XiaoMi-AI文件搜索系统
World File Search SystemSimulators
训练辅助、设备、模拟器和模拟 (TADSS)
*任何未包含在此表格中的设备申请必须在培训日期前 90 天提出。完整的培训支持系统 (TSS) – 企业培训辅助工具、设备、模拟器和模拟 (TADSS) 索引和目录位于 TSC。询问 TSC 工作人员了解详情。
现实世界和模拟器中的视觉和动作提示
作者。Ian William Strachan 是英国皇家航空学会 (RAeS) 飞行模拟小组委员会 (FSG) 的前主席和现任成员。他曾担任国际扩展包线飞机训练委员会 (ICATEE) 成员，该委员会是在几起备受关注的致命航空事故发生后，由 RAeS FSG 主席创立，旨在减少商用航空运输 (CAT) 飞机的失速和失速事件。ICATEE 报告为失速预防和恢复训练 (UPRT) 提出了建议，并于 2013 年提交给国际民航组织。UPRT 现已被国际民航组织和世界各地的民航监管机构采用。结果，全飞行模拟器的操纵特性得到了显著改善，并且对关键操纵领域（包括失速和其他潜在危险事件）的训练也得到了更好的改善。
飞行模拟器中的失控预防和恢复训练
问题领域 飞行中失控 (LOC-I) 是航空业致命事故的首要原因。因此，这是国际行业关注的首要问题，监管机构、运营商、培训机构和制造商都在解决这个问题。通过开发“失控预防和恢复训练”(UPRT)，可以显著降低 LOC-I 事故的风险。飞行模拟器可以在 UPRT 中发挥重要作用，但可能需要进一步开发和增强。需要定义这些额外要求。工作描述 2009 年，皇家航空学会成立了国际工作组：扩展包线航空训练国际委员会 (ICATEE)。该委员会由来自
基于波导 QED 的变分量子模拟器
在本补充材料中，我们提供了更多细节来支持正文中提出的结果。在 SM1 节中，我们回顾了当波导模式具有带隙时光子介导相互作用可调谐性的物理起源。然后，在 SM2 节中，我们总结了变分量子本征求解算法的关键步骤（SM2 A），描述了所考虑的目标模型的属性（SM2 B），解释了文献中通常使用的不同假设的结构（SM2 C），详细介绍了我们用于获得正文结果的优化协议（SM2 D），并评论了其他可能用于对我们的结果进行基准测试的品质因数（SM2 E）。最后，在 SM3 节中，我们讨论了用于获得正文图 3 的误差模型的细节。还请注意，用于重现手稿结果的所有代码都可以在 https://github.com/cristiantlopez/Variational-Waveguide-QED-Simulators 中找到。
使用不准确的模拟器改善离线增强学习
摘要 - 离线增强学习（RL）提供了一种有希望的方法，以避免与真实环境的昂贵在线互动。但是，离线RL的性能高度取决于数据集的质量，这可能会导致学习过程中的外推错误。在许多机器人范围内，通常可以使用不准确的模拟器。但是，由于众所周知的探索 - 剥削困境以及不准确的模拟和真实环境之间的动态差距，直接从不准确的模拟器收集的数据不能直接用于离线RL中。为了解决这些问题，我们提出了一种新颖的方法，以更好的方式将离线数据集和不准确的仿真数据组合在一起。具体来说，我们预先训练了生成对抗网络（GAN）模型，以适合离线数据集的状态分布。给出了这一点，我们从发电机提供的分布开始，从不准确的模拟器中收集数据，并使用鉴别器重新重量模拟数据。我们在D4RL基准测试中的实验结果和现实世界中的操纵任务确认，我们的方法可以从不准确的模拟器和有限的离线数据集中受益更多，以比先进的方法获得更好的性能。
人工智能驱动模拟器的兴起：构建新的水晶球
人工智能驱动的模拟器的兴起：构建新的水晶球 计算社区联盟 (CCC) 四年期论文 Ian Foster（芝加哥大学）、David Parkes（哈佛大学）和 Stephan Zheng（Salesforce AI Research） 五十年前，天气预报员努力预测明天的天气是否与今天相同。如今，天气预报通常可以准确预测未来一周或更长时间，让个人和社会能够为不再不可预见的事情做好准备。这种显著的转变在很大程度上归功于计算机，尤其是计算模拟的兴起，这是一种使用计算机预测复杂系统未来状态的方法。模拟最初是在第二次世界大战的最后几天为军事目的而开发的，现在已遍布人类社会和经济领域，为决策者提供了一个非凡的水晶球，不仅可以预测下周的天气，还可以预测飞机在不同天气模式下飞行时的表现、新药对新疾病的有效性以及未来电池中新材料的行为。计算机模拟是在计算机上执行的数学建模过程，旨在预测现实世界或物理系统的行为或结果。 