XiaoMi-AI文件搜索系统
World File Search System数值优化
超长领域的实验实现
简介。光学成像中的超分辨率是指可以提高空间分辨率超出光的衍射极限的方法。衍射极限定义可以在标准光学成像系统中解析的最小特征大小，并由光波长和光学系统的数值光圈（NA）确定[1]。解决远距离成像中亚波长度特征的一种方法是使用上震荡的光点，这是一种现象，其中复杂场可以以大于其截止空间频率的速率局部振荡[2-5]。尽管如此，超级镜的强度与大量侧叶相结合的固有缺点，导致成像质量差。已经研究了数值优化方案[6]和索菲的光学设置[7-9]，以缓解侧齿强度。但是，最近引入的物理概念Supprowth [10]为解决此问题提供了有希望的途径。在超级生长领域中，复杂场的局部幅度增长率高于其傅立叶频谱中最高空间频率，从而提供了对亚波长度特征的访问[11]。这个概念与evanevanscent波的接近局部显微镜相似[12，13]。超级生长的光场斑点可以与超震荡区相比，可以呈指数级的强度，并且在理论上已证明能够成像亚波长度对象[14]。
区域供热制冷网络中季节性钻孔热能储存的设计和优化集成
摘要。能够缩小夏季可再生能源发电和冬季供暖需求之间季节性差距的技术对于减少能源系统的二氧化碳排放至关重要。钻孔热能存储 (BTES) 系统提供了一种有吸引力的解决方案，其正确的尺寸对于其技术经济成功至关重要。大多数 BTES 设计研究要么采用详细的建模和仿真技术，这些技术不适合数值优化，要么使用明显简化的模型，不考虑操作变量的影响。本文提出了一种 BTES 建模方法和混合整数双线性规划公式，可以考虑季节性 BTES 温度波动对其容量、热损失、最大传热速率以及连接的热泵或冷却器的效率的影响。这使我们能够准确评估其在不同温度和不同操作模式（例如 BTES 直接排放或通过热泵）下运行的不同区域供热和制冷网络中的集成性能。考虑一个在电力的二氧化碳强度随季节变化的情况下使用空气源热泵的案例研究，研究了集成 BTES 和太阳能集热器的能源系统的最佳设计和运行。优化旨在最大限度地降低能源系统的年度成本和二氧化碳排放量，该优化适用于两种供热网络温度和五种代表性碳价。结果表明，最佳 BTES 设计在尺寸和运行条件方面都发生了变化，与基于标准空气源热泵的系统相比，排放量最多可减少 43%。
两个 I 类纠缠光子量子比特的熵和量子相干特性的测量
摘要 利用BBO非线性晶体中的I型SPDC过程，我们产生了接近于最大纠缠贝尔态的偏振纠缠态，对于HV（DA）基，其高可见度（高亮度）为98.50±1.33%（87.71±4.45%）。作为非局部现实主义测试，我们计算了CHSH版本的贝尔不等式，发现它强烈违反经典物理或任何隐变量理论，S = 2.71±0.10。通过测量SPDC过程中的符合计数率，我们获得单光子探测器的量子效率约为（25.5±3.4）%，这与制造商的测量结果一致。正如预期的那样，我们验证了CC率与输入CW激光的泵浦功率的线性依赖关系，这可能有助于找到有效的二阶磁化率晶体。利用量子比特测量理论，包括基于 16 个偏振测量的线性集合的量子态断层重建，以及基于数值优化的最大似然技术，我们计算了物理非负定密度矩阵，这意味着准备状态的不可分离性和纠缠。通过最大似然密度算子，我们精确计算了纠缠度量，例如并发、形成纠缠、纠缠、对数负性，以及不同的纠缠熵，例如线性熵、冯诺依曼熵和 Renyi 2 熵。最后，这种高亮度和低速率纠缠光子源可用于实验室中的短距离量子测量。
表征量子对象之间的转换，'...
量子力学中的许多基本和关键对象是特定仿射/线性空间之间的线性映射。该结构包括基本的量子元素，例如状态，测量，通道，工具，非签名通道和带有内存的通道，以及高阶操作，例如超级信道，量子梳子，n时间过程，测试人员和过程矩阵，这些矩阵可能尚未确定可因子序。根据线性和半限制约束来推导和表征其结构属性，不仅具有基本相关性，而且在启用对量子对象集的数值优化方面起着重要作用，并允许在不同概念和对象之间进行更简单的连接。在这里，我们提供了一个通用框架，以直接且易于使用的方式推导这些属性。主要以实用的量子机械考虑为指导，但我们还将分析扩展到一般线性/仿射空间之间的映射并得出其性能，为分析集合的可能性开放，而这些集合并未被量子理论明确掩盖，但仍未得到太多探索。一起，这些结果可为所有需要线性转换特征，量子力学及其他任务的特征提供多功能且容易适用的工具。作为我们方法的应用，我们讨论了不确定因果关系的存在如何自然出现在高阶量子转换中，并为映射的特征提供了一个简单的策略，这些特征必须以“完全”的意义保存属性，即仅在不详尽的部分进行输入空间的各个部分。
利用组合强化传热...
