XiaoMi-AI文件搜索系统
World File Search System函数
原创研究论文利用福井函数和分子动力学研究吖啶衍生物对铝的缓蚀活性
本研究利用量子化学分析方法评估了吖啶及其衍生物吖啶-ACD、吖啶-2-羧酸-ACA、吖啶-2-甲醛-A2C 和 2-乙基-吖啶-2EA 在 Al (110) 表面的缓蚀效果。利用计算化学技术计算了这些缓蚀剂的结合能，发现 ACD 的结合能为 -39.918 kcal/mol，ACA 的结合能为 -53.042 kcal/mol，A2C 的结合能为 -47.001 kcal/mol，2EA 的结合能为 -46.319 kcal/mol。除了结合能之外，还分析了各种 Fukui 函数和能量参数，包括 EHOMO（最高占据分子轨道能量）、ELUMO（最低未占据分子轨道能量）、ΔE（能隙）、ΔNAl（转移到铝表面的电荷）、ω（稳定性指数）和 ΔE_b-d（结合能差）。在所测试的抑制剂中，ACA 在所有参数中表现出最高的结合能，表明与铝表面的相互作用最强。Fukui 函数研究表明，原子 C1、C13、N6 和 N7 对 Fukui (+) 和 Fukui (-) 都表现出较高的 Fukui 值，表明这些原子在与铝表面的相互作用中起着至关重要的作用。ACA 的最佳电子和结合特性使其能够在 Al (110) 上形成坚固的保护层，显著提高耐腐蚀性。总之，ACA 是所研究的吖啶衍生物中最有效的腐蚀抑制剂，为 Al（110）表面提供了卓越的保护。
损失函数在增强学习中的核心作用
摘要。本文说明了损失功能在数据驱动决策中的核心作用，从而对其在成本敏感的分类（CSC）和增强学习（RL）方面提供了全面的调查。我们演示了不同的回归损失函数如何影响样本的效率和基于价值决策算法的适应性。在多个设置中，我们证明，使用二进制跨透镜损失的算法达到了最佳策略成本的第一阶范围，并且比常用的平方损失更有效。此外，我们证明，使用最大似然损失的分布算法与策略差异达到了二阶范围，甚至比一阶边界更明显。这特别证明了分歧RL的好处。我们希望本文能够成为分析具有不同损失功能的决策算法的指导，并可以激发读者寻求更好的损失功能，以改善任何决策算法。
犹豫模糊隶属函数估计下生物质供应链网络设计的可能性规划方法
摘要：通过从专家那里获取知识来识别隶属函数是许多模糊数学规划模型的重要因素。同时，犹豫模糊集理论作为一种已知且流行的现代模糊集，通过在集合下分配一些离散隶属度，可以适当地处理决策问题中的不精确信息。因此，犹豫模糊隶属函数 (HFMF) 估计可以帮助数学规划方法的用户在连续空间问题中提供强大的解决方案。因此，本研究提出了一种基于贝塞尔曲线机制的可能性规划方法来估计 HFMF。在可能性规划方法的过程中，提出了一个优化模型来调整贝塞尔曲线的主要参数，目标是最小化经验数据和拟合 HFMF 之间的 SSE)。之后，通过提出一种新的生物质供应链网络设计问题数学模型来检查所提方法的效率和适用性。最后，提供了关于生物质供应链网络设计的计算实验和验证程序，以仔细检查所提出方法的验证和确认。
Al/InAs/Al 异质结的自洽准粒子引力波和混合函数计算：能带偏移和自旋轨道耦合效应
表面和界面的电子结构对量子器件的特性起着关键作用。在这里，我们结合密度泛函理论与混合泛函以及最先进的准粒子引力波 (QSGW) 计算，研究了实际的 Al / InAs / Al 异质结的电子结构。我们发现 QSGW 计算和混合泛函计算之间具有良好的一致性，而后者本身与角分辨光电子能谱实验相比也非常出色。我们的论文证实，需要对界面质量进行良好的控制，才能获得 InAs / Al 异质结所需的特性。对自旋轨道耦合对电子态自旋分裂的影响的详细分析表明，k 空间中存在线性缩放，这与某些界面态的二维性质有关。QSGW 和混合泛函计算的良好一致性为可靠地使用 QSGW 的有效近似来研究非常大的异质结打开了大门。
贝叶斯优化函数在图中的节点子集
我们解决了图表中节点子集上定义的功能优化的问题。鉴于其组合，黑盒和昂贵的评估性质，这种功能的优化通常是一项非平凡的任务。尽管文献中已经引入了各种算法，但大多数是特定于任务或计算效率低下的算法，并且仅利用图形结构的信息而不考虑函数的特征。为了解决这些限制，我们利用贝叶斯优化（BO），一种样品有效的黑盒求解器，并提出了一个新颖的框架，以在图形上进行组合优化。更具体地说，我们将原始图中的每个k节点子集映射到新组合图中的节点，并采用局部建模方法，通过使用递归算法逐步采样其子图，以有效地穿越后者。合成和现实世界中的广泛实验证明了拟议的BO框架在各种类型的图形和优化任务上的有效性，其中通过消融研究详细分析了其行为。可以在github.com/leonresearch/graphcombo上找到实验代码。
葡萄球菌的隔离，鉴定和抗抗函数...
