XiaoMi-AI文件搜索系统
World File Search Systemconstrained
一个约束的神经辐射场（NERF），用于在一个角度完美捕获输入图像，简化了现有的图像到3D方法TLDR：
Xu，Dejia等。“ Neurallift-360：将野外2D照片提升到具有360度视图的3D对象。”IEEE/CVF计算机视觉和模式识别会议的会议记录。2023。2。
用于无约束和约束离散优化的 NISQ 兼容近似量子算法
量子算法因其可能显著超越传统算法而越来越受欢迎。然而，量子算法在优化问题中的实际应用面临着与现有量子算法训练效率、成本格局形状、输出准确性以及扩展到大规模问题的能力相关的挑战。在这里，我们提出了一种基于梯度的量子算法，用于具有幅度编码的硬件高效电路。我们表明，简单的线性约束可以直接合并到电路中，而无需使用惩罚项对目标函数进行额外修改。我们使用数值模拟在具有数千个节点的完全加权图的 MaxCut 问题上对其进行测试，并在超导量子处理器上运行该算法。我们发现，当应用于具有 1000 多个节点的无约束 MaxCut 问题时，将我们的算法与称为 CPLEX 的传统求解器相结合的混合方法比单独使用 CPLEX 实现了更好的解决方案。这表明混合优化是现代量子设备的主要用例之一。
细菌中无约束的碱基编辑
。cc-by-nc-nd 4.0国际许可证。根据作者/资助者提供了预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2023年11月12日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2023.04.16.537106 doi：Biorxiv Preprint
受环境约束的中期能源规划
欧盟制定了雄心勃勃的 2050 年碳中和目标。这一转变必须逐步进行，以避免巨额投资；因此，必须从经济和环境两个角度妥善执行能源供应系统的中期能源规划。部门耦合措施有助于实现这一雄心勃勃的目标，尽管它们需要大量的资金投入。本文介绍了一种创新方法，用于位于意大利的马尔凯理工大学校园的中期能源规划，以实现碳中和，即从金融投资角度减少 50% 的碳排放。大学校园是一个多载体的本地能源社区，拥有光伏、热电联产、燃气锅炉、吸收和电制冷机等多种技术，可满足最终用户的能源需求。通过 Calliope 框架研究了不同的已安装和新技术组合（例如，储能或氢气）。案例研究展示了典型年度规划的经济最优情景，保证同样减少 50% 的碳排放。结果强调了利用多家运营商之间的协同作用的重要性，以及 i）可再生能源（例如，额外安装 3.3 MW 的光伏发电）、ii）容量为 7 MWh 的电池和 (iii) 行业耦合技术的重要作用。
不受约束和受约束的规划
销售和运营规划涉及来自多个利益相关者的大量输入和数据。但是如果你想知道从哪里开始，那么答案就是一个不受约束的需求计划。这会告诉你市场上对你的产品的潜在需求，然后通过应用所需的约束，你可以为你可以满足的需求创建一个受约束的计划。
心脏生长和重塑的均质约束混合模型：分析机械生物学稳定性和逆转
抽象的心脏生长和重塑（G＆R）模式在全球范围内和本地都会改变心室大小，形状和功能。生物机械，神经激素和遗传刺激通过心肌尺寸和纤维化的变化驱动这些模式。我们提出了一个新型的微观结构动机模型，该模型基于均质的约束混合理论来预测心脏中器官的G＆R。以前的模型，基于运动学生长理论，通过规定生长的方向和程度，但忽略了潜在的细胞机制，从而再现了G＆R在散装心肌组织中的后果。在我们的模型中，G＆R的方向和程度自然来自心肌组织成分的细胞内和细胞外的转移过程及其首选的稳态伸展状态。我们还提出了一种获得机械相位平衡的参考配置的方法。我们在理想化的3D左心室几何形状上测试了我们的模型，并证明我们的模型旨在在高血压条件下维持紧张的稳态。在稳定图中，我们从具有不同的收缩压和生长因子的相同参数集中确定稳定和不稳定的G＆R区域。此外，我们在第1阶段和第2期高血压后将收缩压返回到基线后的G＆R逆转程度。一种现实的器官心脏G＆R模型有可能识别有心力衰竭风险，实现个性化心脏疗法的患者，并促进医疗设备的最佳设计。
