XiaoMi-AI文件搜索系统
World File Search SystemDynamical
通过形式抽象的非高斯噪声的动态系统的强大控制
在安全 - 关键设置中运行的动态系统的控制器必须解释随机干扰。这种干扰通常被建模为动态系统中的过程噪声，并且常见的假设是潜在的分布是已知和/或高斯。但是，在实践中，这些假设可能是不现实的，并且可能导致真实噪声分布的近似值差。我们提出了一种新型控制器合成方法，该方法不依赖于噪声分布的任何明确表示。特别是，我们解决了计算一个控制器的问题，该控制器可在安全达到目标时提供概率保证，同时避免了状态空间的不安全区域。首先，我们将连续控制系统抽象为有限状态模型，该模型通过离散状态之间的概率过渡捕获噪声。作为关键贡献，我们根据有限数量的噪声样本来调整方案方法的工具，以计算这些过渡概率的近似正确（PAC）。我们在所谓的间隔马尔可夫决策过程（IMDP）的过渡概率间隔中捕获了这些界限。此IMDP具有用户指定的置信度概率，可抵抗过渡概率的不确定性，并且可以通过样本数量来控制概率间隔的紧密度。我们使用最先进的验证技术在IMDP上提供保证，并计算一个保证将这些保证置于原始控制系统的控制器。此外，我们开发了一种量身定制的计算方案，该方案降低了IMDP上这些保证的合成的复杂性。现实控制系统上的基准测试显示了我们方法的实际适用性，即使IMDP具有数亿个过渡。
中亚的气候模型缩减：一种动力学和神经网络方法
摘要。高分辨率气候预测对于估计未来气候变化影响至关重要。通常使用统计和动力学降压方法或两者的混合体来生成输入数据集用于影响建模。在这项研究中，我们采用了区域气候模型6.0版COSMO-CLM（CCLM）版本，探索动态降低一般循环模型（GCM）的好处，从耦合模型对比度对比6（CMIP6）（CMIP6），集中于中部亚洲的气候变化预测（CA）（CA）。The CCLM, at 0.22° horizontal res- olution, is driven by the MPI-ESM1-2-HR GCM (at 1° spa- tial resolution) for the historical period of 1985–2014 and the projection period of 2019–2100 under three Shared Socioe- conomic Pathways (SSPs), namely the SSP1-2.6, SSP3-7.0, and SSP5-8.5方案。使用气候危害组红外降水与站数据（chirps）作为参考，我们评估了整个历史时期由ERA-Interim重新分析驱动的CCLM的绩效。与其驾驶GCM相比，CCLM的附加值在CA的山区很明显，而CA的山区面临着更高的极端降水事件风险。对于夏季，气候沉淀的平均绝对误差和气候沉淀的偏差（mM d-1）的平均误差（mM d-1）减少了5 mm d-1，对于年度值，夏季的平均绝对误差和3 mm d-1的偏差。在冬季，无法减少错误。但是，在CCLM模拟中，极端预紧值的频率提高了。另外，我们采用CCLM来重新调整未来的气候projec-
随时间延迟的分数阻尼动力学系统的有限时间稳定性
分数微分方程为纪念和可遗传的特征提供了出色的设备。诸如Caputo衍生物，Riemann – Liouville衍生物等分数衍生物具有其个体优势和缺点。在特定函数可区分的情况下，Riemann – Liouville衍生物无法使用。在这种情况下，可以使用Caputo衍生物来求解微分方程。与分数衍生物有关的研究在许多不同的应用中已经建立了良好，并且绝对足够[1、11、15、16、26、28]。时间延迟发生在系统中，但受到不同原因，例如通信延迟，能源对话等。系统状态，测量或控制输入的时间延迟的出现是几个实际系统中不可避免的[6，7，35，36]。这是系统不稳定的主要原因。时间延迟是分析最多的
动态结构-功能相关性提供了人类意识的稳健且可推广的特征
静息态功能性磁共振成像是通过一系列功能连接模式发展而来的，这些模式可能反映正在进行的认知以及意识的内容。我们研究了对这些状态的动态探索是否可以为人类参与者的意识状态提供稳健且可推广的标记，涵盖全身麻醉或慢波睡眠引起的意识丧失。通过对功能连接的瞬时状态进行聚类，我们证明了无意识期间的大脑活动主要由结构连接介导的循环模式主导，并且转换到其他模式的能力降低。我们的研究结果提供了证据，支持了意识和无意识大脑状态在全脑动态方面的显著差异；特别是，维持以熵为衡量标准的丰富大脑动态是意识的一个关键方面。总的来说，我们的研究结果可能对我们理解意识和人类意识的神经基础具有重要意义，也有助于发现可推广到不同大脑状况的稳健意识特征。
噪声量子硬件上双点动态平均场理论的量子经典模拟
