XiaoMi-AI文件搜索系统
World File Search System时间尺度
可解释的多时间尺度模型，用于预测fMRI对连续自然语音的响应
自然语言包含多个时间尺度的信息。要了解人脑如何代表此信息，一种方法是使用从神经网络语言模型（LMS）中提取的表示fMRI对自然语言的反应进行编码模式。但是，这些LM衍生的代表并未在不同的时间表上明确分开信息，因此很难解释编码模型。在这项工作中，我们通过强迫LSTM LM中的单个单位来整合特定时间尺度的信息来构建可解释的多时间尺度表示形式。这使我们能够明确并直接映射每个fMRI Voxel编码的信息的时间尺度。此外，标准fMRI编码过程在编码功能中没有考虑不同的时间属性。我们修改了该过程，以便可以捕获短时和长时间的信息。这种方法超过了其他编码模型，特别是对于代表长时间信息的体素。它还在人类语言途径中提供了时间尺度信息的范围图。这是未来工作的框架，调查了人工和生物语言系统之间的时间层次结构。
DNA 中的三重态-三重态能量转移发生在纳秒时间尺度上
在过去的十年中，人们对 DNA 激发态动力学的认识取得了很大进展。[1] 在此背景下，理论研究既集中于单个核碱基的光物理性质，也集中于两个或多个碱基组装体中的相关相互作用，这些研究已成为探索 DNA 激发态衰变机制的有力工具。与单重态激发态相比，我们对三重态激发态的能量和动力学的认识仍然主要局限于单个碱基的性质。[2] 因此，尽管三重态-三重态电子能量转移 (TET) 可以引发 DNA 中的光毒性反应 [3-4]，例如胸腺嘧啶环丁烷二聚体的形成 [5]，但人们对决定天然 DNA 中三重态命运的核碱基 p 堆叠中 TET 的电子相互作用强度和时间尺度知之甚少。因此，由于三重态激发态的离域程度及其迁移的大致时间尺度存在根本的不确定性，通过超快光谱实验测量的衰变组分的分配仍然是一项艰巨的任务。 [1]
可解释的多时间尺度模型，用于预测对连续自然语音的 fMRI 反应
自然语言包含多个时间尺度的信息。为了了解人类大脑如何表示这些信息，一种方法是使用从神经网络语言模型 (LM) 中提取的表示来构建预测 fMRI 对自然语言反应的编码模型。然而，这些 LM 衍生的表示没有明确区分不同时间尺度上的信息，这使得解释编码模型变得困难。在这项工作中，我们通过强制 LSTM LM 中的各个单元在特定时间尺度上整合信息来构建可解释的多时间尺度表示。这使我们能够明确而直接地映射每个单独的 fMRI 体素编码的信息的时间尺度。此外，标准 fMRI 编码程序不考虑编码特征中不同的时间属性。我们修改了该程序，使其能够捕获短时间和长时间尺度信息。这种方法优于其他编码模型，特别是对于表示长时间尺度信息的体素。它还提供了人类语言通路中时间尺度信息的更细粒度图。这为未来研究人工和生物语言系统的时间层次提供了一个框架。
紧张活跃的主神经元在两个时间尺度上调节相互排斥的运动状态
行为的连续性要求动物在相互排斥的行为状态之间平稳过渡。控制这些转变的神经原理尚不清楚。秀丽隐杆线虫自发地在两个相反的运动状态（向前和向后运动）之间切换，这种现象被认为反映了中间神经元 AVB 和 AVA 之间的相互抑制。在这里，我们报告说，自发运动及其相应的运动回路不是单独控制的。AVA 和 AVB 既不是功能等效的，也不是严格相互抑制的。AVA 而不是 AVB 保持去极化的膜电位。虽然 AVA 在快速时间尺度上阶段性地抑制了正向促进中间神经元 AVB，但它在较长的时间尺度上保持了对 AVB 的紧张性、突触外兴奋。我们提出，AVA 在不同时间尺度上具有相反极性的紧张性和阶段性活动，充当主神经元，打破了底层正向和反向运动回路之间的对称性。该主神经元模型为由互斥的运动状态组成的持续运动提供了一种简约的解决方案。
tidhy：通过超网络的时间尺度解散，从混合观察中学习同时动态
神经活动和行为来自多个并发的时变系统，包括神经调节，神经状态和历史；但是，大多数当前方法将这些数据建模为具有单个时间尺度的一组动力学。在这里，我们通过Hy Pernetworks（Tidhy）开发了Ti Mescale d emixing，作为一种新的计算方法，用于建模临时数据，将它们分解为多个同时的潜在动力学系统，这些动力系统可能跨越刻板级的阶数不同的时间表。具体来说，我们训练一个超网络以动态重新重新获得潜在动力学的线性组合。此方法可以实现准确的数据重建，收敛到真正的潜在动力学并捕获多个变化的时间尺度。我们首先证明Tidhy可以从包含多个独立开关线性动力学系统的合成数据中删除动力学和时间尺度，即使观察结果混合在一起。接下来，使用模拟的运动行为数据集，我们表明tidhy准确地捕获了运动运动学的快速动力学和不断变化的地形的缓慢动力学。最后，在开源的多动物社会行为数据集中，我们表明用Tidhy提取的关键点轨迹动力学可用于准确识别Multiple小鼠的社交行为。综上所述，Tidhy是一种强大的新算法，用于将同时的潜在动力系统与不同的计算域应用。
通过光物质杂化调节和增强分子中的量子相干时间尺度
