XiaoMi-AI文件搜索系统
World File Search System蒙特卡洛
LINACS的Photoneutron生产
Valentin Blideanu，ClémentBesnard Vauterin，Benjamin Rapp。LINACS的Photoneutron生产：蒙特卡洛模拟的测试性能和对相关应用的影响。Satif-16-16-16th关于屏蔽加速器，目标和辐射设施的屏蔽方面的研讨会，2024年5月，意大利弗拉斯卡蒂。CEA-04647750CEA-04647750
追踪全球经济不确定性：对欧元区的影响
2 放宽这一假设不会显著改变不确定性度量的估计。3 按照 JLN，使用马尔可夫链蒙特卡洛 (MCMC) 方法和 R 中的 STOCHVOL 包估计随机波动率参数，并使用 Kastner 和 Fr¨uhwirth-Schnatter ( 2014 ) 中讨论的辅助充分性交织方法。
接近...
摘要：量子振幅估计（QAE）算法是一种主要的量子算法，旨在实现二次加速。直到实现易于断层的量子计算为止，与经典的蒙特卡洛（MC）具有竞争力一直难以捉摸。已经开发出替代方法，以便在保持有利的理论规模的同时需要更少的资源。我们将标准QAE算法与两个嘈杂的中间尺度量子（NISQ）在数值集成任务上的友好版本与大都会的蒙特卡洛技术 - 黑斯廷斯作为经典基准。分别根据样品数量，计算时间和解决方案所需的量子电路的长度来评估算法。在11 Quibent的捕获量子计算机上测试了两个QAE替代方案的有效性，以验证哪种解决方案可以首先在积分估计问题中加快速度。我们得出的结论是，对于使用阶段估计常规而言，另一种方法是可取的。的确，最大似然估计保证了量子电路的长度与积分估计中的精度以及对噪声的更大阻力之间的最佳权衡。
混合状态估计：将物理信息的神经网络与动态系统的自适应UKF整合
摘要：在本文中，我们通过将物理知识的神经网络（PINN）与自适应的无气味卡尔曼过滤器（UKF）相结合，提出了一种新型的动态系统估计方法。认识到传统状态估计方法的局限性，我们通过混合损失功能和蒙特卡洛辍学来完善Pinn结构，以增强不确定性估计。使用自适应噪声协方差机制增强了无味的卡尔曼滤波器，并将模型参数纳入状态矢量以提高适应性。我们通过将增强的PINN与UKF集成为无缝的状态预测管道，进一步验证了该混合动力框架，这表明准确性和鲁棒性有了显着提高。我们的实验结果表明，位置和速度跟踪的状态估计保真度明显增强，并通过贝叶斯推理和蒙特卡洛辍学的不确定性定量支持。我们进一步扩展了对双摆系统的模拟并进行了评估，并在四轮驱动器无人机上进行了状态估计。这种综合解决方案有望推进动态系统估计中的最新解决方案，从而在控制理论，机器学习和数值优化域中提供无与伦比的性能。
DouZero+：通过对手建模和教练指导学习改进斗地主人工智能
摘要 — 近年来，深度强化学习 (DRL) 在各种完全和不完全信息游戏中取得了重大突破。在这些游戏中，斗地主是中国流行的纸牌游戏，由于信息不完整、状态空间大、协作元素多以及每回合可能的动作数量庞大，因此非常具有挑战性。最近，一种名为 DouZero 的斗地主人工智能系统被提出。DouZero 使用传统蒙特卡洛方法、深度神经网络和自我对弈程序进行训练，无需抽象人类先验知识，其表现优于所有现有的斗地主人工智能程序。在这项工作中，我们建议通过在 DouZero 中引入对手建模来增强 DouZero。此外，我们提出了一种新颖的教练网络，以进一步提升 DouZero 的性能并加速其训练过程。通过将上述两种技术融入到斗地主AI系统中，斗地主AI系统取得了更好的性能，在包括斗地主在内的400多个AI代理中名列Botzone排行榜榜首。索引术语 — 斗地主，强化学习，蒙特卡洛方法，对手建模，教练网络
基于嵌入式的智能事故前出现，后...
