XiaoMi-AI文件搜索系统
World File Search SystemDecomposition
N2O分解现象及其在…中的应用
本综述旨在分析一氧化二氮在太空推进中所有可能的应用。在概述其主要的物理和热性质之后，总结了 N 2 O 的分解行为，强调了催化剂对促进反应的重要性。报告了其作为绿色推进剂在单推进剂系统中的应用，并与过氧化氢作为肼的可能替代品进行了比较。报告了其作为液体双推进剂系统中的氧化剂的行为和性能，其中将其与不同的碳氢化合物结合以了解与 H 2 O 2 相比，它是否是肼衍生物和四氧化二氮的高毒性组合的合适的绿色替代品。最后，概述了 N 2 O 在混合火箭发动机中的不同应用，重点介绍了不同颗粒组合之间的回归率和燃烧性能的差异。
量子机械操作员的光谱分解
在这项工作中，检查了频谱定理在量子力学中进行自相关算子的应用。虽然经典物理学提供了描述相空间变量的确定性演变的不同方程（以牛顿定律的形式），但量子力学会演变出更抽象的波函数，这是量子希尔伯特空间的元素。发现相位空间变量的测量概率（可观察到的），可观察到可观察到的可观察到的可观察到相应的Hilbert空间上的自动接合操作员。量化运算符的规格分解提供了有关可观察到的可能值的信息。此外，可观察到的量子谱的不同部分将显示为不同的状态类型，这将通过具体示例来证明这一想法。最后，探索了光谱定理的不同公式，包括投影值评估的度量和分辨积分方法。这些不同的配方将进一步了解量子机械状态的物理理解。
量子系统的运动分解
经典物理学（如汉密尔顿动力学）和量子物理学（如幺正动力学）的标准描述都描述了封闭系统。它们的形式主义排除了描述与周围环境交换能量的系统的可能性。在经典物理学中，这个问题由波特-汉密尔顿理论解决，该理论允许描述开放系统及其相互作用。在量子力学中，不存在这种全面的开放系统理论。量子系统的组合是由张量积构造定义的，因此量子系统的组合和分解要困难得多。在本文中，我们利用有限维量子系统的任何张量积组合都可以重写为直接和分解这一事实，成功地解决了该问题的运动学部分。通过不失一般性地仅考虑其希尔伯特空间是 SU(2) 的可约或不可约表示的基本量子系统，可以得到唯一的这种直接和分解。现在可以根据这个结果建立以量子端口哈密顿方式分解的量子系统的动力学描述，并进行简要介绍。
木纤维的热分解
*** 南卡希亚斯大学 (UCS)，Campus Sede，R. Francisco Getúlio Vargas，1130 - Petrópolis，RS **** 圣保罗州立大学 (UNESP) 工程学院材料与技术系、疲劳与航空材料研究组，瓜拉廷格塔，SP，巴西 ✉ 通讯作者：Heitor L. Ornaghi Jr.，ornaghijr.heitor@gmail.com 2020 年 6 月 15 日收到 木质生物质因其成本低、可再生和环境友好而成为生产生物能源的化石燃料的替代品。为了将生物质用作能源，强烈建议了解其热降解行为。这项工作重点研究了巴西木材行业常用的不同树种（湿地松 (PIE)、大桉 (EUG) 和伊塔乌巴 (ITA)）的木纤维的热降解。使用 F 检验统计工具，基于最常见的理论数据预测了它们的降解动力学和整体热行为。发现最可能的降解机制是所有测试的木纤维的自催化，具有三个不同的降解步骤。获得的结果与最近在文献中使用其他拟合方法报告的结果一致。发现纤维素是阿伦尼乌斯参数的主要贡献者，而半纤维素是反应级数的主要贡献者。关键词：建模和仿真、木纤维、热分解、热解、模型拟合引言根据欧盟 28 国 (EU-28) 的政策，预计生物能源（包括生物热能、运输用生物燃料和生物电能）将贡献 2021 年可再生能源目标的一半。相比之下，2015 年，生物能源消耗量是 2000 年石油消耗量的两倍多。1 全球使用的森林生物质的一次能源供应量估计约为 56 EJ，这意味着根据世界能源理事会的数据，木质生物质占每年供应的所有能源的 10% 以上，2 每年约 90% 的一次能源来自所有形式的生物质。3 因此，考虑到木材固有的可再生性，木质生物质和木材加工残留物对于满足未来的能源需求至关重要，尽管可持续管理森林资源势在必行。
统计自适应傅里叶分解 (SAFD)
摘要：本文提出了一种新型的监督学习方法——统计自适应傅里叶分解（SAFD）。SAFD 使用正交有理系统或 Takenaka-Malmquist（TM）系统为训练集建立学习模型，在此基础上可以对未知数据进行预测。该方法侧重于信号或时间序列的分类。AFD 是一种新开发的信号分析方法，它可以自适应地将不同的信号分解为不同的 TM 系统，引入了傅里叶类型但非线性和非负的时频表示。SAFD 将学习过程与 AFD 的适应性特征充分结合起来，其中少量的学习原子足以捕获信号的结构和特征以进行分类。SAFD 有三个优点。首先，在学习过程中会自动检测和提取特征。其次，所有参数都由算法自动选择。最后，将学习到的特征以数学形式表示出来，并可以根据感应瞬时频率进一步研究特征。通过心电图 (ECG) 信号分类验证了所提方法的有效性。实验表明，该方法比其他基于特征的学习方法效果更好。