摘要：本文重点研究了带有矩形实体翅片的组合式混合微通道散热器的数值优化。轴向长度和体积固定，外部结构可以变化。模拟是在微通道散热器的基本单元上进行的。优化的目的是找到内部和外部配置中的最佳几何排列，以使微通道散热器中的峰值温度最小化。假设微电子电路板设备在单元底壁上散发 250 W/cm 2 的高密度均匀热通量。计算流体动力学代码用于离散化流体域并求解一组控制方程。讨论了水力直径、外部结构形状和流体速度对峰值温度和全局热阻的影响。雷诺数范围为 400 至 500 的冷却剂或水以强制对流层流的形式通过计算域的入口引入，以去除矩形块微通道底部的热量。结果表明，当流体速度在微散热器轴向长度上从 9.8 m/s 增加到 12.3 m/s 时，从组合散热器底部移除的热量更多。结果表明，在带翅片的组合微通道中，泵功率增加了 37.1%，而在无翅片微散热器中增加了 27.2%。研究结果与公开文献中关于具有圆形流道的传统微散热器的记录相符，趋势一致。关键词：微通道结构、配置、组合微通道和微翅片 [2022 年 11 月 14 日收到；2023 年 4 月 4 日修订；2023 年 4 月 14 日接受] 印刷 ISSN：0189-9546 | 在线 ISSN：2437-2110
![arXiv:2408.07115v1 [quant-ph] 2024 年 8 月 13 日](/simg/a\a416435f399d05cab4741eea867dac5b50011fbc.webp)
arXiv:2408.07115v1 [quant-ph] 2024 年 8 月 13 日
量子态断层扫描 (QST) 仍然是量子计算机和量子模拟器的基准测试和验证的黄金标准。由于通用量子多体状态中的参数数量呈指数级增长，实验量子设备的当前规模已经使直接量子态断层扫描变得难以实现。然而，大多数物理量子态都是结构化的，通常可以用少得多的参数来表示，这使得高效的 QST 成为可能。一个突出的例子是矩阵乘积状态 (MPS) 或矩阵乘积密度算子 (MPDO)，矩阵维度较小，据信它代表了一维 (1D) 量子设备生成的大多数物理状态。我们研究是否可以仅使用量子比特数多项式的状态副本数来恢复一般的 MPS/MPDO 状态，并且误差有界，这对于高效的 QST 是必要的。为了使这个问题在实践中变得有趣，我们假设只对目标状态上的量子比特进行局部测量。通过使用只需要单一测量设置的局部对称信息完备正算子值测量（SIC-POVM），我们对各种常见的多体量子态，包括典型的短程纠缠态、随机 MPS/MPDO 态和一维哈密顿量的热态，给出了上述问题的肯定答案。此外，我们还对某些长程纠缠态（如一族广义 GHZ 态）给出了肯定的否定答案，但已知具有实值波函数的目标态除外。我们的答案得到了 Cramer-Rao 界限的有效计算与使用机器学习辅助最大似然估计（MLE）算法的数值优化结果之间近乎完美的一致性的支持。该一致性还导致了使用局部 SIC-POVM 的最佳 QST 协议，该协议可以在当前的量子硬件上实际实现，并且对大多数一维物理状态都非常高效。我们的结果还表明，即使长距离纠缠量子态能够被有效表示，通常也无法有效恢复。
科学计算的量子算法讲义
随着近期量子设备的问世和量子霸权实验的突破，量子计算在过去几年中受到了众多科学学科的广泛关注。尽管有优秀的教科书和讲义，如 [NC00、KSV02、Nak08、RP11、Aar13、Pre99、DW19、Chi21]，但这些材料通常涵盖量子计算的所有方面，包括复杂性理论、量子设备的物理实现、量子信息理论、量子误差校正、量子算法等。这几乎没有空间来介绍如何使用量子计算机来解决科学和工程计算中具有挑战性的计算问题。例如，在初次阅读 Nielsen 和 Chuang [NC00] 的经典教科书（当然，只是部分章节）后，我既惊叹于量子计算机的潜在能力，也对其实际适用范围感到惊叹：我们真的要建造一台量子计算机来执行量子傅里叶变换还是执行量子搜索？量子相位估计是连接量子计算机和几乎所有科学计算问题（如求解线性系统、特征值问题、最小二乘问题、微分方程、数值优化等）的唯一桥梁吗？