XiaoMi-AI文件搜索系统
World File Search Systemlyapunov
sachdev- ...
最近提出的在Lyapunov指数上的通用结合的饱和已被猜想，以表明存在重力双重。这种饱和发生在密集的sachdev-ye-kitaev（Syk）模型的低温极限中，n majorana fermions具有q身体（q> 2）无限范围相互作用。我们计算了高度稀疏的Syk模型的N≤64费米子的某些耗时相关因子（OTOC），并且在汉密尔顿分解为块中的稀疏度到接近渗透极限的稀疏度中没有明显的依赖性。这为Lyapunov指数在稀疏SYK的低温极限中的饱和提供了强有力的支持。达到N¼64的关键要素是新型量子自旋模型仿真库的开发，该库在图形处理单元上实现了高度优化的无基质Krylov子空间方法。这会导致使用适度的计算资源的模拟时间明显降低，并大大减少了以前的方法的内存使用情况。强烈的稀疏驱动统计波动既需要使用大量的疾病实现，又需要使用大量的疾病实现，也需要仔细的有限尺寸缩放分析。稀疏SYK中结合的饱和指向存在一个重力类似物，该重力类似物将大大扩大具有此特征的场理论的数量。
基于复合切换李雅普诺夫函数的直流控制...
摘要：可再生能源在追求可持续和环保的电力解决方案中发挥着关键作用。它们在提供环境效益的同时，也带来了固有的挑战。光伏系统依赖于周围条件，风力发电系统要应对变化的风速，燃料电池既昂贵又低效。此外，可再生能源 (RES) 注入的能量表现出不可预测的行为。为了解决这些问题，研究人员采用了各种电力电子设备和转换器，如逆变器、电能质量滤波器和 DC-DC 斩波器。其中，DC-DC 转换器因有效调节直流电压和提高 RES 效率而脱颖而出。精心选择合适的 DC-DC 转换器，再加上高效的控制技术，会显著影响整个电力系统的性能。本文介绍了一种设计 DC-DC 转换器开关控制器的新方法，专门用于可再生能源系统。所提出的控制器利用复合切换李亚普诺夫函数 (CSLF) 的强大功能来提高 DC-DC 转换器的效率和性能，解决可再生能源带来的独特挑战。通过全面的分析和仿真，本研究证明了该控制器在优化电力传输、提高稳定性和确保在各种可再生能源环境中可靠运行方面的有效性。此外，还介绍了小型 DC-DC 转换器实验的结果，以确认和验证所提方案的实际适用性。
用于自主无人机飞行控制的 Lyapunov 矢量场
提供了构建用于 UAV 制导的矢量场的通用技术，这些技术结合了 Lyapunov 稳定性特性，以在 3D 中产生简单、全局稳定的矢量场。说明了这些场在圆形徘徊模式中的使用，以及圆形徘徊矢量场的简单切换算法，以实现任意航路点路径或循环的跟踪。还开发了另一种变体，其中简单的圆形徘徊器被扭曲成其他形状，保留全局稳定性保证和准确的路径跟踪。提供了此技术的一个示例，该示例产生了“赛道”徘徊模式，并比较了扭曲技术的三种不同变体。最后，考虑矢量场的跟踪，使用 Lyapunov 技术展示与低成本 UAV 航空电子设备兼容的几种跟踪控制律的航向和路径位置的全局稳定性。
基于李雅普诺夫理论的多端MMC-HVDC系统控制策略
Reza Janbazi Ghadi 1、Majid Mehrasa 2*、Erfan Azimi 1、M. Ebrahim Adabi 3、Seddik Bacha 4 1：伊朗矿山和采矿业发展和革新组织（IMIDRO） 2：意大利的里雅斯特大学工程与建筑系，的里雅斯特 3：荷兰代尔夫特理工大学电气可持续能源系智能电网。 4：格勒诺布尔阿尔卑斯大学，CNRS，格勒诺布尔 INP（格勒诺布尔阿尔卑斯大学工程学院），G2Elab，38000 格勒诺布尔，法国
量子通道的Lyapunov指数：熵公式和通用属性
