XiaoMi-AI文件搜索系统
World File Search System全局解
为什么开放经济模型的全球和本地解决方案......
我们比较了开放经济不完全市场模型的全局（定点迭代）和局部（一阶、高阶、风险稳态和拟线性）解。主力禀赋模型的周期矩与数据大致一致，并且在校准到相同数据目标的解之间也相似，但脉冲响应和谱密度不同。替代局部解产生几乎相同的结果。校准它们需要非平凡的利率弹性，这使得净国外资产（NFA）“粘性”，导致它们在改变预防性储蓄（例如，增加收入波动、增加资本管制）的实验中与全局解截然不同。分析和数值结果表明，我们的发现是由于不完全市场下 NFA 的近单位根性质及其自相关的不精确解。这些发现扩展到偶尔具有约束力的抵押品约束的突然停止模型。此外，当受到约束时，拟线性方法会产生较小的金融溢价和宏观经济反应。
使用新型 Bonobo 优化器对离网混合可再生能源系统进行技术和经济评估
摘要：本研究采用一种新颖的 bonobo 优化器 (BO) 技术来寻找离网混合可再生能源系统 (HRES) 的最佳设计，该系统包含柴油发电机、光伏 (PV)、风力涡轮机 (WT) 和电池作为存储系统。拟议的 HRES 旨在为沙特阿拉伯北部偏远地区提供电力，其基础是年度系统成本 (ASC) 最小化和电力系统可靠性增强。为了区分和评估性能，将 BO 与四种最近的元启发式算法进行了比较，这四种算法称为大爆炸大收缩 (BBBC)、乌鸦搜索 (CS)、遗传算法 (GA) 和蝴蝶优化算法 (BOA)，以根据捕获的最优和最差解决方案、平均值、收敛速度和标准差为拟议的离网 HRES 找到最佳设计。所得结果显示，与其他四种元启发式算法相比，BO 算法更为有效，它以最低的 ASC（149,977.2 美元）、快速的收敛时间和更少的振荡实现了所提出的离网 HRES 的最优解，其次是 BOA（150,236.4 美元）。BBBC 和 GA 算法都无法捕捉到全局解，并且收敛时间较长。此外，它们具有较高的标准差，这表明它们的解决方案更加分散，振荡明显。这些模拟结果证明了与其他四种元启发式算法相比，BO 算法的优势。
一种用于稳健拟合的混合量子-经典算法
将几何模型拟合到离群污染数据上是可证明的难点。许多计算机视觉系统依靠随机抽样启发式方法来解决稳健拟合问题，但这种方法不提供最优性保证和误差界限。因此，开发新方法来弥合成本高昂的精确解决方案与无法提供质量保证的快速启发式方法之间的差距至关重要。在本文中，我们提出了一种用于稳健拟合的混合量子经典算法。我们的核心贡献是一种新颖的稳健拟合公式，它可以解决一系列整数程序并以全局解或误差界限终止。组合子问题适合量子退火器，这有助于有效地收紧界限。虽然我们对量子计算的使用并没有克服稳健拟合的根本难点，但通过提供误差界限，我们的算法是对随机启发式算法的实际改进。此外，我们的工作代表了量子计算在计算机视觉中的具体应用。我们展示了使用实际量子计算机（D-Wave Advantage）和通过模拟 1 获得的结果。
绝热量子计算机上的平衡 k 均值聚类
摘要 绝热量子计算机是一个有前途的平台，可以有效解决具有挑战性的优化问题。因此，许多人对使用这些计算机来训练计算成本高昂的机器学习模型感兴趣。我们提出了一种量子方法来解决 D-Wave 2000Q 绝热量子计算机上的平衡 k 均值聚类训练问题。为了做到这一点，我们将训练问题表述为二次无约束二元优化 (QUBO) 问题。与现有的经典算法不同，我们的 QUBO 公式针对平衡 k 均值模型的全局解。我们在许多小问题上测试了我们的方法，并观察到尽管 QUBO 公式具有理论上的优势，但现代量子计算机获得的聚类解决方案通常不如最佳经典聚类算法获得的解决方案。尽管如此，量子计算机提供的解决方案确实表现出一些有希望的特性。我们还进行了可扩展性研究，以估计使用未来量子硬件在大型问题上我们的方法的运行时间。作为概念的最终证明，我们使用量子方法对 Iris 基准数据集的随机子集进行聚类。
量子场论和随机偏微分方程
量子场论 (QFT) 起源于 20 世纪 40 和 50 年代为基本粒子定义相对论量子力学理论的尝试。如今，这个术语用于描述从基本粒子到凝聚态物理等各种物理现象的计算框架，该框架基于路径积分，即广义函数空间上的测度。此类测度的数学构造和分析也称为建设性 QFT。本工作联合会将首先介绍一些背景材料，然后探讨近年来基于随机偏微分方程 (SPDE) 视角的一些进展，对于这些方程，QFT 测度是平稳测度。物理学家 Parisi 和 Wu [PW81] 首次观察到 QFT 和 SPDE 之间的联系，这种联系被称为随机量化。从随机量化程序中导出的这些 SPDE 的解理论和解的性质的研究促进了奇异 SPDE 解理论的实质性进展，尤其是过去十年中规则结构理论 [Hai14b] 和准受控分布理论 [GIP15] 的发明。此外，随机量化使我们能够引入更多工具（包括 PDE 和随机分析）来研究 QFT。本 Arbeitsgemeinschaft 的重点将以 QFT 模型（例如 Φ 4 和 Yang-Mills 模型）为例，讨论随机量化和 SPDE 方法及其在这些模型中的应用。其他模型（例如费米子模型、sine-Gordon 和指数相互作用）也将在一定程度上得到讨论。我们将介绍正则结构和准受控分布的核心思想、结果和应用，以及与这些模型相对应的 SPDE 的局部解和全局解的构造，并使用 PDE 方法研究这些 QFT 的一些定性行为，以及与相应的格点或统计物理模型的联系。我们还将讨论 QFT 的一些其他主题，例如威尔逊重正化群、对数索伯列夫不等式及其含义，以及这些主题与 SPDE 之间的各种联系。