XiaoMi-AI文件搜索系统
World File Search Systeminsu
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
通过快速热退火，辅以嵌段共聚物薄膜中的液晶排序，在多功能基底上形成垂直排列的纳米域
除极少数例外情况外，这都是必要的。32,33 由于 c 值低，该系统的特征尺寸很难达到 22 纳米以下。26,34 因此，人们对这种 BCP 以及包含相关片段的相关 BCP 进行了广泛关注，以提高其在下一代光刻技术中的性能。35,36 然而，到目前为止，通过在低温下快速热退火（例如几分钟）在多功能基底上的小特征尺寸的 BCP 薄膜内获得正常排列的圆柱形或层状畴仍然是一项艰巨的挑战。此前，一些研究小组报道，聚甲基丙烯酸酯疏水嵌段（表示为 PMA(Az)）侧链中含偶氮苯的液晶 (LC) 链段有助于通过热退火或溶剂退火形成正常排列的圆柱形微区 37 – 39，包括聚环氧乙烷 (PEO) 40 – 42 和聚 (4-乙烯基吡啶) (P4VP) 43。对于这些 BCP，圆柱体的相窗口相当宽。此外，P4VP- b -PMA(Az) 薄膜需要长期溶剂退火，43 这不适合用于下一代光刻技术。而且，这些 BCP 的蚀刻选择性不足。44,45
基于深度学习的侧面...
摘要。基于深度学习的侧渠道分析代表了最强大的侧通道攻击方法之一。由于其在处理原始功能和对策方面的能力，它成为SCA社区的事实上的标准方法。最近的作品显着改善了来自各种观点的深度学习攻击，例如高参数调整，设计指南或自定义的neu-ral网络体系结构元素。仍然，对学习过程的核心 - 损失函数的核心已被不足。本文分析了现有损耗函数的局限性，然后提出了一种新型的侧道渠道分析优化损耗函数：焦距损耗比（FLR），以应对其他损失函数中观察到的识别缺陷。为了验证我们的设计，我们1）考虑了各种情况（数据集，泄漏模型，神经网络体系结构）和2）进行彻底的实验研究，2）与基于深度学习的侧渠道分析（“传统”的侧通道分析和侧通道分析的范围分析）进行比较。我们的结果表明，FLR损失在各种条件下都优于其他损失函数，而没有像最近的一些损失功能建议那样的计算开销。
通过最大化肿胀诱导的盐负荷
湿润水凝胶作为可扩展和低成本吸附剂而出现，用于大气水收集，除湿，被动冷却和热量储能。但是，使用这些材料的设备仍然表现出不良的性能，部分原因是水凝胶的水蒸气摄取有限。在这里，氯化氯化物溶液中水凝胶的肿胀动力学，对水凝胶盐载荷的影响以及所得的合成水凝胶 - 盐复合材料的蒸气吸收。合成了通过调整溶液的盐浓度和凝胶的交联特性，合成了极高的盐负荷的湿水凝胶，在相对湿度（RH）分别为30％和70％的相对湿度（RH）时，可以使前所未有的水吸收1.79和3.86 Gg-1。在30％RH时，这超过了先前报道的金属有机框架的水吸收超过100％和水凝胶的水，使吸收的吸收量超过了吸湿性盐基本限制的93％，同时避免了盐解决方案中常见的泄漏问题。通过对盐蒸气平衡进行建模，最大无泄漏的RH被阐明是水凝胶摄取和肿胀比的函数。这些见解指导具有特殊吸湿性的水凝胶的设计，使基于吸附的设备能够应对水的稀缺和全球能源危机。
通过抑制晶格氧参与酸性水氧化
摘要：在氢产生中，阳极氧的演化反应（OER）限制了能量转化的效率，并且还会影响质子交流膜水电氧化质量的稳定性。广泛使用的基于IR的催化剂从不良活性中产生，而基于RU的催化剂则倾向于在OER条件下溶解。这与晶格氧（晶格氧氧化机制（LOM））的参与有关，这可能导致晶体结构的崩溃并加速活性RU物种的浸出，从而导致工作稳定性较低。在这里，我们开发了Sr -ru -ir三元氧化物电催化剂，可在酸性电解质中获得高活性和稳定性。催化剂在10 mA cm -2时达到了190 mV的超电势，并且在运行1,500小时后，超电势保持在225 mV以下。X射线吸收光谱和18 O同位素标记的在线质谱研究表明，OER期间晶格氧的参与受到Ru-O- ir局部结构的相互作用的抑制，这是如何改善稳定性的情况。通过SR和IR调节活性RU位点的电子结构，以优化OER氧中间体的结合能。■简介
使用数值方法和数据集机器学习
摘要。结构系统可能会由于动态激发和惯性而产生负矩。复合金属甲板平板通常设计用于承受正矩，并在底部得到加固，顶部的热增强最小。然而，在动态冲击负载下，上部的固定加固可能会导致这些平板在负矩下失败。因此，本研究调查了在自由下降重量冲击负载下复合金属甲板板的性能。该研究由两个主要部分组成：基于收集到的数据，通过NITE元素模拟分析和培训机器生成数据。LS-DYNA商业软件用于分析具有三个参数的165个模型：平板长度，前锋重量和前锋速度。在机器学习组件中，有限元建模（FEM）结果用于训练机器并准确预测这些板的性能。报告的结果是根据最大负矩，最大DE分解以及平板的弹性和塑性行为报告的。该研究表明，在高前锋速度下，标本在60至80 kN的范围内经历了最终的内部负矩。