得益于量子算法发展的重大进展，现在应该不言而喻，上述两个问题的答案都是“否”。这是一个快速发展的领域，许多重要进展都是在过去几年中取得的。然而，许多此类发展都涉及理论和技术，对于仅具有量子计算基本知识的人来说可能难以理解。我认为，值得以一种更容易理解的方式，将这些令人兴奋的结果传递给更广泛的社区，让他们对使用未来的容错量子计算机解决科学问题感兴趣。这是加州大学伯克利分校数学系 2021 年秋季学期应用数学研究生专题课程《科学计算的量子算法》中使用的一套讲义。这些讲义只关注与科学计算密切相关的量子算法，特别是矩阵计算。事实上，从量子算法动物园 1 的角度来看，这只是一小类量子算法。这意味着许多重要的材料被有意遗漏了，例如量子复杂性理论、数论和密码学中的应用（尤其是 Shor 算法）、代数问题中的应用（如隐藏子群问题）等。对这些主题感兴趣的读者可以查阅一些上述优秀的教科书。由于这些材料旨在融入一个学期的课程，其他几个与科学计算相关的主题没有包括在内，特别是绝热量子计算 (AQC) 和变分量子算法 (VQA)。这些材料可能会添加到未来版本的讲义中。据我所知，
通过控制和设计共选
软机器人利用合规的材料以灵活的方式与复杂和不确定的环境相互作用，从而可以操纵脆弱的物体并与生物的安全相互作用。它们的适应性推动了医学和制造等领域的创新。设计软机器人即使对于经验丰富的设计师，由于其非线性材料，多物理耦合，多个身体与环境之间的复杂相互作用及其许多自由度，即使对于经验丰富的设计师来说也很具有挑战性。这解释了为什么软机器人技术中的第一批设计受到自然的启发，模仿了诸如蠕虫或章鱼之类的软动物。软体能够符合硬对象并重新配置DI FF任务，然后将控制的重要部分委派给身体。与刚性机器人不同，体现的智能仍然是软机器人技术中的新兴话题。但是，很明显，可以很好地适应其环境的代理商可以快速学习智能行为。本文摆脱了传统的训练控制和敏捷性的关注，旨在通过将人工智能与软机器人设计联系起来来应对控制挑战。软机器人技术领域在建模，控制和设计方面提出了许多挑战。Inria Lille的除霜团队已经开发了几种有限元方法（FEM）的工具来应对这些挑战，从而可以准确地模拟软机器人。这些工具已用于低级控制，并在制造前评估了软机器人设计。此探索需要解决一些挑战。在这项工作中，应用了各种基于FEM的仿真和数值优化工具来探索软机器人的计算设计。设计空间必须非常大，才能探索相关的设计，但也受到了足够的限制，以使优化问题可以解决。开发相关的数学适应性功能对于准确评估软机器人设计的性能和效果至关重要。鉴于计算设计算法的重要数据要求和准确模拟的计算费用，我们旨在通过选择平衡计算时间和准确性的模型或使用学习技术来加速FEM模拟来加快模拟的速度。本论文探讨了软机器人的计算设计，重点是对数值结果的模拟到真实性。解决了两个参数软操作器的设计优化，一个具有嵌入式传感器，另一个具有自动接触功能。随着控制任务，环境和设计空间变得更加复杂，计算负担增加。这激发了从FEM模拟中学到的替代模型的发展，以表征软机器人的设计和控制。通过各种情况证明了该模型的适用性，特别是对气动操纵器的嵌入式控制和软操作器的计算设计。此外，这项工作的一个关键目标是开发工具以选择软机器人设计和控制。
用于药物发现和开发的机器学习
1. 小分子药物设计。小分子药物又称化学药物，是种类最广泛的药物。小分子药物设计分为两个阶段：从头设计和先导化合物优化。• 从头设计。从头药物设计旨在从头开始生产具有理想药理特性的新型、多样化药物分子。关键挑战是有效地遍历离散的化学空间。具体而言，为了规避药物分子的离散性质并减轻强力试错策略，[2]将离散药物分子放宽为可微分支架树 (DST)，以使基于梯度的数值优化能够直接更新可微分分子，从而实现基于梯度的药物分子优化。实证研究表明，所提出的 DST 方法具有更高的样本效率，能够在数千次评估（Oracle 调用）中识别所需的分子。Oracle 调用可以是体内实验，也可以是体外实验，而且成本总是很高。这意味着我们的方法将大大降低药物设计的成本。此外，受遗传算法优越但不稳定的性能（由于随机游走行为）的启发，强化遗传算法 [ 1 ] 被设计用于抑制随机游走行为，该算法利用强化学习对有希望的搜索分支进行优先排序并智能地导航离散空间。 