摘要 我们报告了使用双点动态平均场理论 (DMFT) 对单波段哈伯德模型进行量子经典模拟。我们的方法使用 IBM 的超导量子比特芯片在时间域中计算零温度杂质格林函数，并使用经典计算机拟合测量的格林函数并提取其频域参数。我们发现量子电路合成 (Trotter) 和硬件错误会导致频率估计不正确，随后导致从自能的频率导数计算时准粒子权重不准确。这些错误会产生错误的杂化参数，从而阻止 DMFT 算法收敛到正确的自洽解。为了避免这个陷阱，我们通过对谱函数中的准粒子峰进行积分来计算准粒子权重。这种方法对 Trotter 误差的敏感度要低得多，并且在将量子误差缓解技术应用于量子模拟数据后，算法可以收敛到半填充 Mott 绝缘系统的自洽性。
电路复杂性作为量子纠缠的新型探针
在时间无关的量子系统中，纠缠熵具有固有的缩放对称性，该系统的能量没有。对称性还确保熵差异可以与零模式相关联。我们将这种对称性概括为时间依赖的系统，从具有时间依赖频率的耦合的谐波振荡器到具有时间依赖性质量的量子标量场。我们表明，这样的系统具有动力学缩放对称性，它留下了量子相关的各种度量的演变；纠缠熵，GS保真度，Loschmidt Echo和电路复杂性。使用此对称性，我们表明在系统发展不稳定性时，几个量子相关性在后期相关。然后，我们根据争夺时间和Lyapunov指数来量化此类不稳定性。发现Loschmidt Echo的指数衰减的延迟开始是由系统中最大的倒置模式确定的。另一方面，零模式在更长的时间内保留了有关系统的信息，最终导致了Loschmidt Echo的幂律衰减。我们将分析扩展到（1Þ1）维度中的时间依赖性的大规模标量字段，并讨论了零模式和倒置模式的含义。我们明确显示具有稳定模式或零模式的标量场之间的熵缩放率振荡。然后，我们对宇宙学和黑洞空位中标量场的上述效果进行定性讨论。
基塔夫·林德布拉德（Kitaev Lindbladians
量子自旋液体和曾经是凝结物理学主体的量子自旋液体，现在在各种Qubits中实现，提供了前所未有的机会，以研究多体量子渗透状态的典型物理学。量子不可避免地会暴露于环境的效果，例如熔融和耗散，据信这会导致多体纠缠。在这里，我们认为，与常见的信念折叠和耗散不同，可以引起量子自旋液体中新型的拓扑作用。我们通过Lindblad主方程方法研究Kitaev旋转液体和感谢您的曲折代码的开放量子系统。通过使用精确的溶液和数值方法，我们显示了通过反应和耗散的Anyon缩合的动态发生，从而导致从初始状态旋转液体到稳态旋转液体的拓扑转换。阐明了lindblad动力学的Anyon冷凝转换的机制。，我们还提供了对Anyon凝结图中Kitaev旋转液体与曲折代码之间的关系。我们的工作建议开放的量子系统是量子旋转液体和任何人的拓扑现象的新场地。
阿尔茨海默氏病的个性化虚拟大脑链接fMRI的动态生物标志物
（1）神经科学学院umr umr Inserm 1106，Aix-MarseilleUniversité，法国Marseille，法国马赛，（2），（2）德克萨斯州达拉斯，德克萨斯州达拉斯大学的行为和脑科学学院（3）加拿大西蒙·弗雷泽大学的生物医学生理学和运动机能学。
脑电动态网络分析方法揭示视觉运动协调的神经特征
人类的视觉-运动协调是运动控制的基本功能，需要多个大脑区域的相互作用。了解皮层-运动协调对于改善运动障碍的物理治疗具有重要意义。但其潜在的瞬态神经动力学仍然很大程度上未知。在本研究中，我们应用基于特征向量的动态网络分析方法来研究视觉-运动协调任务下从脑电图 (EEG) 信号计算的功能连接并识别其亚稳态动力学。我们首先在模拟网络上测试了这种信号处理以与其他动力学方法进行比较，表明基于特征向量的动态网络分析能够正确提取演化网络的动态特征。随后，将基于特征向量的分析应用于视觉-运动协调实验下收集的EEG数据。在对参与者的EEG研究中，拓扑分析和基于特征向量的动态分析的结果都能够区分视觉跟踪任务的不同实验条件。通过动态分析，我们表明，通过研究功能连接的亚稳态动态可以区分不同的视觉运动协调状态。
深度学习揭示帕金森病症状中关键脑区的动态作用
摘要：背景：帕金森病进展标志物计划发布了广泛的纵向解剖数据集，推动了旨在预测疾病发生和进展的机器学习研究的激增。然而，这些模型中使用的特征数量过多，往往掩盖了它们与帕金森病症状的关系。目标：本研究的目的有两个：（i）根据基线获得的大脑特征预测未来四年内的运动和认知障碍；（ii）从神经学角度解释负责不同症状的关键大脑区域的作用。方法：我们测试了几种深度学习神经网络配置，并报告了使用自动编码器深度学习模型在 5 倍交叉验证集上运行的最佳结果。与现有方法的比较：我们的方法改进了标准回归和其他方法的结果。它还包括神经影像生物标志物作为特征。结果：关键脑区对每种损伤的相对贡献随时间而变化，表明随着疾病的进展，罪魁祸首会动态地重新排序。具体来说，壳核最初是决定整体认知状态的最关键区域，直到后来才被黑质超越。苍白球是第一个影响运动得分的区域，其次是海马旁回和周围回，以及眶前回。结论：虽然区域性脑萎缩与帕金森症状之间的因果关系尚不清楚，但我们的方法表明，关键区域对认知和运动损伤的贡献比一般认为的更具动态性。