XiaoMi-AI文件搜索系统
World File Search SystemCULT
使用最大基数匹配问题对量子退火进行基准测试
我们对量子退火 (QA) 与模拟退火 (SA) 进行了基准测试，重点关注问题嵌入到 D-Wave 量子退火器的不同拓扑上的影响。我们研究的一系列问题是最大基数匹配问题的特别设计实例，这些问题很容易通过经典方法解决，但对于 SA 来说很难，而且实验发现，对于 QA 也不容易。除了使用多个 D-Wave 处理器外，我们还通过数值求解时间相关的薛定谔方程来模拟 QA 过程。我们发现嵌入问题可能比非嵌入问题困难得多，并且某些参数（例如链强度）对于找到最佳解决方案可能非常有影响。因此，找到良好的嵌入和最佳参数值可以大大改善结果。有趣的是，我们发现尽管 SA 在解决非嵌入问题方面取得了成功，但与我们在 D-Wave 量子退火器上取得的成果相比，嵌入版本获得的 SA 结果相当差。
微分方程分析的量子优势-IRIS
用于差异方程求解，数据处理和机器学习的量子算法在所有已知的经典算法上都具有指数加速。但是，在有用的问题实例中获得这种潜在的加速也存在障碍。量子差方程求解的基本障碍是，输出有用的信息可能需要很困难的后处理，而量子数据处理和机器学习的基本障碍是，输入数据是一项单独的任务。在这项研究中，我们证明，当组合在一起时，这些困难互相解决。我们展示了量子差方程求解的输出如何作为量子数据处理和机器学习的输入，从而可以通过主组件，功率谱和小波分解来动态分析。为了说明这一点，我们考虑了马尔可夫在流行病学和社交网络上的连续时间。这些量子算法比现有的经典蒙特卡洛方法提供了指数优势。
微分方程分析的量子优势
用于微分方程求解、数据处理和机器学习的量子算法可能比所有已知的经典算法提供指数级加速。然而，在有用的问题实例中获得这种潜在加速也存在障碍。量子微分方程求解的基本障碍是输出有用信息可能需要困难的后处理，而量子数据处理和机器学习的基本障碍是输入数据本身就是一项艰巨的任务。在这项研究中，我们证明了，当结合起来时，这些困难可以相互解决。我们展示了量子微分方程求解的输出如何作为量子数据处理和机器学习的输入，从而允许在主成分、功率谱和小波分解方面进行动态分析。为了说明这一点，我们考虑了流行病学和社会网络上的连续时间马尔可夫过程。这些量子算法比现有的经典蒙特卡罗方法具有指数级优势。
考虑可再生能源不确定性的综合能源系统容量优化配置方法
随着化石能源的减少和能源消费的增加，开发利用新能源是必然趋势。可再生能源因其清洁、丰富等特点受到人们的关注，但受可再生能源随机性和间歇性的影响，可再生能源接入后传统电力系统难以满足用户的需求，单纯依靠传统电力系统难以解决可再生能源的消纳问题。针对该问题，构建了综合能源系统（IES），对综合能源系统的运行策略和容量配置采用两层优化方法，以可再生能源消纳量、运行成本、投资成本为优化指标，考虑设备运行特性、可再生能源的不确定性及模型约束，采用粒子群优化算法求解多目标问题。将求解得到的优化结果与传统能源供应系统进行比较，验证了所提方法可在满足可靠性和安全性约束的条件下实现系统成本投资最低。
解码变构景观-RSC Publishing
和跟踪原子运动，从而提供了详细的见解，对构象变化和分子动力学。5通常，MD模拟从实验确定的三维结构开始，随后能量最小化和对近似生理条件的平衡。MD模拟的强度在于它们能够揭示各个时间尺度上符合符合性变化的能力，从而提供了动态的信息，这很难通过传统的实验方法获得，尤其是在酶变构调节的背景下。变构调节是指通过构象变化调节酶活性的过程，通常会参与关键分子间相互作用的动态调整。由于这些过渡发生在次纳秒至millise-cond时标，因此他们具有挑战性地使用传统的实验技术直接观察。MD模拟提供了很高的时间分辨率，从而实现了调节机制的表征。通过跟踪酶构象变化和内部分子动力学，MD模拟有助于鉴定控制酶活性和信号转导的变构位点，这通常是从单独静态结构分析中获得的信息。6
基于相关特征的同质低分辨率人脸识别方法
摘要 —人脸识别技术已广泛应用于人身识别、控制准入和移动设备访问等许多关键任务场景。安全监控是人脸识别技术的典型场景。由于监控视频和图像的低分辨率特点使得高分辨率人脸识别算法难以提取有效的特征信息，应用于高分辨率人脸识别的算法很难直接迁移到低分辨率情况。随着密集城市化时代安全监控中的人脸识别变得越来越重要，开发能够在处理低分辨率监控摄像机生成的视频帧时提供令人满意的性能的算法至关重要。本文研究了基于相关特征的人脸识别（CoFFaR）方法，该方法用于同质低分辨率监控视频，详细阐述了理论、实验细节和实验结果。实验结果验证了相关特征方法的有效性，提高了监控安全场景中同质人脸识别的准确率。
探测量子信息传播的量子 - ...
相互作用的多体量子系统表现出丰富的物理现象和动力学特性，但众所周知，很难研究：它们在分析和指出的方面都在挑战，很难在古典计算机上模拟。小规模的量子信息处理器有望有效地模拟这些系统，但是表征其动力学是实验性的挑战，需要超越简单相关功能和多体层析成像方法的探针。在这里，我们演示了测量超定分的相关因子（OTOC），这是研究量子系统演化和量子疗法等过程的最有效的工具之一。我们用超级导管电路实施了3x3二维硬核玻色式晶格，通过执行洛夫米德（Loschmidt）回波研究其时间可逆性，并测量OTOC，使我们能够观察到量子信息的繁殖。我们实验的中心要求是能够连贯逆转时间演变的能力，我们通过数字模拟模拟方案实现了这一目标。在存在频率障碍的情况下，我们观察到可以通过更多的粒子来部分克服定位，这是在二维中多体定位的可能标志。
期货市场的动量策略和趋势......
“过去，这些基金受到容量限制。[...] 这对趋势追随者来说是个问题：他们的规模越大，维持交易账簿的多样性就越困难。虽然股票或债券期货市场深度和流动性强，但大多数农产品合约（例如大豆或小麦）的市场就不那么深厚和流动了”。（《金融时报》，2011 年 11 月 27 日，“温顿的掌门人是一位骄傲的投机者”，）
![arXiv:2005.00582v1 [cs.AI] 2020 年 5 月 1 日](/simg/g:\will\search\icon\source\d\d38cb53a124e35c7288255cbad2b1305ccb5a18c.png)
arXiv:2005.00582v1 [cs.AI] 2020 年 5 月 1 日
开放世界中 AI 的新兴愿景集中在开发可以补充人类感知、诊断和推理任务的系统上。迄今为止，旨在补充人类技能的系统已经采用了经过单独训练以尽可能准确的模型。我们展示了如何利用端到端学习策略来优化人机团队的综合表现，同时考虑人与机器的不同能力。目标是将机器学习重点放在对人类来说困难的问题实例上，同时识别对机器来说困难的实例并寻求人类的输入。我们在两个现实世界领域（科学发现和医学诊断）证明，通过这些方法建立的人机团队的表现优于机器和人的个体表现。然后，我们分析这种互补性最强的条件，以及哪些训练方法可以放大它。总的来说，我们的工作首次系统地研究了如何训练机器学习系统来补充人类推理。