XiaoMi-AI文件搜索系统
World File Search System时间尺度
研究文章捕获了果蝇的连续，长时间的行为变化
动物行为跨越了许多时间尺度，从短时，秒的动作到每天的节奏，到衰老期间的终生变化。为了访问较长的行为时间尺度，我们以每秒100帧的速度记录了单个果蝇Melanogaster，每次在蔗糖媒体上的无特色竞技场上一次最多7天。我们使用深度学习框架切片为47个人生产全身姿势数据集，导致近20亿个姿势实例。我们确定了陈规定型的行为，例如修饰，长鼻延伸和运动，并使用所得的伦理图来探索苍蝇的行为在实验中的一天和几天之间的变化。我们在所有定型行为中发现不同的每日模式，添加了有关不同修饰方式，长鼻延长持续时间和运动速度的趋势的特定信息。Melanogaster昼夜节律周期。使用我们对行为的整体测量，我们发现黎明后的小时是苍蝇日常行为模式中的独特时间点，并且这个小时的行为组成与其他健康指标（例如运动速度和时间的一部分时间花费移动与休息）都很好地跟踪。此处介绍的方法，数据和分析为我们提供了d的新图片。Melanogaster跨时标的行为，揭示了暗示未探索潜在生物学机制的新型特征。
极度降水的统计建模
累积的水）以毫米（mm）为单位。 因此，有非常广泛的文献提出了用于在不同时间尺度（小时，每小时，每日，每月）下降水分布的模型。 例如，用于建模正降水的最流行的分布可能是伽马分布[79]，由于其灵活的形状，它通常也提供适合每月降水量的足够适合，但是伽马分布无法在高时间尺度上捕获大降雨特征，即累积的水）以毫米（mm）为单位。因此，有非常广泛的文献提出了用于在不同时间尺度（小时，每小时，每日，每月）下降水分布的模型。例如，用于建模正降水的最流行的分布可能是伽马分布[79]，由于其灵活的形状，它通常也提供适合每月降水量的足够适合，但是伽马分布无法在高时间尺度上捕获大降雨特征，即每天和每日。建模降水及其聚集体提出了与其他天气变量（例如温度）相比的独特挑战。精确地捕获随着时间或空间的降水的聚集行为对于许多应用至关重要，包括洪水或干旱风险评估。这需要对适当的依赖模型进行典范或隐式规范，以在时空中结合边缘分布，在时间和空间中，不仅极端，而且中度和低降水值都会有助于极端聚集体。特定于降水的另一个方面是其间歇性，这意味着当考虑完整的观察序列时，可以观察到许多零值。这需要将概率分布视为阳性降水的连续成分的混合物，而在没有沉淀的情况下以零为零成分。虽然整个分布对于降水很重要，但它的极端尤其引起了人们的关注，因为它们通过雨水引起的洪水对人们的影响[38]，农业[99]和基础设施[85]。对局部极端的研究是极值分析[50，55]的重要早期应用，也是许多方法论发展的催化剂。的确，如果模型未正确指定，则将参数模型用于整个分布可能会导致尾部分位数估计值的显着偏差。因此，使用源自极值理论的模型来估计降水的尾矿[24，8，33]已成为普遍做法。本章回顾了用于研究极端降水的某些关键方面的统计方法，但没有任何声称是详尽的。第1.2节简要概述了典型的数据特征。第1.3节提出了单变量的概率分布，用于在极值和估计其参数的方法中建模可变性。然后，第1.4节演示了这些分布在代表不同持续时间和频率下的预提取强度或返回值时的应用。第1.5节说明了如何在空间上汇总信息以获得更有效的回报率估计值。上述部分中的方法假设极端降水事件是独立的，并且分布相同。但是，有多种原因认为事实并非如此。例如，季节性和空间模式以及气候变化可能引起非组织性。第1.6节回顾了各种检测和建模非组织降水极端的方法。最后一节是一个讨论，介绍了随机发生器的概念，并阐述了为模拟目的建模极端降雨的重要性。
地理308/508气候：过去，现在和...