施密特分解与干扰替代方案的一致性
摘要 — 施密特分解及其相关分析使得识别单个物理系统各个子系统之间的统计依赖关系成为可能。所考虑的系统可以是量子态，也可以是经典概率分布。本研究考虑了两个不同的物理系统：量子薛定谔猫态和微粒双缝干涉。结果表明，所考虑的系统具有单一的内部结构，可以用干涉替代的一般术语来描述。开发了一种有效的方法，使我们能够计算干涉的光学特性，例如可见性和相干性。结果表明，干涉替代环境状态的标量积是光振荡相干性的经典复参数的自然概括，它决定了干涉图案的可见性。获得了干涉图案可见性与施密特数之间的简单定量关系，施密特数决定了量子系统与其环境之间的连接水平。所开发的方法被推广到多维薛定谔猫态的情况。
用于药物重新定位的非负张量分解
计算药物重新定位旨在确定现有药物在治疗其并非针对的疾病方面的潜在应用。这种方法可以大大加快传统的药物发现过程，减少药物开发所需的时间和成本。张量分解使我们能够整合多种药物和疾病相关数据，以提高预测性能。在本研究中，提出了一种用于药物重新定位的非负张量分解 NTD-DR。为了捕捉药物-靶标、药物-疾病和靶标-疾病网络中的隐藏信息，NTD-DR 使用这些成对关联构建一个表示药物-靶标-疾病三重态关联的三维张量，并将它们与药物、靶标和疾病的相似性信息相结合以进行预测。我们将 NTD-DR 与最近的最先进方法在受试者工作特征 (ROC) 曲线下面积 (AUC) 和精确度和召回率曲线下面积 (AUPR) 方面进行了比较，发现我们的方法优于竞争方法。此外，五种疾病的案例研究也证实了 NTD-DR 预测的可靠性。我们提出的方法在前 50 个预测中识别出比其他方法更多的已知关联。此外，NTD-DR 识别的新关联通过文献分析得到验证。
在水中诱导cynodon dactylon的分解 -
在水位波动区（WLFZ）的流量中，氮（N）的养分水平和磷（P）在上覆的水中由于土壤养分的释放而膨胀，从而影响cynodon dactylon等植物的分解。然而，对这些营养变化对植物养分释放和水动力学的影响的研究有限，使对水质影响的准确评估复杂化。这项研究使用了8个具有不同初始养分水平的水样品来模拟WLFZ土壤养分引起的N和P变化，并检查了Cynodon dactylon的分解和养分动力学。的结果表明，量量显着增加了N和P的初始水平，尤其是作为颗粒氮（PN）和颗粒磷（PP），影响了水中的植物分解和营养动力学。60天后，Cynodon Dactylon损失了47.97％-56.01％干物质，43.58％-54.48％的总氮（TN）和14.28％-20.50.50％的总磷（TP）。初始PN和总溶解氮（TDN）促进了干物质损失，PN和PP促进了TP损失，而PN和PN和TDN抑制了TN损失。到第60天，在上面的水中，植物释放的N和PN或TP之间没有发现正相关。但是，初始PP和PN水平与TN和TP负相关，表明抑制作用。进一步的分析表明，从土壤中释放出的PN和PP支持微生物骨料的形成，增强了硝化和磷的去除，从而随着时间的推移改善了水纯化。
变分量子奇异值分解
奇异价值分解对于工程和科学领域的许多问题至关重要。已经提出了几种量子算法来确定给定基质的奇异值及其相关的奇异向量。尽管这些算法是有希望的，但是在近期量子设备上，所需的量子子例程和资源太昂贵了。在这项工作中，我们提出了一种用于奇异值分解（VQSVD）的变分量子算法。通过利用奇异值的变异原理和ky fan定理，我们设计了一种新型的损失函数，以便可以训练两个量子神经网络（或参数化的量子电路）来学习奇异向量并输出相应的奇异值。更重要的是，我们对随机矩阵进行VQSVD的数值模拟以及其在手写数字的图像压缩中的应用。最后，我们讨论了算法在推荐系统和极地分解中的应用。我们的工作探讨了仅适用于Hermitian数据的量子信息处理的新途径，并揭示了矩阵分解在近期量子设备上的能力。
量子热力学的施密特分解方法
摘要：发展量子系统的自洽热力学理论对现代物理学至关重要。尽管它在量子科学和技术中发挥着重要作用，但目前还没有统一的形式来描述一般自治量子系统中的热力学，许多基本问题仍未得到解答。沿着这个思路，大多数当前的努力和方法将分析限制在近似描述和半经典状态的特定场景中。在这里，我们提出了一种基于众所周知的施密特分解来描述任意二分自治量子系统热力学的新方法。这种形式提供了一个简单、精确和对称的框架来表达相互作用系统之间的能量，包括超出标准描述范围的场景，例如强耦合。我们表明，这一过程可以直接识别适合表征物理局部内部能量的局部有效算子。我们还证明这些量自然满足通常的热力学能量可加性概念。