XiaoMi-AI文件搜索系统
World File Search Systemza
基于高斯的定向粒子群优化
粒子群优化 (PSO) 是一种迭代搜索方法，它使用随机步长将一组候选解决方案围绕搜索空间移动到已知的最佳全局和局部解决方案。在实际应用中，PSO 通常可以加速优化，因为梯度不可用且函数评估成本高昂。然而，传统的 PSO 算法忽略了从单个粒子的观察中可以获得的目标函数的潜在知识。因此，我们借鉴了贝叶斯优化的概念，并引入了目标函数的随机代理模型。也就是说，我们根据目标函数的过去评估拟合高斯过程，预测其形状，然后根据它调整粒子运动。我们的计算实验表明，PSO 的基线实现（即 SPSO2011）表现优异。此外，与最先进的代理辅助进化算法相比，我们在几个流行的基准函数上实现了显着的性能改进。总体而言，我们发现我们的算法实现了探索性和利用行为的理想特性。
哈萨克斯坦的可再生能源市场
气候议程是全球能源行业最重要的挑战之一，并且在世界上许多人口的意识上都高。脱碳和碳中立性，更严格的法规和限制二氧化碳排放的措施以及投资者对“绿化”其投资组合以支持可持续发展的渴望将对许多国家的燃料和电力部门产生重大影响。因此，可再生能源的能源正在成为传统能源的一种有吸引力的替代品，尤其是考虑到降低可再生能源生产设施成本的增长趋势，持续的技术开发，不断提高投资者需求和规模经济。这为RES的开发提供了重要的动力。但是，RES在发电中的份额仍然相对较小，并且不符合巴黎协议的减排目标。
人工智能在停车位优化中的作用
将人工智能融入停车管理具有巨大的潜力，可以优化停车位的分配，缓解交通拥堵，提高城市交通系统的整体效率。通过利用机器学习、计算机视觉和预测分析等人工智能技术，城市可以创建动态停车解决方案，以适应实时需求并为驾驶员提供个性化服务。这些人工智能驱动的方法不仅可以优化停车位，还可以通过最大限度地减少不必要的车辆移动和排放来减少城市交通对环境的影响。随着城市寻求应对出行挑战的可持续解决方案，人工智能在改变停车管理方面的作用变得越来越重要[3]。
芒果：长期，多人
这项研究介绍了芒果（多阶段能量优化），这是一种新型优化模型，结合了多年计划范围，以及灵活的多阶段投资策略，用于有效的，长期的分散多能系统（D-MES）的长期长期设计。通过考虑随着时间的流逝而发展的能源和技术 - 经济环境的动态，芒果利用投资灵活性的战略价值，并可以最佳地D-MES投资，以便从预计的未来降低的技术成本和技术改进中受益。为了实现这一目标，该模型考虑了最相关的动态方面，例如能源需求的年度差异，不断变化的能源运营商和技术价格，技术改进和设备退化。芒果还能够优化由安装在不同位置的多个相互连接的D-ME组成的复杂配置的设计。最后，该模型的公式还解决了可能在多阶段能量系统模型中扭曲解决方案的原子效应。除了介绍芒果的关键方面和数学表述外，本研究还使用该模型制定了一个30年的项目地平线，该计划是由瑞士苏黎世3个地点组成的城市地区。一个候选D-ME被考虑每个站点，并检查了有关建筑改造和D-MES互连的不同情况。总体结果表明，改造会导致排放水平较低，但成本明显更高。另一方面，D-MES互连可改善经济和环境系统的性能。最后，关于最佳的D-MES配置，使用了多种技术，并结合了空气源热泵和天然气锅炉的组合，从而提供了更好的经济性能以及地面源热泵和生物量锅炉的组合，以实现更环保的设计。总的来说，芒果通过在每个项目年内提供有关系统经济业绩的详细信息，通过提供有关系统的经济性能，并在技术层面上指定每个D-MES的最佳技术配置及其最佳操作时间表，从而在经济层面上提供灵活的多阶段投资策略来促进D-MES决策。具有长期的视角，芒果可以提供与能源开发人员领导的现实世界能量系统设计项目的动态类别相匹配的见解。
BOD 南瓜上线，亚布科阿
IREC 打算对社区进行电力供应系统升级，为关键负载服务提供至少 5KW 直流光伏发电 (PV) 和 13KWh 电池存储系统 (BESS) 的 DER，包括将集成到现有基础设施和转换开关的新配电板。这将在停电时启用更新的组件的自主自动电源备份服务方案，并使系统在恢复后执行到 LUMA 系统的封闭过渡。
职位名称：长期 COVID 和 ME/CFS 家庭和社区服务 (HCBS) 导航员 工作地点：远程（最好位于明尼苏达州） 组织：我的
