XiaoMi-AI文件搜索系统
World File Search Systembler
波能量成本预测
形成阶段代表了商业化的第一步（Grübler等，1999）。“技术推动”发生在这些早期阶段，在这些阶段，研发（R＆D）投资用于支持新兴技术以提高其绩效并降低成本，从而使这些技术开始部署，尤其是在绩效通常比成本更重要的利基市场中。同时，利基市场提供“市场吸引力”，即一旦技术推动减少了现有技术与新兴技术之间的差距，对新技术的持续需求。 “技术推动”和“市场拉力”机制用于推动部署（Santhakumar等，2021； Wilson，2012; Wilson andGrübler，2011; Neij等，1997）。对新技术的持续需求。“技术推动”和“市场拉力”机制用于推动部署（Santhakumar等，2021； Wilson，2012; Wilson andGrübler，2011; Neij等，1997）。
欧洲核子研究中心的量子机器学习
Kübler, Jonas、Simon Buchholz 和 Bernhard Schölkopf。“量子核的归纳偏差。”《神经信息处理系统进展》第 34 期 (2021)。Huang, HY.、Broughton, M.、Mohseni, M. 等人。量子机器学习中的数据力量。Nat Commun 12, 2631 (2021)。https://doi.org/10.1038/s41467-021-22539-9
跨专业从业者对增强和 1 的功能和服务的看法
Heckman、LM McCane、CS Carmack、S. Winden、DJ McFarland、EW Sellers、H. Shi、T. Paine、DS Higgins、AC Lo、HS Patwa、KJ Hill、GD Huang 和 RL Ruff。（2018 年）。肌萎缩侧索硬化症患者在家独立使用脑机接口。神经病学，91，e258-e267。8. Botrel、L.、EM Holz 和 A. Kübler（2015 年）Brain Painting V2：基于 P300 的评估
中西部大数据创新中心
• Daniel Andresen、Christopher Bartlett、Kevin Brandt、Luiz Fernando Brito、Addison (Addy) Carroll、David (Eric) Chan-Tin、Rylan Chong、Chia-Fang (Christina) Chung、Katherine (Kay) Connelly、Cristina Connolly、David Crandall、Matt Daly、Gustavo De-Sousa-E-Silva、Ana Maria Estrada Gomez、Jessica Faul、Baskar Ganapathysubramanian、Malia Gehan、Jennifer Gleason、David Hudak、Deepak Khazanchi、Sandra Kübler、Daniel Lapine、Fengjun Li、Xiaoxia (Nina) Lin、Mei Liu、Chaoqun (Crystal) Lu、Raghu Machiraju、Andrew Margenot、Timothy Middelkoop、Annemarie (Krug) Mysonhimer、Paul Oladele、Ron Payne、Daniel Pemstein、Sagar Samtani、Grant Scott、Nadia Shakoor、Winona Snapp-Childs、Kimberly Marion Suiseeya、Maoyuan Sun、Elaina Sutley、Bhuwan Thapa、Karen Tomko (2x)、Sara Tondini、Yang Wang、Jim Wilgenbusch、Murat Yildirim、Michael Zentner、Zhou Zhu
对负CO2排放的生物物理和经济限制
皮特·史密斯1 *，史蒂文·J·戴维斯2，菲利克斯·克鲁特齐格3,4，萨宾·福斯3，扬·米克斯3,5,6，贝诺伊特·加布里埃尔7,8，埃茨希·盖托9，埃茨西·盖托9，罗伯特·杰克逊·杰克逊·杰克逊·韦特尔·韦特尔·范·沃里恩12,13 , David 15 , Glen Peters 19 , Robbie Andrew 19 , Volker Krestha 20 , Pierre Friedlingstein 21 , Thomas Gasser 16,22 , Arnulf Grübler 15 , Wolfgang K. Heidu 23 , Matthiaas Jonas 15 , Chris D. Jones 24 , Florian Kraxner , José Roberto Morera 26 , Nebojsa Nakcenovic 15 , Michael Obeersteiner 15 ，Anand Patwardhan 27，Mathis Roner 15，Ed Rubin 28，Ayyob Sharifi 29，AsbjørnTorvanger 19，Yoshiki Yamagata 30，Jae Edmonds和Cho Yonssung 32 32 32
用功率结构的预制建筑供应链的定价，崩溃和协调策略的建模