生成的分子可以紧密结合与某些重大疾病密切相关的目标蛋白，例如 PDB ID 为 7l11 的靶标，它是 SARS-COV-2（2019-NCOV）主蛋白酶。 此外，为了量化不确定性并彻底探索化学空间，多约束分子采样（MIMOSA）[ 15 ]将药物设计问题公式化为从药物空间上的目标分布中抽样的采样问题。 理想的药物分子具有较大的概率，然后设计一种马尔可夫链蒙特卡洛（MCMC）方法与预训练的图神经网络相结合，从目标分布中采样。 与最强基线相比，它获得了高达 49% 的改进。 • 先导化合物优化。先导化合物优化的目的是通过改善先导化合物的药学特性（如降低毒性、改善吸收）并保持其与先导化合物的相似性来增强先导化合物（通常是从头设计中最有前途的分子）。关键挑战在于满足多个约束条件。为了明确增强相似性约束，复制和细化策略（CORE）[17]旨在利用注意机制从输入的药物分子中选择现有的子结构（子结构是基本构建块），而不是在整个子结构空间中搜索。除了在多个任务中不断改进之外，CORE 在具有稀有子结构的分子中取得了尤为出色的表现，成功率提高了 11%。此外，先导化合物优化需要输入和输出药物分子的大小保持一致。为了满足这一要求，提出了带分子奖励的深度生成模型 (MOLER) [ 14 ]，将约束条件代入学习目标中的可微损失函数中。这是一种与模型无关的方法，可以增强几乎所有深度生成模型。
阿波罗11重新加载：基于优化的轨迹重建
I.介绍1969年7月20日，标志着人类历史上的历史成就。第一次，两个人走在一个不是地球的天体上，固定了人类探索史上的基本里程碑。这一成功是从技术和经济的角度来达到巨大的效果，是美国实现的，以应对苏联太空计划的较早成功，这是由创建和成功启动的第一次创建和成功启动的空间，并与1957年的Sputnik一起，并在1957年及其造成的交流[1，2]，以及1，2]，又是2 [1，2]，又有一个人的交流。 Vostok 1，Yuri Gagarin，1961年[3]。这是历史上遇到的第一个正式步骤[4]，尤其是月球竞赛[5]。尽管有最初的技术差距，但多年来，美国太空的进步取得了动力，而Apollo任务的设置[6]代表了整个美国太空计划的最高点。能够实现这样一个目标，需要开发几种新技术。当然，有能力计算能够满足整个任务的所有要求的轨迹。这在Apollo指导计算机的可用计算能力方面和用于指导土星V [8]的发射车数字计算机方面有严格的要求。在发动机切割之前的最后几秒钟进行了特殊护理，以避免溶液中的奇异性。在这种情况下，我们可以将数值优化通常放在[13]中，尤其是直接方法[14]。在上升指导中，火箭采用了所谓的迭代路径自适应指导，利用了最佳控制理论[9]，并修改了切线线性转向定律的修改版本，在此期间，其参数经常更新。另一个基本阶段由翻译注射（TLI）的动作表示，该动作使航天器能够离开地球范围的侵入范围到达月球。对于阿波罗11（Apollo 11），设想将哥伦布模块放在自由回报路径上[10]，并且此选择需要在机动末端满足的准确态度和位置条件。第三个也是最重要的阶段是月球着陆：鉴于上述计算局限性，NASA工程师在承诺，创造力和专有技术方面对其进行了补偿。这种态度的一个绝妙的例子是基于多项式方案的月球着陆指导，尽管其计算复杂性低[11]，但它的电子趋势形式也是最佳的[12]。然而，在过去几十年中，在计算能力和开发的重新构建优化算法方面取得的进展极大地扩展了当今可用的大量方法和工具，以分析相同的问题。在解决最佳控制问题的直接方法中，伪谱方法占据了相关位置。在本文中，我们希望通过使用Spartan [19，24，25]来重建Apollo 11任务的三个关键阶段这些方法[15]，基于用于转录问题的时间步长的不均匀分布，事实证明对大型最佳控制问题[16]非常有效，包括国际空间站的零促性剂重新定位[17]。进一步的应用涉及大气进入指导[18，19]，火星下降和小行星着陆轨迹计算[20]，月球着陆可及性分析[21]，卫星在椭圆轨道上的态度稳定[22]和飞机轨迹产生问题[23]。