了其在实际应用中的潜力。这一成果对于临床试验中基于智能手机的活动监测具有重要意义,尤其是在多发性硬化症等慢性疾病的评估和管理中。

📄 中文摘要:
在线广告系统通常采用级联架构来处理海量的请求和候选广告,其中排名阶段基于eCPM(预测点击率×竞价)分配流量。随着自动竞价策略的普及,计算敏感的检索阶段与排名阶段之间的不一致性日益显著,因为检索阶段无法获取庞大广告库的精确实时竞价信息。这种不一致性导致平台收入和广告主效果的次优结果。为解决这一问题,本文提出了竞价感知检索(BAR),一种基于模型的检索框架,通过将广告竞价价值纳入检索评分函数来解决多阶段不一致性问题。其核心创新在于竞价感知建模,通过单调性约束学习和多任务蒸馏整合竞价信号,确保经济上的一致性表示;同时,异步近线推理实现了嵌入的实时更新,以响应市场变化。此外,任务注意力精炼模块选择性地增强特征交互,解耦用户兴趣和商业价值信号。广泛的离线实验以及在阿里巴巴展示广告平台上的全面部署验证了BAR的有效性:平台收入提升了4.32%,正面运营广告的曝光量增加了22.2%。研究表明,BAR在提升在线广告系统效率和收益方面具有显著潜力,为解决多阶段一致性问题提供了新的思路和实践基础。

📄 中文摘要:
本文提出了一种全频段多声道神经音频编解码器SpectroStream,作为广受认可的SoundStream的继任者。SpectroStream扩展了其前身仅限于24 kHz单声道音频的能力,实现了在4至16 kbps比特率下对48 kHz立体声音乐的高质量重建。这一成果得益于一种新的神经网络架构,该架构利用时频域中的音频表示,显著提升了特别是在高采样率下的音频质量。此外,模型采用了延迟融合策略来处理多声道音频,这一策略在平衡各声道音质和跨声道相位一致性方面至关重要。研究背景源于对更高音频质量和更低比特率压缩的需求,尤其是在音乐和多声道音频应用中。通过对时频域表示的创新运用,SpectroStream在音频压缩和重建方面取得了显著进步。关键发现包括:在高采样率下,基于时频域的表示方法能够更有效地捕捉音频细节,从而提升重建质量;延迟融合策略在多声道处理中能够有效维持相位一致性,避免声道间干扰。实验结果表明,SpectroStream在48 kHz立体声音乐的重建中,相比现有方法在主观和客观指标上均有显著提升。结论指出,SpectroStream为音频编解码领域提供了一种高效且通用的解决方案,适用于多种音频应用场景,并为未来的音频压缩技术发展奠定了基础。

📄 中文摘要:
在高密度环境中,大量自主智能体以分布式方式同时移动,优化全局流量以缓解局部拥塞对于维持整体导航效率至关重要。本文提出了一种新的路径规划问题——拥塞缓解路径规划(CMPP),该方法将拥塞直接嵌入成本函数中,通过智能体路径上进入边的使用情况来定义。CMPP为稀疏图的每个顶点分配基于流量的乘法惩罚,该惩罚在经常穿越的路径交叉处急剧增加,捕捉到拥塞在多智能体从不同方向进入同一区域时加剧的直觉。通过最小化总成本,生成一组粗粒度、时间无关的路线,自主智能体可遵循这些路线并应用自身的局部碰撞避免策略。本文对该问题进行了形式化定义,并开发了两种求解器:(i)用于小规模实例的精确混合整数非线性规划求解器;(ii)一种可扩展的两层搜索算法A-CMTS,适用于大规模实例,能够快速找到次优解并迭代优化至接近最优解。实证研究表明,将CMPP与最先进的碰撞避免规划器结合使用,可以显著减少局部拥塞并提升系统吞吐量,适用于离散和连续空间场景。这些结果表明,CMPP在物流和自主车辆操作等现实应用中显著提升了多智能体系统的性能,为解决密集环境中的导航挑战提供了有效的解决方案。

📄 中文摘要:
本研究聚焦于移动网络运营商防火墙未能拦截的短信诈骗问题,探讨了成功绕过检测并到达用户的非法短信内容。研究团队与一家主要移动网络运营商合作,收集了为期四个月内用户提交的135万份报告。分析显示,89.16%的用户报告涉及短信,其次是可疑电话和URL链接的报告。通过研究团队开发的方法框架,发现用户报告的独特短信中,35.12%为垃圾短信,而40.27%为诈骗短信。本文首次对用户提交的短信报告进行深入研究,并区分了垃圾短信与诈骗短信的特征。研究将诈骗短信进一步分类为12种类型,其中最常见的是“错号”诈骗。此外,研究还探讨了诈骗者滥用的基础设施服务,包括移动网络运营商和托管基础设施,并分析了诈骗短信的文本内容,以揭示诈骗者如何诱导受害者提供个人或财务信息。研究发现,诈骗者通过精心设计的语言和伪装策略,成功绕过防火墙并获取用户信任。结论指出,当前的防火墙技术需进一步改进,同时用户教育和更智能的检测机制对于减少短信诈骗至关重要。本研究为网络安全领域提供了宝贵的数据和见解,有助于开发更有效的反诈骗技术。

📄 中文摘要:
本研究通过综合的混合方法探讨了孟加拉国用户对算法决策公平性的感知。研究结合了定量问卷调查数据和定性访谈洞察,分析了文化、社会和情境因素如何影响用户对人工智能系统中公平性、透明度和问责制的理解。研究发现,用户对人工监督、解释机制和可争议性表现出细微的态度差异,强调了文化意识设计原则对于构建公平和可信算法系统的重要性。研究结果显示,孟加拉国用户对算法公平性的看法受到当地文化背景的深刻影响,例如对技术信任的程度和对隐私的关注与西方用户存在显著差异。此外,研究还揭示了用户对算法决策透明度的需求,以及对能够挑战算法结果的机制的期待。这些发现为算法公平性的持续讨论提供了重要贡献,特别是在非西方语境下的视角,拓宽了全球范围内关于伦理人工智能部署的对话。研究强调,算法系统的设计和实施必须考虑文化多样性,以避免偏见并增强用户信任。最终,本文提出了一种方法框架和问卷工具,可用于进一步研究其他地区的算法公平性感知,为构建更具包容性的AI技术提供了理论和实践指导。

📄 中文摘要:
本文研究了夹持天线系统(PASS)辅助的多址信道中总容量的基本极限。夹持天线系统通过动态调整介电波导上夹持天线的位置,能够灵活地重构无线信道,这种技术被称为夹持波束成形。研究背景聚焦于多用户在平均功率约束下向基站传输独立消息的场景。为此,本文考虑了一种动态夹持波束成形设置,即在一个传输周期内采用多个夹持波束成形向量,并结合实现容量的非正交多址(NOMA)传输方案。在理想情况下,当夹持波束成形向量的数量趋于无穷大时,研究揭示最优传输方案是用户之间交替传输,每个用户的信道功率增益通过动态夹持波束成形最大化,这意味着无需采用基于NOMA的传输方案。相应的总速率以闭式表达式推导得出,作为总容量的上限。受此启发,本文进一步得出了在任意有限数量夹持波束成形向量下的总速率下限。数值结果验证了理论发现,并展示了使用动态夹持波束成形提升总容量的实际意义。研究表明,夹持天线系统在多址信道中的应用具有显著潜力,能够有效提高通信系统的性能,为未来无线通信技术的发展提供了重要参考。

📄 中文摘要:
交互式模仿学习中,人类教学成本是一个显著的瓶颈,限制了其广泛应用。为减少所需查询次数,现有方法采用主动学习,仅在不确定、风险高或新颖的情况下向人类教师查询。然而,在这些查询中,初学者的计划行动未被充分利用,尽管这些行动包含了关于初学者能力及其不确定性水平的重要信息。为此,本研究提出了一种新框架——主动技能级别数据聚合(ASkDAgger),允许初学者表达“我计划这样做,但我不太确定”,并通过三种关键方式利用教师对初学者计划的反馈:(1)敏感性感知门控(S-Aware Gating, SAG):调整门控阈值以追踪敏感性、特异性或最低成功率;(2)前瞻性交互经验回放(Foresight Interactive Experience Replay, FIER):将有效且重新标记的初学者行动计划转化为示范;(3)优先级交互经验回放(Prioritized Interactive Experience Replay, PIER):基于不确定性、初学者成功率和示范年龄对回放进行优先级排序。这些组件共同平衡了查询频率与失败发生率,减少了所需的示范标注数量,提升了泛化能力,并加速了对变化领域的适应性。本研究通过语言条件下的操作任务,在模拟和现实世界环境中验证了ASkDAgger的有效性。相关代码、数据和视频已公开,展示了该框架在交互式模仿学习中的潜力与应用价值。ASkDAgger为减少人类教师负担、提高学习效率提供了一种创新解决方案,对未来的交互式学习系统设计具有重要参考意义。

📄 中文摘要:
本文提出了一种名为最优语料感知训练(Optimal Corpus Aware Training, OCAT)的方法,用于提升神经机器翻译(Neural Machine Translation, NMT)模型的性能。研究背景源于语料感知训练(Corpus Aware Training, CAT),即通过在训练过程中将语料元数据注入到每个训练样本中,使模型能够直接从数据中学习语料的质量、领域和细微差别,并能在推理时灵活切换行为。然而,传统的CAT方法需要在训练前预定义高质量数据组,这一过程可能存在错误且效率低下。OCAT通过对预训练的CAT模型进行微调,冻结大部分模型参数,仅调整与语料相关的小部分参数,从而实现轻量化训练并有效避免过拟合问题。研究在WMT23英语到中文和英语到德语翻译任务上进行了测试,结果显示OCAT相较于常规训练分别提升了+3.6和+1.8的chrF分数。此外,OCAT的性能与当前其他最先进的微调技术相当或略优,同时对超参数设置的敏感性较低。作者通过实验验证了OCAT在提高模型准确性方面的有效性,并展示了其在实际应用中的潜力。结论表明,OCAT为神经机器翻译提供了一种高效且鲁棒的训练策略,有望在多语料场景下进一步推广应用。

📄 中文摘要:
本文研究了在个性化任务中解决顺序决策问题的匪徒算法。传统的匪徒算法在探索预算充足的情况下能够有效解决多样化的顺序决策问题,但对于单个个体仅面临少量决策点的场景,从头开始学习往往成本过高。潜在匪徒(Latent Bandits)通过假设潜在状态与动作奖励的联合分布已知且准确,显著减少了探索时间。然而,在实际应用中,找到这样的模型并非易事,且可能不存在少量潜在状态能够解释所有个体的响应。例如,具有相似潜在病情的患者可能对治疗方案有相同的偏好,但对症状的评分尺度可能不同。针对这一问题,本文提出放宽潜在匪徒的假设,仅要求对每个潜在状态下动作的偏好顺序建模,而允许具有相同潜在状态的问题实例在奖励分布上有所不同,只要偏好顺序一致即可。作者提出了一种后验采样算法来解决这一问题,并通过实验验证了该算法的性能。当奖励分布模型准确时,该算法与完全了解奖励分布的潜在匪徒算法表现相当;当具有相同潜在状态的实例在奖励尺度上存在差异时,该算法的表现优于传统方法。研究结果表明,放宽奖励分布假设的潜在偏好匪徒算法在个性化决策任务中具有重要的应用价值,为处理个体差异提供了新的思路。

📄 中文摘要:
本文提出了一种新的多重潜在权衡模型(Multiplex Latent Trade-off Model, MLT),用于分析多重社交网络中的角色结构。多重社交网络捕捉了同一群体中多种类型的社交关系,每一层代表一种独特的关系类型。研究背景聚焦于理解社交交换如何受到个体属性和行为(独立性)、他人地位或资源(依赖性)以及实体间相互影响(相互依赖性)的驱动。MLT模型通过定义角色为权衡,要求每个节点在不同层间分配其源角色和目标角色,同时在层次化、多尺度的结构内分配社区成员身份,从而捕捉独立性、依赖性和相互依赖性。本研究将MLT方法应用于洪都拉斯西部村庄的176个真实多重网络,这些网络包括社交、健康和经济层。结果显示,核心社交交换原则得以显现,同时揭示了局部、层特定和多尺度的社区结构。链接预测分析表明,建模相互依赖性在社交层中带来了最大的性能提升,而在健康和经济层中的影响较为微妙。这表明社交联系在结构上具有嵌入性,而健康和经济联系主要受个体地位和行为参与的影响。研究结论为人类社交系统的结构提供了新的见解,强调了多重网络中角色和权衡的复杂动态。

📄 中文摘要:
随着处理器性能的不断提升,日益增加的功率密度和复杂的热行为对能源效率和系统可靠性构成了威胁。本文综述了过去二十多年中关于现代处理器功率与热建模及管理的研究。首先,文章比较了用于功率估计的分析方法、基于回归的方法以及基于神经网络的技术,探讨了各自的优缺点。随后,回顾了热建模方法,包括有限元法、有限差分法以及数据驱动方法,分析了这些方法在模拟处理器热行为中的应用和局限性。接着,文章对动态运行时管理策略进行了分类,这些策略旨在平衡性能、功耗和可靠性,涵盖了从硬件到软件层面的多种优化技术。最后,文章总结了当前面临的挑战,如随着工艺制程缩小带来的热管理难度增加,以及多核处理器和异构系统带来的新问题,并指出了未来研究的方向,包括结合机器学习进行预测性热管理、探索新型冷却技术以及跨层协同优化等。本综述为研究人员提供了全面的视角,帮助理解功率与热管理领域的技术演进,并为解决未来挑战提供了启示。

📄 中文摘要:
随着自动驾驶车辆(AVs)逐渐融入混合交通环境,评估其与人类驾驶车辆(HDVs)的交互变得至关重要。当前大多数研究在开发新的AV控制算法(控制器)时,仅基于碰撞避免或车道保持效率等性能指标进行评估,而忽视了与HDVs交互中的以人为中心的维度。本文提出了一种结构化的评估框架,通过引入基于人机交互文献的指标来填补这一空白。该框架涵盖四个关键领域:a)交互效果,b)交互感知,c)交互努力,d)交互能力。这些领域不仅捕捉AV的性能,还包括其对周围人类驾驶员的影响。为了展示该框架的实用性,作者通过一个案例研究,在驾驶模拟器中评估了一种先进的AV控制器在合并场景中与人类驾驶员的交互。以HDV-HDV交互作为基线,本研究为每个领域选取了一个代表性指标:a)感知安全性,b)主观评分(参与者对其他车辆驾驶行为的感知,如侵略性或可预测性),c)驾驶员工作负荷,d)合并成功率。结果表明,在AV控制器评估中纳入覆盖所有四个领域的指标,可以揭示与AV交互时驾驶员体验的关键差异。这凸显了更全面评估方法的必要性。该框架为研究人员、开发者和政策制定者提供了一种系统化的方法,不仅评估AV的技术性能,还从人类视角促进开发功能强大、易于理解、可接受且安全的AV。

📄 中文摘要:
本文研究了手性信息(即区分左右的信息)在计算机视觉中三维形状分析中的应用。尽管手性在图像领域已被广泛研究,但在点云和网格等形状分析领域仍未得到充分探索。当前的形状顶点描述符虽然具有鲁棒性(如对刚体变换的抗性),但往往无法区分左右对称部分。鉴于手性信息在形状分析问题中的普遍性以及现有形状描述符缺乏手性感知特性,开发手性特征提取器显得必要且迫切。本文基于最近的Diff3F框架,提出了一种无监督的手性特征提取流程,利用二维基础模型提取手性感知信息,并将其应用于形状顶点。通过在多个数据集上进行定量和定性实验,评估了提取的手性特征的有效性。实验结果表明,这些特征在下游任务(如左右解耦、形状匹配和部件分割)中表现出色,展现了其实用价值。本研究填补了三维形状分析中手性特征提取的空白,为相关领域提供了新的工具和视角。作者还提供了项目页面以供进一步了解和验证研究成果。

📄 中文摘要:
随着下一代测序(NGS)技术的快速发展,研究项目通常会产生数TB的数据,研究人员常从公共存储库如SRA或ENA下载这些数据。然而,现有的下载工具多采用静态并发设置,无法适应动态网络条件,导致带宽利用率低下和下载时间延长。本研究提出了一种名为FastBioDL的并行文件下载器,专门针对大型生物数据集设计,具备自适应并发控制器。FastBioDL将下载过程建模为在线优化问题,通过效用函数和梯度下降算法实时动态调整并发套接字流的数量,从而在最大化下载吞吐量的同时最小化资源开销。对公共基因组数据集的全面评估表明,FastBioDL的下载速度比现有最先进的工具快高达4倍。此外,在高速网络实验中,其自适应设计比现有工具快达2.1倍。FastBioDL通过在客户端智能优化标准HTTP或FTP下载,为大规模基因组数据获取提供了一种健壮且高效的解决方案,使研究人员无需依赖专门的商业软件或协议即可实现高性能数据检索。这一工具的开发有助于推动生物信息学领域的数据获取民主化,为研究人员提供了重要的技术支持。研究结果表明,FastBioDL在处理大型生物数据集时具有显著的优势,其自适应并发控制机制为网络条件波动下的高效下载提供了新的思路。结论指出,FastBioDL不仅提升了下载效率,还为未来生物大数据处理工具的设计提供了参考。

