XiaoMi-AI文件搜索系统
World File Search SystemCarlo
使用...进行高效低温蒙特卡洛采样
量子退火 (QA) 的出现是未来量子计算发展的重要一步，也将极大地促进统计物理和材料科学建模的发展。到目前为止，QA 在这些领域的应用仍然很少，其中包括确定具有长程弹性相互作用的平衡微结构 1 、横向场 Ising 模型中的相变 2 、通过 Shastry-Sutherland 模型研究受挫磁系统的能态 3 以及设计超材料 4 。另一个例子是结合使用量子退火器和玻尔兹曼机来采样自旋玻璃并预测 MoS 2 层的分子动力学数据 5 。更一般地说，由 D-Wave 公司实施的 QA 可以有效地找到离散优化问题的基态配置，在学术界和工业界都有许多应用 6 – 10 。 QA 的概念是在低温下以明确定义的基态初始化系统的哈密顿量，然后平滑地转换能量景观，使其代表所需的优化问题。如果仔细执行这种绝热变换，系统最终会处于目标哈密顿量的基态，因此可以找到优化问题的全局最小值。然而，在实践中，准备、转换和读出过程并不是完全绝热、无噪音和与环境分离的，因此有时会发现能量更高的状态，尤其是与简并态 11 或太小的能隙结合时。因此，对于典型的 QA 应用，需要多次重复和读出来确定真实基态。在本文中，我们证明了该技术的这一缺陷实际上可以转化为优点，因为它可以非常有效地确定有限温度的热力学性质。从材料科学的角度来看，T = 0K 时的基态配置通常只对许多实际应用具有有限的意义。例如，对于铁磁体，所有自旋都排列在基态，而对于有限温度，热涨落会导致有限的关联长度、相变和温度相关的磁化。对此类属性进行统计建模的传统方法是使用蒙特卡罗 (MC) 采样技术，因为由于相空间的巨大规模，通常无法明确计算配分函数。此类计算最突出的方法可能是使用 Metropolis 转移概率生成离散马尔可夫链，这会生成一系列遵循玻尔兹曼统计的配置，因此可以通过更容易地计算这些马尔可夫链上的时间平均值来表达集合平均值 12、13。在实践中，根据玻尔兹曼分布 p ∼ exp ( − β ∆ E ) (其中 β = 1 / k BT )，从一个状态到另一个状态的转变正在发生，其概率取决于两个配置之间的能量差 ∆ E 。通常，这种方法在低温下效率低下，因为新配置的拒绝率非常高，因此在局部最小值中捕获的相空间采样不足，导致对所需热力学性质的预测有噪声。另一种重要的采样策略是由 Wang 和 Landau 开发的，他们使用非马尔可夫算法通过平坦直方图技术提取状态密度，从中可以计算出所有所需的热力学性质 14 。除了这些主要技术之外，Dall 等人还开发了一种在低温下快速采样玻尔兹曼分布的算法。然而，这种算法最适合具有短程相互作用的系统 15 。另一种公平采样基态和
使用 GATE 和 Geant4-DNA 蒙特卡洛模拟评估天然放射性矿泉中微生物的辐射剂量
1 克莱蒙物理实验室 (LPC) - UMR6533，法国克莱蒙奥弗涅大学 CNRS/IN2P3，奥比埃，法国，2 LTSER “Zone Atelier Territoires Uranif è res”，克莱蒙费朗，法国，3 微生物：基因组环境实验室 (LMGE) - UMR6023，法国克莱蒙费朗克莱蒙奥弗涅大学 CNRS，4 物理和环境地理实验室 (GEOLAB) - UMR6042，法国克莱蒙费朗克莱蒙奥弗涅大学 CNRS，5 亚原子物理和相关技术实验室 (SUBATECH) - UMR6457，法国南特大学 CNRS/IN2P3/IMT Atlantique，法国南特，6 新陈代谢、微藻分子工程及应用、生物生物学实验室、压力、环境健康、IUML FR3473、法国国家科学研究院、勒芒大学、勒芒、法国
David Talens Perals -CVN |
3教学类型：课程的官方教学名称：基本教学iii类型的课程类型：学士学位类型的教学类型：实用工作（教室 - 问题）主题类型：强制性大学学位：GradoEnFísica课程给出：1活动频率：1活动频率：3开始日期：3开始日期：08/02/2017小时：17/0/05/05/05/2019/2019/2019年/2019年/2019年/2019年/2019年/2019年/c. 14实体：马德里大学大学实体类型：大学教职员工，学院或中心：ciencias院长：FísicaTeórica主题语言：西班牙语
使用价值聚焦思维和蒙特卡罗模拟分析 UH-60 黑鹰安全控制
过去几年，陆军航空事故不断增加，这主要是由于任务频率和复杂性增加以及资源减少。由此造成的损失（人员伤亡、金钱、设备）的严重性促使陆军安全中心指挥官要求全面审查安全隐患和后续安全控制的评估和选择方式。该项目通过开发和使用有效识别和评估控制组合的方法，将价值导向思维、蒙特卡罗模拟和整数规划相结合，以满足这一需求。整数规划生成控制组合，以最大程度地减少导致陆军航空事故的危险。使用引导方法的蒙特卡罗模拟用于模拟 100,000 个 UH-60 飞行小时内发生的事故造成的损失数量和类型。已经开发了一个价值模型来量化这些损失的严重程度。控制组合的预期绩效计算为实施这些控制措施所导致的损失严重程度的预期下降。
