XiaoMi-AI文件搜索系统
World File Search System全局优化
变分量子问题的噪声贝叶斯优化...
在许多值得关注的科学应用中，量子算法有可能比传统算法快得多。例如量子机器学习 [1]、量子化学 [2] 以及许多其他 [3]。不幸的是，其中许多应用还无法在当前的嘈杂中型量子 (NISQ) 计算机上实现 [4]，需要等到噪声源可以被抑制到阈值，使量子计算机可用于实践，甚至构建容错量子计算机 [5]。然而，许多有趣的 LGT 问题已经可以通过 NISQ 设备进行研究 [6]。特别是，如果以哈密顿量公式研究 LGT，量子算法通常不会受到符号问题的影响 [7,8]。一种重要的现成算法是变分量子特征值求解器 (VQE) [ 9 ]，它是一种混合量子经典算法，利用变分原理寻找给定汉密尔顿量 H 的基态（和激发态）。VQE 的量子部分用于测量给定多量子比特状态中汉密尔顿量的期望值，即能量，而经典部分则在由参数化量子电路生成的多量子比特状态族中搜索使能量最小化的状态。本文提出的算法是一种经典优化器，旨在找到基态的良好近似值，尽可能减少能量测量的次数。这里选择的方法称为贝叶斯全局优化。它的首次应用可以追溯到 20 世纪 60 年代 [ 10 ]，而它的现代实现则基于最近的研究 [ 11 ]。该方法的基础是高斯过程回归 (GPR)，这是一种基于高斯过程贝叶斯推理的插值方法。它使我们能够使用有限量的 (嘈杂) 数据创建黑盒函数的预测模型。在每次优化迭代中，该模型用于确定一组可能接近全局最小点的参数。此步骤按照称为获取函数优化的过程执行。这里提出的优化能量的算法不同于 VQE 中常用的其他替代方法，因为它不仅使用能量的估计值，还使用其统计误差的值。其动机是降低每一步的量子测量次数：即使对于不精确的能量测量，只要它们的误差由于中心极限定理近似为高斯，该过程也是定义良好的。使用噪声设备模拟器将该算法的结果与其他常用的替代方案进行了比较。
HyDesign：用于优化风能、太阳能光伏和锂离子电池等电网混合发电厂规模的工具
摘要。与仅采用风能或光伏技术的电厂相比，由并置风能、太阳能光伏 (PV) 和锂离子电池存储组成的混合可再生能源电厂通过单一电网连接，可以为业主和社会提供额外的价值。本文考虑的混合电厂连接到电网，并在不同的发电和存储技术之间分担电力基础设施成本。在本文中，我们提出了一种将混合电厂规模确定为嵌套优化问题的方法：具有外部规模优化和内部运行优化。外部规模优化最大化资本支出的净现值，并将其与最小化平准化能源成本的标准设计进行比较。规模问题公式包括涡轮机选择（就额定功率、比功率和轮毂高度而言）、风力发电厂尾流损耗替代、简化的风能和光伏退化模型、电池退化以及内部能源管理系统的运行优化。使用新的并行“高效全局优化”算法解决了外部规模优化问题。这种新算法是一种基于代理的优化方法，可确保最少的模型评估次数，但可确保优化具有全局范围。本文介绍的方法可在名为 HyDesign 的开源工具中找到。混合定型算法适用于印度不同地点的峰值发电厂用例，在这些地点，可再生能源拍卖会在高峰时段不供应能源时施加罚款。我们比较了使用两个不同目标函数时的混合发电厂定型结果：平准化能源成本 (LCoE) 或相对于总资本支出成本 (NPV / CH) 的相对净现值。电池存储仅安装在基于 NPV / CH 的设计上，而混合设计（包括风能、太阳能和电池）仅发生在风能资源良好的场地。该场地的风力涡轮机选择优先考虑轮毂高度较低、额定功率较低的廉价涡轮机。更换的电池数量因场地而异，在整个使用寿命期间介于两个或三个单元之间。与电网连接相比，所有基于 NPV / CH 的设计都存在明显的发电量过大。正如预期的那样，基于 LCoE 的设计是一种无需电池的单一技术。
使用量子计算从叠后地震数据中估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心
