XiaoMi-AI文件搜索系统
World File Search SystemNYSTR
多重连通区域的圆形狭缝图及其在脑图像处理中的应用
摘要 本文提出了一种快速边界积分方程方法，用于求解有界多重连通区域到具有圆形狭缝区域的圆盘和环面上的数值保角映射及其逆。该方法基于两个具有 Neumann 型核和广义 Neumann 核的唯一可解边界积分方程。利用 Nyström 方法、GMRES 方法和快速多极子方法相结合，对与映射相关的积分方程进行数值求解。新算法的复杂度为 O(( M + 1 ) n ) ，其中 M + 1 代表多重连通区域的重数，n 表示每个边界组件上的节点数。先前的算法需要 O(( M + 1 ) 3 n 3 ) 运算。一些试验计算的数值结果表明我们的方法能够处理具有复杂几何形状和非常高连通性的区域。本文还给出了该方法在医学人脑图像处理中的应用。
波罗的海的气候变化
作者：马库斯·阿哈拉（Markus Ahola），莉娜·伯格斯特斯（LenaBergström），马特斯·布洛姆克维斯特（Mats Blomqvist），迪特·布德克（Dieter Boedker），弗洛里安·伯格尔（FlorianBögel Dieterich, Morten Frederisen, Anders Galatius, Bo Gustafsson, Claudia Frauen, Antti Halkka, Christina Halling, Nicole Heibeck, Jürgen Holort, Magnus Huss, Kari Hyytiäinen, Kari Jürgens, Mart Jüssi Markus Kankainen, Bengt Karlson, Agnes ml Karlsson, Martin Karlsson, Anders Kiessling, Erik Kjellström, Antanas Konsutas, Dorte Krause-Jensen, Anke Kremp, Karol Kuliński, Sanna King, Jukka Käyhkö, Janika Laine, Matthias Labren Lappalainen, Terhi Laurila, Maiju Lehtiniemi, Knut- Olof Lerche，Urmas Lips，Georg Martin，Michelle McCrack，H.E。Markus Meier, Noora Mustamäki, Bärbel Müller- Karulis, Rahmat Naddafi, Lauri Niskanen, Antonia Nyström Sandman, Jens Olsson, Okko Outinen, Diego Pavón- Jordán, Jonas Pålsson, Mika Rarahras Razuvas-Baziun Jan H. Reißmann, Martin Reutgård, Stuart Ross, Anna Rutgersson, Jarkko Saarinen, Lauri Saksi, Oleg Savchuk, Gerald Schernewski, Johanna Schumacher, Mikhail Sofiev, Katarzyna Spich, Greta Sr sleep Viella, Joonas Virtasalo, Isa Wallin, Ralf Weisse, Johan Wikner，Wenyan Zhang，Eduardo Zorita，Örjanöstman
混合量子-经典方法
参考文献 [1] M. Benedetti、E. Lloyd、S. Sack 和 M. Fiorentini，“参数化量子电路作为机器学习模型”，载于《量子科学与技术》4，043001 (2019)。 [2] S. Jerbi、LJ Fiderer、HP Nautrup、JM Kübler、HJ Briegel 和 V. Dunjko，“超越核方法的量子机器学习”，arXiv 预印本 arXiv:2110.13162 (2021)。 [3] V. Havlicek、AD Corcoles、K. Temme、AW Harrow、A. Kandala、JM Chow 和 JM Gambetta，“使用量子增强特征空间的监督学习”，载于《自然》567，209 (2019)。 [4] M. Schuld 和 N. Killoran，“特征希尔伯特空间中的量子机器学习”，载于《物理评论快报》122，040504 (2019)。[5] M. Schuld，“监督量子机器学习模型是核方法”，arXiv:2101.11020 (2021)。 [6] JE Johnson、V Laparra、A Perez-Suay、MD Mahecha 和 G Camps-Valls G，“核方法及其衍生物：地球系统科学的概念和观点”，载于 PLoS ONE 15(10 (2020)。[7] Benyamin Ghojogh、Ali Ghodsi、Fakhri Karray 和 Mark Crowley，“重现核希尔伯特空间、Mercer 定理、特征函数、Nystrom 方法和机器学习中核的使用：教程和调查”，arXiv 预印本 arXiv:2106.08443 (2021)。[8] Y. Liu、S. Arunachalam 和 K. Temme，“监督机器学习中严格而稳健的量子加速”，载于 Nature Physics 17, 1013 (2021)。[9] JR Glick、TP Gujarati、AD Corcoles、Y. Kim、A. Kandala、JM Gambetta 和 K. Temme，“具有群结构数据的协变量子核”，arXiv 预印本 arXiv:2105.03406 (2021)。[10] Francesco Di Marcantonio、Massimiliano Incudini、Davide Tezza 和 Michele Grossi，“QuASK——具有核的量子优势寻求者”，arXiv 预印本 arXiv:2206.15284 (2022)。[11] Supanut Thanasilp、Samson Wang、M Cerezo 和 Zoe Holmes。“量子核方法中的指数集中和不可训练性”，arXiv 预印本 arXiv:2208.11060 (2022)。 [12] Sergey Bravyi、Oliver Dial、Jay M. Gambetta、Dario Gil 和 Zaira Nazario，“超导量子比特的量子计算的未来”，arXiv 预印本 arXiv:2209.06841 (2022 年)。