XiaoMi-AI文件搜索系统
World File Search System线性
使用深度预期的SARSA和非线性时间差学习
摘要 - 在本文中，我们使用原始加固学习（RL）方法提出了一种基于学习的非线性模型预测控制器（NMPC），以学习NMPC方案的最佳权重。控制器用作深度预期SARSA的当前动作值函数，其中通常用次级NMPC获得的后续动作值函数与神经网络（NN）近似。在现有方法方面，我们添加了NN的输入NMPC学习参数的当前值，以便网络能够近似行动值函数并稳定学习性能。另外，在使用NN的情况下，实时计算负担大约减半而不会影响闭环性能。此外，我们将梯度时间差异方法与参数化的NMPC结合在一起，作为预期的SARSA RL方法的函数近似函数，以克服函数近似中存在非线性时克服潜在参数的差异和不稳定性问题。仿真结果表明，所提出的方法在没有不稳定性问题的情况下收敛到本地最佳解决方案。
线性电阻率和Sachdev-ye-Kitaev（SYK）旋转液体行为，量子临界金属具有旋转1/2费米子
“奇怪的金属”具有电阻率，具体取决于降低到低t的温度，这是凝结物理学的长期难题。在这里，我们考虑了通过现场哈伯德相互作用和有限限制的自旋 - 旋转相互作用的静脉自旋1 /2 fermions的晶格模型。我们表明，通过电荷闪光与旋转玻璃相熔化相关的量子临界点显示非fermi液体行为，局部自旋动力学与Sachdev-ye-Kitaev模型家族的局部自旋动力学相同。这扩展了先前在SU（M）对称模型的巨大极限上建立的量子自旋液体动力学，以对具有SU（2）Spin-1 /2电子的模型。值得注意的是，量子临界方案还具有与T线性散射速率相关的Planckian线性电阻率和与边缘费米液体现象学一致的电子自我能源的频率依赖性。
森林流：预测Lyman-α森林聚类从线性到非线性尺度
在大范围内，Lyman-α森林提供了对宇宙膨胀历史的见解，而在小尺度上，它对生长历史，暗物质的性质和中微子质量的总和施加了严格的限制。这项工作引入了ForestFlow，这是一个新颖的框架，它弥合了大型和小规模分析之间的差距，这些分析传统上依赖于不同的建模方法。使用条件归一化的流量，ForestFlow预测了两种lyman-α线性偏见（Bδ和Bη）和六个参数，描述了三维频谱功率谱（P 3D）的小规模偏差（p 3D），从线性理论作为体体和核学中培养基的功能。随后将它们与Boltzmann求解器相结合，以对P 3D和从其衍生的任何其他统计数据进行一致的预测，从任意大的尺度到非线性制度。在30个固定和分配的宇宙流体动力学模拟的套件中训练，跨越z = 2至4.5的红移，森林流在描述P 3D和一维闪光功率谱（p 1d）中获得了3和1.5％的精度，从线性量表到k = 5 mpc- = 5 mpc- = 5 mpc-k. = 5 mpc-k. = 4 mpc- = 4 mpc = 4 Mpc = 4 mpc = 4 mpc。由于其条件参数化，森林流对电离历史和两个λCDM模型扩展（大量中微子和曲率）显示出相似的性能，尽管训练集中都不包含这些扩展。该框架将对DESI调查的Lyman-α森林测量结果进行全面宇宙学分析。
通过混合整数线性规划对工业现场进行综合生产和能源供应规划
摘要：如今，工业生产现场面临两大问题：需要减少生产过程对环境的影响，以及能源价格上涨造成的经济困难。这两个挑战可以通过使用现场可再生能源发电为工业过程提供动力来部分解决。然而，电价的波动性和当地可再生能源的间歇性导致需要解决综合工业生产和能源供应规划问题。这项工作研究了由电网电力和现场可再生能源驱动的工业过程的单机多产品批量问题。我们提出了一种新的比例批量和调度问题扩展，它依赖于两级结构进行时间离散化。第一级与产品需求满足有关，第二级用于生产和能源供应规划。将提出的扩展与之前发布的处理类似问题的一般批量和调度问题扩展进行了比较。我们的初步数值结果表明，在大多数情况下，我们的模型提供了相同成本的生产计划，但计算工作量显著减少。
应用数学和非线性科学
