我们介绍了Cyberdemo,这是一种用于机器人模仿学习的新方法,该方法利用了模拟人类的策略来实现现实世界的任务。通过在模拟环境中纳入广泛的数据增强,CyberDemo在转移到现实世界中的传统现实世界中的表现优于传统的现实世界中的演示,从而处理了多样化的物理和视觉条件。无论其负担能力和在数据收集中的便利性如何,Cyberdemo Opper-pers-pers-pers-pers of-lip-term-term of基线方法在跨不同任务的成功率方面,并具有以前未见的对象的普遍性。例如,尽管只有人类的示范插入三瓣,但它仍可以旋转新型的四阀和五角谷。我们的研究证明了模拟人类示范对现实世界灵活操纵任务的重要潜力。更多详细信息可以在https://cyber-demo.github.io/
Q.1 (a) L1 CO1 PO1 (b) L2 CO1 PO1 (c) L2 CO1 PO1 Q.2 (a) L2 CO2 PO1, PO2 (b) L2 CO2 PO1, PO2 (c) L2 CO2 PO1, PO2 Q.3 (a) L3 CO2 PO1, PO2, PO3 (b) L3 CO2 PO1, PO2, PO3 (c) L1 CO2 PO1 Q.4 (a) L3 CO2 PO1, PO2, PO3 (b) L3 CO2 PO1, PO2, PO3 (c) L2 CO2 PO1, PO2 Q.5 (a) L2 CO3 PO1, PO2, PO3 (b) L2 CO2 PO1, PO2 (c) L1 CO2 PO1, PO2 Q.6 (a) L2 CO2 PO1, PO2 (b) L2 CO2 PO1, PO2 Q.7 (a) L2 CO3 PO1, PO2, PO3 (b) L3 CO3 PO1,PO2,PO3 Q.8 (a) L2 CO3 PO1,PO2,PO3 (b) L2 CO3 PO1,PO2,PO3 (c) L1 CO3 PO1 Q.9 (a) L3 CO4 PO1,PO2,PO3 (b) L2 CO4 PO1,PO2 Q.10 (a) L2 CO4 PO1,PO2 (b) L2 CO5 PO1,PO2,PO3
28。Linsel Simon Mathias(在Pers。)Ludwig-Maximilians-Universitätmünchen物理学系和Arnold Sommerfeld理论物理中心(ASC)
Terms of use This article was downloaded from Harvard University's DASH repository, and is made available under the terms and conditions applicable to Open Access Policy Articles (OAP), as set forth at https://harvardwiki.atlassian.net/wiki/external/NGY5NDE4ZjgzNTc5NDQzMGIzZWZhMGFlOWI2M2EwYTg
摘要 - 植物材料对行星科学,建筑和制造业中许多机器人任务的关键兴趣。但是,颗粒材料的动力学很复杂,并且通常在计算上非常昂贵。我们提出了一组方法和一个用于快速模拟图形处理单元(GPU)的颗粒材料的系统,并表明该模拟足够快,可以通过增强学习算法进行基础培训,目前需要许多动力学样本才能实现可接受的性能。我们的方法模型使用隐式时间播放方法进行多体刚性接触的颗粒材料动力学,以及算法技术,用于在粒子对和任意形成的刚体之间和任意形状的刚体之间的有效并行碰撞检测,以及用于最小化Warp Divergence的编程技术,以最大程度地构建单层构造(构建多项)。我们在针对机器人任务的几个环境上展示了我们的仿真系统,并将模拟器作为开源工具发布。
我们小组率先在 LHC 的高能物理分析中使用量子机器学习 (QML)。我们已在门模型量子计算机模拟器和硬件上成功将几种 QML 分类算法应用于 ttH(与顶夸克对相关的希格斯粒子生成)和希格斯粒子到两个μ子(希格斯粒子与第二代费米子的耦合)这两项最近的 LHC 旗舰物理分析。模拟研究已使用 IBM Quantum Framework、Google Tensorflow Quantum Framework 和 Amazon Braket Framework 进行,并且我们已实现良好的分类性能,其性能类似于目前在 LHC 物理分析中使用的经典机器学习方法,例如经典 SVM、经典 BDT 和经典深度神经网络。我们还使用 IBM 超导量子计算机硬件进行了研究,其性能令人鼓舞,并且接近 IBM 量子模拟器的性能。此外,我们将研究扩展到其他 QML 领域,例如量子异常检测和量子生成对抗,并已取得一些初步成果。此外,我们还使用 NVIDIA cuQuantum 和 NERSC Perlmutter HPC 克服了大量子比特(25 个量子比特或更多)和大量事件情况下的密集计算资源挑战。