使用量子计算从叠后地震数据估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心 摘要 量子计算越来越被认为是地球物理学的一项变革性技术，它有可能显著提高计算能力和效率。这一进步有望以前所未有的速度模拟和处理复杂的地质数据。最近的研究已经开始探索将量子计算方法应用于简化版本的地震反演问题，强调该技术解决现实世界逆问题的能力。本研究的主要目的是通过使用量子计算机从地震轨迹数据估计声阻抗来解决一个现实、可扩展且与业务相关的问题。据我们所知，这是第一次通过量子计算从地震数据预测地震阻抗，并讨论了在量子处理单元 (QPU) 上解决逆问题的优势。在本文中，我们利用 D-Wave 量子退火器来解决叠后地震反演问题，采用了一种新颖的两步工作流程。在第一步中，我们利用量子退火器从地震数据中估计反射率。随后，这些估计的法向入射反射率作为使用相同量子技术预测声阻抗的基础。为了验证我们方法的有效性，我们提供了五个示例，将 D-Wave 量子退火器的阻抗预测与通过模拟退火（传统上用于地震反演的随机全局优化器）获得的阻抗预测并列。值得注意的是，从量子退火器得出的阻抗仅在一个时期内就与真实值紧密匹配，而模拟退火需要 10 个时期才能达到类似的精度。此外，我们的混合求解器中的 QPU 仅花费约 0.08 秒即可估计这些地震阻抗。与混合求解器的经典组件和模拟退火所需的时间相比，这非常高效，后两者均需要超过 10 秒。这凸显了 QPU 可以在不到一秒的时间内完全解决地震逆问题，凸显了量子计算对地球物理学领域的变革性影响。 引言 量子计算是一个新兴领域，它利用量子力学原理来处理信息，为传统计算带来了范式转变。与以比特为信息基本单位的传统计算机相比，量子计算机
从磁共振成像中对胎儿大脑进行半自动分割
1. Wu Y、Lu YC、Jacobs M、Pradhan S、Kapse K、Zhao L 等人。产前母亲心理困扰与胎儿大脑生长、代谢和皮质成熟的关系。JAMA Netw open。2020；3：e1919940–e1919940。doi：10.1001/jamanetworkopen.2019.19940 2. Ebner M、Wang G、Li W、Aertsen M、Patel PA、Aughwane R 等人。胎儿脑部 MRI 定位、分割和超分辨率重建的自动化框架。神经影像。2020；206。 doi:10.1016/j.neuroimage.2019.116324 3. Goldberg E、McKenzie CA、de Vrijer B、Eagleson R、de Ribaupierre S。胎儿对母亲内部听觉刺激的反应。J Magn Reson Imaging。2020 年；1-7。doi:10.1002/jmri.27033 4. Ebner M、Wang G、Li W、Aertsen M、Patel PA、Aughwane R 等人。胎儿脑 MRI 的自动定位、分割和重建框架。医学图像计算和计算机辅助干预。Cham；2018 年，第 313-320 页。5. Avants B、Tustison N、Johnson H。高级规范化工具 (ANTS)。Insight J。2009 年； 1–35。6. Avants BB、Epstein CL、Grossman M、Gee JC。具有互相关的对称微分同胚图像配准：评估老年人和神经退行性脑部的自动标记。Med Image Anal。2008；12：26–41。doi：https://doi.org/10.1016/j.media.2007.06.004 7. Jenkinson M、Smith S。一种用于脑部图像稳健仿射配准的全局优化方法。Med Image Anal。2001；5：143–156。 doi:https://doi.org/10.1016/S1361- 8415(01)00036-6 8. Jenkinson M、Bannister P、Brady M、Smith S。改进的优化方法，以实现脑图像的稳健和精确线性配准和运动校正。神经影像。2002；17：825-841。doi:https://doi.org/10.1006/nimg.2002.1132 9. Klein A、Andersson J、Ardekani BA、Ashburner J、Avants B、Chiang MC 等人。评估 14 种非线性变形算法在人脑 MRI 配准中的应用。神经影像。2009；46：786-802。 doi:10.1016/j.neuroimage.2008.12.037 10. Nosarti C、Murray RM、Hack M 编辑。早产的神经发育结果。剑桥：剑桥大学出版社；2010 年。doi:10.1017/CBO9780511712166 11. Blencowe H、Lee ACC、Cousens S、Bahalim A、Narwal R、Zhong N 等。2010 年区域和全球范围内早产相关神经发育障碍估计值。儿科研究。2013；74：17–34。doi:10.1038/pr.2013.204