📄 中文摘要:
本研究深入分析了联邦储备系统(美联储)在COVID-19大流行期间的沟通策略,并将其与以往经济压力时期的沟通方式进行比较。研究采用了专门针对COVID-19、非常规货币政策(UMP)和金融稳定性的定制词典,结合情感分析和主题建模技术,识别出美联储在疫情期间的沟通重点主要集中在金融稳定、市场波动、社会福利和非常规货币政策上,并表现出显著的背景不确定性。通过比较分析,研究将美联储在COVID-19危机期间的沟通与在互联网泡沫和全球金融危机期间的响应进行对比,考察了内容、情感和时间维度。研究发现,美联储在COVID-19危机中的沟通和政策行动比以往危机更为反应性。此外,利率公告和会议纪要中与金融稳定相关的情感下降预示了随后的宽松货币政策决策。研究还记录了自全球金融危机以来,关于非常规货币政策的沟通已成为美联储联邦公开市场委员会会议纪要和主席演讲的“新常态”,反映了在经济困境时期沟通策略的制度性适应。这些发现有助于我们理解中央银行在危机期间的沟通如何演变,以及沟通策略如何适应特殊经济环境。本研究不仅揭示了美联储在面对前所未有的公共卫生和经济双重危机时的沟通模式转变,还为未来危机管理中的中央银行沟通策略提供了重要参考。

📄 中文摘要:
随着无线感知技术的发展,射频(RF)信号在感知领域的应用日益受到关注。然而,无线电环境往往不可预测且不利于感知,传统的射频感知方法常因传输信道的不利条件(如衰落和噪声)而影响感知精度。本文提出了一种基于分布式可重构智能超表面天线(RIMSA)的感知方法,用于检测目标物体的存在及其位置。通过在不同位置部署多个RIMSA接收器(RIMSA Rxs),并对其波束成形模式进行编程优化,可以显著提升接收信号的质量。本研究将射频感知问题建模为波束成形模式优化与接收信号到感知结果映射的联合优化问题。为解决这一挑战,作者引入了深度强化学习(DRL)算法,用于计算最优的波束成形模式,并设计了一个神经网络将接收信号转换为感知结果。此外,针对潜在的恶意干扰攻击(如干扰攻击)可能对感知过程造成的影响,本文提出了一种综合损失函数,考虑了接收信号的信干噪比(SINR),以在干扰环境下实现有效的感知。仿真结果表明,与集中式实现相比,提出的分布式RIMSA系统能够实现更高效的感知性能,并更好地克服环境影响。即使在干扰攻击下,该方法仍能保持高精度的感知性能。这一研究为复杂无线电环境下的感知技术提供了新的解决方案,具有重要的应用潜力。

📄 中文摘要:
本文提出了一种全新的分形频率映射方法,以简洁的形式重现了复杂的神经元效应。传统的滤波器通常根据滤波器权重抑制或放大输入频谱成分,而本文提出的变换通过对输入频谱进行分形重组,激发新的频率成分,在共振频率处形成尖峰,这些频率对于采样而言是最佳的。这种方法实现了高灵敏度检测、对噪声的鲁棒性以及噪声诱导的信号放大。研究表明,神经元功能可以被视为对非线性变换频率域上的频谱进行线性求和的过程。作者通过该模型展示了如何利用分形变换来模拟复杂的神经元行为,包括突发活动、噪声整形、波形敏感性以及噪声诱导的亚阈值尖峰等现象。研究背景在于探索神经元如何在噪声环境中实现高效的信息处理,而主要方法是通过数学建模和频谱分析来构建分形频率映射。关键发现包括分形变换能够在噪声环境下增强信号检测能力,并揭示了神经元对特定频率的共振响应机制。结论指出,这种方法不仅为理解神经元的信息处理机制提供了新的视角,也为设计更高效的神经计算模型奠定了基础。未来,该研究可能进一步应用于神经网络设计和信号处理领域,为解决噪声环境下的信息传输问题提供理论支持。

📄 中文摘要:
双聚类(也称为协同聚类或双向聚类)是一种同时对数据矩阵的行和列进行分区以揭示具有一致模式的子矩阵的方法。近年来,将背景知识融入聚类以提升解决方案质量和可解释性的研究在数学优化和机器学习领域引起了越来越多的关注。本文将这一范式扩展到双聚类中,利用先验信息指导行和列的联合分组,研究了带有成对约束的双聚类问题,即必须链接(must-link)和不能链接(cannot-link)约束,这些约束指定了对象是否应属于相同或不同的双聚类。作为模型问题,本文针对k-最密不相交双团问题的约束版本,旨在在加权完全二分图中识别k个不相交的完全二分子图(称为双团),在满足成对约束的同时最大化总密度。为此,提出了精确算法和启发式算法。精确方法是一种基于低维半定规划(SDP)松弛的定制分支切割算法,通过有效不等式加强,并在切割平面方式下求解。利用整数规划工具,在每个节点处通过舍入方案将SDP解转换为可行的双聚类结果。对于大规模实例,提出了一种基于SDP低秩分解的高效启发式方法。由此产生的非线性优化问题通过增广拉格朗日方法求解,其中子问题通过块坐标投影梯度算法进行分解求解。在合成和现实世界数据集上的广泛实验表明,精确方法显著优于通用求解器,而启发式方法在大规模实例上能够高效地获得高质量的解决方案。研究结果为约束双聚类问题提供了有效的计算工具,具有重要的理论和应用价值。

📄 中文摘要:
尽管针对四旋翼飞行器的滑动模式控制(SMC)设计已有广泛研究,但现有方法仍存在一定局限性。基于欧拉角的SMC方法在高俯仰或滚转机动中表现不佳;基于四元数的SMC方法存在解缠绕问题和复杂架构;无坐标方法响应较慢且仅几乎全局稳定。本文提出了一种新的六自由度SMC飞行控制器以解决上述问题。该控制器采用级联架构,外环为位置控制器,内环为基于四元数的姿态控制器。位置控制器采用无坐标方法为姿态控制器生成期望轨迹,而基于四元数的姿态控制器利用四元数超球面的自然特性,结构简单,同时提供全局稳定性和避免解缠绕问题。本研究将所提出的控制器与其他三种常见控制方法进行了比较,测试包括翻滚和高速度轨迹跟踪等挑战性机动,并考虑了模型不确定性和外部干扰。结果表明,本文提出的控制器在控制努力和执行器饱和度方面均优于基准方法,表现出更高效和有效的飞行控制能力。通过实验验证,该方法在复杂飞行任务中展现了卓越的鲁棒性和性能,为四旋翼飞行器的控制提供了新的解决方案。研究结论表明,该控制器在实际应用中具有显著的潜力,尤其是在需要高精度和高动态响应的场景中。

📄 中文摘要:
本文提出了一种基于几何深度学习的创新算法,用于自动进行三维异构计算域的网格聚合,以降低数值模拟的计算成本,并为多级代数求解器奠定基础。该算法通过图神经网络(GNN)构建一个二分模型,对计算网格的连接图进行分区,同时利用网格的几何信息(如元素体积、中心坐标)和物理信息(如物理参数),确保聚合后网格的质量。相比传统的k-means算法和METIS算法(仅处理网格连接信息),本文方法在在线推理速度、网格质量指标和运行时间上均表现出色。此外,该算法能够处理由异构介质组成的复杂域,并自动适应其异构特性。研究还展示了该方法在复杂几何形状(如从医学图像重建的三维几何)上的良好泛化能力。最后,通过将其集成到多面体间断Galerkin有限元求解器中,评估了该模型在异构域中执行网格聚合的能力。实验结果表明,该方法在保持网格质量的同时显著提高了计算效率,为三维异构域的数值模拟提供了有效的解决方案。作者通过与现有方法的对比,验证了该算法在性能和应用范围上的优势,并讨论了其在实际工程和科学计算中的潜在应用价值。

📄 中文摘要:
智能合约中的安全漏洞和陷阱自以太坊诞生以来一直困扰着社区。从概念上讲,以太坊上约145万个智能合约构成了一个巨大的‘巨型程序’,其行为由合约之间的复杂组合决定。程序员能否确信这个巨型程序符合高层次的安全规范,尽管存在不可预见的代码级复杂性?由于其规模和高多态性,静态代码验证无法忠实于这个巨型程序。本文提出了一种可行的方法来实现这一目标,称为定理承载交易(Theorem-Carrying Transactions, TCT)。TCT技术结合了具体执行和符号证明的优点。在TCT协议下,每笔交易都携带一个定理,证明其遵守被调用合约中指定的属性,运行时系统在执行交易前检查该定理。一旦定理被证明,它将被未来交易重复使用,因此TCT的运行时开销极小。作为案例研究,我们展示了TCT如何在不预见代码级复杂性的情况下保护代币合约,例如整数溢出和重入攻击。TCT还成功应用于Uniswap代码库,展示了一个复杂的去中心化金融(DeFi)场景。我们的评估显示,TCT的运行时开销可以忽略不计,比最先进的合约代码安全运行时检查方法低两个数量级。研究表明,TCT为智能合约安全提供了一种高效且创新的解决方案,可能显著提升以太坊生态系统的安全性。

📄 中文摘要:
随着沉浸式显示技术的快速发展,感知图形方法(如注视点渲染和去噪)被广泛用于高效利用资源。然而,在有限功率和计算资源的设备上同时运行多个感知图形方法是一大挑战。本研究提出了一种计算轻量级的学习型多任务感知图形模型。该模型以RGB图像和文本提示为输入,能够在单次推理步骤中完成文本描述的感知任务。相比于简单串联多个模型或训练专用模型可能导致的模型管理问题和计算资源耗尽,我们的方法通过灵活的文本引导实现了高质量的感知效果,并以合理的计算成本支持多种排列组合和不同强度的效果调整(例如通过文本提示中的形容词如‘轻微地’、‘稍微地’)。文本引导为动态需求(如创意过程)提供了易用性。为了训练模型,我们构建了一个包含源图像、感知增强图像及对应文本提示的数据集。我们在桌面和嵌入式平台上对模型进行了评估,并通过用户研究验证了感知质量。研究结果表明,该模型在保持高质量感知效果的同时显著降低了计算需求,为沉浸式显示设备中的多任务处理提供了有效的解决方案。关键发现包括模型在不同平台上的高效性和用户对感知效果的正面反馈。结论指出,该方法在资源受限环境下具有广泛的应用潜力,并为未来的感知图形技术发展奠定了基础。

📄 中文摘要:
本文研究了由Moshkovitz、Dasgupta、Rashtchian和Frost在ICML 2020上首次提出的可解释聚类问题。可解释聚类的目标是构建一个具有K个叶节点的轴对齐决策树,并使聚类成本最小化,其中每个叶节点代表一个聚类簇。该研究领域的核心理论问题是‘可解释性的代价’,定义为决策树聚类成本与最优成本之间的比率。已有大量文献对这一指标的最坏情况保证进行了研究。对于K-medians问题,近期研究表明最坏情况下的可解释性代价为Θ(log K)。尽管这一结果从数据无关的角度解决了问题,但两个重要问题仍未得到解答:对于结构良好的聚类数据,是否可能获得更紧的保证?以及我们是否可以信任决策树来恢复潜在的聚类结构?本文将研究置于混合模型的统计框架中,以回答上述两个问题。我们证明,对于结构良好的聚类数据,确实可以获得更优的保证。我们的算法以混合模型为输入,并在与数据无关的时间内构建决策树。此外,我们将分析扩展到核聚类,推导出了新的保证,显著优于现有的最坏情况界限。通过这些结果,本文展示了在特定统计假设下,可解释聚类可以实现更高的精度和可靠性,为实际应用中的聚类解释提供了新的理论支持和实践指导。

📄 中文摘要:
本文研究了异构离散时间线性时不变(LTI)多智能体系统的输出同步问题,假设一个自主外生系统生成参考输出,目标是为通过有向图连接的智能体设计一种分布式数据驱动控制律,使其输出与参考输出同步。网络中的智能体分为两类:领导者(直接访问外生系统输出)和跟随者(仅从邻居接收信息)。所有智能体通过状态反馈实现输出同步,反馈机制利用自身状态以及通过内部状态观测器估计的外生系统状态。领导者和跟随者的观测器结构不同。研究首先在基于模型的框架下推导了解的存在性的必要和充分条件,随后扩展到数据驱动的场景。通过一个示例展示了所提出方法的实现过程和性能表现。研究背景在于多智能体系统的协调控制问题,这在机器人、无人机编队和智能交通等领域具有重要应用价值。所提出的数据驱动方法避免了对系统模型的精确依赖,仅通过输入输出数据即可实现控制设计,具有较强的实用性。关键发现包括数据驱动控制律能够在异构智能体网络中有效实现输出同步,且在有向图通信拓扑下具有鲁棒性。结论表明,该方法在理论上和实践上均具有显著优势,为多智能体系统的分布式控制提供了新的视角和工具。

📄 中文摘要:
使用神经网络(NN)求解偏微分方程(PDE)在多个科学和工程领域显示出巨大潜力。然而,现有的大多数神经网络求解器主要关注以强形式或弱形式满足给定的PDE公式,而未明确考虑一些内在的物理属性,如质量和动量守恒,或能量耗散。这种局限性可能导致非物理或不稳定的数值解,尤其是在长期模拟中。为解决这一问题,本文提出了一种名为‘Sidecar’的新颖框架,旨在增强现有神经网络求解器在求解抛物型PDE时的物理一致性。受时变谱重正化方法的启发,Sidecar框架引入了一个小型网络作为辅助引导器,指导主要的函数学习神经网络求解器遵守结构保持属性。该框架具有高度灵活性,允许将不同PDE的多种物理量的保持特性整合到广泛的神经网络求解器中。在一些基准问题上的实验结果表明,所提出的框架显著提高了现有神经网络求解器的精度和结构保持能力。这一研究为神经网络在PDE求解中的应用提供了新的视角,尤其是在需要长期稳定性和物理一致性的场景中具有重要意义。研究结论表明,Sidecar框架不仅提升了解的准确性,还在保持物理规律方面取得了显著进步,为未来的相关研究奠定了基础。

📄 中文摘要:
本研究聚焦于基于大语言模型(LLM)的多智能体系统的优化问题,特别是在需要多领域专家协作解决复杂任务的场景中。尽管LLM驱动的多智能体系统在复杂任务解决方面取得了显著进展,但其优化仍面临挑战。本文通过一个针对软件开发任务的实证案例研究,探讨了基于角色的多智能体系统在多种评估维度下的群体优化方法,提出了一种利用自然语言反馈进行优化的两步式智能体提示优化流程:首先,通过文本反馈识别表现不佳的智能体及其失败原因;其次,利用失败原因优化被识别智能体的系统提示。此外,本研究还对比了不同优化设置对系统性能的影响,包括在线优化与离线优化的对比,以及个体优化与群体优化的对比。在群体优化中,进一步探讨了两种提示策略:一次性提示优化和多轮提示优化。研究结果表明,所提出的优化方法在软件开发任务中显著提升了基于角色的多智能体系统的性能,并在多种评估维度上验证了其有效性。同时,通过分析不同优化设置对多智能体系统群体行为的影响,本文为未来的系统开发提供了实用见解。研究不仅展示了文本反馈在优化过程中的重要作用,还为如何设计更高效的多智能体系统提供了理论和实践指导。

📄 中文摘要:
随着人工智能工作负载的增加和数据中心需求的不断增长,超高速互连技术的发展已迫切需要超过200 Gb/s的传输速率。在这种背景下,单位间隔(UI)的缩小使得即使几皮秒的P/N偏斜也会显著降低串行器-解串器(SerDes)的性能。传统的偏斜量化方法无法充分捕捉其对系统性能的影响。为此,本研究提出了两种新的评估指标:1)偏斜引起的插入损耗偏差(SILD)和2)其互补的优点指标(FOM_SILD)。这两种指标通过分析方法开发,旨在评估P/N偏斜对高速通道的影响。研究通过测量的S参数验证了FOM_SILD的互易性,并通过对224G PAM4 SerDes的仿真,展示了这些指标与误码率(BER)趋势的强相关性。研究结果表明,SILD和FOM_SILD提供了一个稳健的框架,用于分析下一代超高速互连中的偏斜效应。这些指标不仅有助于理解偏斜对信号完整性的影响,还为设计和优化高速通信系统提供了重要的理论依据和实践指导。作者通过理论推导、仿真和实验验证,系统地展示了这些指标在实际应用中的有效性,为解决高速通信领域中因偏斜导致的性能下降问题提供了新的思路。总之,本研究为超高速互连技术的进一步发展奠定了基础,具有重要的学术价值和应用前景。

