XiaoMi-AI文件搜索系统
World File Search Systemsolvers
学习TSP需要重新思考概括-Drops
对组合优化问题（例如旅行推销员问题）的神经网络求解器的端到端培训是棘手的，效率低下，超过了几百个节点。，当最新的机器学习方法经过琐碎的尺寸训练时，与经典求解器紧密相关，但他们无法将学习的政策推广到更大的实用范围。旨在利用转移学习来解决大规模TSP，本文确定了归纳偏见，模型架构和学习算法，这些算法促进对比培训中所见的实例更大的实例。我们的受控实验提供了对这种零弹性概括的首次原则研究，表明除训练数据超出训练数据需要重新思考神经组合优化管道，从网络层和学习范式到评估方案。
Infact：包括基础和应用计算思维中的神经多样性
Armstrong（2012）。 神经多样性的力量。 Asbell-Clarke（2023）。 在STEM中掌握和教授神经化学习者：拥抱独特才华横溢的问题解决者的策略。 男爵-Cohen（2020）。 寻求模式的人。 eide＆eide（2018）。 阅读障碍优势。Armstrong（2012）。神经多样性的力量。Asbell-Clarke（2023）。在STEM中掌握和教授神经化学习者：拥抱独特才华横溢的问题解决者的策略。男爵-Cohen（2020）。寻求模式的人。eide＆eide（2018）。阅读障碍优势。
基于机器的基于机器的分裂启发式启发式 -
摘要。在本文中，我们提出了一个基于机器学习的启发式启发式，用于分裂和遇到的平行布尔sat求解器。使用代理指标设计的分裂启发式方法，无论它们是看上去的还是看上去的，它是设计的，在优化后，近似于拆分产生的亚构架上的求解器运行时的真实度量。这样的指标的理由是，除了以在线方式计算时，它们已被经验证明是解决方案运行时的绝佳代理。但是，传统拆分方法的设计通常是临时的，并且不利用求解者生成的大量数据。为了解决上述问题，我们提出了一种基于机器学习的启发式启发式启发式，以利用输入公式的特征和在分裂和构架（DC）Par-allel求解器运行期间生成的数据。更准确地说，我们将分裂问题重新制定为排名问题，并为成对排名和计算最低排名变量开发两个机器学习模型。我们的模型可以根据它们的分裂质量比较变量，该变量基于从输入符号的结构属性中提取的一组功能，以及在求解器运行期间收集的动态探测统计。，我们通过在样品公式和其中的变量上的o ffl i ine收集了平行直流求解器的运行时间来得出真实标签。在每个拆分点，我们生成了候选变量的预测排名（成对或最低等级），并将公式分配在顶部变量上。我们在无痛的平行SAT框架中实施了启发式，并在编码SHA-1预映射以及SAT竞赛2018和2019基准的一组密码实例上评估了我们的求解器。与基线无痛求解器相比，我们从最近的SAT比赛（例如TreenGeling）中求出了更多的实例。此外，我们比这些顶级求解器在加密基准测试中要快得多。
DEEL AI认证工作组
2. 使用互补方法（形式化方法、模拟……）§形式化方法§抽象解释（ERAN、Crown、reluval……）§精确求解器（Reluplex/Marabou、Planet……）§开发 ACAS Xu 模拟器§优化实验（修剪、量化……）
图形神经网络，用于有效的交流电源电网预测
本文提出了一种使用图神经网络（GNN）的新方法来解决电网中的交流功率流问题。AC OPF对于在满足电网的操作限制的同时，对最小生成成本至关重要。传统求解器与可扩展性斗争，尤其是在具有续签能源的大型系统中。我们的方法将功率网格建模为图形，其中总线是节点，传输线是边缘。我们探索包括GCN，GAT，SageConv和GraphConv在内的不同GNN架构，以有效地预测AC功率流解决方案。我们在IEEE测试系统上进行的实验表明，GNN可以准确地预测功率流解决方案并扩展到较大的系统，从而在计算时间方面优于传统求解器。这项工作突出了GNNs对实时电网管理的潜力，并计划将模型应用于更大的网格系统。
Alya tor exascale：使用psctoolkit
摘要在本文中，我们描述了Alya代码的升级，并在数值过程的每个时间步骤中都可以在压力场计算中实现可靠性，效率和可扩展性，以求解不可压缩的Navier-Stokes方程的大型涡流模拟公式。我们在Alya的内核中开发了一个软件模块，以接口当前版本的PSCToolKit中包含的库，PSCToolKit（稀疏线性系统的迭代解决方案）在并行分布式内存计算机上，由Krylov meths构造，并耦合到代数Multigridigrid promigrid Preponditioners。该工具包在EOCOE-II项目中经历了各种扩展，其主要目标是面对Exascale挑战。在风电场应用中对气流模拟的现实基准测试结果表明，PSCToolKit求解器在Alya内核中可用的可伸缩性和并行效率方面可用的共轭梯度方法的原始版本明显胜过，并且代表了将Alya Code移至Exascale的非常有希望的软件层。
Altus Group | 可持续发展报告
我们是开拓者和不懈的创新者，不断追求新想法和更好的方式为我们的客户、员工和社区服务。我们是充满好奇心、具有前瞻性的问题解决者——我们无所畏惧地超越显而易见的东西，探索什么是可能的、可能的和最佳的。
Altus Group | 可持续发展报告
我们是开拓者和不懈的创新者，不断追求新想法和更好的方式为我们的客户、员工和社区提供服务。我们是充满好奇心、具有前瞻性思维的问题解决者，我们无所畏惧地超越显而易见的事物，探索可能、可能和最佳的事物。
Andrea LodiAndrea Lodi
MILP模型通常包含一些“垃圾”，即，通过强迫求解器执行无用的操作来减慢解决方案过程的冗余或弱信息。因此，现代的MILP求解器具有清理和增强模型的能力，以创建一个定期实例，然后将MILP技术应用于该实例。