本文旨在解决UHV转换器设备中故障样本不足的问题，这阻碍了他们的智能操作和检查。用于对UHV转换器设备的操作和检查，本文提出了多模式的学习样品时空相关生成方法。此方法从缺陷失误开发时间序列过程中获取典型的故障样本，并通过融合时间序列演变定律和相邻样品的相似性，使用最近的邻居生成段技术创建样品。基于转换器和转换器阀的物理模型，我们分析了部分放电，高温过热和微动磨损的断层发育定律。通过整合时间序列故障演化机制和多模式状态数量之间的空间相关性，建立了具有嵌入式断层机制的多模式故障样品生成模型。模拟表明，类似大脑的学习会产生嵌入在539列中的转换器部分放电和转换器阀IGBT微动磨损的样品中，包括376个转换器和163个转换器阀案例。生成的样品和实际样品之间的一致性超过90％，从而促进了脑部样模型的培训，以对高压转换器设备的健康评估，故障诊断和趋势预测进行培训。
运动学 SAMI：一种用于非线性模态识别的新型实时多传感器数据同化策略
摘要。在许多工程应用中，结构的振动分析需要设置大量传感器。这些研究大多在后处理中进行，并基于线性模态分析。然而，许多研究的设备强调模态参数取决于振动水平非线性，并使用加速度计等传感器来修改设备的动态特性。这项工作提出了一种基于实时识别非线性参数（固有频率和阻尼）的模态测试的重大发展，这些参数以线性模态为基础进行跟踪。这种方法称为运动学-SAMI（用于多传感器同化模态识别），首先在已知非线性的数值情况下进行评估，其次在具有非接触式测量技术（高速高分辨率摄像机）的经典悬臂梁框架中进行评估。最后，讨论了该方法的效率和局限性。
数据表 - 线性球阀类型546 Pro
• Special ball design enables high flow rates with linearly increasing flow behavior • Opening angle in % stamped in the multifunction module • Minimal dead space • Ideal control valve • Dimension range DN15 to DN50 • Lockable lever as standard • Ergonomic hand lever with integrated tool for opening the union bushing • Lever labeling (optional) • Low maintenance • Spacers keep the level of the piping system constant and facilitate installation • Integrated fastening system with threaded inserts fitted as standard • Automation possible with electric or pneumatic actuator • Manual or automatic valve with/without electrical position indicator • Individual online configuration possible • Unique Data Matrix code for traceability • Oil-free and LABS-cleaned version • Universal interface makes a combination with all actuators possible
负载调制功率放大器的线性和效率
在现代通信标准中，功率放大器（PA）必须在越来越大的动态范围和带宽上实现高效率，同时保持严格的线性要求。效率提高可以通过负载调制体系结构（例如Doherty功率放大器）来实现。但是，基于此概念的放大器通常与线性降解有关。在4G网络中，数字预性用于减轻负载调节的放大器的非线性。但是，5G NR系统的更大带宽和复杂性限制了DPD的适用性。本论文旨在解决高效率功率扩增器的固有线性，以便无需有限的预期，可以充分地进行效率。它专注于负载模块的平衡放大器（LMBA）。LMBA是最近的建筑，作为经典Doherty PA的替代品。这里提出了对LMBA的新数学分析，重点是负载调制轨迹。