内部激励措施减少资本约束供应链中的碳排放：财务视角
资本限制阻碍了企业的减少碳的努力，并影响供应链的可持续性。为了减轻这一限制，核心企业认为提供两种基于财务的碳减少激励机制：成本分布机制（CS）和优惠融资机制（PF）。在供应链中，市场需求对价格和碳降低的双重敏感性，我们对每种激励机制进行建模，讨论其影响，价值和选择策略。结果表明，CS下的任何一方都没有追求过高的股份比率。只有低于阈值的共享比率才能促进供应商的碳减少行为并提高双方的效率。相反，PF对供应商的碳减少行为具有稳定的激励作用，并可以提高零售商的利润。但是，需要合理的降低标准来吸引供应商。此外，随着市场需求对降低碳的需求变得更加敏感，CS狭窄的可行范围和PF的范围会扩大。我们比较玩家对PF和CS的喜好，并找到一个帕累托地区，所有玩家都喜欢PF而不是CS。最后，我们通过扩展模型来测试发现的鲁棒性。我们的研究为供应链决策提供了指导，面临财务限制和减少碳的双重压力。
基督教巴斯克·拉尔斯·埃勒斯（Christian Basteck Lars Ehlers
考虑在一组代理之间分配不可分割的对象的问题 - 每个代理最多都要接收一个，我们假设它们对一组对象具有严格的偏好。此外，虽然对象的特征可能包括固定的货币支付，但没有其他转移。此类问题在许多现实生活中都会出现，例如校园住房（租金是固定的），器官分配，在申请人的私人方面选择与联系的学校选择等。每当有几个代理想要消耗相同的对象时，对象的不可分割的性质以及没有任何补偿转移，都会使任何确定性的分配不公平。因此，理论家和政策制定者都在这种情况下转向随机作业。由于代理的偏好是私人信息，因此随机分配机械的设计必须考虑代理人的激励措施来揭示其偏好。此外，在实践中，引起所有可能的彩票的偏好通常很困难，因此分配应该基于仅基于对象的代理排名 - 例如，学校选择计划通常会要求申请人提供从大多数提高至最少偏爱的学校的列表。防止策略的报告使真实的报告成为一个主导的策略，因此应该确保代理人真实地揭示了他们对任何基本效用偏好代表的对象的偏好。1，我们将在满足某些特性的一类机制中考虑整个事前效率，并在限制的效率下进行限制。我们将其称为无污水域。不幸的是，关于随机分配机制的文献在防止策略和平等的平等待遇之后立即包含许多不可能的结果，这是最小的公平要求，已与不同的前效率概念结婚。此外，对于上面给出的应用程序，不可分割的对象可以看作是任何代理想要或需要消耗一个对象的商品，并发现所有对象都可以接受。现实生活中经常使用的一种机制是随机的串行独裁统治（RSD）机制。它工作如下。按随机均匀地绘制代理的顺序，然后根据分配顺序在其余对象中选择其最喜欢的对象。rsd满足许多理想的标准：（0）等于任何两个具有相同偏好的代理的平等对待获得相同的随机分配，（1）仅选择无法改善的分配，（（2）策略预付款不适合对他的真实优先偏爱，没有策略预付款。此外，它满足了con-
通过受限子空间变分自动编码器 (CS-VAE) 解开多主体和社会行为表征
有效地建模和量化行为对于我们理解大脑至关重要。在社交和多主体任务中，在自然环境中建模行为仍然是一项重大挑战。对执行相同任务的不同主体的行为进行建模需要将行为数据划分为跨主体共有的特征和每个主体独有的特征。与社交调查相比，在自由移动的环境中对多个个体之间的社交互动进行建模需要解开由个体引起的影响。为了灵活地将行为解开为具有个体和跨主体或社交成分的可解释潜在变量，我们基于半监督方法来划分行为子空间，并提出了一种基于柯西-施瓦茨散度的新型正则化方法。我们的模型称为约束子空间变分自动编码器 (CS-VAE)，成功地对跨主体行为视频的不同特征以及不断变化的社交行为差异进行了建模。我们的方法极大地促进了下游任务中产生的潜在变量的分析，例如揭示解开的行为主题，有效解码新主体的行为，并提供对不同动物如何表现出先天行为的理解。