MétaCan
Menu
Retour à la cohorte
Enregistrement W4395465556 · doi:10.18260/1-2-1124.1153-45655

Quantum Brain-Computer Interface

2024· article· en· W4395465556 sur OpenAlexaff
Farbod Khoshnoud, Marco B. Quadrelli, Enrique J. Galvez, Clarence W. de Silva, Shayan Javaherian, Behnam Bahr, Maziar Ghazinejad, Anas Salah Eddin, Mohamed El-Hadedy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCalifornia State Polytechnic University, PomonaCalifornia Institute of TechnologyJet Propulsion LaboratoryNational Aeronautics and Space Administration
Mots-clésComputer scienceInterface (matter)Brain–computer interfaceQuantum computerHuman–computer interactionQuantumOperating systemNeurosciencePhysicsElectroencephalographyPsychology

Résumé

récupéré en direct d'OpenAlex

As the importance of quantum technologies is rapidly rising, e.g., in cyber security domain, further surge applications of such systems in various domains are expected in near term.In fact, the integration of quantum technologies with classical systems is inevitable in many disciplines, particularly as quantum devices are becoming more accessible.Among the various areas in which quantum technologies can potentially provide important complementary contributions, the area of Brain Computer Interface (BCI) has yet to be explored.The two areas of experimental photon quantum mechanics and BCI are brought together in this paper, for the first time.The applications of EEG signals to the control of mechanical systems, for example controlling drones remotely with brain wave signals, have been studied by various researchers.This paper presents the mechanism in which an EEG device is used to control the quantum properties in quantum experimental setups.In particular, a brain wave signal is used in changing the polarization of photons using a motorized half-waveplate in pre-built quantum entanglement and quantum cryptography experiments.This, in fact shows the mechanism on how quantum-BCI can be integrated as a system, before BCIbased control can be applied to hybrid classical-quantum systems, such as quantum experiments mounted on robotic platforms.The mechatronics of such systems is explained in this paper.This paper also outlines the necessary educational aspects of quantum related topics for students who have not traditionally exposed to quantum mechanics in their discipline, such as mechanical, aerospace, and electromechanical engineering students, which indeed is an essential step in preparing the next generation of engineering workforce for the fast-changing industry, the R&D sectors and academia.The quantum mechanics education and training steps in the mechatronics course and senior design projects are particularly promoted and discussed here.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0480,009

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,300
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer InterfacesTravaux en français237 207