1 模拟通常通过将空间（例如北美）划分为多个小单元来配置，每个小单元保存一组值（例如温度和压力）以及一组本地规则，用于更新下一个时间步骤的单元（例如，基于单元和相邻单元的当前温度和压力，一分钟后的温度/压力）。模拟运行以测量的输入（温度/压力）为种子，并反复应用其规则来随时间更新模拟系统。更准确的输入数据、更小的单元和更好的规则可以实现更高保真度的模拟（例如，下周而不是明天的良好天气预报）。计算机模拟的使用现在在社会上如此普遍，毫不夸张地说，美国和国际的持续繁荣、安全和健康在一定程度上取决于模拟能力的持续改进。如果我们能够预测两周后的天气，指导新病毒性疾病新药的设计，或者管理将生产成本和时间降低一个数量级的新制造工艺，情况会怎样？如果我们能够预测人类的集体行为，例如，在自然灾害期间对疏散请求的响应，或劳动力对财政刺激的反应，情况会怎样？ （另请参阅 CCC Quad 关于疫情信息学的配套论文，其中讨论了
飞行模拟器中的运动 进化的故事 | 航空焦点
驾驶飞机时，人脑不断接收加速度变化的信息，并根据飞行条件对其进行解释。平稳飞行是指所有平面的加速度都恒定或接近恒定的状态。当加速度出现多个不同幅度的变化时，就会出现湍流飞行。当飞机转弯、爬升或下降，或增加或降低速度时，就会产生加速度，我们可以对其进行解释，并影响我们的控制输入。例如，用力向后拉操纵杆会导致运动方向快速改变，我们感觉到的是“G”。这种感觉的强度很可能会促使我们放松或停止控制输入，以降低变化率（或加速度），从而降低此操作的“G”，并使飞机恢复稳定飞行状态。
对神经形态和脉冲神经网络模拟器的性能进行基准测试
⋆ 注意：本稿件部分由 UT-Battelle, LLC 撰写，合同编号为 DE-AC05-00OR22725，与美国能源部签订。美国政府保留，出版商在接受文章发表时，承认美国政府保留非独占、已付费、不可撤销的全球许可，以出版或复制本稿件的已出版形式，或允许他人这样做，用于美国政府目的。能源部将根据 DOE 公共访问计划 (http://energy.gov/downloads/doe-public-access-plan) 向公众提供这些联邦资助研究的结果。⋆⋆ 本材料基于美国能源部科学办公室高级科学计算研究办公室支持的工作，合同编号为 DE-AC05-00OR22725。本研究使用了橡树岭领导计算设施的资源，该设施是美国能源部科学办公室用户设施，合同编号为 DE-AC05-00OR22725。本研究使用了橡树岭国家实验室的科学计算和数据环境 (CADES) 资源，该环境由美国能源部科学办公室支持，合同编号为 DE-AC05-00OR22725。我们要感谢 Chris Layton 对我们使用 CADES Cloud 的支持。我们还要感谢 Bill Kay 对图形算法的贡献。
具身人工智能调查：从模拟器到研究任务
摘要 — 从“互联网人工智能”时代到“具身人工智能”时代，出现了一种新兴的范式转变，人工智能算法和代理不再从主要来自互联网的图像、视频或文本数据集中学习。相反，他们通过与环境的互动从类似于人类的自我中心感知中进行学习。因此，对具身人工智能模拟器的需求大幅增长，以支持各种具身人工智能研究任务。对具身人工智能日益增长的兴趣有利于对通用人工智能 (AGI) 的更大追求，但目前还没有对这一领域的当代和全面的调查。本文旨在为具身人工智能领域提供百科全书式的调查，从其模拟器到其研究。通过评估我们提出的七个特征的九个当前具象人工智能模拟器，本文旨在了解模拟器在具象人工智能研究中的用途及其局限性。最后，本文调查了具象人工智能的三个主要研究任务——视觉探索、视觉导航和具象问答 (QA)，涵盖了最先进的方法、评估指标和数据集。最后，通过调查该领域发现的新见解，本文将为任务模拟器的选择提供建议，并为该领域的未来方向提供建议。
使用遍历量子动力学对量子模拟器进行基准测试
我们提出并分析了一种样本效率高的协议，用于估计实验准备状态与理想目标状态之间的保真度，该协议适用于没有高级时空控制的多种模拟量子模拟器。我们的协议依赖于我们在本研究中发现的通用哈密顿动力学中出现的普遍涨落。它不需要对状态准备、量子演化或读出能力进行微调控制，同时实现接近最佳的样本复杂度：通过 ∼ 10 3 次测量获得百分比级精度，与系统大小无关。此外，随着系统规模的增加，我们的保真度估计精度呈指数级提高。我们在各种量子模拟器平台中用数字方式演示了我们的协议，包括量子气体显微镜、捕获离子和里德堡原子阵列。我们讨论了我们的方法在量子态和过程的多参数估计等任务中的应用。