摘要。宽场成像仪(WFI)是高能天体物理学的高级望远镜(雅典娜)的两种焦平面仪器之一,ESA的下一个大型X射线天文台计划于2030年代初发射。当前的基线光环轨道在L2左右,并且正在考虑太阳 - 地球系统的第二个Lagrangian点。对于潜在的光环轨道,辐射环境,太阳能和宇宙质子,电子和Heions都将影响仪器的性能。对仪器背景的进一步关键贡献是由未关注的宇宙硬X射线背景产生的。重要的是要了解和估算预期的工具背景并研究措施,例如设计模式或分析方法,这可以改善预期的背景水平,以达到具有挑战性的科学要求(<5×10 - 3计数∕ cm 2 ∕ cm 2 kev kev s s in 2至7 kev)。通过考虑到L2处的质子通量的新信息,可以改善Geant4中进行的WFI背景模拟。此外,已对WFI仪器的模拟模型及其在Geant4模拟中采用的周围环境进行了完善,以遵循WFI摄像机的技术开发。©作者。由SPIE发表在创意共享归因4.0未体育许可下。全部或部分分发或复制此工作需要完全归因于原始出版物,包括其DOI。[doi:10.1117/1.jatis.7.3.034001]
适应性免疫通过调节抗原特异性反应,炎症信号传导和抗体产生,在动脉粥样硬化的发病机理中起着重要作用。但是,随着年龄的增长,我们的免疫系统经历了逐渐的功能下降,这种现象称为“免疫衰老”。这种下降的特征是增生性幼稚的B和T细胞的减少,B和T细胞受体库库减少,以及相关的分泌性分泌性疾病。此外,衰老会影响生发中心的反应,并恶化次级淋巴器官功能和结构,从而导致T-B细胞动力学受损并增加自身抗体的产生。在这篇综述中,我们将剖析衰老对适应性免疫的影响以及与年龄相关的B-和T细胞在动脉粥样硬化发病机理中所起的作用,强调需要针对与年龄相关的免疫功能障碍的干预措施,以减少心血管疾病风险。
指导和指导者:Ann Almgren、Don Willcox、Weiqun Zhang、Aaron Lattanzi 计算科学与工程中心 (CCSE)、AMCR 部门、伯克利实验室
I. 简介 许多研究人员已经基于多孔弹性构建了脑积水的计算理论。此类模型将有助于更好地理解问题,从而提供更好的治疗方法。此类模型还忽略了分流术的间歇性影响,而分流术是治疗脑积水最常用的方法。我们使用弹性和流体力学来创建人脑和脑室系统的数学模型。我们的模型通过考虑跨导水管的流动并包括边界约束来扩展以前的工作。这将为疾病的边界和改善创建一个定量模型。我们开发并解决了该模型的控制方程和边界条件以及有意义的临床发现。我们的模型通过将导水管流与边界约束结合起来,扩展了早期对脑积水的研究。脑脊液沿着脊髓周围的蛛网膜下腔向下流动,然后进入颅脑蛛网膜下腔,然而,物理定律很难解释这种流动是如何持续的。采用体内刺激的数学方法来研究脉动血液、脑和脑脊液的动态相互作用 1 。本文介绍的模拟是为患有脑脊液生理病理疾病脑积水的个体生成的 2 。研究特发性脑积水化学浓度不对称循环的后脑室通透性 3 。使用基本的几何模型,当前的研究提出了一种全新的脑积水多物理扩散过程方法,并作为更复杂的几何模拟的标准 4 。研究了脑脊液在心血管和蛛网膜下腔的循环以及脑脊液渗入多孔脑实质的问题。开发了复杂大脑几何形状的边界条件 5 。将标准受试者的研究信息与代表颅内动力学的实际计算模型进行了比较。该模型利用特定于受试者的磁共振 (MR) 图像和物理边界条件作为输入,可重现脉动的脑脊液循环并模拟颅内压力和流速 6 。该数值模型用于探索横截面几何形状和脊髓运动如何影响非稳定速度、剪应力和压力梯度场 7 。该系统分为五个子模型:动脉系统血液、静脉系统血液、心室脑脊液、颅内蛛网膜下腔和脊髓出血腔。阻力和顺应性将这些子模型连接起来。构建的模型用于模拟七个健康个体中发现的关键功能特征,例如动脉、静脉和脑脊液流量分布(幅度和相移) 8 。此前,利用时间分辨三维磁共振速度映射研究人体血管系统中健康和异常的血流模式。利用这种方法研究了 40 名健康志愿者 9 的脑室系统中脑脊液流量的时间和空间变化。这些颗粒中的脑脊液和血液之间的屏障很小,使脑脊液能够流入循环并被吸收。与脑脊液的产生相反,消耗是压力-