引用：Jimba RA，Ogbu JC，Agarry OO，Donas Nonso W，Odunsanya OO（2024）与牛肉中异构体的金黄色葡萄球菌的分离，鉴定和抗抗体图。J Med Case Rep案例系列5（12）：
单层六角硼硝化硼涂层的LAB6的工作函数降低，以改善光子和热电击速度
Los Alamos国家实验室是一项平权行动/均等机会雇主，由Triad National Security，LLC经营，为美国能源部国家核安全管理局根据合同89233218CNA000001运营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
交换关联函数的层次结构在计算岩盐和闪锌矿半导体晶格热导率中的应用
晶格热导率（κL）是晶体固体的一个重要特性，对热管理、能量转换和热障涂层具有重要意义。基于密度泛函理论（DFT）的计算工具的进步使得能够有效利用基于声子准粒子的方法来揭示各种晶体系统的潜在物理原理。虽然高阶非谐性通常用于解释晶体中的异常传热行为，但DFT中的交换关联（XC）函数对描述非谐性的影响却在很大程度上被忽视了。XC 函数对于确定 DFT 描述固体和分子中电子/离子之间相互作用的准确性至关重要。然而，固体物理中大多数XC泛函主要侧重于计算只需要原子偏离平衡态很小位移（在谐波近似内）的性质，如谐波声子和弹性常数，而非谐性则涉及较大的原子位移。因此，对于XC泛函来说，在非谐性水平上准确描述原子相互作用更具挑战性。本研究采用多种XC泛函,如局部密度近似(LDA)、Perdew-Burke-Ernzerhof(PBE)、固体和表面的修正PBE(PBEsol)、优化的B86b泛函(optB86b)、修正的Tao-Perdew-Staroverov-Scuseria(revTPSS)、强约束和适当范数泛函(SCAN)、正则化SCAN(rSCAN)和正则化恢复SCAN(r2SCAN)以及不同的扰动阶数,包括谐波近似内的声子(HA)加三声子散射(HA+3ph)、用自洽声子理论计算的声子(SCPH)加三声子散射(SCPH+3ph)、SCPH声子加三声子和四声子散射,系统地研究了16种具有岩盐和闪锌矿结构的二元化合物的室温κL。 (SCPH+3,4ph)。结果表明，XC 函数与扰动阶表现出强纠缠，计算出的 κ L 的平均相对绝对误差 (MRAE) 受 XC 函数和扰动阶的强烈影响，导致误差抵消或放大。在 HA+3ph 级别的 revTPSS (rSCAN)、在 SCPH+3ph 级别的 SCAN (r 2 SCAN) 和在 SCPH+3,4ph 级别的 PBEsol (rSCAN) 中实现了最小 (最大) MRAE。在这些函数中，PBEsol 在最高扰动阶下表现出最高的精度。SCAN 相关函数表现出中等精度，但存在数值不稳定性且计算成本高的问题。此外，所有 XC 函数都识别出了四次非谐性对岩盐和闪锌矿结构中 κ L 的不同影响，这归因于这两种结构中不同的晶格非谐性。这些发现对于选择合适的泛函来描述非谐声子提供了有价值的参考，并为高阶力常数计算提供了见解，有助于开发更精确的固体材料XC泛函。
完全量子哈希函数
摘要 - 我们在周期框架上介绍了量子步行中的一种新颖的，完全量子哈希（FQH）功能。我们将确定性的量子计算与单个量子级合并，以替换经典的后处理，从而提高了固有的安全性。此外，我们提出的哈希功能表现出零碰撞率和高可靠性。我们进一步表明，它平均提供> 50％的雪崩，并且对初始条件非常敏感。我们在不同的设置以及现有协议上显示了几个性能指标的比较，以证明其功效。FQH需要最少的量子资源来产生较大的哈希价值，从而为生日攻击提供了安全性。因此，这种创新的方法是一种有效的哈希功能，并通过整合完全量子哈希生成协议为量子加密术的潜在进步奠定了基础。索引术语 - Quantum密码函数·哈希功能。量子步行。碰撞。随机统一矩阵。coe。提示。dqc1。
论文建议近似函数分析...
在对电动驱动器的最佳控制中，人们可以通过在退缩地平线上求解基础控制问题，在离散时间步骤中隐式优化控制输入，或者可以尝试明确地找到一个直接映射测得的测量状态以控制操作的控制策略函数。后一种方法通常称为显式最佳控制，需要使用近似功能来解决连续（即无限）状态和动作空间。一旦找到了（近似）最佳控制策略，通常比在每个控制器周期必须在线优化过程进行在线优化过程的隐式情况要快得多。由于控制器决策时间间隔在电动驱动器的子毫秒范围内，因此明确的最佳控制的快速在线推断是一项令人信服的功能。在这里，潜在的控制策略近似函数涵盖了广泛的函数类别，例如神经网络，高斯过程或拉瓜多项式[1]。可以从数据（例如增强学习[2]）或基于可用植物模型（差异预测性控制[3]）中学习控制策略。在这两种情况下，近似函数的拓扑都在控制策略的性能以及训练和推理阶段的数值复杂性方面都起着至关重要的规则。虽然近似函数的特定选择通常是基于临时启发式方法，但如何系统地选择给定控制任务的最佳近似函数的问题仍然在很大程度上开放。