XiaoMi-AI文件搜索系统
World File Search SystemStochastic
恒能表面相空间中的随机运动
我们研究粒子的封闭系统，这些粒子除了受到保守力的作用外，还受到随机力的作用。随机运动方程的建立方式使得能量始终严格守恒。为了确保这一守恒定律，概率密度的演化方程是使用随机运动方程的适当解释（不是伊藤解释或斯特拉托诺维奇解释）推导出来的。相空间中的轨迹被限制在恒定能量的表面。尽管存在这种限制，但熵仍随时间增加，表现出不可逆行为并松弛至平衡。本方法的主要结果与刘维尔方程给出的结果形成对比，后者也描述了封闭系统，但没有表现出不可逆性。
基于机器学习的随机数字孪生 - arXiv
数字孪生技术潜力巨大，特别是在基础设施、航空航天和汽车领域。然而，这项技术的实际实施速度并不如预期，特别是因为缺乏特定于应用的细节。在本文中，我们提出了一种用于随机非线性多自由度 (MDOF) 动力系统的新型数字孪生框架。本文提出的方法将问题策略性地分解为两个时间尺度 - (a) 控制系统动态的快速时间尺度和 (b) 控制系统退化的慢速时间尺度。所提出的数字孪生有四个组成部分 - (a) 基于物理的名义模型（低保真度）、(b) 贝叶斯过滤算法、(c) 监督机器学习算法和 (d) 用于预测未来响应的高保真模型。基于物理的名义模型与贝叶斯滤波相结合用于组合参数状态估计，监督机器学习算法用于学习参数的时间演变。虽然所提出的框架可以与任何贝叶斯滤波和机器学习算法一起使用，但我们建议使用无迹卡尔曼滤波器和高斯过程。使用两个示例说明了所提出方法的性能。获得的结果表明所提出的数字孪生框架的适用性和优异的性能。
分布式量子计算的最佳随机资源分配
摘要 —随着互联量子计算机即分布式量子计算 (DQC) 的出现，多台量子计算机现在可以通过量子网络协作执行大量复杂的计算任务。然而，DQC 面临共享量子信息的问题，因为它不能在量子计算机之间克隆或复制。得益于先进的量子力学，量子计算机可以通过量子网络传输量子信息。然而，由于 DQC 的能力和特性（例如不确定的量子比特保真度和量子信道噪声），有效利用量子资源（例如量子计算机和量子信道）面临挑战。在本文中，我们提出了一种基于随机规划的 DQC 资源分配方案，以最小化量子资源的总部署成本。本质上，两阶段随机规划模型被制定来处理量子网络中量子计算需求、计算能力和保真度的不确定性。性能评估证明了所提方案的有效性和能力，能够平衡量子计算机和按需量子计算机的利用率，同时最大限度地降低不确定情况下的总体配置成本。索引术语——分布式量子计算、量子网络、资源分配、随机规划
随机冷食品供应链（CFSC）设计
农产品供应连锁店是食品行业的关键部分，因为它们负责确保按时以正确的成本以及所需的质量按时向客户交付水果和蔬菜。在过去的几十年中，研究人员一直在提议使用轮毂和辐条网络作为一种建模方法来优化大型食品供应链。供应链的传统优化涉及识别和消除效率低下，减少交货时间，改善库存管理，增强供应商关系以及利用技术以改善整个过程中的可见性和控制。但是，以前的大多数模型都是确定性的，并且无法考虑作物产量的隐含变异性以及气候变化对农业供应的影响。大气中二氧化碳量的增加，以及温度和天气变化的变化可能会影响收获。因此，迫使分销商和消费者在其他地区寻找不同的供应商，以弥补农产品供应的波动。在这项研究中，提出了随机的轮毂和辐条网络模型和运行算法，以通过寻找最佳的生产，分配和运输网络来降低运输成本，同时考虑气候变异性及其对作物产量的影响。考虑了使用气候模型和加利福尼亚州的真实土壤数据创建的多种情况，该案例研究是针对随机冷食供应链（CFSC）的。草莓在这项工作中进行了研究，因为加州大学是美国主要生产的草莓分析的初步结果表明，表现出更多降水量的天气情况更有可能增加农作物的产量，而降水量较小的情景产生了较低的新鲜水果。
追踪微流体液滴中细菌种群的随机生长
微流体液滴中的细菌生长与生物技术、微生物生态学以及了解小群体中的随机种群动态有关。然而，自动测量液滴内的绝对细菌数量已被证明具有挑战性，迫使人们使用替代测量方法来测量种群大小。在这里，我们介绍了一种微流体设备和成像协议，可以对数千个液滴进行高分辨率成像，这样单个细菌就可以停留在焦平面上，并且可以自动计数。使用这种方法，我们跟踪了液滴中数百个重复大肠杆菌种群的随机生长。我们发现，在早期，生长轨迹的统计数据符合 Bellman-Harris 模型的预测，其中没有分裂时间的继承。我们的方法应该可以进一步测试随机生长动力学模型，并有助于更广泛地应用基于液滴的细菌培养。
简单随机博弈的通用策略改进方法
我们提出了一种通用策略改进算法 (GSIA) 来寻找简单随机博弈 (SSG) 的最优策略。我们证明了 GSIA 的正确性，并推导出一个一般复杂度界限，它暗示并改进了几篇文章的结果。首先，我们删除了 SSG 停止的假设，这通常是通过博弈的多项式爆炸获得。其次，我们证明了与策略相关的值的分母的严格界限，并使用它来证明所有策略改进算法实际上都是随机顶点数量 r 的固定参数可处理的。所有已知的策略改进算法都可以看作是 GSIA 的实例，这允许分析 Condon [ 14 ] 从下方收敛的复杂性，并提出一类推广 Gimbert 和 Horn 算法的算法 [ 16 ， 17 ]。这些算法最多在 r 中终止！迭代次数，对于二进制 SSG，它们的迭代次数比 Ibsen-Jensen 和 Miltersen [18] 给出的当前最佳确定性算法要少。
不确定最大的隐式形式的随机过滤方案...
