XiaoMi-AI文件搜索系统
World File Search System分解
一个长期的短期记忆模型，用于降水的次时间分解
高分辨率降水数据对于现代水文和建筑物湿润性能模型至关重要。在澳大利亚，历史观察结果不足，因为半小时的录音仅取代了2000年代初的许多电台的每日观察。此外，现有的机器学习方法仅限于生成小时时间序列数据。本文使用长期短期记忆将每日降水观察结果分为半小时的时间间隔。该模型利用时间依赖性和小时的天气测量值。我们的结果是基于澳大利亚五个气候区域的站点，表明该模型e FF概述地保留了关键的半小时降水统计数据，包括方差以及半小时湿的半小时的数量和分布。当汇总到每小时间隔时，我们的模型在大多数指标中都优于其他模型。
结构化分解
我们引入结构化分解。这些是类别理论数据结构，它们同样从图理论中概括了概念（包括树宽度，分层树宽度，共树宽度和图形分解宽度），地理群体理论（特定的低音低音理论）和动态系统（例如，混合动力学系统）。此外，结构化的分解使我们能够将这些上述组合不变性概括为新的环境中的结构和算法组成的研究，它们在结构和算法的组成性研究中起着Central的作用。例如，在任何类别中，它们都描述了算法上有用的结构组成：作为我们理论的应用，我们证明了用于组成问题的算法元理论。从具体的术语中，当在图表的猫效中实例化时，该元理论会产生NP- hard问题的组成算法，例如：m aximim b ibartite s ubgraph，m aximim p lanar s ub -
基于O-RAN的交通转向的状态空间分解的级联加固学习
摘要 - 我们研究开放无线接入网络（O-RAN）中的交通转向问题（TS）问题，利用其RAN智能控制器（RIC），其中RAN RAN RAN配置参数可以在接近现实的时间内共同且动态地优化。为了解决TS问题，我们提出了一种新颖的级联加固学习（CARL）框架，我们建议在其中提出状态空间分解和策略分解，以减轻对大型复杂模型和标记良好的数据集的需求。对于每个子州空间，对RL子政策进行了训练以优化服务质量（QoS）。要将CARL应用于新的网络领域，我们提出了一种知识转移方法，以根据受过训练的政策学到的知识来初始化新的子政策。为了评估卡尔，我们构建了一个数据驱动的RIC Digital Twin（DT），该数据使用现实世界中的数据进行建模，包括网络设置，用户地理分配和流量需求，以及其他tier-1 RAN操作员。我们在两个DT方案中评估了Carl，代表了两个不同的美国城市，并将其表现与惯常政策作为基线和其他竞争优化方法（即启发式和Q-表算法）进行了比较。此外，我们已经与RAN运营商进行了实地试验，以评估CARL在美国东北地区的两个地区的表现。索引术语 - 运行，交通转向，增强学习。
一种新型的噬菌体TRNA分解细菌的抗病毒防御...
一个联合研究小组，由治疗药物和疫苗开发中心的KIGA TSUNETARO组成（吉吉医学院医学院传染病学系的访问教授，访问教授，吉吉医学院医学院）等，已经巧妙地阐明了一种新的机制，可以巧妙地利用TRNA来促进细菌效应。这一发现可以鼓励进一步发展噬菌体疗法，并导致实现创新疗法的多药抗性细菌，这些疗法不太可能对传统的抗生素有效。
使用TERAFLOWSDN控制器进行分解的光网络测试床
mihail balanici（1），Behnam伊斯兰教（1），穆罕默德·雷汉·拉扎（Muhammad Rehan Raza）（1），Pooyan Safari（1），Aydin Jafari（1），Vignesh Karunakaran，Vignesh Karunakaran（2），Achim Autenrieth（Achim Autenrieth（2）对于电信，Heinrich-Hertz-institut（HHI），Einsteinufer 37，10587柏林，德国，德国，电子邮件：mihail.balanici@hhi.fraunhofer.de（2）自主光学链路容量的用例调整在部分分散的测试床中。我们的提案采用了最先进的流量预报员来提供容量提供，并且在不中断端到端服务的情况下（重新）配置了（重新）配置光网络元素。
使用LSTM模型分解每日降水数据