摘要：保护物质中的量子相干性不受环境影响对于在量子技术中使用分子和材料以及开发增强光谱至关重要。本文展示了如何在光学腔的背景下用量子光修饰分子发色团，以产生具有可调相干时间尺度的量子叠加态，这些相干时间尺度比裸分子的相干时间尺度更长，即使在室温和浸入溶剂中的分子中也是如此。为此，我们开发了分子极化态的退相干率理论，并证明涉及这种混合光物质态的量子叠加可以比裸分子存活时间长几个数量级，同时保持光学可控性。此外，通过研究有损腔存在下的这些可调相干增强，我们证明它们可以使用当今的光学腔来实现。该分析提供了一种可行的策略来设计和增加分子中的量子相干寿命。
白兔子应用：地面PNT网络，量子互联网和网络数字时间尺度
•量子信息处理需要纠缠量子A和b•如果两个光子到达同一检测器时，则达到纠缠 - 但是只有两个光子无法区分：相同的颜色，相同的颜色，相同的到达时间•在实践中：必须在0.1纳米秒内进行光子发射时间：
电力、氢气和氨市场中可再生能源向氨虚拟发电厂的多时间尺度交易策略
摘要 — 可再生能源制氨 (RePtA) 是一种重要的零碳脱碳途径。由于可再生能源与生产能源需求之间的不平衡，RePtA 系统依赖于与电网的电力交换。以虚拟发电厂 (VPP) 的身份参与电力市场可能有助于降低能源成本。然而，当地光伏和风力涡轮机的功率分布与市场中的功率分布相似，导致传统策略下的能源成本上升。因此，我们为电力、氢气和氨市场中的 RePtA VPP 开发了一种多时间尺度交易策略。通过利用氢气和氨缓冲系统，RePtA VPP 可以最佳地协调生产计划。此外，我们发现可以在统一的框架中描述电力、氨和氢气的交易。电力市场的两阶段稳健优化模型扩展到多个市场，并通过列和约束生成 (CC&G) 算法求解。该案例源自内蒙古自治区的一个实际项目。敏感性分析证明了RePtA VPP连接多个市场相对于传统策略的经济优势，并揭示了氢和氨缓冲器和反应器灵活性的必要性。
一种用于微电网多时间尺度协调运行的软演员-评论家深度强化学习方法
摘要 本文提出了一种基于现代深度强化学习的微电网多时间尺度协调运行方法。考虑到不同储能设备的互补特性，所提出的方法通过引入分层的两阶段调度模型实现了电池和超级电容器的多时间尺度协调。第一阶段使用每小时预测数据做出初步决策，而不考虑不确定性，以最小化运营成本。第二阶段旨在为第一阶段的决策生成纠正措施，以补偿实时可再生能源发电波动。第一阶段被表述为非凸确定性优化问题，而第二阶段被建模为马尔可夫决策过程，通过熵正则化的深度强化学习方法即软演员-评论家来求解。软演员-评论家方法可以有效地解决探索-利用困境并抑制变化。这提高了决策的鲁棒性。仿真结果表明，可以在两个阶段使用不同类型的储能设备来实现多时间尺度的协调运行。证明了所提方法的有效性。关键词：微电网运行，混合储能系统，深度强化学习
考虑分布式与集中式光伏发电协调的多时间尺度电力平衡分析
可再生能源因低碳经济的优势已成为重要的电力来源。氢气是一种清洁燃料，也引起了全世界的极大关注。可再生能源可用于生产氢能。张等人提出了一种可再生能源和氢气生产的协调控制新方法，加氢站和能源系统的运行经济性得到了改善（张等，2022）。到目前为止，许多工作都集中在可再生能源系统和能源互联网上（张，2018）。值得注意的是，光伏 (PV) 技术一直是可再生能源系统的热点。有着迫切的需求，但在不确定的环境中控制光伏系统仍然是一项重大挑战。傅等人（2019）研究了一种两级光伏结构，他们利用 μ 理论提出了一种有效的光伏电力整合技术。李等人（2019）研究了一种两级光伏结构，他们利用 μ 理论提出了一种有效的光伏电力整合技术。提出了一种最大功率点跟踪方法，可确保在部分阴影条件下稳定的光伏发电（Li等，2021）。随着可再生能源系统中光伏容量的增加，并网配置正在改变能源网络的运行模式（Eftekharnejad等，2015）。为了降低带电池储能的光伏发电系统的成本，郝等提出了一种双层控制方法，该方法也能确保稳定的光伏发电（郝等，2021）。值得一提的是，太阳能光伏项目将在未来电力组合的经济性中发挥重要作用（Vithayasrichareon等，2015）。最大的挑战之一是光伏组件的不确定性使配电网中的分布式发电规划格外困难。人们普遍认为，统计机器学习是建模光伏电力不确定性的有效技术（Fu等，2020）。对于带有光伏发电的配电网，经常需要配置无功功率装置来改善能源网络的性能（Fu，2022）。Fu等人提出了一种自适应无功功率控制策略来平衡电能质量和功率损耗之间的权衡，该方法增强了光伏系统接入电网的友好性（Fu等人，2015）。对于集中式光伏发电，功率因数控制和电压控制是光伏电网连接的关键技术。Awadhi和Moursi发明了一种新型集中式光伏电站控制器，以避免电压不平衡，并且瞬态响应也得到了增强（Awadhi和Moursi，2017）。Emmanuel等人提出了一种基于小波变异性的功率因数控制方法，并报道了功率因数对集中式光伏电站输出影响的分析结果（Emmanuel等人，2017）。学者们对分布式光伏发电的部署和控制进行了大量研究工作，但较少关注分布式光伏发电与集中式光伏发电之间的关系。