I。i ntroduction离散事件动态系统（DEDS）是其动力学驱动的系统，即状态进化完全取决于随着时间的推移发生异步离散事件的发生。制造系统，电信网络，运输网络是DEDS的示例[2]。要描述这些系统的行为，普通或部分微分方程不合适，因此考虑了更相关的理论设置，其中可以引用以下内容：语言和自动机，马尔可夫链和彼得里网络，邀请读者咨询[3]以获取概述。仅涉及延迟和同步的DED，即，任务的启动等待以前的任务要完成，这是值得的。这些系统可以通过定时事件图（TEGS）以图形方式描绘，该图是定时的培养皿网的一个子类，每个地方每个地方都有一个上游和一个上游过渡，一个和一个下游过渡。最大值代数设置是一种基本的半环，适合描述TEG的行为，这要归功于线性状态方程与经典线性系统理论（即最大值线性系统（MPL）的行为）非常类似的线性状态方程，这可以在此Algebra中定义为矩阵。这些线性状态方程对于处理与经典控制理论相似的控制问题很有用，
1孕妇的养育和自愿的选择性育种...
本文考虑了一种新型的多代理线性随机近似算法，该算法是由多维亚噪声和一般共识型相互作用驱动的，其中每个剂的局部随机近似过程都取决于其邻居的信息。用定向的图形描述了代理之间的互连结构。当通过双随机矩阵（至少在预期中）描述了基于共识的随机近似算法的收敛性，而当互连矩阵简单地是随机的情况下，对这种情况的了解较少。对于任何相关相互作用矩阵的均匀连接的图形序列，该论文在均方误差上得出有限的时间界限，定义为算法偏离相关普通微分方程的唯一平衡点的偏差。对于互连矩阵随机的情况，在没有通信的情况下，平衡点可以是所有局部平衡的任何未指定的凸组合。都考虑了恒定和随时间变化的台阶尺寸的情况。分布式的时间差学习将作为说明性应用。©2023 Elsevier Ltd.保留所有权利。在要求凸组合必须是直接平均值并且任何一对邻近代理之间的互动的情况下，可能是单向的，因此不能以分布的方式实现双重随机矩阵，本文提出了按下的Push-type分布式近似算法，并为时间限制的范围分析范围，以实现其范围，并为时间限制范围，以实现其范围，以实现时间表，以实现时间表的范围，以实现时间范围的范围，以实现时间范围，以实现有限的范围，以实现有限的范围，以实现有限的范围，以实现有限的范围，以实现有限的范围，以实现范围的范围，以实现时间范围。带有随机矩阵的算法，并开发了Push-sum算法的新型特性。
随机热力学是了解计算能量成本的关键吗？
至少从19世纪起，物理系统的热力学和综合性质之间的关系一直是一个主要的理论兴趣。在过去的半个世纪中，随着数字设备的充满活力的成本爆炸，它也变得越来越重要。重要的是，现实世界中的计算机对它们的工作方式遵守多个物理约束，从而影响其热力学特性。此外，其中许多约束都适用于大脑或真核细胞等自然存在的计算机和数字系统。最明显的是，所有此类系统都必须使用尽可能少的自由度来快速完成计算。这意味着它们远非热平衡。此外，许多数字和生物学的计算机都是模块化的分层系统，对其子系统之间的连通性具有很强的限制。又一个例子是，要简化其设计，数字计算机必须是由全球时钟控制的定期流程。在20世纪的计算热力学分析中都没有考虑这些约束。随机热力学的新领域提供了正式的工具，用于分析受所有这些约束的系统。我们在这里争辩说，这些工具可以帮助我们在更深层次的水平上了解物理系统的基本热属性与它们执行的计算有关。