摘要˗˗本文解决了一个重要的问题：量子隧道如何影响半导体设备中的晶体管微型化，以及对未来技术的更广泛含义是什么？本文讨论了晶体管小型化所带来的挑战，并使用量子力学的理论原理（例如Schrödinger方程和海森堡的不确定性原理）引入了量子隧道。本文比较了对石墨烯，过渡金属二分法源和拓扑绝缘子的评估及其对量子隧穿的影响。本文进一步探讨了高级模拟方法，例如密度功能理论，量子蒙特卡洛等。在小晶体管中建模隧道效应。本文还探讨了量子隧道在量子计算中的作用，尤其是在量子量的开发中，探索纳米技术和机器学习在优化隧道效应中的整合。我们的讨论整合了这些发现，探讨了对当前和未来半导体技术的影响，并以对晶体管技术和量子隧道的发展的预测结论。索引术语˗˗量子隧道，量子蒙特卡洛，未来的半导体技术
![arxiv：2411.00134v1 [cond-mat.soft] 2024年10月31日](/simg/c\cbcb809e034f2eea55fdfa828a50fd7f02e33ebc.webp)
arxiv：2411.00134v1 [cond-mat.soft] 2024年10月31日
梯子聚合物以其刚性的梯子样结构而闻名，具有出色的热稳定性和机械强度，将它们定位为高级应用的候选者。但是，准确地从溶液散射中确定其结构仍然是一个挑战。它们的链构象在很大程度上受单体及其相对取向的固有定向特性的控制，从而导致弯曲角的双峰分布，这与常规的聚链链的弯曲链遵循单峰分布。与此同时，聚合物链的传统散射模型并不能说明这些独特的结构特征。这项工作引入了一种新颖的方法，该方法将机器学习与蒙特卡洛模拟集成在一起以应对这一挑战。我们首先开发了一个蒙特卡洛模拟，用于对梯形聚合物的构型空间进行采样，其中每个单体被模型为双轴段。然后，我们基于高斯过程回归建立了一个机器学习辅助散射分析框架。最后，我们在梯子聚合物溶液上进行小角度的中子散射实验以应用我们的方法。我们的方法揭示了常规方法无法捕获的梯子聚合物的结构细节。
飞机燃油规划和安全风险评估...
在本报告中，我们展示了荷兰皇家航空航天中心 (NLR) 航空运输安全研究所进行的研究成果。该研究项目是作者的硕士论文，旨在攻读代尔夫特理工大学 (航空运输与运营) 的航空航天工程硕士学位。该项目的主题是航空安全和定量风险评估领域。具体来说，该研究涉及航空公司运营 (商业航空运输) 中的燃料规划和燃料管理的安全问题。随着空中交通的快速增长，保持当前的安全水平并进一步提高它们是一项挑战，以实现欧盟的愿景安全目标，即到 2050 年每 1000 万次航班的事故少于一次。在各种事故和事件类别中，该项目研究与燃料有关的事故和事件。具体来说，我们调查了两起与燃料有关的事件；飞机着陆时燃油量低于最低规定燃油量（称为 FRF - 最终储备燃油）的概率以及燃油耗尽的概率。为了分析和评估安全风险，我们遵循了 TOPAZ 方法的步骤。根据之前对该主题的研究，创建了一份详尽的危险清单，并开发了一个基于代理的风险模型，并将其实施为随机动态着色 Petri 网 (SDCPN) 模型。风险模型以 JAVA 编程语言算法实现，方向是进行蒙特卡洛模拟。第一个事件（FRF）概率是通过常规（直接）蒙特卡洛模拟估计的，而对于第二个事件（燃油耗尽），常规蒙特卡洛被证明是不够的。事实上，燃油耗尽是一种罕见事件，因此需要实施加速方法。选择的加速方法是相互作用粒子系统 (IPS)。最后，通过模拟，我们估计了几种运行场景中这些罕见事件的概率。对燃料相关风险的可接受性进行了评估，最终证明对于所有场景，风险都是可以容忍或可接受的，同时还识别和分析了最突出的安全瓶颈。
2035年的银行业务：新兴技术将如何改变我们的银行方式
为了优化投资回报，金融服务运营商将通过在数百万资产组合中运行所谓的蒙特卡洛模拟来构建您的自定义投资组合。量子机器学习将预测您的现金流量需求，并建议定制的贷款选项，例如循环信用额度或微贷款，以进行即将进行的大型购买。您将不再需要填写冗长的应用程序。
Puffin WorkshopPuffin Workshop
Puffin（Penelope用户友好的快速接口）是蒙特卡洛辐射传输程序，用于模拟和映射材料中的电子和光子剂量。此接口可以创建2D和3D地图，这将有助于各种材料中的视觉剂量分布，包括医疗产品，聚合物等。为期两天的研讨会将与Accelapp'24会议一起在弗吉尼亚州诺福克的Sheraton Waterside Hotel举行。