XiaoMi-AI文件搜索系统
World File Search Systemstationary
非地球静止卫星系统综述
摘要 — 卫星技术的下一阶段以非地球静止轨道 (NGSO) 卫星的新发展为特征，它带来了令人兴奋的新通信能力，可提供非地面连接解决方案并支持来自各个行业的各种数字技术。与传统的地球静止轨道 (GSO) 卫星相比，NGSO 通信系统具有许多关键特性，例如更低的传播延迟、更小的尺寸和更低的信号损耗，这可能使延迟关键型应用能够通过卫星提供。NGSO 有望大幅提高通信速度和能源效率，从而解决 GSO 卫星商业化的主要阻碍因素，以实现更广泛利用。NGSO 系统有望实现的改进促使本文对最先进的 NGSO 研究进行全面调查，重点关注通信前景，包括物理层和无线接入技术以及网络方面以及整体系统功能和架构。除此之外，NGSO 部署仍有许多挑战需要解决，以确保不仅与 GSO 系统无缝集成，而且与地面网络无缝集成。本文还讨论了这些前所未有的挑战，包括在频谱接入和监管问题、卫星星座和架构设计、资源管理问题和用户设备要求方面与 GSO 系统的共存。最后，我们概述了一系列创新研究方向和未来 NGSO 研究的新机遇。索引术语 — 非地球静止 (NGSO) 卫星星座、非地面网络 (NTN)、卫星通信、空间信息网络、太空互联网提供商、航天器。
便携式无线无光纤 fNIRS 头带与固定头罩式系统相比具有优势
本研究的目的是表征原型功能性近红外光谱 (fNIRS) 头带的性能，该头带旨在快速轻松地测量感觉运动皮层。事实上，fNIRS 非常适合人体工程学设计（即它们可以无线连接、对运动伪影具有相对的鲁棒性等特点），这导致了许多新型人体工程学 fNIRS 系统的最新实例；然而，fNIRS 测量的光学性质对测量头部毛发部分下方的大脑区域提出了固有的挑战。正是由于这个原因，迄今为止开发的大多数人体工程学 fNIRS 系统都以前额叶皮层为目标。在本研究中，我们比较了新型便携式 fNIRS 头带与固定式全头罩 fNIRS 系统的性能，以测量 50 岁以上健康个体在简单的上肢和下肢任务中的感觉运动活动。两种 fNIRS 系统均在上肢和下肢任务中表现出预期的血流动力学活动模式，并且两种系统之间的对比度与噪声比的比较表明，原型 fNIRS 头带在检测这些任务期间感觉运动皮层生理反应的能力方面并不逊色于全头罩 fNIRS 系统。这些结果表明，使用无线和无光纤 fNIRS 设计在感觉运动皮层进行测量是可行的。
一个非平稳的标准降水指数（NSPI ...
摘要：标准化降水指数（SPI）通过标准化累积降水来衡量气象干旱相对于历史气候。较长的记录长度可改善参数估计值，但是这些更长的循环可能包括人为气候变化和多年自然气候爆发的信号。从历史上看，气候非平稳性已被忽略或纳入SPI中，例如WMO 30-y时期。这项研究介绍并评估了一种基于贝叶斯花素的新型非平稳性SPI模型，旨在改善固定气候的参数估计值，又可以明确纳入非组织性。使用合成产生的降水，本研究将提出的贝叶斯SPI模型与现有的SPI方法基于固定和非平稳气候的最大似然估计进行比较。所提出的模型不仅重现了现有SPI模型的性能，而且在几个关键领域都对它们进行了改进：降低Pa-Rameter的不确定性和噪声，同时建模为零和正降水的可能性，并捕获非线性趋势和季节性变化。此外，完全贝叶斯的方法确保所有参数都有不确定性估计值，包括零降水可能性。研究指出，零降水参数过于敏感，并且可以在将来的迭代中改善。该研究以美国在美国一系列氢气候区域的九个量规的应用，以拟议的贝叶斯非平稳SPI模型的应用结束。这种经验的结果表明，该模型是稳定的，并在先前的研究中鉴定出了非平稳模式，同时也表明了新发现，特别是对于形状和零降水参数。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
确定改善移动和固定实验中EEG数据基于ICA基于ICA的分解的关键因素
EEG硬件和分析方法中的摘要最新发展允许在固定设置和移动设置中进行记录。否则实验设置，脑电图记录被噪声污染，必须在功能解释数据之前将其删除。独立的组件分析（ICA）是一种综合使用的工具，可从数据中删除眼部运动，肌肉活动和外部噪声，并分析有关脑电图有效脑源水平的活动。过滤数据的有效性是改善先前研究的分解的一个关键预处理步骤。然而，迄今为止尚无研究比较有关ICA分解预处理的移动和固定实验的不同要求。因此，我们评估了脑电图实验，通道数量和预处理过程中高通滤波器的临界值如何影响ICA分解。我们发现，对于常用的设置（固定实验，64个通道，0.5 Hz滤波器），ICA结果是可以接受的。但是，在移动实验中应使用高达2 Hz截止频率的高通滤波器，并且更多的通道需要更高的过滤器才能达到最佳分解。在移动实验中发现了更少的大脑IC，但是即使使用低密度通道设置，使用ICA清洁数据也很重要且功能性。根据结果，我们为改善ICA分解的不同实验设置提供了指南。