📄 中文摘要:
本文提出了一种名为Wrapless的借贷协议,该协议能够在不需要可信包装机制的情况下实现比特币的抵押化。Wrapless通过在比特币区块链上创建一种“贷款通道”,允许用户将比特币锁定作为抵押品,从而在任何支持图灵完备智能合约的区块链上发放贷款。该协议的设计确保了各方在经济上没有动机去操纵贷款规则,从而实现了无信任的借贷环境。研究背景源于当前比特币生态系统中缺乏直接抵押机制的问题,传统的包装机制往往依赖于中心化的信任中介,增加了风险和成本。Wrapless通过创新的协议设计,绕过了这一限制,利用比特币原生特性与跨链智能合约结合,实现了去中心化的抵押借贷。主要方法包括构建贷款通道、设计经济激励机制以防止作弊行为,以及确保跨链操作的安全性和可靠性。关键发现表明,该协议在理论上能够有效防止经济操纵,并在模拟环境中展示了较高的安全性和稳定性。然而,作者也指出,Wrapless距离传统自动化做市商(AMM)金融工具仍有一定差距,特别是在实际应用中的复杂性和可扩展性方面。未来的研究方向包括优化协议以支持更复杂的金融产品、提升跨链交互效率以及解决潜在的安全漏洞。结论认为,Wrapless为比特币的金融化应用开辟了新的可能性,可能对去中心化金融(DeFi)领域产生深远影响,但仍需进一步的实践验证和改进。

📄 中文摘要:
增强型数据叙事通过将可视化与物理环境和演示者的行为相结合,提升了叙事表达的效果。然而,现有系统主要依赖于身体手势或语音来控制可视化,而对物理对象的交互研究较少。本研究提出了一种增强型物理数据叙事方法,允许演示者通过与物理对象的交互来操控可视化内容。为了支持这一方法,研究团队首先对数据驱动的演示进行了调查,以识别常见的可视化命令。随后,与九位人机交互与可视化(HCI/VIS)领域的研究人员开展了研讨会,收集物理操作与可视化命令之间的映射关系。基于这些洞察,团队开发了InSituTale原型系统,该系统结合深度摄像头进行对象跟踪,并利用视觉大语言模型(Vision-LLM)检测现实世界中的事件。通过物理操作,演示者可以动态执行多种可视化命令,创造出融合物理与数字元素的连贯数据叙事体验。一项涉及12名参与者的用户研究表明,InSituTale支持直观的交互,具有较高的实用性,并能显著提升演示的参与感和吸引力。本研究为增强型数据叙事开辟了新的交互范式,展示了物理对象在数据可视化中的潜力,同时也为未来的交互设计提供了宝贵的参考。

📄 中文摘要:
自动驾驶功能(ADF)的严格验证与确认(V&V)对于确保自动驾驶车辆(AV)的安全性和公众接受度至关重要。当前的验证方法高度依赖仿真技术,以在车辆的操作设计域(ODD)内实现足够的测试覆盖率。然而,全面探索可能场景的庞大参数空间在计算上成本高昂且耗时。本研究提出了一种基于贝叶斯优化(BO)的框架,用于加速关键场景的发现。我们在基于模型预测控制器(MPC)的运动规划器上展示了该框架的有效性,证明其能够在比传统的穷举实验设计(DoE)方法少几个数量级的仿真次数下识别危险情况,例如车辆偏离道路的事件。此外,本研究还探讨了该框架在更高维参数空间中的可扩展性,以及其在运动规划器的ODD内识别多个不同关键区域的能力。研究结果表明,贝叶斯优化框架显著提高了虚拟验证的效率,为自动驾驶系统的安全性和可靠性提供了重要的技术支持。通过减少仿真需求,该方法不仅降低了验证成本,还加速了自动驾驶技术的开发和部署过程。最终,本研究为在复杂参数空间中高效发现关键场景提供了一种创新的解决方案,为自动驾驶领域的进一步研究和应用奠定了基础。

📄 中文摘要:
勒索软件(Ransomware, RW)是数字环境中一种重大且广泛的威胁,亟需有效的应对措施。主动网络欺骗是一种有前景的策略,通过提供虚假信息误导勒索软件,限制其传播并揭示其真实行为,同时作为攻击者与防御者之间的通信渠道,向攻击者返回虚假数据以耗尽其资源。本文提出了一种名为ranDecepter的新方法,将主动网络欺骗与实时分析相结合,以增强对勒索软件攻击的防御能力。ranDecepter能够在实时环境中识别勒索软件,并将其隔离在一个欺骗性环境中,自主识别勒索软件代码中的关键元素,创建循环机制。通过反复重启恶意软件并向攻击者传输伪造的加密信息和密钥,迫使攻击者为每个受害者存储这些虚假数据,从而耗尽其资源。对ranDecepter的全面评估使用了1,134个真实世界的恶意软件样本和12个良性应用程序,结果显示其在勒索软件识别方面达到了100%的准确率,无误报,且对响应时间的影响极小。此外,在24小时内,ranDecepter使用50个代理在攻击者的数据库中生成了高达9,223K条记录,展示了其在削弱攻击者资源方面的潜力。这一方法不仅提高了勒索软件的检测效率,还通过资源消耗策略有效威慑攻击者,为网络安全防御提供了新的思路。研究结论表明,ranDecepter在应对勒索软件威胁方面具有显著的应用价值和推广潜力。

📄 中文摘要:
基于Transformer的脉冲神经网络(SNNs)由于脉冲序列的二进制特性,与浮点人工神经网络(ANNs)相比存在显著的性能差距。近期研究通过引入深层反馈循环传递高层语义信息来缩小这一差距,但这些设计通常跨越多个深层,导致特征转换成本高、参数开销大、能耗增加以及推理延迟延长。为解决这一问题,本文提出了一种轻量级的即插即用模块——浅层时间反馈(STF),用于编码层。该模块由时间-空间位置嵌入(TSPE)和时间反馈(TF)组成。大量实验表明,STF在不同脉冲时间步设置下,持续提升了基于Transformer的SNN骨干网络在静态数据集(如CIFAR-10、CIFAR-100和ImageNet-1K)上的性能。进一步分析揭示,STF通过增强脉冲模式的多样性显著提升了性能。此外,在对抗鲁棒性和时间敏感性评估中,STF的表现优于直接编码及其变体,凸显了其作为静态场景下新型脉冲编码方案的潜力。本研究为SNNs的性能优化提供了一种高效且低成本的解决方案,具有重要的应用价值。未来,STF的代码将在论文被接收后发布。

📄 中文摘要:
本文提出了一种鲁棒遗憾最优控制的综合方法。研究对象为离散时间下的不确定线性时不变(LTI)系统。通过标称植物模型并在完全了解干扰的情况下,构建了一个最优非因果控制器。鲁棒遗憾是相对于该最优非因果控制性能定义的。研究表明,只有当控制器满足鲁棒H∞性能条件时,才能实现鲁棒遗憾。通过DK迭代方法可以合成满足该条件的控制器,从而达到预定的鲁棒遗憾水平。本文通过三个示例展示了该方法的有效性:(i) 一个简单的单输入单输出经典设计;(ii) 波音747简化模型的纵向控制;(iii) 四分之一汽车模型的主动悬挂控制。所有示例均将鲁棒遗憾最优控制器与未考虑不确定性设计的遗憾最优控制器进行了比较。研究结果表明,鲁棒遗憾最优控制器在面对系统不确定性时表现出更优的性能,尤其是在复杂系统如航空器控制和汽车悬挂系统中,能够有效降低性能损失并提升系统的稳定性。这一方法为处理不确定性环境下的控制问题提供了新的视角,尤其适用于对性能和鲁棒性要求较高的工程应用场景。作者通过理论推导和数值仿真验证了方法的有效性,并指出了其在实际应用中的潜在价值和局限性,为后续研究奠定了基础。

📄 中文摘要:
本研究探讨了全球范围内由于社会污名恐惧而导致的性取向披露犹豫现象。研究指出,隐藏身份对个人而言成本高昂,因此理解反LGB(女同性恋、男同性恋、双性恋)情绪以及对出柜反应的程度显得尤为重要。本文通过一个创新的数据来源——一款流行的在线游戏,并结合自然实验,克服了现有数据和内生性问题。研究利用游戏中角色身份的外生变化,识别出柜对全球不同地区玩家对该角色偏好的影响。研究发现,出柜对玩家的偏好产生了显著且持续的负面影响。这种负面影响在不同文化和社会背景下均有体现,表明社会污名对性取向披露的阻碍作用是普遍存在的。研究结果进一步揭示了社会态度对个人身份披露决策的深远影响,强调了减少社会污名和促进包容性环境的重要性。通过分析在线游戏中的玩家行为,本研究为理解现实世界中的社会互动和偏见提供了新的视角,同时也为政策制定者提供了数据支持,以制定更有效的反歧视措施。研究还讨论了这种方法论的局限性,例如虚拟环境与现实世界的差异,并呼吁未来研究进一步探索这些发现如何应用于实际社会情境中。

📄 中文摘要:
本文研究了成像逆问题的优化方法,重点解决由于感知矩阵病态性导致的收敛困难和重建质量下降问题。成像逆问题通常通过最小化测量一致性和信号先验项来解决,尽管信号先验的设计已受到广泛关注,但当与病态感知矩阵结合时,即使是最先进的先验也可能失效。传统的线性预处理技术通过变换梯度更新来改善算法收敛性,但其效果受限于感知矩阵的结构依赖性。近年来,基于学习的线性预处理方法被提出,但这些方法仅针对数据保真优化,可能导致解落入感知矩阵的零空间。本文提出了一种基于知识蒸馏的非线性预处理方法,通过一个使用更好条件(合成)感知矩阵的教师算法,指导学生算法(使用病态感知矩阵)进行梯度匹配,并通过预处理神经网络实现。具体而言,本文将该非线性预处理方法应用于即插即用FISTA算法,并在单像素成像、磁共振成像和超分辨率成像任务中进行了验证。实验结果表明,该方法在不同任务中均实现了性能提升,并展现出更好的经验收敛性。研究结论指出,非线性预处理通过知识蒸馏有效缓解了病态感知矩阵对优化过程的影响,为逆问题的求解提供了一种新的思路和工具,具有广泛的应用潜力。

📄 中文摘要:
集成感知与通信(ISAC)技术在未来智能交通系统中扮演着关键角色,通过复用无线信号使车辆能够感知并重建周围环境,从而减少甚至消除对额外传感器(如激光雷达或雷达)的需求。然而,现有的基于ISAC的重建方法在动态场景的跟踪精度和时间一致性方面存在不足,限制了其在现实世界中的应用。为解决这一问题,本文提出了一种基于深度学习的车辆环境重建框架,利用ISAC信道进行环境感知。首先,基于现实城市街道场景的多模态测量数据,构建了一个联合信道-环境数据集。然后,开发了一个多阶段深度学习网络用于环境重建。具体而言,该网络包括场景解码器,用于识别环境上下文(如建筑物、树木等);聚类中心解码器,用于预测粗略的空间布局并定位主要散射中心;以及点云解码器,用于恢复周围环境的精细几何形状和结构。实验结果表明,该方法实现了高质量的动态环境重建,Chamfer距离为0.29,F分数@1%为0.87。此外,复杂度分析显示该方法在实时场景中具有高效性和实用性。本研究为基于ISAC的低成本环境重建提供了可行路径,对未来智能交通的发展具有重要意义。

📄 中文摘要:
太赫兹(THz)无线通信因其利用丰富的未开发频谱实现前所未有的数据速率而备受关注。然而,超出64-QAM的高级调制格式在很大程度上尚未被充分探索,主要原因是上/下变频过程中引入的相位误差严重限制了系统性能。特别是正交频分复用(OFDM)传输极易受到相位噪声引发的加剧子载波间干扰(ICI)的影响,从而破坏子载波的正交性。虽然锁相环(PLL)和导频辅助补偿可以缓解相位误差,但过多的导频开销会降低频谱效率和增加能耗,且白色相位噪声仍然无法恢复。因此,量化相位噪声容忍度对于实际物理层协议的设计至关重要。本研究揭示了相位噪声在64-QAM、2048子载波OFDM太赫兹传输系统中的影响,提出了一种3σ误差估计方法来量化相位噪声容忍度,得出一个直观的误差矢量幅度(EVM)阈值约为5%。该阈值进一步阐明了相位噪声水平、信噪比(SNR)要求以及导频开销之间的权衡关系。此外,通过对具有不同相位噪声频谱的代表性振荡器进行基准测试,研究发现微环谐振器(MRRs)是实现低导频开销、超出64-QAM的OFDM太赫兹链路不可或缺的使能技术。本研究为太赫兹通信系统中高级调制格式的实际应用提供了重要的理论依据和实践指导。

📄 中文摘要:
缪子成像是一种基于物质对缪子吸收的成像技术,可用于探测隐藏物体或结构的内部细节。该技术依赖于精确测量宇宙射线缪子的轨迹,以反映来自目标物体和开放天空的缪子通量。本研究报道了一种基于Micromegas探测器的高空间分辨率缪子成像追踪器的构建过程。研究团队利用四层40cm×40cm的Micromegas探测器、通道复用电路以及多功能读出系统,设计并构建了一个可移动的缪子成像追踪器,命名为μSTC-R400。实验结果表明,通道复用电路能够准确解析击中位置,探测器的空间分辨率约为190μm。为了验证该设备在实验室外的性能,研究团队在正在建设的地铁隧道和靠近山体的户外环境中进行了测试。结果显示,μSTC-R400在实验室外仍能保持高空间分辨率,并且在恶劣环境中表现出良好的鲁棒性。这些实验证明了该追踪器在实际应用中的潜力,尤其是在地质勘探、基础设施监测以及安全检查等领域。通过结合高空间分辨率和便携性,μSTC-R400为缪子成像技术在野外环境中的应用提供了新的可能性。研究结论表明,该设备不仅技术上可行,而且在多种应用场景中具有重要的实用价值,为未来的缪子成像技术发展奠定了基础。

📄 中文摘要:
本文探讨了重子数违反过程,特别是质子衰变和中子-反中子转变,作为研究超标准模型(BSM)物理的重要探针。这些过程对于理解宇宙中反物质的缺失具有重要意义。为了解释当前和即将到来的实验限制,需要从核矩阵元素到紫外完备模型的理论输入。因此,实验、有效场论、格点量子色动力学(QCD)以及BSM模型构建之间的相互作用对于制定策略至关重要,以从当前和未来数据中准确提取信息,并最大化下一代实验的影响力和灵敏度。本文简要总结了2025年1月13日至17日在美国华盛顿大学核理论研究所举办的研讨会“INT-25-91W:重子数违反:从核矩阵元素到BSM物理”的主要成果和讨论内容。研讨会聚焦于重子数违反过程的理论和实验研究,讨论了核矩阵元素的计算方法及其在连接低能实验观测与高能BSM理论之间的作用。此外,还探讨了如何通过格点QCD技术改进核矩阵元素的精度,以及如何结合有效场论框架对实验数据进行解释。关键发现包括对质子衰变和中子-反中子转变的最新理论预测,以及这些预测如何指导未来实验设计。结论指出,多学科协作是推动重子数违反研究的关键,未来的实验和理论研究需要在灵敏度和精度上进一步提升,以揭示标准模型之外的新物理机制。

📄 中文摘要:
本文在(2+1)维的SU(3) Yang-Mills理论框架下,对重子通量管进行了系统研究。近期在有效弦理论框架内进行的次领先阶推导首次明确了与重子连接点质量M成正比的修正项,精确到1/R^2阶(其中R为约束弦的长度),从而为非微扰确定其值提供了可能性。本研究的主要目标之一是通过对三点Polyakov环相关器的高精度模拟,首次测量重子连接点质量。通过分离开放弦通道中预测的1/R^2项,我们得到M/√σ=0.1355(36)的数值,这一结果与用于描述强子的现象学值相近。此外,本文还研究了重子在高温下的行为,为三维SU(3)理论提供了对Svetitsky-Yaffe猜想的新验证。聚焦于去禁闭相变前的高温区域,我们将Polyakov环相关器的晶格结果与通过对二维三态Potts模型应用共形微扰理论得到的定量预测进行了比较,发现两者高度一致。本研究不仅在理论上深化了对重子连接点质量的理解,还通过数值模拟和理论预测的结合,为有效弦理论和高温去禁闭相变的研究提供了重要数据支持。

