XiaoMi-AI文件搜索系统
World File Search System性能分析
家庭级微电网的成本和性能分析
在高峰期管理电力对电力公司构成挑战。在高峰期，消费的急剧上升会导致功率损耗的指数增加，这对整体电源成本有直接影响。此外，这些需求的急剧增加可能会使电网不稳定。最近，诸如阿拉巴马州电力公司（Alabama Power）等电力公司引入了动态（或使用时间）定价量表，以鼓励消费者将其负载转移到非高峰时间。，阿拉巴马州的电力没有收取统一的费用，而是根据消耗何时消耗电力向消费者收取费用。与非高峰时间相比，在高峰时间内使用功率将导致更高的价格。在夏季，这种价格上涨的价格可能超过了非高峰时间的三倍。如果消费者可以找到利用这种动态定价的方法（即，在高峰时段不要使用电力），则消费者的电费将大大降低，电力公司的线路损失和改善的电网稳定性将更少。本文的研究重点是开发和测试微电网系统。微电网有望为客户提供更多以低成本使用电力的自由，并减少电力公司的电力损失。此外，还进行基于动态速率的成本分析以研究拟议系统的可行性。
通过确定性生成的光子图状态启用的量子中继器的性能分析
通过将逻辑Qubits编码为特定类型的光子图状态，人们可以实现Quanth-tum中继器，从而使快速的纠缠分布率接近经典连接。但是，这些光子图状态的产生需要使用基于线性光学器件的传统方法来启动的源头。克服了这一挑战，已经提出了许多新方案，这些方案采用量子发射器来终止生成光子图状态。尽管这些方案有可能显着降低资源成本，但缺乏不同编码和不同产生方案之间的中继器演奏的系统比较。在这里，我们基于两个不同的图状态，即树图状态和中继器图状态。对于两种状态，我们比较了两个生成方案之间的性能，一个基于与辅助物质量子位耦合的单个量子发射器，另一个基于一个基于单个量子发射器与延迟反馈相关的单个量子发射器。我们在不同的系统参数上识别数值最佳方案。我们的分析提供了有关基于图形状态的量子中继器的生成方案的定义的明确指南，并提出了对不同方案的实验实现实验实现的要求。
文章 基于自动采集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。
基于自动收集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子器件使得量子神经网络 (QNN) 的变分量子电路 (VQC) 得以实现。尽管基于 VQC 的 QNN 已在许多机器学习任务中取得成功，但 VQC 的表示和泛化能力仍需要进一步研究，尤其是在考虑经典输入的维数时。在这项工作中，我们首先提出了一种端到端 QNN，TTN-VQC，它由基于张量训练网络 (TTN) 的量子张量网络（用于降维）和用于函数回归的 VQC 组成。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz 条件来表征 TTN-VQC 的优化属性。此外，我们对手写数字分类数据集进行了函数回归实验，以证明我们的理论分析是正确的。
用于人类基因中 CRISPRa sgRNA 设计的网络工具的计算机性能分析
血管生成基因过表达已成为众多血管再生基因治疗项目的主要策略。然而，大多数项目在临床试验中都失败了。CRISPRa 技术以最高的效率和安全性在 sgRNA 的识别基础上提高基因过表达水平。CRISPick 和 CHOP CHOP 是用于预测 sgRNA 的最广泛使用的 Web 工具。我们的研究目的是分析这两个平台对于涉及不同人类参考基因组（GRCH 37 和 GRCH 38）的血管生成基因（VEGFA、KDR、EPO、HIF-1A、HGF、FGF、PGF、FGF1）的 sgRNA 设计的性能。从不同方面分析了这两个工具提出的排名前 20 的 sgRNA。与 sgRNA 结合位点相关的 DNA 曲率没有发现显著差异，但使用 CRISPick 时，sgRNA 预测的靶向效率显著更高。此外，同一平台在 EPO、EGF、HIF-1A、PGF 和 HGF 中的平均排名变化较大，而在 KDR、FGF-1 和 VEGFA 中未达到统计显著性。不同平台之间排名位置的重排分析也不同。CRISPick 被证明在与更完整的基因组相关的最佳 sgRNA 建立方面更准确，而 CHOP CHOP 显示出更窄的分类重排。2022 由 Elsevier BV 代表计算和结构生物技术研究网络出版。这是一篇根据 CC BY-NC-ND 许可协议 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。
车载通信后量子密码性能分析