生态与经济耦合模型。哈密顿形式主义的可持续经济的全球固定国家模型
两种密切相关的危机的严重性，环境和经济危机的严重性也需要以理论上的方式面对；因此，作者提出了一个模型，该模型仅构建了一个生态和经济耦合变量的动力学系统，即乔治库·罗根（Georgescu-Rogen）和赫尔曼·戴利（Herman Daly）的“稳态经济学”的想法。这可能诉诸于广义的伏特拉模型，在汉密尔顿形式主义及其汉密尔顿方程式中翻译，可以使每个变量都可以“结合”每个变量，一种经济，另一种是一种生态学，描述了独特的动力学系统时期的行为。将模型应用于最相关的两个变量最相关的生态经济对，导致模型的“相空间”中的暗示性几何形状：轨迹是包裹“甜甜圈”的曲线，它们的集合是我们正在寻找的“固定状态”。这些轨迹是“准周期性动作”，其特征是两个频率，其值在“小振荡”近似中提供了良好的估计值。在本文中，汉密尔顿方程的解决方案的稳定性来定义一个更一般但更抽象的“固定状态”。使用变量的世界数据时，可以确保模型的全局特征。该模型的一个非常有趣的特征是，使用类似于牛顿动力学的术语给出了可持续性场景的途径。关键字：独特的动力系统，Volterra广义模型，“共轭”哈密顿对，准周期性动作，Lyapunov稳定性，全球固定状态。
城市规模评估固定能量存储支持端站的端站快速充电，用于不同的总线电流电平
在总线端站的快速充电电动巴士可能会导致公交运营商的高峰值收费。减少这些峰值电荷的一种有前途的方法是将快速充电站（FCS）与固定储能单元（SES）相结合。这项工作分析了在城市规模上安装最佳大小的SES的潜在成本降低，以不同的水平总线电力。结果表明，降低成本的潜力随着总线线电力水平的增加而降低。对于基于新加坡总线网络的案例研究，在电动机30％时，将SES安装在FCS上可以将总成本降低1.8％，而完全电动的总线网络的平均成本降低为0.4％。对结果与先前的研究的比较表明，成本降低潜力对峰值需求定价方法高度敏感。关键字 - 固定储能，峰顶剃须，电动公共汽车，城市尺度模拟，最佳尺寸
地静止环境监测光谱仪
背景：亚洲空气污染的空气污染状况现在被认为是世界上最大的环境健康风险。在全球范围内，2016年家庭和环境空气污染的共同影响归因于700万死亡，亚太国家占总死亡的60％以上（World Heath Statistics 2019）。与高水平颗粒物，对流层臭氧和其他污染物相关的空气质量降解对农业生产力和自然生态系统以及人类健康和福利都有影响。对流层气溶胶和臭氧也是主要的短期气候刺激者，但其辐射影响的估计仍然遭受较大的不确定性。了解空气污染，例如对排放，化学转化和运输的准确知识，对于污染控制至关重要。
固体量子中继器静止系统上不完美无相互作用纠缠纯化
摘要：固态量子中继器是大规模量子网络的核心部分，纠缠纯化是量子中继器的关键技术，用于从混合纠缠态的集合中提取高质量的非局域纠缠，并抑制噪声对量子信息载体的负面影响。本文提出一种适用于固态量子中继器的、无不完美相互作用的量子点中非局域电子自旋纠缠纯化方法，利用对电子自旋的忠实奇偶校验。在近乎现实的条件下，即使在微腔内嵌入的量子点与圆偏振光子之间存在不完美相互作用，忠实奇偶校验也可以在不破坏非局域固态纠缠的情况下对奇偶校验模式做出正确判断。因此，非完美相互作用纠缠纯化可以防止最大纠缠态转变为部分纠缠态，并保证纯化后非局域混合态保真度达到期望值。由于该方案在接近现实的不完美相互作用条件下是可行的，因此对实验实现的要求会放宽。这些独特的特性使得这种非完美相互作用纠缠纯化在用于大规模量子网络的固体量子中继器中具有更实际的应用。
远距离静止系统的多部分量子纠缠创建
摘要：我们提出了创建远程静止量子比特的多体格林伯格-霍恩-泽林格 (GHZ) 态和 W 态的有效协议。系统的非均匀性和/或非理想单光子散射通常会限制纠缠创建的性能，并导致实际量子信息处理中保真度和效率的下降。通过使用线性光学元件，由系统非均匀性和非理想光子散射引起的误差可以转化为协议中的预示损失。因此，生成的多体纠缠态的保真度保持不变，只有效率降低。远程静止量子比特的 GHZ 态以并行方式创建，其生成效率显着提高。在创建 N 个远程静止量子比特的 W 态的协议中，输入单光子以叠加态准备并并行发送到 N 条路径。我们利用双空间模式干涉消除了“哪条路径”单光子散射的“知识”，使得创建 N 量子比特 W 态的效率与静止量子比特的数量无关，而不是呈指数下降。