📄 中文摘要:
本研究探讨了利用非线性规划(NLP)和数学模型来优化流行病控制策略的可行性与鲁棒性。流行病学中的最优控制理论已被用于制定有效的干预策略,以在考虑约束和成本的情况下管理和减缓传染病的传播。传统的间接方法基于庞特里亚金最大值原理,将控制问题转化为两点边值问题,但对初始猜测敏感且计算复杂,尤其是在处理复杂约束时。相比之下,直接方法通过将最优控制问题离散化为非线性规划问题,可能为实时决策提供更鲁棒和灵活的解决方案。然而,由于专业软件获取受限、成本较高或对方法不熟悉,直接方法的广泛应用受到限制。本研究通过常微分方程描述的隔室模型,结合非线性规划求解器,分析了包括非药物干预和疫苗接种策略在内的多种干预措施的最佳应用方式。通过案例研究,展示了NLP求解器在单一目标(如最小化总感染人数、平缓曲线或降低感染高峰)以及多目标优化(实现干预措施的最佳组合)中的应用效果。研究表明,尽管间接方法提供了有用的理论见解,但直接方法可能更适合应对现实世界流行病学中快速变化的挑战。研究结果强调了直接最优控制方法在流行病控制中的潜力,为政策制定者提供了有效的工具,以在动态环境中优化资源分配和干预措施。

📄 中文摘要:
本文提出了一类新颖的分段确定性马尔可夫过程(PDMP),专门用于从支持在凸集上的约束概率分布进行采样。该方法借鉴了凸优化中的镜像映射概念,以解决采样问题。通过这种方法,作者设计了无偏的算法,不仅能够遵守约束条件,还支持精确的子采样。研究表明,这种基于PDMP的采样器在多种约束采样问题上表现出色,相较于现有的基于随机微分方程的方法具有显著优势。作者详细阐述了算法的理论基础,包括如何通过镜像映射将约束问题转化为无约束问题,并进一步探讨了算法在高维数据采样中的适用性。此外,文章通过数值实验验证了该方法的有效性,特别是在处理复杂几何约束时的性能优越性。研究结果表明,该方法在保持采样精度和计算效率的同时,能够处理传统方法难以解决的约束分布问题,为统计计算和机器学习领域的采样技术提供了新的思路。作者还讨论了该方法的潜在应用场景,如贝叶斯推断和优化问题,并指出了未来研究方向,包括如何进一步优化计算复杂度和扩展到非凸约束的情况。总之,本文提出的分段确定性采样方法为约束分布的采样问题提供了一种创新且高效的解决方案,具有重要的理论价值和应用前景。

📄 中文摘要:
本文提出了一种新颖的方法,用于驱动非线性系统达到期望状态,且对系统动态模型的先验知识需求极低,仅需了解单一点的局部动态以及动态变化率的界限。该方法通过利用沿轨迹局部学习的动态、截至当前时刻可用的数据以及已知的代理动态来合成控制动作,其中代理动态能够生成未知系统真实可达集的下近似。本文的一个重要贡献是执行所提出的控制方法所需的知识极少。作者建立了充分条件,以确保受控轨迹在短时间内能够到达任何可证明可达状态的小邻域内,其精度取决于这些条件的可调参数。通过这种方法,系统能够在未知动态环境下实现有效的路径规划与控制,显著降低了模型依赖性。研究结果表明,该方法在非线性系统的在线学习与控制中具有潜在的应用价值,尤其适用于动态模型难以精确建模的复杂系统。作者通过理论分析和条件推导,验证了方法的有效性和鲁棒性,为非线性系统控制领域提供了一种新的视角和工具。此外,本文还讨论了方法在实际应用中的可能限制以及未来改进方向,例如如何进一步优化学习效率和控制精度。

📄 中文摘要:
本研究探讨了社会资本与结构性不平等如何共同影响经济流动性,旨在揭示平等机会的实现路径。研究利用荷兰长达十年的全国范围社交网络数据,涵盖超过十亿条家庭、学校、工作场所和邻里关系,分析了经济轨迹的形成机制。研究发现,父母背景在早期对经济结果有显著预测作用,但其影响随着时间推移逐渐减弱。相比之下,桥梁型社会资本(bridging social capital)成为长期经济流动性的关键正向预测因素,尤其对经济弱势群体影响更为显著。通过降维分析个体网络构成,研究识别出两个核心维度:与富裕人群的接触(exposure to affluent contacts)以及网络的社会经济多样性(socioeconomic diversity)。这两个维度足以捕捉社会资本对经济流动性的核心影响。研究结果表明,尽管遗传优势决定了经济轨迹的起点,但社会资本能够有力地重塑这一轨迹,特别是对贫困群体的影响尤为重要。这一发现强调了社会资本在缓解结构性不平等、促进经济流动性方面的潜力,为政策制定提供了重要启示,即通过增强弱势群体的社会网络多样性和与高阶层人群的联系,可以有效提升其经济机会。

📄 中文摘要:
本研究提出了一种新型的超微型磁性微导管,用于脑血管内微创介入治疗,突破了传统导管技术在直径和刚度上的限制。传统导管技术通过从近端到远端传递力来操作,难以进入大脑血管的深层区域,而本研究通过微工程技术设计了一种可充气的扁平管状磁性微导管,极具柔性,并能利用血流动能进行血管内导航。研究团队开发了一种紧凑且多功能的磁性操控平台,与常规双平面透视成像兼容,首次实现了对直径小至180微米、曲率半径小至0.69毫米的远端迂曲动脉的安全、无阻力导航和追踪。此外,在猪模型中,研究展示了超选择性注入造影剂和栓塞液体的能力。这些成果为到达、诊断和治疗目前难以触及的远端动脉(如有出血风险或为肿瘤供血的动脉)铺平了道路。该技术不仅适用于中枢和外周神经系统的动脉内药物或基因递送,还可扩展至几乎所有其他器官系统,以更高的精度、速度和安全性实现靶向治疗。本研究为介入治疗领域提供了创新工具,有望显著提升复杂血管疾病的治疗效果。

📄 中文摘要:
光子集成电路因其低损耗和高吞吐量的数据传输特性,在电信和信息处理领域逐渐受到关注,相较于电子集成电路具有显著优势。然而,由于光子芯片的尺寸较大,其应用范围仍不及电子芯片。一个主要的尺寸限制因素是光学部件之间需保持工作波长或更大距离的间隔,以减少光学串扰。本研究聚焦于紧密排列的直线和弯曲波导中的基本模式和高阶模式,发现高阶模式在两种情况下均能显著降低串扰,从而大幅缩小光子芯片的尺寸。研究还提出了能够选择性激发高阶模式的片上组件设计。此外,作者设计了基于高阶模式运行的定向耦合器、3-dB分束器以及马赫-曾德尔干涉仪。基于类似原理,还可设计其他超紧凑光子芯片组件,如光学互连、开关、收发器以及用于片上LiDAR扫描仪的相控波导阵列。本研究为光子集成电路的微型化提供了重要思路,可能显著推动光子芯片在高密度集成和高效数据处理中的应用。研究结果表明,通过利用高阶模式,可以在不牺牲性能的前提下大幅减小光子芯片的物理尺寸,为未来光子技术的发展奠定了基础。

📄 中文摘要:
本文提出了一种简化的费米-勒温轨道自相互作用校正(FLOSIC)方法,以提高密度泛函理论计算中去除自相互作用误差(SIE)的效率。FLOSIC方法通过对称正交化的费米轨道作为局域轨道,并通过能量最小化确定费米轨道描述符(FOD),但优化FOD的过程计算成本极高。为此,作者提出了一种选择性轨道自相互作用校正(SOSIC)方法,仅对感兴趣的特定轨道(如价电子轨道)进行自相互作用校正(vSOSIC)。通过与Perdew-Zunger SIC方法的比较,研究表明vSOSIC在大多数性质(如垂直脱离能、原子化能等)的计算结果上与后者误差仅在几个百分点以内。特别地,在水团簇阴离子的垂直脱离能计算中,vSOSIC-PBE方法与基准CCSD(T)结果的平均绝对误差仅为15 meV,显示出其作为CCSD(T)替代方法的潜力。此外,在[Cu2Cl6]2−复合物的计算中,vSOSIC的FOD优化过程显著更平滑且计算速度更快。研究还评估了SIC-r2SCAN方法的性能,发现其在大多数性质上与SIC-SCAN相当,但在原子化能计算中表现更优。总之,本文提出的vSOSIC方法在保持精度的同时显著降低了计算成本,为高效无自相互作用密度泛函计算提供了新的可能性。

📄 中文摘要:
随着月球探索计划的不断推进,尘埃环境下的稳健通信系统需求日益增加,这要求对信道传播特性有全面的理解。本研究针对月球尘埃环境中的太赫兹信道传播性能进行了深入分析,这对于构建可靠的通信和传感基础设施至关重要。研究团队开发了一种扩展的Mie散射模型,该模型纳入了阿波罗样本(10084、14003、70051)中月球尘埃颗粒的独特属性,包括不规则形态、介电特性和依赖电荷的行为。通过理论分析和实验验证,本文探讨了在不同尘埃条件下的功率和误比特率性能,揭示了颗粒特性与信道性能之间的显著关系。研究发现,月球尘埃的物理和电学特性对太赫兹波的传播有重要影响,尤其是在高尘埃密度环境下,信号衰减和误比特率显著增加。此外,研究还指出了尘埃颗粒的形态和电荷分布对信道性能的具体作用,为未来月球通信系统的设计提供了理论依据和实验数据支持。结论表明,针对月球尘埃环境的太赫兹通信系统需要特别考虑尘埃颗粒的特性,以优化信号传输效率和可靠性。这项研究为月球探索任务中的通信技术发展奠定了重要基础,并为类似极端环境下的通信系统设计提供了参考。

📄 中文摘要:
家庭关系是所有社交网络中最基础的,涵盖了每个人。随着个体生育子女,家庭网络不断扩展,家庭之间的联系逐渐形成复杂的大规模结构。尽管伴侣选择的同质性(homophily)被认为是这一增长过程的关键驱动力,但个体行为与家庭网络大规模结构之间的联系尚不明确。本研究分析了一个独特的人口完整家庭网络,覆盖了数百万个体,时间跨度达数十年,并结合了来自高质量国家登记系统的人口统计、教育和地理数据。利用观测数据的纵向覆盖特性,并通过一系列增长网络模型,我们揭示了个体行为如何塑造大规模网络结构。与主流理论相反,我们发现伴侣选择的同质性对大规模结构的形成影响甚微。相反,研究识别出两个关键驱动因素:首先,伴侣更换行为,即个体离开一个伴侣并选择另一个伴侣,在网络中创造了类似于Watts-Strogatz模型中重新连线的‘捷径’。这些捷径缩短了路径长度,加速了中尺度连接组件的出现。其次,我们发现伴侣更换是一种自激行为,即个体更换伴侣的概率随着其先前伴侣数量的增加而增加。这种自激行为加速了大型网络组件的生成,高度连接的个体作为网络枢纽发挥作用。通过考虑伴侣更换行为,我们能够准确捕捉到实证家庭网络的多种大规模网络属性。最后,我们证明了基于同质性的行为无法生成观察到的网络结构。这一研究为理解家庭网络的复杂结构提供了新的视角,并强调了个体行为在塑造社会网络中的关键作用。

📄 中文摘要:
本研究探讨了再进入机制(travelling excitation loops)作为人类癫痫发作的潜在驱动因素,重点分析了此类循环如何在患者脑网络中形成以及其对靶向干预的敏感性。研究团队通过扩散MRI重建了一位药物耐药性癫痫患者的毫米级虚拟大脑模型,并嵌入了可兴奋的Epileptor神经场模型。研究发现,真实的皮质-皮质延迟足以引发自持续的再进入循环。通过系统性参数扫描,研究揭示了一个狭窄的延迟-耦合窗口,该窗口能够预测184次记录的癫痫发作的振荡频率和持续时间。研究进一步通过计算机模拟展示了精确时序的双相刺激或亚毫米级虚拟病灶切除可以终止再进入循环,并提出了依赖于相位的终止规则,这些规则在颅内记录中得到了验证。本研究框架揭示了延迟约束的再进入作为大规模脑同步的一种通用动力学机制,并为精准神经调控和微创断连提供了一个患者特异性的测试平台。这一研究不仅深化了我们对癫痫发作机制的理解,还为开发个性化治疗策略提供了重要工具,具有潜在的临床应用价值。

📄 中文摘要:
智力障碍(ID)是一种以智商低于70并伴随两种或两种以上适应性行为缺陷为特征的疾病,严重影响患者的日常生活。历史上,智力障碍患者常常被社会边缘化,即使在现代社会,他们仍然面临显著的挑战。研究表明,部分智力障碍病例与遗传因素有关。揭示与智力障碍相关的基因之间的因果关系及其在大脑发育过程中的基因表达模式,有助于我们更深入理解智力障碍的分子基础。本研究将体外大脑发育过程中不同时间点收集的基因表达数据视为时间序列,并引入格兰杰因果检验(Granger Causality Test)来评估基因之间的动态依赖关系。这些评估结果被用作构建基因表达网络的输入,以提取与智力障碍相关的病理信息,包括识别可能与疾病密切相关的新基因。为了验证方法的有效性,本研究基于Kutsche数据集(Kutsche等人,2018年)构建了格兰杰因果网络,通过监测ZEB2的社区结构,提供了最可能与Mowat Wilson综合征相关的新基因优先列表。研究结果不仅揭示了基因间的动态因果关系,还为智力障碍的遗传机制研究提供了新的视角和潜在的治疗靶点。通过这种方法,我们能够更系统地理解智力障碍相关基因在大脑发育中的作用,为未来的诊断和干预策略奠定基础。

📄 中文摘要:
本文研究了用于未检测光子光学相干断层扫描(OCT)的实用传感器的开发,重点在于通过集成实现小型化。为了实用性,这些传感器需要具备宽光谱带宽和高亮度,这分别与高轴向分辨率和足够的信噪比密切相关。研究团队提出了一种基于非线性Ti:LiNbO3波导的OCT测量方案,结合了上述要求,实现了未检测光子的OCT测量。本文比较了常用的SU(1,1)方案与诱导相干方案的性能基准,发现后者在集成系统中实现未检测光子测量时更具优势。在两种方案中,研究团队均进行了泵浦增益优化,并实现了轴向分辨率低至28微米的未检测光子OCT测量。研究背景在于解决OCT技术中未检测光子传感器的实用化难题,主要方法包括非线性波导的设计与优化,以及两种测量方案的性能对比。关键发现表明,诱导相干方案在集成系统中的适用性更强,且通过优化泵浦增益可显著提升测量精度。结论指出,该研究为未检测光子OCT传感器的集成化提供了重要参考,可能推动相关技术在医疗成像等领域的应用。

📄 中文摘要:
本文研究了一个受驱动的Λ型巨原子系统在一维手性波导中单光子散射光谱的特性。通过采用实空间散射方法,作者获得了在马尔可夫和非马尔可夫两种情况下均有效的散射振幅解析解。研究发现,外部驱动场会导致传输光谱的凹陷分裂为双凹陷,且双凹陷之间的距离随着驱动场强度的增加而增大。由于耦合的手性特性,入射光子可以在完全传输和完美反射之间实现可控切换。在马尔可夫极限下,作者预测在特定相位值下,无论驱动场参数如何变化,都能实现稳健的完美传输。此外,在非马尔可夫情况下,随着巨原子尺寸的增加,散射光谱的振荡行为变得更加显著。通过调整巨原子尺寸,可以控制解耦点的数量以及完全反射点的数量。本研究揭示了巨原子系统在手性波导中的单光子传输调控机制,为量子信息处理和量子网络中的光子操控提供了理论基础。研究结果表明,通过外部驱动场和巨原子尺寸的调节,可以实现对单光子传输行为的精确控制,这在量子光学和量子通信领域具有潜在的应用价值。

📄 中文摘要:
本文首次将半相干搜索策略应用于双星系统的光学脉动信号搜索,针对天蝎座X-1(Sco X-1)取得了迄今为止最严格的约束结果。研究利用安装在TNG望远镜上的SiFAP2快速光度计进行观测,数据覆盖四年,总计约56千秒,分为两组数据集。在轨道参数知识有限的情况下,半相干技术的卓越效率使得研究团队能够将Sco X-1的脉动幅度上限设定为9.23×10^{-5},较以往结果提高了4倍。如果采用完全相干搜索方法达到相同上限,则需要尝试次数增加两个数量级以上。此外,研究还将相同算法应用于已知脉冲星系统PSR J1023+0038的光学观测数据,忽略其在射电波段已知的精确轨道参数信息。通过分析,研究证明即便仅依赖光学波段数据,也能够成功探测到该脉冲星的存在。这项工作展示了半相干搜索方法在光学脉动信号探测中的强大潜力,为未来类似研究提供了重要的技术支持,同时也为理解中子星系统的物理性质提供了新的约束条件。研究结果表明,半相干搜索技术在处理轨道参数不确定性较大的天体系统时具有显著优势,可能成为未来光学脉动搜索的重要工具。

