XiaoMi-AI文件搜索系统
World File Search SystemFNO
使用基于傅立叶神经操作员的机器学习策略对湍流通道流的预测
在科学和工程场中，快速准确的湍流预测非常重要。在本文中，我们研究了隐式U-NET增强的傅立叶神经操作员（IUFNO），以稳定地预测三维（3D）湍流流的长期动力学。训练有素的IUFNO模型在三个摩擦雷诺数的粗网格的大涡模拟（LES）中进行了测试：re τ≈180、395和590。所采用的近壁网格比壁溶解的LES的一般要求更明显。与原始的傅立叶神经操作员（FNO），隐式FNO（IFNO）和U-NET增强的FNO（UFNO）相比，IUFNO模型具有更好的长期预测能力。数值实验表明，IUFNO框架在预测各种流量统计统计和结构的预测中，超过了传统的动态Smagorinsky模型和壁适应的本地涡流粘度模型，包括平均值和功能，包括均值和流动性速度，概率密度的功能（PDFS）和关节功能（pdfs）和关节效率。 pro文件，动能谱和Q标准（涡旋结构）。同时，训练有素的IUFNO模型在计算上比传统的LES模型快得多。因此，IUFNO模型是快速预测壁构成的湍流的有希望的方法。
基于傅立叶神经操作员的替代物，用于现实地质中的二氧化碳存储
这项研究旨在开发替代模型，以加速与碳捕获和存储（CCS）技术相关的决策过程。选择子表面CO 2存储位点通常需要昂贵，并且涉及CO 2流场的模拟。在这里，我们开发了一个基于傅立叶神经操作员（FNO）模型，用于对CO 2羽流迁移的实时高分辨率模拟。该模型经过由现实的子面参数产生的综合数据集训练，并提供O（10 5）计算加速度，并以最少的预测准确性牺牲。我们还探索了超分辨率的概念，以提高培训基于FNO的模型的计算成本。此外，我们提出了各种策略，以改善模型的预测可靠性，这是在评估实际地质地点的同时。基于NVIDIA的模量，这个新型框架将允许对CCS的站点进行快速筛选。讨论的工作流和策略可以应用于其他能源解决方案，例如地热储层建模和氢气。我们的工作量表科学机器学习模型到现实的3D系统，这些系统与现实生活中的地下含水层/储藏室更一致，为下一代数字双胞胎铺平了道路，用于亚面CCS应用程序。
算子学习：算法、分析与应用
▶ 与 Bhattacharya、Hosseini、Kovachki [1] 合作（PCA 网络） ▶ 与 Li、Kovachki、Azizzadenesheli、Liu、Bhattacharya、Anandkumar [19, 10] 合作（FNO） ▶ 与 Lanthaler、Li [14] 合作（通用近似） ▶ 与 Lanthaler [17] 合作（近似的复杂性） ▶ 与 Lanthaler、Trautner [18] 合作（有限维实现） ▶ 与 Lanthaler、Kovachki [11] 合作（评论） ▶ Kovachki [12] 合作（机器学习和科学计算）
2019 ESC糖尿病，糖尿病前和心血管疾病的指南与EASD合作开发
肌痛，心脏和进步性呼吸困难是由一名全科医生送往FNO的。患者反复用ATB治疗呼吸道感染。•RA：没有严重的疾病。•OA：哮喘支气管菌。•FA：Budesonide/formoterol inhl。1-0-1。•EA：负面旅行历史。•TA：Exfumor（以前每天15-20支香烟）。•高度175厘米，体重90公斤。
提前遣返计划（ERS）
关于本指南 本指南向你介绍了英格兰和威尔士针对外国罪犯的提前遣返计划 (ERS)。该计划的目的是使外国罪犯能够在服刑期的早期被遣返或驱逐出英国，否则将无法实现。本指南中提到“驱逐出境”时，均假定外国公民符合相关标准，并且外国罪犯遣返指挥部 (FNO RC) 将审理该案件。 遣返个案工作 (RC) 或移民合规与参与 (ICE) 团队可能会考虑其他类别的“遣返”，包括作为非法入境者进行行政遣返，如果出于任何原因驱逐出境均不合适。 联系方式 如果你对本指南有任何疑问，而你的直线经理或高级个案工作者无法帮助你，或者你认为本指南存在事实错误，请发送电子邮件至 FNO RC 流程和指南收件箱。如果您发现本指南中存在任何格式错误（链接断开、拼写错误等）或对指南的布局或可导航性有任何意见，您可以向指南规则和表格团队发送电子邮件。出版物以下是有关此版本指南发布时间的信息：
AI增强的数据同化和不确定性定量应用于地质碳存储
这项研究研究了机器学习（ML）和数据同化（DA）技术的整合，重点是实施用于地质碳储存（GCS）项目的替代模型，同时保持后状态的高富达物理结果。最初，在通道储层中的CO 2注射模拟的背景下，我们评估了两个不同的机器学习模型（FNOS）和变压器UNET（T-UNET）的替代建模能力。我们介绍了基于替代物的混合ESMDA（SH-ESMDA），这是传统的合奏对多种数据同化（ESMDA）的改编。此方法将FNO和T-UNET用作替代模型，并有可能使标准的ESMDA过程至少更快或更高，具体取决于同化步骤的数量。此外，我们引入了基于替代的混合RML（SH-RML），这是一种差异数据同化方法，依赖于随机最大似然（RML），在该方法中，FNO和T-UNET都可以计算梯度以优化目标函数，以及用于计算较高的状态模型来进行计算。我们的比较分析表明，与案例研究的常规ESMDA相比，SH-RML提供了更好的不确定性量化。
![arXiv:2002.07901v1 [quant-ph] 2020 年 2 月 18 日](/simg/c\c194b283812d90cda7068798de2ac8669e964e6a.webp)
arXiv:2002.07901v1 [quant-ph] 2020 年 2 月 18 日
量子计算是一种新的计算范式，有望有效模拟量子力学系统。然而，与工业相关的分子尺寸相比，嘈杂的中型量子 (NISQ) 设备提供的硬件范围仍然很小。本文引入了增量法 (MI)，以帮助加快 NISQ 设备在量子化学模拟中的应用。MI 方法将分子系统的电子关联能量表示为轨道、原子、分子或碎片的截断多体展开。在这里，系统的电子关联以占据轨道的形式展开，并采用 MI 方法系统地减少占据轨道空间。同时，虚拟轨道空间基于冻结自然轨道 (FNO) 减少，FNO 是使用二阶多体微扰理论的单粒子密度矩阵获得的。这样，构建了一种称为 MI-FNO 方法的方法，用于系统地减少量子化学模拟中的占用空间和虚拟空间。然后可以通过任何算法（包括相位估计算法和变分量子特征值求解器等量子算法）求解由 MI-FNO 减少引起的子问题，以预测分子系统的相关能量。在 cc-pVDZ 基组内，针对小分子（即 BeH 2 、CH 4 、NH 3 、H 2 O 和 HF）的情况，研究了 MI-FNO 方法的准确性和可行性。然后，使用对工业相关的中型催化剂分子（“受限几何”烯烃聚合催化剂）的量子比特计数估计，研究了所提出的框架对于实际工业应用中使用的较大分子的有效性。我们表明，即使采用适度截断虚拟空间，MI-FNO 方法也能将量子比特需求减少近一半。这样一来，我们的方法可以促进基于较小但更现实的化学问题的硬件实验，从而有助于表征 NISQ 设备。此外，降低量子比特需求有助于扩大可在量子化学应用中模拟的分子系统的大小，从而大大增强大规模工业应用的计算化学研究。