使用价值聚焦思维和蒙特卡罗模拟分析 UH-60 黑鹰安全控制
过去几年，陆军航空事故不断增加，这主要是由于任务频率和复杂性增加以及资源减少。由此造成的损失（人员伤亡、金钱、设备）的严重性促使陆军安全中心指挥官要求全面审查安全隐患和后续安全控制的评估和选择方式。该项目通过开发和使用有效识别和评估控制组合的方法，将价值导向思维、蒙特卡罗模拟和整数规划相结合，以满足这一需求。整数规划生成控制组合，以最大程度地减少导致陆军航空事故的危险。使用引导方法的蒙特卡罗模拟用于模拟 100,000 个 UH-60 飞行小时内发生的事故造成的损失数量和类型。已经开发了一个价值模型来量化这些损失的严重程度。控制组合的预期绩效计算为实施这些控制措施所导致的损失严重程度的预期下降。
黑人学校，模型汇集和莱维（Léevy）…
2.8.3 Volatility Smile .....................................................................................................................................25
奥村，Iris M；卡洛斯·奥古斯托·塞尔贝纳
心理学：理论与实践，22（2），487-515。圣保罗，SP，5 月 - 8 月。 2020 年。ISSN 1516 - 3687（印刷版），ISSN 1980 - 6906（在线版）。 doi:10.5935/1980 - 6906/心理学。 v22n2p487 - 515.评估系统：双盲评审。麦肯齐长老会大学。
基于流的变分量子蒙特卡罗的数值和几何方面
近年来，机器学习、量子多体物理学和量子信息科学等领域的交流卓有成效。这种多学科的互动在一定程度上得益于以下发现：人工神经网络为参数化量子多体希尔伯特空间的子集提供了强大的归纳偏差。尽管通过神经网络描述希尔伯特空间向量会导致无法对此类量子态子集进行精确的线性代数运算，但由于存在一种名为变分蒙特卡洛 (VMC) 的有效随机近似算法 [8,30]，基于神经网络的量子态 (NQS) 能够准确揭示量子自旋系统基态的属性，并使用 VMC 的时间相关变体（即所谓的 t-VMC）模拟其时间演化 [6,7]。自从复值受限玻尔兹曼机 [ 8 ] 问世以来，神经网络量子态的范围已经扩大到涵盖各种量子系统，这通过使用日益复杂（通常是多层的）的架构成为可能。相互作用的另一个驱动因素是发现 VMC 和变分量子算法 (VQA) 之间有着密切的类似性。特别是 Stokes 等人 [ 40 ] 在量子信息几何方面的最新研究阐明了机器学习中的自然梯度下降 [ 2 ]、随机重构 VMC [ 38 ] 和量子计算中的变分虚时间演化 [ 45 ] 之间的联系。本教程论文旨在作为对连续变量量子系统的基于流的 VMC 和 t-VMC 的独立回顾。为了具体起见，我们以玻色子量子系统为例进行讨论，以场振幅基表示。场振幅基并不是 VMC 文献 3 的传统焦点，VMC 文献集中于更易于用 Fock 基解释的非相对论系统。然而，场振幅基在具有相对论对称性的系统中是自然的，其中受控玻色子哈密顿量在 L 2 空间中表示为简单的薛定谔算子。因此，哈密顿量的简单性也提供了教学优势。场振幅基的一个可能的计算优势是，它不需要人为地将允许的模式占用数限制在有限范围内以进行数值实现。为了促进
A.S. 博士何塞·卡洛斯·巴西利奥·奥尔蒂斯 - LUMAT
卡洛斯于 2013 年获得萨卡特卡斯自治大学物理学学士学位。2015 年，他在 AC 光学研究中心 (CIO) 完成了硕士学位学习。并于2020年获得了IPN高级研究中心（Cinvestav-IPN）纳米科学与纳米技术项目的博士学位。他目前正在进行应用元光学的研究，特别是介电元透镜的研究。
一种模拟随机过程的量子谱方法及其在蒙特卡罗中的应用
随机过程在物理学、数学、工程学和金融学中起着基础性的作用。量子计算的一个潜在应用是更好地近似随机过程的性质。例如，用于蒙特卡罗估计的量子算法将随机过程的量子模拟与振幅估计相结合，以改进均值估计。在这项工作中，我们研究了与蒙特卡罗方法兼容的模拟随机过程的量子算法。我们引入了一种新的随机过程“模拟”量子表示，其中时间 t 时的过程值存储在量子态的振幅中，从而能够以指数方式高效编码过程轨迹。我们表明，这种表示允许使用高效量子算法来模拟某些随机过程，这些算法使用这些过程的光谱特性与量子傅里叶变换相结合。特别是，我们表明我们可以使用门复杂度为 polylog(T) 的量子电路来模拟分数布朗运动的 T 个时间步，该电路可以连贯地准备布朗路径上的叠加。然后，我们表明这可以与量子均值估计相结合，以创建端到端算法，用于估计时间 O (polylog(T)ϵ − c) 内过程的某些时间平均值，其中 3 / 2 < c < 2 是分数布朗运动的某些变体，而经典蒙特卡洛运行时间为 O (Tϵ − 2)，量子均值估计时间为 O (Tϵ − 1)。在此过程中，我们给出了一种有效的算法，以相干方式加载具有不同方差的高斯振幅的量子态，这可能是独立的兴趣所在。