📄 中文摘要:
缺失数据是现实世界数据集中一个持续存在的挑战,其背后往往受到复杂且不可观测的缺失机制的影响。模拟缺失性已成为理解其对学习和分析影响的标准方法。然而,现有的工具较为零散,机制支持有限,且通常仅关注数值型变量,忽略了现实世界表格数据的异构性。本文介绍了MissMecha,一个开源的Python工具包,用于在MCAR(完全随机缺失)、MAR(条件随机缺失)和MNAR(非随机缺失)假设下模拟、可视化和评估缺失数据。MissMecha支持数值型和类别型特征,使得在混合类型表格数据集上进行机制感知研究成为可能。该工具包包含可视化诊断工具、MCAR测试工具以及类型感知的插补评估指标。MissMecha旨在支持数据质量研究、基准测试和教育,为处理不完整数据的研究人员和从业者提供了一个统一的平台。通过提供对多种缺失机制的全面支持以及对异构数据的适应性,MissMecha填补了现有工具在功能和适用性上的空白。其设计注重用户友好性和灵活性,能够帮助用户更好地理解缺失数据的影响,并为数据预处理和分析提供有力支持。研究结果表明,MissMecha在模拟复杂缺失机制和评估其对数据分析的影响方面具有显著优势,为数据科学领域的研究和应用提供了重要工具。

📄 中文摘要:
本文研究了一个在线公平分配问题,其中固定数量的物品按顺序到达,并需分配给一组给定的代理人。每当一件物品到达时,其对每个代理人的真实价值会被揭示,并且必须立即且不可撤销地分配给某个代理人。最终目标是确保在所有物品分配完成后实现‘无嫉妒至任意物品’(EFX)的公平性。然而,作者指出,即使在对估值函数施加严格假设的情况下,近似的EFX分配通常也是无法实现的。研究背景源于公平分配领域的经典问题,特别是在资源有限且决策需实时做出的在线环境中,这类问题具有重要的理论和实际意义。作者通过理论分析和案例研究,探讨了在线分配中实现EFX的困难,揭示了估值函数的复杂性和在线决策的不可逆性对公平性的影响。关键发现包括:即使在理想化的条件下,EFX分配的近似解也难以获得,这表明在线公平分配问题的固有复杂性。作者还讨论了可能的缓解策略,例如利用预测模型来辅助分配决策,尽管这些方法在理论上仍面临挑战。结论指出,未来的研究可以集中在设计更实用的近似算法或探索特定应用场景下的可行解决方案,以在公平性和效率之间找到平衡。本文为在线公平分配领域提供了重要的理论洞见,并为后续研究奠定了基础。

📄 中文摘要:
本文研究了在线服务中基于可扩展微服务架构的一致性更新问题。在这种架构中,同构的工作进程处理客户端请求,并将持久状态存储在后端数据存储中。为了维持服务,任何对服务功能的修改都必须在服务持续处理客户端请求的同时进行,这带来了显著的挑战。核心难点在于避免因“混合模式”操作导致的潜在不一致性,即当前版本和新版本的工作进程同时活跃并通过数据存储进行交互。一些更新方法通过完全避免混合模式来解决这一问题,但代价是资源效率低下,例如资源(内存和计算)翻倍或吞吐量减半。另一种方法是所谓的“滚动更新”,但这种方法缺乏控制,存在因不一致的混合模式行为导致严重服务故障的风险。本文提出了一种新型更新策略,旨在在保持服务连续性的同时,尽量减少混合模式操作带来的不一致性风险。通过理论分析和实验验证,作者展示了该方法在资源利用率和系统稳定性之间的平衡优势。研究发现,该策略能够在不显著增加资源开销的情况下,有效降低更新过程中的故障率,并维持较高的服务吞吐量。结论表明,该方法为微服务架构的动态更新提供了一种实用且高效的解决方案,对大规模分布式系统的运维具有重要参考价值。

📄 中文摘要:
随着分析师对数据的探索逐渐深入并转向叙事驱动的探究方式,传统的静态仪表板和预定义指标已无法满足需求。分析师在探索过程中,问题不断演变和深化,但由此产生的洞察往往分散在多个视图中,导致难以保持上下文连贯性或清晰地展示结论的推导过程。本研究通过对48名参与者进行的形成性研究,识别了阻碍叙事驱动数据探索的关键障碍,包括在不同视图间维持上下文的困难、追踪推理路径的挑战以及外部化不断演变的解释的难题。具体而言,参与者在切换视图时常常丢失关键背景信息,难以回溯自己的分析思路,同时缺乏有效的工具来记录和表达他们的中间推论和假设。这些障碍限制了分析师在复杂数据探索中的效率和洞察深度。基于这些发现,本文提出了支持叙事驱动分析的设计机会,包括开发能够保留上下文的交互工具、设计支持推理路径追踪的可视化方法,以及提供外部化思维过程的机制。这些设计方向旨在帮助分析师更好地组织和管理他们的探索过程,从而提升数据分析的连贯性和洞察力。研究结论强调了在数据可视化工具中融入叙事元素的必要性,为未来的系统设计提供了重要的理论和实践指导。

📄 中文摘要:
本文研究了可移动天线(MA)系统的能效优化问题,特别考虑了天线移动所引入的时间延迟和能耗。首先,针对单用户下行通信系统(用户配备单个可移动天线),推导了能效的上限。随后,提出了一个能效最大化问题,旨在优化可移动天线的位置,并设计了一种基于连续凸近似的有效算法来解决这一非凸优化问题。仿真结果表明,尽管可移动天线移动会带来额外开销,但与传统的固定位置天线(FPA)系统相比,可移动天线系统仍能显著提升能效。这一研究为无线通信系统中天线位置的动态调整提供了理论依据和实用方法,展示了可移动天线技术在提升系统性能方面的潜力。研究结果还表明,通过合理设计天线移动策略,可以在能耗和性能之间取得更好的平衡,为未来绿色通信技术的发展奠定了基础。此外,本文的方法和结论也为多用户场景下的能效优化提供了启发,可能进一步扩展到更复杂的通信环境中。

📄 中文摘要:
本文介绍了一种名为LadyBug的GitHub机器人,专门用于Android应用的自动错误定位,通过结合用户界面(UI)交互信息和文本检索技术实现。LadyBug与Android应用的GitHub仓库相连接,当在相关问题追踪器中报告错误时会被触发。开发者可以在设备或模拟器上记录错误的复现轨迹,并通过GitHub问题追踪器将该轨迹上传至LadyBug。LadyBug利用原始错误描述中的文本信息以及复现轨迹中的UI信息,精确地检索出项目中可能包含所报告错误的文件,并生成一个排序列表。这种方法显著提高了错误定位的准确性,特别是在移动应用开发中,UI交互往往是错误复现的关键因素。研究表明,LadyBug能够有效减少开发者在错误定位上花费的时间和精力,尤其是在复杂的移动应用项目中。通过对多个开源Android应用的测试,LadyBug在错误定位的精度和效率上均表现出色,证明了其在实际开发环境中的实用价值。作者还讨论了LadyBug的局限性,例如对某些非UI相关错误的定位能力有限,并提出了未来改进方向,包括扩展对更多类型错误的识别能力和与其他开发工具的集成。本研究为移动应用开发中的自动化错误定位提供了一种创新解决方案,具有重要的实践意义。

📄 中文摘要:
随着混合现实(MR)技术变得更轻便、分辨率更高、成本更低,并逐渐成为我们当前工作和生活空间的无缝延伸,MR环境势必将变得无处不在。对于研究科学家和临床医生而言,他们专注于理解三维现象或患者病理在整个人体解剖学背景下的表现,这意味着他们目前仅使用二维界面的工作站必须进行必要的进化,以适应新的需求。MR技术带来了与自然空间共存的沉浸式三维表征,同时允许更丰富的信息互联显示,其中三维表征极大地有助于详细理解物理结构、空间关系以及二维测量、投影、抽象和其他数据细节的三维上下文化。本研究提出了一种设计空间,将不同的交互区域和模式进行分解,以最佳方式适应在桌面物理空间的 ergonomic 限制内,通过MR技术进行精确对象中心数据分析的用户应用程序的创建。研究背景在于MR技术的发展及其对传统工作站的潜在影响,主要方法是通过分析交互区域和模式,构建一个适合桌面环境的MR应用设计框架。关键发现包括识别出适合桌面MR应用的交互设计要素,以及如何在有限的物理空间内优化用户体验。结论指出,这种设计空间能够显著提升数据分析的直观性和效率,为科学家和临床医生提供了全新的工具,有助于他们在三维环境中更深入地探索和理解复杂数据。

📄 中文摘要:
随着无线网络从单纯的无线电资源提供者演变为包含计算能力的复杂系统,计算资源逐渐分布在边缘和云设施中,网络优化的重点也从性能导向转向价值导向。本研究旨在平衡服务提供商(SPs)的效用、用户体验质量以及公平性,同时满足能源消耗和碳足迹等全局约束条件。论文针对能源约束下的通信和计算资源分配问题展开讨论,考虑多个服务提供商通过虚拟货币预算竞争获取资源组合的情况。通过将网络建模为Fisher市场,提出了一种低复杂度的解决方案,该方案能够在保证能源约束的同时实现高效用,并促进服务提供商之间的公平性,与社会最优解相比具有竞争力。研究通过数学方法证明了市场均衡的存在性,并通过数值结果展示了在不同位置下,通信和计算密集型服务在效用与能源之间的多维权衡关系。研究结果表明,该方法能够在下一代网络中有效协调资源分配,兼顾能源效率和位置感知特性,为未来的网络优化提供了重要的理论和实践指导。

📄 中文摘要:
本文研究了在文本索引和模式匹配问题中处理短暂编辑(ephemeral edits)的场景。短暂编辑指的是一系列编辑操作,其中某些操作会在后续操作中被撤销,例如在处理独立编辑流或测试假设性编辑时出现的情况。研究背景源于对动态文本处理需求的增加,尤其是在实时数据流和交互式编辑环境中,如何高效地维护文本索引和进行模式匹配成为关键挑战。本文提出了一种新颖的算法框架,旨在处理这种短暂编辑序列,具体通过设计一种数据结构来支持快速的编辑操作撤销和文本查询。主要方法包括利用动态数据结构(如平衡二叉树或后缀树)来维护文本状态,并结合高效的更新机制以最小化计算开销。关键发现表明,该方法能够在短暂编辑场景下显著降低时间复杂度,尤其是在大规模文本数据处理中,相较于传统方法具有更优的性能表现。此外,作者还通过理论分析和实验验证了算法的正确性和效率,展示了其在实际应用中的潜力,例如在线文本编辑器和流式数据处理系统。结论指出,该研究为动态文本索引提供了一种有效的解决方案,并为未来在更复杂编辑模式下的扩展研究奠定了基础。尽管当前工作主要聚焦于单线程编辑流,但作者也讨论了将其扩展到多线程或分布式环境的可能性,提出了一些潜在的研究方向。

📄 中文摘要:
本文探讨了可持续技术在面对环境崩溃危机时的作用与发展方向。作者指出,仅仅开发可持续的在线服务替代方案或通过仪表板和人工智能优化资源是不够的,技术设计应转向保护人类免受环境破坏后果的影响。这些后果包括战争、种族灭绝和新型殖民主义等重大问题。作者将“保护”定义为与主权相关,而非西方国家所强调的军事防御,并提出了“抵抗技术”这一概念,认为其核心在于保护主权免受环境和社会后果的侵害。文中特别强调反监控技术是主权的基础组成部分,应成为未来可持续性讨论的重要内容。此外,作者呼吁与“计算限制内”社区及其他领域展开对话,共同定义“抵抗技术”的其他核心价值和概念。本研究不仅关注技术本身,还探讨了技术在社会和政治层面的深远影响,试图为可持续技术的发展提供新的视角和框架。通过重新定义技术与主权的关系,本文为应对环境危机及其引发的社会问题提供了理论支持,并为未来技术设计的伦理和社会责任提出了新的思考方向。作者希望通过此文激发更多关于技术如何在危机中保护人类尊严和自主权的讨论。

📄 中文摘要:
本文提出了一种5G移动小区(MC)的概念、架构设计及其性能评估,旨在为固定5G基础设施有限或无线电条件恶劣的区域提供5G无线连接服务给用户设备(UE)。研究主要探讨了两种MC设计方法:一种是覆盖模型,其中MC通过5G覆盖网络获取回程连接;另一种是基于集成接入与回程(IAB)的模型,并讨论了它们的协议栈和架构影响。为了验证MC的性能,研究团队采用基于仿真的测试平台,使用OpenAirInterface(OAI)实现方案,并在不同MC位置下进行测试。实验结果验证了MC概念的有效性,并表明MC的位置对网络性能有显著影响。覆盖模型和IAB模型在不同场景下表现出各自的优势,例如在临时覆盖扩展和容量增强方面,覆盖模型更适合快速部署,而IAB模型在复杂环境中表现出更好的适应性。研究还探讨了MC在不同环境(如海港、工业场景和公共安全)中的应用潜力,为网络运营商和服务提供商在选择和部署MC架构时提供了重要参考。本文的发现有助于推动5G网络在特殊场景下的应用,特别是在需要临时网络支持的场合,为未来的网络规划和优化提供了理论和实践依据。

📄 中文摘要:
本文提出了一种概念模型和结构化方法论,旨在分析物联网(IoT)在衡量和提升业务流程(BP)可持续性方面的潜力。研究背景源于物联网提供的实时数据收集和自动化能力,正在革命性地转变传统业务流程为物联网增强型业务流程,展现出提升可持续性的巨大潜力。尽管业务流程管理(BPM)领域已对可持续性进行了研究,但现有研究主要集中于环境问题,而本文强调实现全面且持久的影响需要超越环境维度的系统性方法。提出的概念模型正式表达了可持续性的关键概念,将业务流程管理与物联网相结合,突显物联网设备如何支持并促进可持续性发展。同时,方法论指导了对现有业务流程的系统性分析,识别改进机会,并实施可持续性感知的物联网增强型业务流程。为验证该方法的可行性,作者通过旅游领域的运行示例和医疗领域的案例研究进行了说明。研究发现,物联网技术能够有效支持业务流程的可持续性改进,尤其是在数据驱动的决策支持和资源优化方面。结论指出,该模型和方法论为业务流程的可持续性管理提供了新的视角和工具,有助于企业在多维度上实现可持续发展目标。

📄 中文摘要:
知识图谱(KGs)包含大量链接资源,编码了各个领域的知识,可通过专门的查询语言如SPARQL进行查询和搜索。现有的视觉查询构建工具使非专家用户能够构建SPARQL查询并利用知识图谱中的信息。然而,查询构建是一个迭代且通常是视觉化的过程,在探索性搜索中,用户的查询需求可能会在过程中不断变化和调整。本研究提出了一种视觉查询界面,通过图差异来展示查询构建过程中迭代步骤之间的变化,突出查询图的演变过程。此外,该界面集成了自然语言接口,使用户能够直接在差异查询视图中表达不断变化的信息需求。研究还通过对比结果分布和原型图的个体实例差异,在结果视图中展示结果的变化。通过针对不同本体和使用场景的案例研究,系统展示了其在促进数据探索和领域特定图分析方面的适用性。研究表明,该系统能够有效支持用户在查询构建过程中的动态需求调整,并通过可视化差异增强用户对知识图谱的理解和探索能力,为非专家用户提供了更直观和灵活的查询工具,同时也为知识图谱的交互式分析提供了新的视角。

📄 中文摘要:
本文提出了一种名为关键设计策略(Critical Design Strategy, CDS)的结构化方法,旨在通过反思和批判性思维帮助设计师评估和改进可视化设计。CDS通过启发式评估引导设计师进行深入思考,尤其适用于可视化工具开发者和新手设计师,例如高等教育中的可视化学习者。CDS方法分为三个阶段,涵盖六个视角:第一阶段通过为设计赋予一个指示性标题并从二十个选项中选择五个形容词,形成对设计的初步印象,捕捉设计理念的本质;第二阶段利用30个启发式问题,从用户、环境、界面、组件、设计和视觉标记六个关键视角进行深入批判;第三阶段集中于综合洞察、反思设计决策并确定下一步行动方向。作者在本科和研究生课程的三个可视化模块中引入并探索了CDS的应用。通过自2017/18年通过研讨会创建CDS,到2020年改进措辞并开发两个应用程序,再到2023年扩展支持笔记和优化启发式问题,作者在教学中持续使用CDS,积累了丰富的实践经验。本文反思了CDS的实际应用效果,并为其他研究者或从业者如何将其融入自身工作提供了指导。CDS不仅为可视化设计提供了一种系统化的评估框架,还通过批判性思维促进了设计质量的提升,对可视化领域的教学和实践具有重要意义。