贾尼斯·蒂莫申科 (Janis Timoshenko, 贾尼斯·蒂莫申科)
4. 研究专长和兴趣 a) 专业领域：材料科学、纳米催化、X 射线吸收光谱、原位 XAS 研究、高级 XAS 数据分析、机器学习方法、原子模拟技术（分子动力学、逆蒙特卡罗方法）、全局优化技术（模拟退火、进化算法）、线性代数方法（主成分分析、多元曲线分辨/盲源分离方法）、理论物理（介观电荷传输、量子计算、统计物理）、一些计算流体动力学经验。 b) 目前的研究兴趣：使用时间分辨 XAS 方法对材料进行实验研究，将 XAS 的结构和动力学信息与材料特性和功能联系起来。我对开发和应用先进的数据分析方法特别感兴趣，以充分利用 X 射线吸收光谱中编码的信息，并将实验测量与理论建模的结果相结合。 c) 参与同步辐射装置的实验； XAS 经验：我曾参加过 BESSY、DORIS、PETRA III 和 ANKA（德国）、SLS（瑞士）、ELETTRA（意大利）、SOLEIL、ESRF（法国）、ALBA（西班牙）、SSRL、NSLS-II APS（美国）同步辐射设施的 XAS 实验，包括荧光、透射模式和掠入射模式的测量、温度相关、压力相关 XAS 测量、催化过程的原位研究、RIXS 测量（APS、ESRF）、QXAFS 模式测量（NSLS-II、SOLEIL、SLS 和 DESY）、X 射线拉曼散射实验（ESRF）和光学色散装置测量（SOLEIL）。此外，我还在 SOLEIL 同步加速器和基于同步加速器的 XRD（NSLS II 和 DESY）方面有 FTIR 测量经验。目前，我还领导着一个团队，负责设计 PETRA III/IV 上由马克斯·普朗克学会资助的新光束线，该光束线致力于使用 XAS、XRD、SAXS 和 XES 方法对催化剂进行原位研究。此外，我和 FHI 的团队目前正在努力改造新的实验室 XAS 光谱仪，以对催化剂进行原位研究。我与他人合作撰写了 100 多篇关于 XAS 研究的论文，其中包括关于 XAS 数据分析高级方法的论文。 d) 参与重大研究项目：CatLab 研究平台的扩展（德国联邦教育与研究部（BMBF）和马克斯普朗克学会资助）：与 Beatriz Roldan Cuenya 教授共同提议设计 PETRA 同步加速器的光束线前端站，2021 年至今美国国家科学基金会项目工具包，用于表征和设计 DMREF 计划下的双功能纳米颗粒催化剂（合作项目，涉及叶史瓦大学/石溪大学、德克萨斯大学奥斯汀分校、匹兹堡大学），2015 年 – 2018 年。EUROFUSION 项目 ODS 颗粒何时以及如何形成？- ODS 钢和高蠕变强度 ODS 钢的 X 射线吸收光谱和从头算建模（拉脱维亚大学与德国卡尔斯鲁厄理工学院和西班牙 CIEMAT 合作项目），2014- 2015 年。 EURATOM 项目 实验室规模的纳米结构 ODSFD 批次的生产和特性以及模型的实验验证（拉脱维亚大学与德国卡尔斯鲁厄理工学院和芬兰赫尔辛基大学合作项目，2013 – 2015 年。 e) 参加暑期学校和研讨会 1) 原子模拟技术暑期学校（2010 年 7 月 4 日 - 2010 年 7 月 25 日，意大利的里雅斯特）； 2) 超快 X 射线科学与 X 射线自由电子激光器 (2011 年 3 月 29 日至 2011 年 4 月 2 日，德国汉堡 DESY)；3) 第 32 届柏林中子散射学校 (2012 年 3 月 7 日至 2012 年 3 月 16 日，德国柏林 HZB)。4) HERCULES-2013（大型实验系统用户高级欧洲研究课程）（2013 年 2 月 24 日至 2013 年 3 月 28 日，法国格勒诺布尔 ESRF）。
氨和硝酸的可再生生产