该职位负责为患有长期 COVID、ME/CFS 和相关疾病的个人提供量身定制的以人为本的指导和直接申请协助，帮助他们申请明尼苏达州 MA 提供的家庭和社区服务。导航员的工作包括解释 MA 和长期服务和支持如何帮助患有长期 COVID、ME/CFS 或相关疾病的人。然后，导航员将帮助参与者了解、填写和提交申请 MA 所需的各种申请表和补充文件，这些申请表和补充文件将分阶段进行，以尽量减少参与者的症状恶化。在提交各种申请后，导航员将帮助监控申请状态并根据需要帮助解决申请处理问题，向参与者解释他们目前所处的过程以及接下来会发生什么。如果参与者需要支持，导航员将可以虚拟参加他们的 MNChoices 评估，帮助从长期 COVID、ME/CFS 的角度解释概念，并支持任何评估安排。导航员将远程工作，主要通过电话、电子邮件和视频会议与参与者沟通，时间安排灵活。
合成基因优化的计算工具
1. 易用性：咨询非技术学者，了解他们对每种工具的熟悉程度 2. 程序操作系统：多个操作系统上的程序分别在每个操作系统上进行测试。仅列出可运行的操作系统 3. 维护/更新：这些程序是否仍在更新也通过文档注明
信息论中的最佳重正化群变换
最近，引入了一种新颖的实空间重正化群 (RG) 算法。通过最大化信息论量，即实空间互信息，该算法可确定相关的低能自由度。受此启发，我们研究了平移不变系统和无序系统的粗粒化程序的信息论性质。我们证明，完美的实空间互信息粗粒化不会增加重正化汉密尔顿量中的相互作用范围，并且对于无序系统，它会抑制重正化无序分布中相关性的产生，从这个意义上讲是最优的。我们通过对干净随机的伊辛链进行任意粗粒化，通过经验验证了这些复杂性度量作为 RG 保留信息的函数的衰减。结果建立了 RG 作为压缩方案的性质与物理对象（即汉密尔顿量和无序分布）性质之间的直接且可量化的联系。我们还研究了约束对通用 RG 程序中粗粒度自由度的数量和类型的影响。
人工智能作为权利的新前沿......
首先，我必须感谢我的导师卡洛·卡索纳托 (Carlo Casonato) 和保罗·特拉弗索 (Paolo Traverso)，感谢他们相信我，并勇敢地为我提供了在不同学科之间工作的机会。我特别感谢前者在写作过程中给予我的宝贵建议和持续支持，也感谢后者给予我机会经常接触布鲁诺凯斯勒基金会并结识在其中工作的优秀专业人士。我还要非常感谢整个 BioDiritto 研究小组 (Carla、Cinzia、Elisabetta、Giulia、Lucia、Marta I、Marta II、Sergio 和 Simone)，他们让我从第一天起就感到宾至如归，不断给予鼓励，并提供许多团队合作的机会，让我始终面带微笑。尤其是玛尔塔，她是我的宝贵向导和忠实盟友，在困难时期我可以向她寻求建议和安慰。我还要感谢安德里亚 (Andrea)、洛伦佐 (Lorenzo)、莫妮卡 (Monica) 以及 Trentino Salute 4.0 团队的其他成员，我非常感谢他们在一个对我来说完全陌生的环境中给予我的欢迎，以及他们为我提供的无数跨学科融合的机会。出于同样的原因，我将永远感激 Paolo、Giorgia 和 Federico，他们和我一样都是与基金会有联系的法学家，为我提供了取之不尽的思想、激励和建议。此外，我还得到了慕尼黑马克斯普朗克社会法和社会政策研究所以及哥本哈根大学生物医学创新法中心研究人员的大力帮助，他们使我在国外的研究期间成为与其他法系的法学家交流的宝贵机会。对于这些机会，我首先要感谢 Ulrich Becker 教授、Timo Minnsen 教授和 Marcelo Corrales Compagnucci 教授，他们负责这些中心并给予了我热烈的欢迎。然后，还有我的家人——自从我出生以来，他们一直默默地支持和忍受着我——还有我的朋友，所有人。安吉拉、安娜、克劳迪娅、克劳迪奥、达维德、弗朗西斯科、弗朗西斯卡、乔治奥、乔瓦尼、朱利奥、艾琳、卢卡、玛蒂娜、罗伯托以及其他从小就陪伴我走过道路的人；安娜、阿尔贝托、安东内拉、基娅拉、克里斯蒂安、克拉拉、费德里科、乔治娅、朱莉娅、米歇尔、奥兰、萨拉、西蒙娜，他们是后来才来的，但在我看来，他们一直都在那里； CNR 的人；马里奥 (Mario)、亚历山德罗 (Alessandro) 和 Dinamo Kave 的所有人；因为足球，队友们成为了旅途中的伙伴； Berdien、Federico、Giovanni、Marta 和 Matteo，感谢这个世界上罕见的真挚友谊；我已不再见到他，但对他的记忆将永远使这些年变得特别。最后，埃琳娜。她知道为什么。