3个学分。地球的气候一直在变化。不同的因素，包括地质，天文，大气，海洋，生物学和人类，在不同的时间尺度上运作以改变我们星球的气候。本课程着重于过去气候变化的证据，现代气候变化以及有关未来气候场景的理论和论点的范围。我们将研究用于研究过去气候的领域和研究方法，以及如何使用气候模型来探索未来的气候趋势，包括全球变暖。
用于建模快速动态大脑活动
神经活动包含与认知相对应的丰富时空结构。这包括跨大脑区域网络的振荡爆发和动态活动，所有这些活动都可能发生在数十毫秒的时间尺度上。虽然可以通过大脑记录和成像访问这些过程，但建模它们会由于其快速和短暂的性质而提出了方法论挑战。此外，有趣的认知事件的确切时机和持续时间通常是先验未知的。在这里，我们介绍了OHBA软件库Dynamics Toolbox（OSL-Dynamics），这是一个基于Python的软件包，可以识别和描述在时间尺度上的功能神经影像学数据中的复发动力学，就像数十毫秒一样。的核心是机器学习生成模型，能够适应数据并了解大脑活动的时机以及空间和光谱特征，几乎没有假设。OSL动力学结合了可以并且已被用来阐明各种数据类型中的大脑动力学的最先进方法，包括磁/电脑术，功能磁共振成像，侵入性的地方局部效果潜在的潜在记录和皮质图。它还提供了大脑动力学的新摘要措施，可用于告知我们对认知，行为和疾病的理解。我们希望OSL动力学能够通过增强快速动态过程的建模来进一步了解大脑功能。
北大西洋上从海洋到大气的多年代变化：桥梁的扰动势能
摘要：我们使用多个观测数据集和一个埃迪渗透的全球海洋模型来建造1950 - 2020年期间的北大西洋热预算（26 8 - 67 8 N）。在多年代时间尺度上，海洋热传输收敛控制北大西洋大多数地区的海洋热含量（OHC）趋势，对扩散过程几乎没有作用。在北大西洋亚北大西洋（45 8 - 67 8 N）中，热传输收敛是通过地质的术语来解释的，而年龄型的流质在亚热带中产生了显着的贡献（26 8-45 8 N）。在所有区域的地质贡献都由时间均值温度梯度的异常对流主导，尽管其他过程具有显着的贡献，尤其是在亚热带中。异常地质电流的时间尺度和空间分布与亚层循环中向西/西北传播的盆地尺度热rossby波的简单模型一致，并且在区域OHC中的多摄氏度变化通过定期逐渐逐渐逐渐逐渐逐渐逐渐逐渐逐渐逐渐渐变来解释。全球海洋模型模拟表明，大西洋子午线倾覆循环中的多年龄变化与海洋热传输收敛同步，与传播的罗斯比波（Rossby Wave）的调节一致。
快速和慢链接：生成模型的情况
神经科学中普遍存在的挑战正在测试由于特定原因，例如刺激，事件或临床干预措施，神经元连通性是否随时间变化。最近的硬件创新和数据存储成本下降，可以使更长，更自然的神经元记录。理解自组织的大脑要求使用新分析方法的隐性机会，这些方法是将时间尺度联系起来的新分析方法：从神经元动力学的毫秒顺序，到几分钟，几天甚至几年的实验观察结果不断发展的顺序。本评论文章展示了分层生成模型和贝叶斯推论如何有助于表征不同时间尺度上的神经元活动。至关重要的是，这些方法超出了描述观测之间的统计关联，还可以推断潜在机制。我们提供了国家空间建模中基本概念的概述，并为这些方法提出了分类法。此外，我们引入了关键的数学原理，这些原理强调了时间尺度的分离，例如奴隶原理，并回顾了用多尺度数据来测试大脑的假设的贝叶斯方法。我们希望这篇综述将成为在复杂系统建模文献中在最新技术状态和当前旅行的实验和计算神经科学家的有用底漆。
8-氨基喹啉的机制定向Ni-Catalyed C（...
在能量材料的震动到淘汰过渡期间，分子间和分子内振动的耦合在启动化学中起着至关重要的作用。在本文中，我们使用宽带，超级空军红外瞬时吸收光谱光谱光谱镜头报告了固体能量材料1,3,5-三硝基羟基1,3,5-三嗪（RDX）的固体能量材料的次秒至亚纳秒振动能量转移（VET）动力学。实验表明，在三个不同的时间尺度上发生兽医：次秒，5 ps和200 ps。在中红外的所有探测模式下，信号的超快出现表明固体中所有振动的强烈无谐耦合，而长期寿命的演化表明兽医是不完整的，因此即使在百比次时时间表上也无法达到热平衡。密度功能理论和经典分子动力学模拟为实验观测提供了有价值的见解，揭示了高频振动的初始VET动力学的压缩 - 不敏感的时间尺度，以及在压缩下对低频声子模式的急剧扩展的放松时间。最长动力学的模式选择性表明N – N和轴向No 2拉伸模式与长寿，激发的声子浴的耦合。
地球科学理学学士
在地球物理专业中，我们使用观察性，正向和反向建模方法研究地球和其他行星的动力学和结构。 主题包括环境研究，海洋过程，水文学，冰川学，火山，地震，构造，影响，资源，浅层危害以及行星地幔的对流。 从全球研究到微观量表，以及从几秒钟到数十亿年的时间尺度上发生的过程，地球物理学家对地球的物理过程和特性提供了基本见解。 拥有地球物理学位，学生能够在各种学科中解决尖端问题，从基本的地球和气候科学研究到能源领域的应用，数据科学和技术以及国家安全。在地球物理专业中，我们使用观察性，正向和反向建模方法研究地球和其他行星的动力学和结构。主题包括环境研究，海洋过程，水文学，冰川学，火山，地震，构造，影响，资源，浅层危害以及行星地幔的对流。从全球研究到微观量表，以及从几秒钟到数十亿年的时间尺度上发生的过程，地球物理学家对地球的物理过程和特性提供了基本见解。拥有地球物理学位，学生能够在各种学科中解决尖端问题，从基本的地球和气候科学研究到能源领域的应用，数据科学和技术以及国家安全。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
在...
摘要：我们研究量子信息理论定量的普遍行为，在热化的孤立量子多体系统和蒸发黑洞中。尤其是我们研究了一种真正的混合国家纠缠措施，称为对数负面性，其他相关措施，包括Renyi否定性和相互构成，以及称为反射性熵的多部分纠缠的特征。我们还使用诸如相对熵和PETZ MAP有限的数量，探测从热量子多体系统或蒸发黑洞的辐射中恢复量子信息的可行性。最近开发的称为平衡近似的技术使我们能够在有限的温度下探测这些数量。我们发现了有限的温度情况，这是使用HAAR随机状态的先前研究的主题。尤其是我们发现对数负面性的方案是广泛的，但相互信息是宽大的，表明在热状态下有大量不可证实的，绑定的纠缠。用于在有限温度下蒸发黑洞，对数负性和PETZ MAP限制都揭示了一个重要的新时间尺度T B，这比总蒸发时间的有限分数要早于页面时间t p。我们发现，与t p相比，T B是时间尺度，在辐射的不同部分之间的量子纠缠变得广泛，并且在黑洞中投入大量日记的信息回收率开始生长。