📄 中文摘要:
学术证书欺诈对教育诚信构成威胁,特别是在孟加拉国这样的发展中国家,现有的验证方法主要依赖手动操作,效率低下且容易出错。为解决这一问题,本文提出了ShikkhaChain,一个基于区块链的证书管理平台,旨在以去中心化和防篡改的方式安全地颁发、验证和撤销学术证书。该平台基于以太坊智能合约构建,并利用IPFS进行链下存储,提供了一个透明且可扩展的解决方案。用户可以通过集成了MetaMask的React前端去中心化应用(DApp)访问该系统。ShikkhaChain为政府、监管机构、教育机构和公众验证者提供了基于角色的访问权限,支持通过二维码进行验证,并实现链上撤销跟踪。原型测试表明,该系统显著提升了信任度,缩短了验证时间,并增强了孟加拉国学位在国际上的可信度,从而促进了更可靠的学术和就业生态系统。研究背景聚焦于发展中国家教育证书验证的痛点,方法上结合了区块链技术的去中心化特性和智能合约的自动化执行能力,关键发现包括系统在实际应用中的高效性和可信性提升,结论指出ShikkhaChain为解决学术证书欺诈问题提供了一种创新且实用的技术方案,具有推广潜力。

📄 中文摘要:
片上通信是现代片上系统(SoCs)的关键组成部分,它使得处理器核心能够与内存和外设进行交互。在辐射较强的环境中,互连设计需要特别关注,因为SoC互连中的任何软错误都可能导致整个SoC的功能失效。本研究提出了一种名为relOBI的方案,作为开放总线接口(OBI)的扩展,通过对关键握手信号采用三模冗余(TMR)技术,并对其他信号应用纠错码(ECC)保护,实现了完全的可靠性保障。通过实现并测试一个完全可靠的交叉开关,与参考设计相比,relOBI将注入故障的脆弱性从34.85%降低至0%。然而,这种可靠性提升伴随着面积增加2.6倍和时序影响1.4倍的代价。尽管如此,与文献中报道的细粒度三重化和投票机制相比,relOBI的面积开销降低了1.8倍。本研究表明,relOBI在保证高可靠性的同时,显著优化了资源占用,为在辐射环境中运行的SoC设计提供了一种高效的互连解决方案。研究结果对于嵌入式系统和高可靠性计算领域具有重要意义,尤其是在航空航天和核工业等对可靠性要求极高的应用场景中,relOBI能够有效提升系统的容错能力。结论指出,relOBI在性能与资源开销之间取得了较好的平衡,未来可进一步优化以适应更广泛的应用需求。

📄 中文摘要:
本文研究了在微软Hololens 2设备上为现有手语(SL)头像添加调整功能的影响。通过对德国手语(DGS)专家用户与可调整和不可调整头像在特定使用场景中的交互进行详细分析,本研究识别了影响系统可理解性、用户体验(UX)以及可接受性的关键因素。研究发现,尽管用户更倾向于可调整设置,但用户体验和可理解性并未显著提升,仍然处于较低水平,主要原因包括手语元素(如口型和面部表情)的缺失以及实现问题(如手形不清晰、缺乏反馈和菜单位置不当)。在用户评价中,享乐质量(情感或审美上的愉悦)高于实用质量(功能性),表明用户认为系统的功能性不如情感或审美吸引力。此外,可调整头像导致更高的压力水平,反映出较低的性能、更多的努力和更大的挫折感。用户还对手势调整是否直观和易于熟悉提出了担忧。尽管对可调整性概念的可接受性总体上是积极的,但其高度依赖于可用性和动画质量。本研究强调,仅靠个性化不足以解决问题,手语头像必须在默认情况下具备可理解性。关键建议包括增强口型和面部动画、改进交互界面以及采用参与式设计方法。本文为手语头像系统的设计和优化提供了重要参考,旨在提升其在实际应用中的有效性和用户满意度。

📄 中文摘要:
本文研究了操作符重载算法微分(AD)工具中复数运算的集成问题。传统的AD工具通常仅针对浮点数值设计,而对于线性系统求解器或矩阵-矩阵乘法等算法优化,往往通过外部函数或手动函数特化实现。复数可以看作是两个浮点值的聚合,并在其上应用特化操作。尽管这些操作通常可由AD工具的常规浮点运算处理,但将复数运算集成到现代操作符重载AD工具的表达式模板框架中具有多重优势。首先,复数运算的内部计算被隐藏,运算不会分解为单一操作,从而减少了记录磁带(tape)的内存占用,并加速了梯度计算时间。本文详细讨论了这些问题,分析了如何将复数集成到现代AD工具中,并以CoDiPack为例展示了一种实现方式。此外,通过一个合成测试案例,作者展示了性能结果,验证了复数集成在内存使用和计算效率方面的改进。研究表明,这种方法不仅提升了计算性能,还为AD工具在处理复杂数学问题时提供了更高效的解决方案。结论指出,将复数运算纳入表达式模板框架是AD工具发展的重要方向,可能为相关领域的算法优化提供新的可能性。

📄 中文摘要:
本文研究了一种新颖的分布式计算框架——多访问分布式计算(MADC)模型。在该模型中,映射器(mapper)和归约器(reducer)节点是独立的实体,与传统的MapReduce框架不同,MADC利用编码理论技术来最小化通信开销,而无需在映射器节点之间进行文件复制。作者提出了一种基于组合设计(特别是t-designs)的新方法,用于构建高效的编码方案,从而实现计算负载为1的目标。通过建立t-designs与MapReduce数组之间的联系,本文刻画了可实现的通信负载,并展示了该方法在选择归约器节点数量方面的灵活性。所提出的方案相较于现有的组合拓扑方案显著减少了归约器节点的数量,但以增加通信成本为代价。研究背景在于分布式计算中通信效率的重要性,尤其是在大规模数据处理中,通信开销往往成为性能瓶颈。本文的方法通过数学工具优化了节点间的通信模式,为分布式计算提供了一种新的视角。关键发现包括:通过组合设计可以有效平衡计算负载与通信成本,且该方法在节点数量配置上具有较高的适应性。结论表明,尽管通信成本有所增加,但减少归约器节点数量的策略在特定场景下具有显著优势,可能适用于对计算资源有限但通信资源相对充裕的环境。未来研究可以进一步探索如何在不同应用场景中优化这一权衡关系,以实现更广泛的适用性。

📄 中文摘要:
图聚类是一种重要的算法技术,广泛用于分析大规模图数据,并在数据科学的多个研究领域中得到应用。大多数图聚类算法的目标是找到低电导率的顶点集,然而,近期一系列研究强调在分析现实世界数据集时,顶点集之间互联性的重要性。基于这一研究方向,本文聚焦于二分簇(bipartite-like clusters),提出了一种高效且在线的稀疏化算法,用于在无向图和有向图中发现此类簇。二分簇是一种顶点集之间的连接模式,类似于二分图结构,具有重要的实际意义。本文提出的算法通过稀疏化技术减少图的复杂性,从而在保持聚类效果的同时显著提高计算效率。我们在合成数据集和现实世界数据集上进行了实验研究,结果表明,与现有聚类算法相比,我们的算法在运行时间上实现了显著的加速,同时保持了聚类效果的有效性。此外,本文还探讨了算法在不同图结构上的适应性,验证了其在处理大规模图数据时的鲁棒性和实用性。研究结论表明,该在线稀疏化方法为图聚类提供了一种高效的解决方案,尤其适用于需要快速处理动态图数据的场景。未来工作可以进一步优化算法的并行化实现,以应对更大规模的数据挑战。

📄 中文摘要:
本研究探讨了基于大型语言模型(LLM)的代码生成在创意编码领域(如现场编码)的潜力,旨在帮助用户专注于结构主题而非语法细节。在此类应用中,用户在提示LLM时可能希望获得多个多样化的代码候选方案,以更好地实现其音乐意图。然而,当前的代码生成模型在提供独特且多样的代码候选方案方面存在困难,且无法直接洞察代码生成的音频输出。为了在代码候选方案与生成的音频之间建立更紧密的联系,本研究深入分析了代码嵌入空间与音频嵌入空间之间映射的拓扑结构。研究发现,代码嵌入与音频嵌入之间并非简单的线性关系,但通过构建一个预测模型,表明可以学习到一种嵌入对齐映射。为了进一步实现音乐输出的多样性,本文提出了一种模型,该模型能够根据输入代码预测输出音频嵌入,从而构建代码-音频嵌入对齐映射。这一方法为代码生成模型提供了新的视角,有助于提升生成的代码在音乐创作中的实用性和多样性。研究结果表明,通过嵌入对齐映射,可以更好地理解和优化代码与音频输出之间的关系,为未来的创意编码工具设计提供了理论基础和实践指导。最终,本研究为利用人工智能技术增强音乐创作提供了重要的技术支持,可能对现场编码和其他创意编程领域产生积极影响。

📄 中文摘要:
本文研究了在复杂度受限的解码条件下,长极化码与低密度奇偶校验码(LDPC码)的性能对比。业界和学术界普遍认为,极化码在短码长情况下具有竞争力,但随着码长的增加,其性能难以与LDPC码相媲美。这一观点通常基于LDPC码能够通过大量信念传播(BP)迭代进行解码的假设。然而,在实际应用中,由于延迟和复杂度限制,迭代次数往往受到严格约束。本文通过分析表明,在相似的定点对数似然比(LLR)操作次数下,长极化码在连续取消(SC)解码下的性能优于LDPC码。特别地,极化码的简化连续取消(SSC)解码展现出比N log N更好的复杂度扩展性,并且所需的运算量少于具有相同参数的LDPC码的单次BP迭代。通过对比实验和理论分析,本文揭示了在复杂度受限场景中,长极化码相较于LDPC码的优势,尤其是在高码长情况下的潜在应用价值。研究结果挑战了传统观点,为极化码在实际通信系统中的应用提供了新的视角,同时也为编码理论在资源受限环境下的优化设计提供了重要参考。

📄 中文摘要:
本文研究了飞机路径规划问题,这是运筹学在航空管理领域中被广泛研究的重要课题之一。飞机路径规划问题的核心在于为飞机分配飞行任务,同时确保飞机定期访问维护基地以满足安全和运营要求。本文从两个关键方面对该问题进行了深入探讨:一是路径规划中的周期性特征,即如何在长期运营中优化飞机的维护周期以减少停机时间和运营成本;二是问题的复杂性分析,研究了在多约束条件(如飞行时间限制、维护资源可用性、机场容量等)下的计算复杂性,揭示了问题求解的难点所在。作者提出了一种新的建模方法,结合了数学优化技术和启发式算法,以应对大规模实例中的计算挑战。研究结果表明,通过合理设计周期性路径,可以显著降低维护成本并提高飞机利用率。此外,本文还探讨了不同约束条件对问题复杂性的影响,并给出了在实际应用中平衡计算效率与解质量的建议。最终,作者总结了当前研究的局限性,并指出了未来在动态调度和不确定性环境下进一步研究的方向。这项研究为航空公司优化资源配置和提升运营效率提供了重要的理论支持和实践指导。

📄 中文摘要:
本文研究了一种由自主飞行器(AAV)支持的集成感知、通信和计算(ISCC)系统,特别关注将可移动天线(MA)集成到系统中以提升整体性能。具体而言,多个配备可移动天线的AAV执行感知任务,并同时将生成的计算任务传输到基站进行处理。为了在感知和资源约束下最小化最大延迟,本文构建了一个优化问题,联合协调可移动天线的位置、计算资源分配以及传输波束成形。由于目标函数的非凸性和变量间的高度耦合,本文提出了一种基于粒子群优化和凸优化的双层迭代算法来解决该问题。仿真结果表明,与基准方案相比,所提出的方案在延迟方面取得了显著改进。这一研究为多AAV系统中的资源管理和延迟优化提供了新的视角,特别是在动态天线配置和计算任务分配的协同优化方面具有重要意义。研究结果不仅验证了可移动天线在提升系统效率方面的潜力,也为未来在复杂无线网络环境中实现低延迟通信和计算提供了理论支持和实践指导。作者通过详细的仿真实验对比了不同方案的性能,强调了联合优化策略在处理多任务、多资源约束问题中的优越性,为相关领域的研究奠定了基础。

📄 中文摘要:
本文提出了一种全新的三玩家拍卖桥牌游戏版本,旨在打破固定伙伴关系,使游戏更具动态性和灵活性。通过实时动态重新定义团队构成,该游戏设计增加了不可预测性,迫使玩家不断更新策略。研究引入了一种新颖的评分系统,通过奖励机制促进公平性,减少传统规则游戏中的偏见,强调战术决策和风险评估。该版本遵循常规桥牌规则,测试玩家在没有固定友谊的情况下进行合作的能力,要求实时进行灵活调整和适应性出价行为。策略问题包括进攻性和防御性出价、适应性打牌风格以及特定于三玩家结构的损失追求策略。文章讨论了出价的概率问题、王牌和无王牌声明的影响,以及用于抢墩的算法方法。模拟结果展示了不同策略的有效性。该游戏架构非常适合竞赛,可能在扩大锦标赛牌类游戏的参与群体方面具有影响力。研究背景在于传统桥牌游戏中固定团队的局限性,而本文通过创新的三玩家动态团队设计,探索了更具挑战性和趣味性的游戏机制。关键发现表明,动态团队构成和新型评分系统显著提升了游戏的策略深度和公平性。结论指出,这种设计不仅适用于休闲娱乐,还可能对竞技桥牌的发展产生积极影响,为未来的游戏设计和人工智能在策略游戏中的应用提供了新的思路。

📄 中文摘要:
有限角度Radon变换由于其病态性(ill-posedness)而难以求逆,成为断层成像领域的一个难题。本研究从数学角度解释了数据驱动方法相较于传统方法(如滤波反投影法)能够更稳定地重建更多信息的原因。作者通过理论分析揭示了数据驱动方法在处理有限角度数据时的优势,特别是在信息缺失严重的情况下,相较于传统方法能够更好地恢复图像细节。此外,本文还基于U-Net神经网络进行了实验验证,实验结果与理论分析一致,表明数据驱动方法在有限角度断层成像中具有更高的鲁棒性和重建精度。研究不仅探讨了数据驱动方法在数学上的稳定性,还通过具体的实验数据展示了其在实际应用中的潜力。作者进一步讨论了数据驱动方法可能面临的挑战,例如训练数据的依赖性和计算复杂度,并提出了未来研究方向,包括如何优化模型以适应更广泛的成像场景。本研究为有限角度断层成像提供了一种新的视角,强调了深度学习技术在解决传统成像难题中的重要作用,同时也为后续研究奠定了理论和实践基础。

📄 中文摘要:
本文旨在深入研究非主信道访问(Non-Primary Channel Access, NPCA)机制的性能表现,NPCA是IEEE 802.11bn标准引入的一项新特性,旨在提升Wi-Fi网络的频谱利用率。NPCA允许设备在主信道被重叠基本服务集(Overlapping Basic Service Set, OBSS)的传输占用时,竞争并在次信道上进行传输。为此,作者开发了一个连续时间马尔可夫链(Continuous-Time Markov Chain, CTMC)模型,用于捕捉启用NPCA时密集无线局域网(WLAN)环境中OBSS之间的交互行为,该模型纳入了NPCA特有的状态和转换机制。通过分析模型提供的理论洞察,结合数值评估和仿真实验,作者量化了NPCA在不同场景下对吞吐量和信道访问延迟的影响。研究结果表明,在有利条件下,NPCA能够显著提升支持该机制的基本服务集(BSS)的吞吐量并减少访问延迟。此外,NPCA还有助于缓解OBSS性能异常问题,即低速率OBSS传输会降低附近所有设备的网络性能。然而,研究也发现了NPCA的权衡之处:它可能增加次信道上的竞争,从而减少在次信道上运行的BSS的传输机会。总体而言,本文提出的建模方法为分析、优化和指导下一代Wi-Fi网络中NPCA的发展奠定了基础。这一研究不仅揭示了NPCA在提高频谱效率方面的潜力,也为未来标准制定和实际部署提供了重要参考。

📄 中文摘要:
随着学术论文投稿量的持续增长和可用评审员资源的有限,学术同行评审系统面临越来越大的压力,导致决策延迟和评审责任分配不均。基于国际软件仓库挖掘会议(MSR)社区在2021年和2022年实施影子程序委员会(Shadow PC)以及2023年和2024年实施初级程序委员会(Junior PC)的经验,MSR 2025在其技术轨道中试验了一种新的混合程序委员会(Blended PC)同行评审模型。该模型将一名初级程序委员会成员与两名常规程序委员会成员组成核心评审团队,共同评审一篇论文,而非将初级成员作为额外评审员。本文详细介绍了该模型的理论依据、实施过程以及反思,同时结合评审后作者调查的实证数据,评估了评审的质量和实用性。研究结果表明,混合程序委员会模型具有缓解评审员短缺、促进包容性以及维持高质量同行评审过程的潜力。此外,本文还总结了经验教训,并为未来该模型的采纳和改进提供了建议。研究强调了通过创新评审机制来应对学术评审挑战的重要性,特别是在软件工程领域,混合模型可能为培养新一代评审员和提升评审效率提供有效途径。作者还指出了模型在实施过程中遇到的挑战,如初级评审员经验不足可能导致评审质量不一致,并提出了通过培训和指导机制来进一步优化模型的建议。总体而言,该研究为学术评审系统的可持续发展提供了有价值的见解。