近年来，量子计算 (QC) 越来越受到人们的重视，人们提出了利用量子傅里叶变换通过多项式时间可计算性来解决隐藏子群问题。此外，一些包含隐藏子群的密码方法 [如 RSA (Rivest-Shamir-Adleman) 和椭圆曲线密码 (ECC)] 可能会被 QC 破解。因此，没有隐藏子群的后量子密码 (PQC) 方法 [如基于格、基于多变量和基于代码的密码方法 [1]] 对于防御 QC 攻击具有重要意义。对于车辆通信的安全，已经基于公钥基础设施 (PKI) 设计了安全证书管理系统 (SCMS) [2] 和合作智能交通系统证书管理系统 (CCMS)。然而，这些系统中使用的密码方法都是 ECC，QC 可能会带来安全威胁。因此，可以考虑使用 PQC 方法代替 ECC 来提高安全级别。本研究将调查和讨论应用于 SCMS 和 CCMS 的 PQC 方法。此外，基于格的密码学方法是 PQC 方法的主流技术 [1]。因此，将比较标准基于格的密码学方法（即 Dilithium 和 Falcon）的性能。本研究的主要贡献如下。
网络性能分析的正式方法
对网络性能的抽象准确和彻底的分析具有挑战性。网络仿真和仿真只能涵盖网络可以体验到的连续发展的工作负载集的子集，为未探索的角案例和错误留出空间，这些案例和错误可能会导致实时流量的次优性能。排队理论和网络计算的技术可以在性能指标上提供严格的界限，但通常需要网络组件的行为，而流量的到达模式则可以通过简洁且行为良好的数学功能近似。因此，它们不立即适用于新兴工作负载以及用于处理它们的新算法和协议。我们探讨了一种不同的方法：使用正式方法来分析网络性能。我们表明，可以准确地对网络组件及其逻辑上的队列进行建模，并使用程序合成中的技术来自动生成简洁的可解释的工作负载，作为有关性能指标的查询的答案。我们的方法在分析网络性能的现有工具的空间中提供了一个新的观点：它比模拟和典范更详尽，并且可以轻松地应用于一阶逻辑中可表达的算法和协议。我们通过分析数据包调度算法和小叶子网络并产生可能导致吞吐量，公平性，饥饿和延迟问题来证明方法的有效性。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子 (NISQ) 设备使得量子神经网络 (QNN) 的变分量子电路 (VQC) 的实现成为可能。尽管基于 VQC 的 QNN 在许多机器学习任务中取得了成功，但 VQC 的表示和泛化能力仍需要进一步研究，特别是涉及到经典输入的降维时。在这项工作中，我们首先提出了一个端到端量子神经网络，即 TTN-VQC，它由一个基于张量训练网络 (TTN) 的量子张量网络组成，用于降维，还有一个 VQC 用于函数回归。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz (PL) 条件来表征 TTN-VQC 的优化特性。此外，我们对手写数字分类数据集进行了功能回归实验，以证明我们的理论分析。
简讯 氮掺杂碳材料的制备及其电化学性能分析 岳源
北京理工大学光学与光子学院，北京，100081，中国 电子邮件：yuanyue000418@163.com 收稿日期：2022 年 5 月 1 日/接受日期：2022 年 6 月 1 日/发表日期：2022 年 7 月 4 日 本文重点研究了碳和氮掺杂碳作为超级电容电极材料的制备、结构和电化学表征。电极材料是通过粉碎、氧化预处理和键合、碳化和活化制备的，聚合物材料加工成碳基材料。为了制备碳气凝胶电极材料，采用富氮前驱体方法通过氮掺杂来改变获得的碳基底材料。 SEM 和 XRD 对形貌和晶体结构进行分析表明，掺杂样品中引入了氮，碳电极表面覆盖着云状团簇和不均匀的聚集碳颗粒，而 N 掺杂碳样品具有海绵结构，其中交织着类似石墨的薄片，具有更高的粗糙度和孔隙率，以及更大的表面积。使用循环伏安法 (CV) 和恒电流充放电 (GCD) 循环对制备的碳基材料进行电化学研究表明，N 掺杂碳比对照样品具有更高的电化学电容性能，以及理想的快速充放电性能和功率器件的高功率容量。在 1 A/g 的电流密度下，碳和 N 掺杂碳的比电容分别为 13.56 和 192.12 F/g，这意味着 N 掺杂样品的比电容比未掺杂材料提高了 14 倍。经过 10000 次循环后，N 掺杂碳的循环稳定性显示出几乎 108% 的电容保持率。根据 N 掺杂碳超级电容电极性能与早期关于超级电容器中多孔碳材料的报道的比较，N 掺杂碳超级电容电极的比电容、功率和能量密度与其他报道的 N 掺杂多孔碳结构的值相当或更好。这些测试表明，使用所述方法生成的氮掺杂碳电极材料具有较低的内阻，并且可以在超级电容器中保持良好的电化学性能。关键词：氮掺杂碳；电化学性能；富氮前体；超级电容电极材料