没有时间调整，需要对其他位置的每日降水量测量值保持一致，以解释日光节省时间。这些位置进行一年一度的一小时换档，需要每日降水读数和其他气象元素之间的时间对齐，因为半小时的降水数据在标准时间始终记录下来。然后，我们使用该站完整的半小时沉淀数据执行此插值数据的内部连接。这导致了一个时间序列，该时间序列可以追溯到半小时的降水记录开始日期。我们在2020年至2022年的所有数据上测试模型，使用2018和2019作为验证设置，以防止模型过度拟合并在其余数据上进行训练。这会导致大约75％-10％-15％的火车验证测试拆分。训练数据集进行了改组，以允许该模型从每批更具代表性的样本中学习。
AHRTI-9021 制冷剂分解项目 RFP.pdf
AHRTI 工作说明 AHRTI-EPA 项目名称 使用氢 (H2) 和二氧化碳 (CO2) 化学反应转化技术评估制冷剂破坏技术 关于 AHRTI 空调、供暖和制冷技术研究所 (AHRTI) 是一个非盈利组织，旨在开展公共利益科学研究。AHRTI 的使命是促进技术应用研究，以改进产品、系统和控制，造福供暖、通风、空调、制冷 (HVACR) 和热水领域的广大公众。AHRTI 是与空调、供暖和制冷研究所 (AHRI) 相关的实体。AHRI 是一个全国性贸易协会，代表全球行业内的 HVACR 和热水设备制造商。背景
聚乙烯二苯二甲酸酯颗粒的机制碎片分解为纳米塑料和可合同的碳，废水comamonas
摘要：在废水和城市河流中，曲霉科细菌富含多聚（乙二醇）（PET）微塑料，但宠物降级机制仍不清楚。在这里，我们通过结合显微镜，光谱，蛋白质组学，蛋白质建模和遗传工程来调查了废水分离株的comamonas testosteroni kf-1。与宠物膜上的较小凹痕相比，扫描电子显微镜显示出明显的宠物颗粒，导致30天培养中的小纳米颗粒（<100 nm）的丰度增加了3.5倍。红外光谱法主要捕获了碎片颗粒中的水解裂解。溶液分析进一步证明了PET低聚物BIS（2-羟基乙基）苯二甲酸酯的双重水解为生物可用的单体terephathathate。补充乙酸盐，一种常见的废水共覆盖物，促进了细胞生长和宠物碎片。仅检测到一种，仅检测到一种，这在仅乙酸盐和仅宠物的条件下发现。该水解酶结构的同源性建模说明了尽管序列不同，但类似于报道的PET水解酶的底物结合。缺乏该水解酶基因的突变体无能为力低聚物水解，宠物碎片降低了21％。基因的重新插入恢复了两个功能。因此，我们已经确定了在废水comamonas中降低宠物降解水解酶的本构生产，该水解酶可以用于塑料生物转化。关键词：塑料废物，废水，生物降解，显微镜，蛋白质组学，PET水解酶
高性能容量扩展模型的正则化 Benders 分解
摘要 — 我们考虑电力容量扩张模型，该模型通过最小化投资和运营成本来优化投资和退役决策。为了为规划和政策决策提供可靠的支持，这些模型需要包括详细的运营和时间耦合约束，考虑与天气相关的参数和需求数据的多种可能实现，并允许对离散投资和退役决策进行建模。这些要求导致大规模混合整数优化问题，而这些问题是现成的求解器无法解决的。因此，实际的解决方法通常依赖于精心设计的抽象技术，以在减少计算负担和模型准确性之间找到最佳折衷。Benders 分解提供了可扩展的方法来利用分布式计算资源并使模型具有高分辨率和计算性能。在本研究中，我们为具有多个规划期、随机运营场景、时间耦合策略约束以及多日储能和水库水力资源的大规模容量扩张模型实施了一种量身定制的 Benders 分解方法。使用多个案例研究，我们还评估了几种水平集正则化方案以加速收敛。我们发现，在可行集内部选择规划决策的正则化方案与以前发布的方法相比表现出更优异的性能，从而能够以前所未有的计算性能解决高分辨率混合整数规划问题。
变分算法中的量子经典权衡和多控制量子门分解
近期量子计算机的计算能力受到门操作的噪声执行和有限数量的物理量子比特的限制。混合变分算法非常适合近期量子设备，因为它们允许在用于解决问题的量子资源和经典资源数量之间进行广泛的权衡。本文通过研究一个具体案例——将量子近似优化算法 (QAOA) 应用于最大独立集 (MIS) 问题的实例——研究了算法和硬件层面的权衡。我们考虑了 QAOA 的三种变体，它们在算法层面根据所需的经典参数数量、量子门和所需的经典优化迭代次数提供不同的权衡。由于 MIS 是一个受约束的组合优化问题，因此 QAOA 必须尊重问题约束。这可以通过使用许多多控制门操作来实现，这些操作必须分解为目标硬件可执行的门。我们研究了该硬件级别可用的权衡，将不同本机门集的门保真度和分解效率组合成一个称为门分解成本的单一指标。