4. Zhang Q、Grossmann IE。工业需求侧管理的规划和调度：进展与挑战。替代能源与技术。Cham：Springer；2016：383-414。5. Schäfer P、Westerholt HG、Schweidtmann AM、Ilieva S、Mitsos A。基于模型的能源密集型工艺初级平衡市场竞价策略。Comput Chem Eng。2018；120：4-14。6. Baldea M。将化学工艺用作电网级储能设备。引自：Kopanos GM、Liu P、Georgiadis MC 编。能源系统工程进展。Cham：Springer；2017：247-271。7. Mitsos A、Asprion N、Floudas CA 等。新原料和能源工艺优化面临的挑战。 Comput Chem Eng。2018；113：209-221。8. Appl M. 氨。在：Elvers B，编辑。Ullmann 工业化学百科全书。2000 年。https://onlinelibrary.wiley.com/doi/10.1002/14356007.o02_o11。9. Nørskov J、Chen J、Miranda R、Fitzsimmons T、Stack R。可持续氨合成——探索与发现替代、可持续氨生产工艺相关的科学挑战 [Tech. Rep.]。美国能源部；2016 年。https://www.osti. gov/servlets/purl/1283146。访问日期：2017 年 11 月 20 日。10. Demirhan CD、Tso WW、Powell JB、Pistikopoulos EN。通过工艺合成和全局优化实现可持续氨生产。AIChE J。2018；65(7):e16498。11. Guillet N、Millet P。碱性水电解。引自：Godula-Jopek A 编辑。氢气生产：通过电解。Weinheim：威利在线图书馆；2015：117-163。12. Cheema II、Krewer U。电转氨哈伯-博世工艺设计的操作范围。RSC Adv。2018；8(61):34926-34936。13. Reese M、Marquart C、Malmali M 等人。小规模哈伯工艺的性能。 Ind Eng Chem Res。2016；55(13)：3742-3750。14. Millet P. PEM 水电解。引自：Godula-Jopek A 编辑。电解制氢。Weinheim：Wiley Online Library；2015：63-114。15. Petipas F、Fu Q、Brisse A、Bouallou C。固体氧化物电解池的瞬态运行。国际氢能杂志。2013；38(7)：2957-2964。16. Mougin J. 高温蒸汽电解制氢。氢能纲要。剑桥：爱思唯尔；2015：225-253。 17. Wang G, Mitsos A, Marquardt W. 氨基能源存储系统的概念设计：系统设计和时不变性能。AIChE J。2017；63(5)：1620-1637。18. Chen C, Lovegrove KM, Sepulveda A, Lavine AS。用于氨基太阳能热化学能源存储的氨合成系统的设计和优化。Sol Energy。2018；159：992-1002。19. Allman A, Daoutidis P. 风力发电氨发电的优化调度：关键设计参数的影响。Chem Eng Res Des。2017；131：5-15。 20. Allman A、Palys MJ、Daoutidis P. 基于调度的时变运行系统优化设计：风力发电氨案例研究。AIChE J。2018；65(7)：e16434。21. Du Z、Denkenberger D、Pearce JM。太阳能光伏供电的现场氨生产用于氮肥。Sol Energy。2015；122:562-568。22. Allman A、Tiffany D、Kelley S、Daoutidis P。结合传统和可再生能源发电的氨供应链优化框架。AIChE J。2017；63(10)：4390-4402。23. Palys MJ、Allman A、Daoutidis P。探索模块化可再生能源供电的氨生产的优势：供应链优化研究。Ind Eng Chem Res。2018；58(15)：5898-5908。24. Ghobeity A、Mitsos A。太阳能接收器和储存器的最佳设计和运行。J Sol Energy Eng。2012；134(3)：031005。 25. Yuan Z, Chen B, Sin G, Gani R. 基于优化的化工过程同步设计和控制的最新进展. AIChE J. 2012;58(6):1640-1659.