📄 中文摘要:
本文提出了‘音频人格’的概念,允许用户在音频增强现实中通过身体锚定的声音来‘装饰’自己。类似于服装、化妆和香水,音频人格为面对面交流提供了一种替代且动态的增强渠道。例如,用户可以设置雨声作为音频人格以反映低落情绪,使用蜜蜂声音来建立个人边界,或用俏皮的‘嗖’声模拟像微风一样经过他人。为了实现这一概念,作者开发了一个基于耳机的原型系统,支持多用户跟踪和音频流传输。在实验室中进行的预注册研究涉及64名参与者,结果显示音频人格显著影响了参与者对他人的印象形成。拥有积极音频人格的个体被评为更具社交吸引力、更讨人喜欢且威胁性更低,而拥有消极音频人格的个体则相反。此外,作者与音频设计师的合作研究表明,音频人格在公共和半公共-私人空间中被优先用于管理社交印象(如个性)和传递当前状态(如情绪)。研究结果表明,音频人格作为一种新型社交增强工具,具有潜力在人际互动中发挥重要作用,尤其是在表达个人情感和建立社交边界方面。作者还讨论了音频人格在隐私保护、用户接受度以及未来技术发展中的潜在挑战与机遇,强调了其在增强现实和社交互动领域中的应用前景。

📄 中文摘要:
摄食行为对健康至关重要,但现有的干预措施多局限于静态指导或手动自我追踪。本文综述了136项研究,这些研究利用传感器支持或交互介导的方法来影响摄食行为。随着传感器、情境感知计算和感知计算的日益融合,近期系统开始支持闭环干预,能够动态感知用户行为并在摄食事件期间或前后提供反馈。本文提出了一个基于情境感知计算的行为闭环范式,并受到人机交互(HCI)行为改变框架的启发。该范式包括四个组成部分:目标行为、感知方式、推理和干预策略。文章还提出了一个感知和干预方式的分类法,沿着人类和环境两个维度进行组织。此外,研究分析了不同方式-行为组合的评估方法和设计趋势。综述揭示了当前的主要模式和关键差距,例如现有研究多集中于特定行为(如饮食速度)或单一传感器类型(如可穿戴设备),而对多模态感知和个性化干预的探索不足。文章还指出了干预效果的长期评估和用户接受度研究的缺乏。基于这些发现,本文为未来适应性和情境感知的摄食健康干预提供了设计洞见,强调了跨学科合作和用户中心设计的必要性,以实现更有效的行为改变。

📄 中文摘要:
本文针对通过寻找最优三角网格实例(即预处理结构)来提升三角扩展算法(TEA)在计算可见区域时的查询性能问题进行了研究。TEA是一种递归遍历网格并跟踪可见区域(即从查询点在多边形世界中可见的所有点集合)的算法。研究表明,实际查询时间与网格遍历过程中三角形边扩展的次数成正比。本文提出了一种新型三角网格,假设查询点服从已知的概率分布,该网格能够最小化预期的扩展次数。我们设计了一种启发式方法来近似构建该网格,并在多个类似于现实环境的挑战性实例上评估了该方法的效果。实验结果表明,与参考的约束Delaunay三角化方法相比,所提出的网格将平均查询时间提高了12-16%。该方法适用于需要计算数百万次查询的离线应用,而无需考虑预处理时间。此外,本文的实现代码已公开,供社区复制实验和进一步研究使用。本研究为可见区域计算提供了一种有效的优化策略,尤其在需要大量查询的场景中具有实际应用价值。

📄 中文摘要:
本文研究了在美国计算机科学研究生课程中,英语为母语和非母语的学生在在线课程中的同伴反馈体验差异。随着国际学生在美国研究生课程中的比例逐年增加(2023年硕士学位的60.2%授予非美国学生),在线课程中常采用同伴反馈机制以提升学生参与度和教学效果。然而,由于课程以英语进行,许多非母语学生需使用第二语言学习和交流。本研究通过Twitter-roBERTa情感分析模型,分析了随机抽取的500名学生所撰写和收到的同伴反馈的情感倾向,并将情感评分和反馈评价与学生的语言背景相关联。研究发现,英语为母语的学生对反馈的评价较低,而非母语学生撰写的反馈情感更为积极,但他们收到的反馈情感却相对较负面。在控制性别和年龄等变量后,研究显示语言背景在同伴反馈体验中起到了一定但复杂的作用,存在显著的交互效应。这些结果表明,语言背景对在线课程中同伴反馈的情感体验有微妙的影响,可能对教育公平性和课程设计产生启示。研究强调了在多语言环境中优化反馈机制的重要性,并为未来的教育技术研究提供了数据支持。

📄 中文摘要:
本研究聚焦于纽芬兰与拉布拉多省的市政软预算约束问题,分析其面临的税收基础狭窄、高固定服务成本以及资源收入波动等挑战。研究构建了一个Stackelberg风格的机制设计模型,其中省级政府在初始阶段承诺一个事前拨款计划和事后救助规则。市政当局私下观察其财政需求类型,选择努力程度、投资和债务水平,并在赤字超过法定阈值时可能获得救助。在凸性和单交叉条件(或通过熨平处理的虚拟单调性)下,问题简化为一个一维筛选问题,并推导出一个可操作的转移机制,该机制具有二次救助成本和法定上限。最优规则表现为阈值-线性-上限的形式:低于参与阈值时不予救助;在阈值至上限间线性递增救助;超过上限后实施硬性限制。此外,研究通过一个刀锋式不等式推导出自洽的无救助机制,并明确了一个折扣因子阈值,使硬预算在动态上具有可信度。闭式特征化为纽芬兰的制度提供了政策模板,并明确了未来校准所需的微观数据。本研究不仅为解决市政软预算问题提供了理论框架,也为政策制定者提供了实践指导,特别是在资源依赖型经济体中如何平衡财政激励与约束的问题上具有重要意义。

📄 中文摘要:
本文针对基站(BS)总功率预算的限制,提出了一种联合预编码、天线选择和发射功率控制算法,以充分利用基站的可用功率。研究聚焦于下行多用户多输入多输出(MIMO)速率分割多址接入(RSMA)系统,考虑了任意分辨率的数模转换器(DACs)。通过定义基于条件平均速率方法的遍历和谱效率(SE),处理发射端不完美的信道状态信息(CSIT),并采用近似技术使问题更易于求解,作者重新构建了和谱效率最大化问题。随后,将问题分解为预编码方向和功率控制两个子问题:通过识别优越的拉格朗日驻点解决预编码方向子问题,并利用梯度下降法解决功率控制子问题。此外,作者还提出了一种适用于大规模MIMO系统的复杂度降低方法。仿真结果不仅验证了所提出算法的有效性,还揭示了在充分利用基站功率预算的情况下,8-11位中等分辨率的DACs可能比低分辨率DACs更具功率效率。这一发现对实际系统设计具有重要意义,表明在功率受限场景下,选择适当分辨率的DACs可以优化系统性能。研究结论为未来无线通信系统中功率管理和硬件设计提供了新的思路,尤其是在不完美CSIT条件下如何平衡性能与能耗。

📄 中文摘要:
本文提出了一种基于液体透镜的成像接收器,用于多输入多输出(MIMO)可见光通信(VLC)系统。通过动态调整液体透镜的焦距和方向角度,降低了MIMO通道增益之间的空间相关性,从而显著提升了误比特率(BER)性能。与传统的静态透镜相比,液体透镜在动态条件下(如用户移动和接收器随机方向)具有更高的适应性。本研究开发了一个精确的数学框架来建模所提议系统的通道增益,并构建了一个优化问题以最小化BER。由于通道模型的复杂性,文章提出了两种透镜调整方案:(i)CLS方案和(ii)VULO方案。数值结果表明,与传统的静态透镜接收器相比,基于液体透镜的系统在广泛的随机接收器方向条件下显著改善了BER性能。具体而言,在接收器方向方差为10°时,BER从4×10^{-2}改进到5×10^{-4}。这一结果表明,液体透镜的应用在动态环境中能够有效提升MIMO VLC系统的通信质量,为可见光通信技术的发展提供了新的可能性。研究结论强调了液体透镜在未来VLC系统设计中的潜力,尤其是在需要高适应性和鲁棒性的场景中。

📄 中文摘要:
无线信道的理解对于无线系统设计至关重要。在移动通信中,需要使用短测量时间的探测器和天线阵列,以同时捕捉动态和空间信道特性。切换天线阵列是一种有吸引力的选择,能够克服真实阵列的高成本和虚拟阵列的长时间测量问题。切换序列的优化对于避免混叠和提高信道参数估计的准确性至关重要。本文对切换序列的设计进行了新颖且全面的分析。首先,我们回顾了传统的时空模糊函数,将其扩展到双极化天线阵列,并分析了其在超大规模天线阵列应用中的高复杂度问题。为此,我们提出了一种新方法,利用费希尔信息矩阵来解决估计精度问题。同时,我们建议通过选择一个在傅里叶频谱中最小化旁瓣的切换序列来减少模糊性。在此基础上,我们将序列设计问题分为基于傅里叶的模糊性减少和基于费希尔的精度提升,并将所得设计方法命名为傅里叶-费希尔方法。仿真和测量结果表明,傅里叶-费希尔方法在性能上与传统的基于模糊性的方法相同,但计算复杂度显著降低。这一研究为动态信道探测中的天线切换方案优化提供了有效的解决方案,对未来无线通信系统的设计具有重要意义。

📄 中文摘要:
SNOLAB每两年举办一次未来项目研讨会(FPW),旨在鼓励未来项目利益相关者提出可能在SNOLAB开展的实验或项目的想法、概念和需求。2025年的FPW是在加拿大创新基金会要求的15年规划背景下召开的,具有更广泛的意义。本报告汇总了来自社区的各种输入,包括研讨会上的贡献以及由于时间安排未能纳入研讨会但对社区而言仍然重要的其他意见。报告详细记录了与会者对未来地下实验项目的需求和设想,涵盖了粒子物理、暗物质探测、中微子研究等多个领域的前沿课题。研讨会讨论了潜在项目的科学目标、技术挑战以及与SNOLAB设施的兼容性,同时也探讨了长期规划中资源分配和国际合作的重要性。关键发现包括社区对下一代实验设施的迫切需求,以及对跨学科合作和技术创新的强烈呼吁。报告还指出了当前基础设施的局限性,并提出了未来改进方向的建议。结论强调,SNOLAB作为全球领先的地下实验室,需要在未来15年中持续获得支持,以维持其在粒子物理和相关领域的研究领导地位,同时需加强与全球科研机构的合作,确保项目的高效实施和科学产出的最大化。

📄 中文摘要:
本文在增广拉格朗日(Augmented Lagrangian, AL)框架内提出了一种新颖的分布式优化方法,称为分布式增广拉格朗日分解(Distributed Augmented Lagrangian Decomposition, DALD)。该方法针对一般的约束优化问题设计,并提供了标准版本的严格收敛性证明。为了解决早期迭代中高计算成本的问题,作者提出了几种加速变体版本的DALD,这些变体在不牺牲理论保证的前提下显著提高了计算效率,并通过全面的收敛性分析得到了支持。为了便于描述分布式优化过程,本文引入了层次协调网络的概念,并结合层次矩阵理论辅助解释优化过程。此外,作者进一步探索并扩展了DALD方法的适用性,展示了如何在AL框架内统一现有的分布式优化理论。通过数值实验,验证了所提出的分布式优化方法及其变体的有效性和适用性。研究结果表明,DALD方法在处理约束优化问题时具有较高的效率和灵活性,为分布式优化领域提供了一种新的理论工具和实践方法。本文的理论分析和实验结果为后续研究奠定了坚实基础,同时也为解决大规模优化问题提供了新的思路。

📄 中文摘要:
随着分布式能源资源(DER)越来越多地融入输电网络运营,电压支持的反应功率采购问题变得尤为复杂。本文通过将电压调节问题建模为一个Stackelberg博弈来解决这一挑战,其中输电系统运营商(TSO)设计激励机制以引导配电系统运营商(DSO)的反应功率响应行为。研究提出了一种基于梯度的迭代算法,通过更新激励措施,确保DSO调整其反应功率注入以维持电压稳定。同时,本文引入了在线反馈优化的原则,支持实时实施,利用TSO和DSO策略中的电压测量数据。这种方法不仅增强了对模型不确定性和运行条件变化的鲁棒性,还促进了激励机制与自动化的协同设计。数值实验在一个5节点输电网络上验证了该方法的有效性,表明其能够在考虑自利DSO战略互动的同时实现电压调节。研究背景聚焦于分布式能源对传统电力系统的挑战,方法创新在于将博弈论与在线优化相结合,关键发现是该方法能够在动态环境中有效维持电压稳定,同时适应各方利益冲突。结论指出,该激励设计框架为输电网络中电压支持采购提供了一种可行的解决方案,并为未来在更大规模系统中的应用奠定了基础。

📄 中文摘要:
发电扩展规划(GEP)模型一直是长期规划的重要工具。近年来,间歇性可再生能源发电的增长增加了对非可再生能源快速响应每日负荷变化能力的需求,促使研究将机组组合(UC)特性引入GEP模型中。然而,GEP+UC模型通常包含离散变量和大量细节,导致计算时间过长,对于需要开发、调试、修改和多次运行GEP模型的分析师来说不切实际。本研究提出了一种新型GEP模型,该模型按技术类型对发电进行聚合,并仅包含必要的UC内容以表征发电响应需求快速变化的限制,即基于历史数据估计每种发电类型的最大变化率,设置爬坡和降坡约束。我们以加拿大安大略省的数据为例进行说明,所提出的GEP模型是一个大规模线性规划问题,在普通计算设备上不到一小时即可求解,并能提供可信的解决方案。研究背景在于解决传统GEP模型在处理短期运行约束时的计算复杂性问题,主要方法是通过数据驱动的方式简化模型结构并引入历史数据支持的约束条件。关键发现表明,该模型能够在保持结果可信度的同时显著降低计算时间,为长期电力系统规划提供了实用工具。结论指出,这种方法在平衡计算效率与模型精度方面具有显著优势,适用于需要频繁运行和调整的规划场景。

📄 中文摘要:
本文提出了一种双时间尺度的SIRS类型模型,其中感染个体中的一部分(比例为θ)会经历严重的疾病过程,需要住院治疗。在住院期间,这些个体不会进一步传播感染。研究分析了模型的平衡点,进行了分叉分析,并探讨了其双时间尺度的特性(采用了几何奇异摄动理论的技术)。主要结果给出了θ的一个显式表达式,该值使长期住院总人数达到最大值,揭示了这一比例可能低于1的有趣现象。这表明严重疾病通过广泛住院需求,可以间接抑制传染,从而减少住院人数。数值模拟展示了短期内住院人数的增长趋势。此外,该模型还可解释为只有一部分感染个体(比例为θ)出现症状并自我隔离的情景。通过这一模型,研究揭示了疾病严重程度与传染控制之间的复杂关系,为理解流行病传播动态及其对经济和社会的影响提供了新的视角。研究结果表明,住院比例的优化不仅影响公共卫生策略,还可能对资源分配和经济成本产生深远影响。这一模型为制定有效的疾病控制措施提供了理论支持,尤其是在资源有限的情况下,如何平衡医疗需求与传染控制成为关键问题。作者通过数学建模和数值分析,强调了疾病严重程度在流行病管理中的重要作用,为未来的政策制定和应急响应提供了重要的参考依据。

📄 中文摘要:
本文研究了一个双准则网络设计问题,该问题源于城市和农村公共交通规划的实际应用。作者通过分析问题的复杂性,证明了该问题在一般情况下是不可逼近的,揭示了寻找最优解的固有困难。同时,研究识别出一些特殊情况,在这些情况下可以实现问题的可逼近性,为从业者提供了有价值的见解。论文的证明方法利用了有向网络设计问题的复杂性结果,这是一个在现有文献中关注较少的领域。通过深入探讨这些复杂性结果,作者旨在填补关键的研究空白,增强对双准则决策与网络设计挑战之间相互作用的理解。本研究不仅为理论研究提供了新的视角,也为实际交通网络规划中的优化问题提供了指导。研究结果表明,双准则网络设计问题的复杂性需要在算法设计和实际应用中加以平衡,尤其是在资源有限的情况下,特殊情况下的可逼近性结果可能为制定高效的交通规划策略提供重要参考。此外,本文的研究方法和结论对其他相关网络优化问题也具有一定的借鉴意义,为未来的研究奠定了基础。