在预制的建筑行业中，消费者对建筑时间敏感，并且不同的功率结构非常普遍。本研究使用Stackelberg游戏，NASH游戏和供应链协调的方法，将制造商崩溃策略介绍给了预制的建筑供应链，并调查了三种不同电力结构下的组装定价，制造商崩溃和供应链协调策略。它发现采用崩溃的策略可改善供应链的利润，而动态批发价格合同实现了供应链坐标。同时，当消费者的时间和价格敏感性较低时，在不等的发电链中，在供应链中获得高利润会更容易。相反，在NASH游戏的情况下，供应链利润更高。这项研究创新地将电力结构和崩溃策略的思想引入了预制的建筑供应链中，并在三种不同的电力结构下为预制的建筑企业提供了最佳的价格和交付时间，并实现了供应链协调。结论可以为不同竞争环境下的预制建筑企业提供决策建议。
矢量网络分析仪 (VNA) 评估指南
本文件由 EURAMET e.V. 电磁技术委员会制定。作者：Markus Zeier（瑞士 METAS）、Djamel Allal（法国 LNE）、Rolf Judaschke（德国 PTB）。致谢 作者衷心感谢您审阅本指南：Thomas Reichel（技术顾问）、Blair Hall (MSL)、Gary Bennett (National Instruments)、Dave Blackham (Keysight Technologies)、Andreas C. Böck (esz AG 校准和计量)、Andy Brush (TEGAM)、Tekamul Buber (Maury Microwave)、Albert Calvo (Rohde & Schwarz)、Onur Cetiner (Keysight) Technologies)、Chris Eio (NPL)、Andrea Ferrero (是德科技)、Israel Garcia Ruiz (CENAM)、Martin Grassl (Spinner)、Tuomas Haitto (Millog Oy)、Johannes Hoffmann (METAS)、Matthias Hübler (罗德与施瓦茨)、Ian Instone (技术顾问)、Harald Jäger (罗德与施瓦茨)、Karsten Kuhlmann (PTB)、Jian Liu (是德科技)、Linoh Magalula (NMISA)、Jon Martens (Anritsu)、Guillermo Monasterios (INTI)、Faisal Mubarak (VSL)、Rusty Myers (Keysight Technologies)、Reiner Oppelt (Rosenberger)、Nick Ridler (NPL)、Juerg Ruefenacht (METAS)、Handan Sakarya (UME)、Bart Schrijver (Keysight Technologies)、Joachim Schubert (Rosenberger)、Nosherwan Shoaib （INRIM、NUST）、Hernando Silva (INTI)、Pamela Silwana (NMISA)、Laszlo Sleisz (NMHH)、Daniel Stalder (METAS)、Michael Wollensack (METAS)、Ken Wong（是德科技）、Sherko Zinal (PTB)。版本 3.0 2018 年 3 月 版本 2.0 2011 年 3 月 版本 1.0 2007 年 7 月 EURAMET e.V. B
报告 - SINTEF
13.简化子结构对撞击载荷的实验研究，A. Krogstad，NTNU 14.水动力载荷建模对小水深浮动风力涡轮机及其系泊系统响应的影响，Kun Xu，NTNU 15.单桩基础海上风力涡轮机的 GPS/加速度计集成轮毂位置监测算法，Z. Ren，NTNU 16.浮动海上风电子结构的供应链 - TLP 示例，H.Hartmann，罗斯托克大学 17.海上风电场部署浮动支撑结构的批判性评论，M Leimeister，REMS，克兰菲尔德大学 18.对海上风力涡轮机最先进的 ULS 设计程序的评估子结构，C. Hübler，汉诺威莱布尼茨大学 19。海上浮动平台：运动缓解解决方案分析，A.Rodriguez Marijuan，Saitec Offshore Technologies 20。LIFES50+ OO-Star Wind Floater Semi 10MW 浮动风力涡轮机的最新模型，A. Pegalajar-Jurado，DTU 21。LIFES50+ OO-Star Wind Floater Semi 10MW 的 CFD 模型验证和粘性流效应研究，H. Sarlak，DTU 22。非线性波浪载荷对单桩风力涡轮机结构的影响，M. Mobasheramini，皇后大学，Bryden 中心 23。设计浅水深度的 FOWT 系泊系统，V. Arnal，LHEEA，Centrale Nantes 24。整体混凝土柱浮标平台批量生产的建造可能性，C. Molins，UPC-Barcelona Tech 25。使用扩展轮廓线方法对海上风力涡轮机进行极端响应估计，J-T.Horn，NTNU 26。OO-Star 风力浮子的制造和安装，T.Landbø，Dr.techn.Olav Olsen 会议 F 27。分析尾流和下游涡轮机性能建模的实验验证，F. Polster，柏林工业大学 28。用于预测 NACA0015 翼型周围气动升力的降阶模型，M.S.Siddiqui，NTNU 29。快速发散一致的流降阶模型，E. Fonn，SINTEF Digital
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)。