这种基于阻抗的分析导致开发了一种新方法，用于从主晶体管的载荷测量值中设计线性/有效的功率放大器。将此方法应用于10W gan Hemt，我们表明，在单端配置中具有相似性能的三个不同的放大器在LMBA档案中使用时的性能非常不同。根据我们的理论，LMBA的幅度（AM-AM）和相（AM-PM）畸变取决于负载轨迹。然后，在GAAS技术中使用相同的方法在1W频段1W MMIC放大器上应用。选择它以使相失真最小化，然后可以选择第二个谐波终止以最大化效率。j级第二谐波终止被确定为最佳情况，导致-40.5dBC ACLR（相邻的通道泄漏比），当用10 MHz刺激10 MHz时，在2.4GHz的耗尽效率为40.5％，为8.6db Papr（峰值平均电力比）LTE信号。但是，在这些频率下，第二个谐波终止对功率放大器的效率的影响很小。缺乏这种额外的自由度，不能为缓解AM-PM选择载荷轨迹，并且效率/线性权衡会降低。最后，提出了阻抗不匹配在功率放大器中的起源和影响。研究了输出阻抗不匹配下负载调制平衡放大器的性能。我们观察到，如果未在输出处显示最佳阻抗，则会取消LMBA的效率提高。然后提出了一种新型的双重平衡LMBA，以实现高效率功率放大器中的不匹配弹性。
非线性藻类芯片中光量子状态的产生：工程和应用
量子技术使我们能够利用量子力学定律来进行诸如通信，计算，计算或传感和计量学等任务。随着第二次量子革命的持续，我们希望看到第一个新颖的量子设备因其出色的性能而取代经典的DECECES。从基础研究到广泛可访问的标准有很大的动力来形成量子技术。量子通讯承诺通过量子密钥分布具有绝对安全性的未来；量子模拟器和计算机可以在几秒钟内执行计算，其中世界上最强大的超级武器需要数十年的时间；量子技术实现了高级的成像技术。可能会出现进一步的申请。全球市场已经意识到了量子技术的巨大潜力。Menlo Systems是该领域的先驱，为这些新型挑战提供了商业解决方案。光子学与量子物理学之间的联系很明显。量子模拟和计算在这些类型的实验中使用冷原子和离子作为Qubits，实验室全球使用光学频率梳子和超稳定激光器。量子通信通常依赖于单个光子，这些光子是在近红外（-IR）光谱范围内精确同步飞秒激光脉冲产生的。量子传感和计量学需要频率梳和激光技术的最高稳定性和准确性。和 - 值得突出显示的应用程序 - 正在替换国际单位系统（SI）中第二个定义的光原子时钟。
测量机器学习力场中的可传递性问题：与线性电势的金铁相互作用的示例
原子建模通常分为两种不同类型的模拟。一方面，包括Hartree -Fock和密度功能理论（DFT）方法在内的量子方法被认为是最准确的，几乎用于任何类型的化学物种[1，2]。另一方面，经典力场用于执行精度较低的大规模和长期模拟[3，4]。但是，仍然很难连接这两种方法，直到现在，人们几乎无法执行涉及数百万个原子的纳秒原子的模拟，同时保留量子方法的准确性。在这种情况下，近年来已经提出了机器学习互动电位（MLIP），并显示出实现此类模拟的巨大潜力[5-7]。目前考虑了许多方法，包括人工神经网络[8]，高斯近似方法[9]，线性电位[10，11]，频谱邻域分析电位[12]，对称梯度域机器学习[13，14]和矩张量张量的电位[15]。这些技术的成功得到了成功解决的各种材料的认可：纯属金属[16-20]，有机分子[21-24]，氧化物[25，26]，水[27 - 31]，无定形材料[32 - 37]和HYBRIDPEROVSKITES [32 - 37]和HYBRIDERIDPEROVSKITES [38]。对于所有这些技术，主要过程包括对力场使用非常通用的分析公式，然后将其进行参数化以匹配DFT计算数据库，包括总能量，力和应力张量。但是，人们承认MLIP有时会显示出对学习数据库中未包含的系统的可传递性。在最坏的情况下，MLIP SO-WELL拟合到其学习数据库中，可以在其外观察到非物理行为。为了解决此问题，主要建议是定期检查电位的准确性，因为进行了机器学习分子动力学模拟并改善MLIP“ fly the Fly” [38 - 40]。，据我们所知，这种方法的这种缺陷从未经过定量调查，而在被用户和开发人员承认的同时。