研究文章Microscale矿物质和孔结构表征低渗透性砂岩，中国
鉴于对Heshui地区低渗透性砂岩储层的特征和控制因子的不可或缺的理解，本研究检查了Chang 2储层的显微镜矿物质和孔结构。它使用一系列方法（包括成像和间接方法）分析了其主要的控制因子。te结果表明，研究区域中张2储层的岩石以岩性的Arkose和Feldspathic碎屑石英砂岩为主。te储层空间会形成毛孔内孔，长石溶解的孔，岩石溶解的孔和晶间孔。有时会发现微裂纹。平均孔隙率为10.5％，平均渗透率为2.2 MD，具有低孔隙率 - 脱透透明度储层。在储层开发过程中，由构造效应产生的小鼻子形成的陷阱为良好的储层空间提供了机会。沉积和成岩过程在一定程度上控制了储层孔隙度的发展程度和方向。多段毛细管压力曲线和较长的缺失区域对应于相对较好的毛孔 - 螺旋式结构。伊利特是决定储层质量的主要成岩粘土矿物。三个效应都为储层的整体发展做出了贡献。
现实生活中的自我控制是在偏好决策过程中的顶活动预测的：大脑解码分析
可充电海水电池（SWB）是一种独特的储能系统，可以将海水直接转化为可再生能源。在SWB阳极和阴极（表示为海水电池脱盐； SWB-D）之间放置脱盐室，可在充电SWB时进行海水脱盐。由于海水脱盐是一种成熟的技术，主要由基于膜的过程（例如反渗透）（RO）占据，因此必须考虑用于替代脱盐技术的能源成本。到目前为止，基于每个脱盐水的单位成本（$ m-3）的SWB-D系统的可行性已不足。因此，这种观点旨在根据详细的成本分析提供此信息和未来的研究方向。基于计算，当前SWB-D系统的设备成本为≈1.02$ m-3（低于RO的0.60–1.20 $ m-3），当回收能量的96％并实现1000循环的稳定性时。阴离子交换膜（AEM）和分离器分别对材料成本分别占总成本的50％和41％的贡献。因此，未来的研究着重于创建低成本AEM和分离器将为SWB-D的大规模应用铺平道路。
糖尿病患者加权贝叶斯信念网络
糖尿病是一种持久的代谢疾病，这是由于血糖水平升高而导致的，这是由于体内胰岛素的不良产生或对体内胰岛素的无效利用而产生的。印度通常被标记为“世界糖尿病之都”，这是由于这种情况的广泛流行。根据国际糖尿病联合会报道，在2021年9月最新的作者最新知识最新的最新知识更新，据报道，印度约有7700万成年人受到糖尿病的影响。由于隐藏的早期症状，许多糖尿病患者无法诊断，导致治疗延迟。虽然已经利用计算智能方法来提高预测率，但这些方法的显着部分缺乏可解释性，这主要是由于它们固有的黑匣子性质。规则提取经常用于阐明机器学习算法固有的不透明性质。此外，为了解决黑匣子性质，使用了一种基于加权贝叶斯关联规则挖掘的强大规则的方法，以便提取的诊断糖尿病等疾病的提取规则可以非常透明，并且可以由临床专家易于分析，从而增强可解释性。使用UCI机器学习存储库来构建WBBN模型，证明了95.8％的性能精度。
![arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日](/simg/g:\will\search\icon\source\b\b4b7b976c54a7b9bb3f2c5993243a054a3a24786.webp)
arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日
预测将无人机系统 (UAS) 集成到国家航空航天 (NAS) 的结果是一个复杂的问题，在允许 UAS 常规访问 NAS 之前，需要通过模拟研究来解决。本论文重点介绍使用博弈论方法提供 2D 和 3D 模拟框架，以评估有人驾驶和无人驾驶飞行器共存场景中的集成概念。文献中的基本差距在于有人驾驶和无人驾驶飞行器之间相互作用的模型不足：a) 它们假设飞行员行为是先验已知的，b) 它们忽略了决策过程。这项工作的贡献是提出一个建模框架，其中使用强化学习和称为 k 级推理的博弈论概念对人类飞行员的反应进行建模，以填补这一空白。K 级推理概念基于人类具有不同决策水平的假设。强化学习是一种植根于人类学习的数学学习方法。在这项工作中，经典和近似强化学习（神经拟合 Q 迭代）方法用于对具有 2D 和 3D 机动的飞行员的时间扩展决策进行建模。使用有人驾驶飞机和配备感知和避免算法的全自动 UAS 的示例场景对 UAS 集成进行分析。