📄 中文摘要:
本文研究了儿童游戏《猜猜我是谁》的最优策略,假设游戏遵循官方规则,且双方玩家提出的问题均为具有二分响应的‘经典’问题。研究通过证明,提出了一种最优策略,确保玩家在游戏中能够以最有效的方式缩小对手角色的范围。此外,本文借鉴了Rabern和Rabern在2008年发表的论文《A simple solution to the hardest logic puzzle ever》中描述的一种技术,扩展了问题的响应形式,允许提出具有三分响应的非经典问题。作者详细解释了这一创新方法,并进一步给出了在两位玩家均采用这种三分响应问题时的最优策略。通过对比二分响应和三分响应的策略效果,研究展示了如何在游戏的不同阶段选择最优问题类型,以最小化猜测次数并提高胜率。关键发现表明,三分响应策略在某些情况下能够显著提高效率,尤其是在角色池较大时。结论指出,无论是经典二分问题还是创新的三分问题,最优策略的核心在于通过信息熵最大化来设计问题,从而在每次询问中获取尽可能多的信息。本研究不仅为《猜猜我是谁》游戏提供了理论指导,也为类似的信息搜索和决策问题提供了启发。

📄 中文摘要:
本研究探讨了骨/骨髓微结构如何影响基于计算机断层扫描(CT)Hounsfield单位(HU)的声学特性关系,特别是在经颅聚焦超声应用中模拟声学特性的准确性问题。研究通过构建颅骨模拟数字模型(包含骨和骨髓两种材料,孔隙率从0%到75%)来分析插入损失,模型设置了六种不同的孔径(0.2毫米至1.0毫米)。使用k-Wave仿真工具,在230 kHz和650 kHz的连续均匀压力源下进行计算,插入损失定义为相对于纯水参考的传输平均压力。在230 kHz频率下,插入损失随孔隙率变化,但微结构影响较小。然而,在650 kHz频率下,无论是在无吸收还是有吸收的仿真中,插入损失均显著依赖于孔隙率和孔径。较大孔径的模型在相同孔隙率下通常表现出更高的损失。在无吸收模型中,插入损失的最大变化范围为2%至52%,出现在20%孔隙率时。吸收效应平均增加了8.2%的损失,其中最小孔径(0.2毫米)和2.5%孔隙率的模型损失增加最多,达13%。研究还发现,小孔径模型的损失受到模型平面界面连贯多重反射的影响,而大孔径则破坏了这种相干性。插入损失对孔隙率和孔径的依赖性表明,在650 kHz下,衰减与HU的关系不确定,这对基于CT的声学模型有重要影响,因为不同微结构的HU值无法对应单一的衰减值。研究结果强调了在经颅超声应用中考虑微结构变异性的必要性。

📄 中文摘要:
本文探讨了从新手到学科专家的成长过程,这是教育研究中一个长期关注的问题。传统研究常依赖参与者的自我评估或其他定性指标来定义经验水平,但参与者自评的经验是否与其对学科概念的理解一致仍需验证。本研究利用从超过150个概念图中提取的数据,首先证明了学科经验是一个可靠的变量,可以解释高度多样化的学习者群体在概念理解上的差异。通过比较无监督和半监督模型,本文提出将参与者聚类为三个不同的经验水平,并支持其他教育研究中类似的分类方法。通过分析聚类构成,研究还发现了参与者感知经验水平与预测经验水平之间的差异。此外,对于通过网络分析处理参与者数据的研究,本文提供了关于每个经验水平特征的统计显著性指标的见解,并倡导在此类研究中使用节点级别的指标。研究结果表明,聚类方法能够有效识别和细化参与者的经验水平,为教育研究中更精确的经验分类提供了新的视角和工具,同时也揭示了自评与实际能力之间的潜在不一致性。这为未来的教育研究提供了重要的方法论支持,尤其是在如何更准确地评估学习者的学科理解和经验水平方面。

📄 中文摘要:
本文研究了倒数速度力$F(v)=rac{C}{v}$的理论意义及其在物理学中的应用,尤其是在传动装置和汽车物理学中的作用。研究背景源于物理学学生在学习过程中积累了解决各种力学问题的经验,并对力的物理直觉和实现方式有深刻理解,但对倒数速度力的关注不足。该力的理论重要性体现在常数$C$的单位为功率,表明这种力具有恒定功率的特性,即$P(t)=F(v(t))v(t)=C$。本文的目标是通过图形方法解释这种特殊力如何从传动装置中产生,探讨其一些物理后果,并简要讨论其在汽车物理学中的角色。研究方法主要依赖于图形分析,揭示了倒数速度力在传动装置中的生成机制及其对系统动力学的影响。关键发现包括该力在维持恒定功率输出中的独特作用,以及其在汽车传动系统设计中的潜在应用价值。研究还探讨了该力对速度和加速度的影响,指出其在特定条件下可能导致非直观的运动行为。结论表明,倒数速度力不仅具有重要的理论价值,还可能为工程设计提供新的思路,尤其是在需要恒定功率输出的场景中。本文的研究为进一步探索该力的实际应用奠定了基础,并呼吁学术界对其给予更多关注。

📄 中文摘要:
本文研究了强场物理过程中相干现象的测量方法,提出了一种基于声光相位调制和锁相检测的干涉仪设计,以实现对复杂非线性响应的精确解析。强场过程的研究需要高选择性的干涉测量方案,而结合声光调制器(AOM)与锁相检测的干涉仪因其出色的动态范围和高选择性检测能力,成为一种有前景的解决方案。然而,在处理强场、超短、近红外(NIR)激光脉冲时,传统的声光调制器会引入时间和角度色散、自相位调制以及在近红外波段的声光效率降低等问题,限制了其应用。本文提出了一种新型声光相位调制干涉仪设计,通过优化结构和参数,有效解决了上述问题,包括减少色散影响、抑制自相位调制以及提升近红外波段的调制效率。研究结果表明,该设计显著提高了干涉仪在强场环境下的性能,为利用相位调制干涉技术研究强场物理过程奠定了基础。此外,本文提出的解决方案还可应用于其他领域的相位调制干涉仪性能改进,具有广泛的应用前景。关键发现包括通过改进声光调制器的设计和操作条件,可以在强场、超短脉冲条件下实现高精度的相位测量。结论指出,该方法不仅适用于强场物理研究,还为相关光学测量技术的发展提供了重要参考。

📄 中文摘要:
PhysiBoSS 是一个开源平台,通过将细胞群体的基于代理的建模与细胞内的随机布尔网络相结合,实现了复杂生物行为的多尺度模拟。为了促进模型共享和版本管理,本研究推出了 PhysiBoSS-Models 数据库,这是一个专为使用 PhysiBoSS 构建的多尺度模型而设计的精选存储库。该数据库通过提供简洁的 Python API,使得用户能够通过 PhysiCell Studio 等工具轻松下载和模拟已有的模型。PhysiBoSS-Models 数据库为研究人员提供了一个标准化的访问途径,以获取经过验证的模型,从而促进了模型的重复使用、验证和基准测试。这一平台不仅简化了多尺度模型的获取和应用过程,还通过提供一个集中化的资源库,支持了生物学领域的研究工作。研究表明,PhysiBoSS-Models 数据库在推动模型共享和协作方面具有重要价值,能够帮助研究人员更高效地开展复杂生物系统的模拟和分析工作,为生物学研究中的多尺度建模提供了强有力的支持工具。未来,该数据库有望进一步扩展,纳入更多类型的模型和功能,以满足不同研究需求,并推动多尺度建模技术在生物学中的广泛应用。

📄 中文摘要:
废水监测作为一种非侵入性的方法,已被证明是监测SARS-CoV-2等病原体的有效工具,可用于评估特定下水道区域内人群的潜在疾病负担。自COVID-19大流行开始以来,废水处理和病原体核酸水平量化的实验室方法随着技术进步、监测规模扩大以及供应链问题的解决而不断改进。保持数据连续性对于实验室在方法转换期间准确评估传染病水平以及将测得的RNA浓度与公共卫生数据进行比较至关重要。尽管实验室方法的动态变化和确保数据不中断的必要性,迄今为止,尚未有研究将来自不同实验室方法的两个数据集结合起来,用于环境样本中病原体定量分析。本研究描述了一种实验室转换过程,即从基于低通量手动过滤的废水浓缩和RNA提取结合qPCR方法,转向高通量自动化磁珠浓缩和提取结合dPCR方法进行SARS-CoV-2 RNA定量。在为期两个月的转换期间,来自芝加哥大都市区的废水样本同时采用两种方法进行处理。我们评估了多种回归模型以关联两种方法的RNA测量结果,发现对数-对数模型在剔除异常值和差异点后最为合适,可提升模型性能。此外,我们还评估了为低于检测限的样本赋值的影响。研究表明,如果在方法转换期间有足够的重叠时间来构建适当的模型以关联数据集,则可以保持数据连续性。本研究为实验室方法转换期间的数据一致性提供了重要参考,有助于长期监测和公共卫生决策。

📄 中文摘要:
本文提出了一种超越弱扰动的标量简化方法,用于研究受迫或耦合系统中n:m相位锁定状态的存在性和稳定性。研究对象包括多种生物学相关的振荡器,如非径向等时钟和丘脑神经振荡器。通过该标量简化方法,成功捕捉到了相位锁定状态随耦合强度和异质性变化的出现与消失。研究发现,即使是极小的异质性(通常比耦合强度小几个数量级),也能显著改变相位锁定状态。这种方法提供了一种直接的方式,用于简化和分析在更符合生物学现实情境下可能具有高维度的耦合振荡器系统。本文的研究背景在于探索强耦合和异质性对振荡器系统动态行为的影响,特别是在生物系统中常见的复杂耦合现象。主要方法是通过标量简化,将复杂的多维系统降维处理,从而便于分析相位锁定的条件和稳定性。关键发现包括异质性对相位锁定状态的显著影响,以及耦合强度在决定系统行为中的关键作用。结论指出,该方法不仅适用于理论分析,还为理解生物系统中振荡器的同步行为提供了新的视角和工具,尤其是在神经科学和生物节律研究领域具有潜在的应用价值。

📄 中文摘要:
本文研究了趋势跟踪策略中信号参数的选择对策略表现的影响,重点探讨了避免选择性信号(cherry-picking)的必要性。研究背景源于趋势跟踪策略在商品交易顾问(CTAs)中的广泛应用,作者通过实证分析验证了Grebenkov和Serror(2014)提出的理论夏普公式与实际数据的契合度。研究方法主要包括对均值回归过程的建模,作者发现仅使用单一时间尺度的均值回归过程即可较为精确地模拟趋势跟踪机制在CTAs平均尺度上的现实表现。基于此,研究提出使用单一简单指数移动平均线(EMA)作为信号参数已足够捕捉趋势,而无需依赖复杂的多指标组合。关键发现表明,复杂的指标组合不仅并非最优选择,反而增加了选择性信号的风险,可能导致策略的过拟合和不稳定性。作者通过图表(Fig.5)展示了实证结果与理论公式的显著一致性,进一步支持了简化信号选择的观点。结论指出,趋势跟踪策略的设计应注重信号的简洁性和理论依据,以避免不必要的复杂性和潜在的风险。这一研究为量化投资领域提供了重要的实践指导,强调了信号选择中的理性与科学性。

📄 中文摘要:
本文提出了一种名为'Powerwise'(PWR)的新系统,用于NCAA一级男子曲棍球锦标赛的队伍选拔。该系统是在与NCAA曲棍球选拔标准和排名委员会(SCR)讨论的基础上开发的,旨在通过简单而有效的方法提升选拔过程的公平性、客观性和整体质量。Powerwise方法主要基于层次化的成对比较,重点关注队伍在直接对决和共同对手比赛中的场上表现。对于场上结果不具决定性的情况,系统采用一种类似Massey/Colley/Sagarin的简单统计方法——实力评分(Power Rating, PR)。实力评分基于胜利分差,并隐式考虑了赛程强度(strength of schedule)。这种方法不仅简化了复杂的队伍选拔过程,还使其对教练和球迷而言更加易于理解。通过结合直接比赛结果和统计分析,Powerwise系统能够在保持透明度的同时,显著提升选拔的公正性,确保更具竞争力的队伍进入锦标赛。本文详细阐述了Powerwise系统的设计理念、实施步骤以及其在实际应用中的潜在优势,同时探讨了其对NCAA曲棍球锦标赛选拔机制的改进意义。研究表明,该方法能够有效解决传统选拔中存在的偏见和主观性问题,为未来的体育赛事选拔提供了一种创新且可靠的工具。

📄 中文摘要:
本文研究了在观察具有破坏性的情况下,基于属性的验收抽样计划设计问题。研究背景源于国际标准ISO 2859-2,该标准通过超几何分布为孤立批次提供了确保特定质量水平的抽样计划。然而,在破坏性测试中,样本本身会受到损害或发生变化,导致整个批次的质量评估不如去除样本后剩余批次的质量评估重要。典型应用场景包括种子发芽率的评估和服务中公用仪表的一致性检查。作者提出了一种新的抽样计划方法,旨在解决破坏性测试中的质量控制问题,重点关注剩余批次的质量保证,而非整体批次。通过理论分析和数学建模,本文设计了适用于破坏性观察的抽样方案,并探讨了如何在样本破坏后仍能有效推断剩余批次的质量水平。研究的关键发现包括:通过调整抽样参数和接受准则,可以在破坏性测试中实现对剩余批次质量的可靠评估,同时降低因样本破坏导致的整体质量评估偏差。此外,作者还提供了具体的实施指南,以帮助从业者在实际操作中应用这些抽样计划。结论表明,该方法在破坏性测试场景下具有较高的实用价值,能够有效提升质量控制的准确性和可靠性,为相关领域的标准化工作提供了重要参考。

📄 中文摘要:
在心血管临床试验中,复合终点(如死亡和住院)常被用作主要终点。传统的胜率法(Win Ratio, WR)通过分层结构将致命和非致命事件结合,赋予死亡信息绝对优先级。然而,当治疗效果主要体现在非致命结果上时,这种方法可能会降低统计效能。为解决这一问题,本研究提出了多阈值胜率法(Win Ratio with Multiple Thresholds, WR-MT),通过引入非零阈值的多阶段结构,放松了标准WR的严格分层限制。此外,研究还开发了一种加权自适应方法来确定WR-MT中的阈值。该方法保留了标准WR的统计特性,同时在某些情况下增加了检测非致命事件治疗效果的机会。通过模拟实验,研究展示了WR-MT在第二层信号较强时相较于标准WR具有更优的表现,而在其他情况下表现相当。模拟中考虑了随访时间、事件相关性以及治疗效果大小的变化。此外,研究以Digitalis Investigation Group临床试验数据为案例,进一步阐述了所提出的方法。为便于应用,作者开发了一个名为“WRMT”的R软件包,用于实现该方法。本研究为临床试验中复合终点的分析提供了新的工具和思路,可能在特定场景下显著提升统计分析的敏感性,为治疗效果的评估提供更全面的视角。

📄 中文摘要:
共情准确性(EA)是指准确理解他人思想和情感的能力,这对社会和心理互动至关重要。传统上,EA通过比较感知者对目标对象情感状态的即时评分与目标对象自身的自我报告评分来评估。然而,由于情感解释的复杂性和个体行为反应的差异,这两个时间序列之间常常存在错位。传统方法通常忽略或简化这些错位,例如假设固定的时间延迟,这可能导致EA估计出现偏差。为解决这一问题,本研究提出了一种新颖的对齐方法,能够捕捉多种错位模式。该方法利用平方根速度框架将情感评分轨迹分解为幅度和相位成分,并引入正则化约束,限制时间偏移在符合人类感知能力的范围内。通过受限动态规划算法高效实现对齐。本研究通过模拟和现实世界中的视频及音乐数据集验证了该方法的有效性,结果表明其性能优于传统技术。研究发现,该方法能够更准确地估计共情准确性,特别是在情感动态变化较大的情境中表现出色。这一创新方法不仅提升了EA评估的精度,还为理解复杂情感互动提供了新的工具。研究结论表明,考虑时间错位并采用灵活的对齐策略是提高共情研究质量的关键,未来可进一步应用于更广泛的社会心理学和情感计算领域。

📄 中文摘要:
本文主要介绍了在GRASP编程系统中实现视觉评估器扩展的具体方法,同时也间接地提供了一份关于GRASP系统设计及其扩展机制架构的教程。GRASP系统及其扩展机制在本文撰写时尚未最终完成,作者明确指出文中描述的一些解决方案细节在首次发布前可能会有所调整。然而,构建一个具备类似GRASP系统功能所需解决的核心问题集合将保持不变。这些问题包括如何设计一个灵活且可扩展的编程环境,以及如何通过视觉工具增强程序的调试与评估能力。本文详细阐述了视觉步进器作为一种扩展工具如何集成到GRASP系统中,包括其设计理念、实现步骤以及与系统其他组件的交互方式。此外,作者还探讨了在开发过程中遇到的挑战和相应的解决方案,强调了模块化设计和接口定义的重要性。尽管系统尚未成熟,但本文提出的问题和解决思路对Scheme编程社区具有一定的参考价值。作者希望通过分享这些设计经验和实现细节,能够启发其他研究者或开发者在构建类似系统时找到更优的解决方案。总之,本文不仅展示了GRASP系统中视觉步进器的具体实现过程,也为编程系统扩展机制的设计提供了有价值的见解,为未来的研究和开发奠定了基础。