m k l（v）ρl（v）†dµ（v），l：m k→m k是可测量的函数，µ是m k的度量。在最近的一项工作[8]中，当L恒定并且等于身份矩阵时，作者考虑了此类通道φL的Lyapunov指数。在这篇论文中还考虑了φ-erg属性和纯化条件（请参见第6节的定义）。在上一篇论文（请参见[11]）中，我们表明，对于固定度量µ，它对函数lφ-erg属性是一般性（实际上，我们表明了不可约性条件是通用的）。这里的新颖性是，我们将证明纯化条件在L上也是固定度量µ的通用（请参见第9节）。此变量L的引入使我们能够在这种类型的问题中考虑通用性质的问题。我们在复杂矩阵集中使用C 0拓扑。对于附录第10节中读者的好处，我们介绍了[11]中的结果和Lyapunov指数与预先作品的关系的概述。在[8]之后，一个人可以考虑与l和µ相关联，两个相关的程序：一个用x n，n∈N表示，在射影空间p（c k）上取值；另一个用ρn，n∈N表示为d k（其中d k是一组密度运算符）。自然过渡概率在[8]中定义。分析这两个过程的ergodic属性时，φ-erg属性和纯化特性起着重要作用（请参见第6节）。在这里，我们考虑了第8节中通道的量子熵的概念，该概念最初在[3]中介绍。这表明引入的概念是自然的。对于固定的µ和一般L，在[11]中提出了熵的自然概念（请参阅未来第3节），以便在这种情况下开发吉布斯形式的版本。在[11]中的示例8.5中也介绍了某个通道（与固定马尔可夫链有关），其中使用该定义获得的值与熵的经典值相吻合。熵的这种定义是对论文[3]，[5]和[4]的概念的概括。这种特殊形式的定义熵在某种程度上是受[28]的结果启发的，该结果考虑了迭代功能系统。我们称[11]中示例8.5中描述的示例在量子信息中的Markov模型中称为示例。这是我们第8节中考虑的主要例子。
使用Lyapunov函数
摘要。这项研究研究了非线性系统的稳定性，尤其是特征值所特征的系统。我们引入动态Lyapunov作为稳定性分析的机制，尤其是在没有明确解决方案的情况下。作者在平衡点提供了稳定标准，证明了指数稳定性并确保在干扰后恢复平衡。结果对控制系统的设计和分析具有很大的影响，因为它们提供了一种新的方法来实现稳定性，而无需使用复杂的计算或假设。摘要描绘了Riemann – Liouville分数积分，Caputo分数积分和衍生物以及Mittag -Leffler函数。该研究采用了根 - 荷威族人的标准，并引入了超偶然陈系统的新表述。分数超链系统（FHC）代表了一个复杂的研究框架。
具有常规经典极限的实验系统中的正量子 Lyapunov 指数
量子混沌是指在量子领域发现的经典混沌特征。最近，人们普遍将超时序相关器 (OTOC) 的指数行为等同于量子混沌。在某些系统中，OTOC 指数增长与经典极限下的混沌之间的量子-经典对应关系确实已在理论上得到证实，并且有多个项目正在通过实验进行同样的验证。特别是具有规则和混沌状态的 Dicke 模型，目前正在通过捕获离子的实验进行深入研究。然而，我们表明，对于实验可获得的参数，当 Dicke 模型处于规则状态时，OTOC 也可以呈指数增长。Lipkin-Meshkov-Glick 模型也是如此，它是可积的，也可以通过实验实现。这些情况下的指数行为是由于不稳定的驻点，而不是混沌。
用Lyapunov屏障证书正式验证深钢筋学习控制器
摘要 - 深处增强学习（DRL）是一种强大的机器学习范式，用于生成控制自主系统的代理。但是，DRL代理的“黑匣子”性质限制了其在现实世界中关键应用程序中的部署。为代理行为提供强大保证的一种有前途的方法是使用神经Lyapunov屏障（NLB）证书，该证书是通过系统中学的功能，其属性间接地暗示着代理的行为。但是，基于NLB的证书通常很难学习，甚至更难验证，尤其是对于复杂的系统。在这项工作中，我们提出了一种新颖的方法，用于培训和验证基于NLB的离散时间系统证书。具体来说，我们引入了一种证书组成的技术，该技术通过策略性地设计一系列证书来简化高度复杂系统的验证。当通过神经网络验证引擎共同验证时，这些证书提供了正式的保证，即DRL代理都实现了其目标并避免了不安全的行为。此外，我们引入了一种用于证书过滤的技术，该技术大大简化了生成正式验证的证书的过程。我们通过案例研究证明了我们的方法的优点，该案例研究为DRL控制的航天器提供了安全性和livesice保证。