XiaoMi-AI文件搜索系统
World File Search System一类
一类广义特征值问题的量子相位估计
免责声明 本文件为美国政府机构赞助工作的记录。美国政府、劳伦斯利弗莫尔国家安全有限责任公司及其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或劳伦斯利弗莫尔国家安全有限责任公司对其的认可、推荐或支持。本文表达的作者观点和意见不一定代表或反映美国政府或劳伦斯利弗莫尔国家安全有限责任公司的观点和意见，不得用于广告或产品代言目的。
基于氨基吡咯支架的HIV-1核素蛋白的一类有效抑制剂
能量数据包网络（EPN）由n个块形成的排队网络组成，其中每个块由一个数据队列形成，该数据队列处理工作负载和一个能量队列，可以处理能量包。我们研究一个EPN模型，其中能量数据包启动转移。在此模型中，能量数据包被发送到同一块的数据队列。如果数据队列不是空的，则能量数据包将一个工作负载数据包路由到下一个块，否则会丢失。我们假设能量队列具有有限的缓冲尺寸，并且如果缓冲区满足时，可以执行缓冲区时能量数据包到达系统，则执行跳跃障碍（JOB），因此，由于某种概率，它将发送到数据队列，否则会丢失。我们首先提供了跳跃阻塞概率的值，以便队列中数据包的稳态概率分布允许产品形式解决方案。在FCF，Preemptive LCF和PS纪律下为多类数据包队列建立了产品表格。此外，在有向树排队网络的情况下，我们表明每个子树中的数据数据包数量随着每个块的工作概率增加而减小。©2021作者。由Elsevier B.V.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
神经符号人工智能：一类新兴的人工智能工作负载及其特征
摘要 — 神经符号人工智能是人工智能研究的一个新领域，旨在将传统的基于规则的人工智能方法与现代深度学习技术相结合。神经符号模型已经证明了在图像和视频推理等领域超越最先进的深度学习模型的能力。它们还被证明能够以比传统模型少得多的训练数据获得高精度。由于该领域出现的时间较晚，且已发表的结果相对稀少，这些模型的性能特征尚不清楚。在本文中，我们描述和分析了三种近期神经符号模型的性能特征。我们发现，由于复杂的控制流和低操作强度运算（例如标量乘法和张量加法），符号模型的潜在并行性低于传统神经模型。然而，在它们明显可分离的情况下，计算的神经方面主导着符号部分。我们还发现数据移动会造成潜在的瓶颈，就像在许多 ML 工作负载中一样。索引术语 — 神经符号、机器学习、性能、推理
Bafilomycins：一类来自微生物、动物细胞和植物细胞的膜 ATPase 抑制剂
在原核生物和真核生物中，大多数已鉴定的离子泵 ATPase 属于以下三种结构类型之一。（i）F1Fo ATPase（F 型）存在于线粒体内膜（2）、叶绿体类囊体膜（3）和细菌细胞质膜（4）中。（ii）E1E2 ATPase（P 型）存在于真菌（5）、植物（6）和动物的细胞质膜中[包括 Na'，K4-ATPase（7）和 H +，K + -ATPase（8）]，以及肌细胞的肌浆网（Ca 2+-ATPase）（9）和细菌细胞质膜（K+-ATPase）（10，11）。 (iii) 已鉴定出第三类 ATPase（V 型），并从真菌和植物液泡（参考文献 12 及其中的参考文献）、包被囊泡（13、14）和嗜铬颗粒（15、16）的膜中部分纯化。正如 Mellman 等人（17）所建议的，我们使用术语“液泡 ATPase”来指代第三类 ATPase。F1Fo ATPase 通常使用 H+ 的电化学梯度（18）或偶尔使用 Na+ 梯度（19）来合成 ATP。这种类型的酶也表现出 ATPase 活性，在某些情况下仅在用蛋白酶活化后才表现出 ATPase 活性（20）。叠氮化物和 N,N'-二环己基碳二酰亚胺可抑制 F1Fo ATPase 的酶活性；寡霉素也可抑制线粒体 ATPase（21）。在 E1E2 ATPases 中，ATP 水解释放的能量与阳离子跨膜转运偶联。酶循环通过构象状态，包括形成磷酸化中间体。酶活性不受叠氮化物或寡霉素的影响，但被钒酸盐特异性抑制，在大多数情况下被 N-乙基马来酰亚胺和异硫氰酸荧光素抑制，而对于 Na4 ,K4-ATPase，则被乌巴因抑制 (5-11)。液泡 ATPases 似乎会水解 ATP，产生质子梯度，用于酸化细胞内区室 (12、17、22)。这组 ATP 酶因其抑制剂特异性而与其他两组 ATP 酶区分开来。液泡 ATPase 不受叠氮化物、寡霉素、钒酸盐或乌巴因的抑制。相反，
基于最优人工智能的调节控制器在一类嵌入式非线性电力系统中的应用
本文研究了蝙蝠启发算法 (BIA) 的实施，作为一种优化技术，以找到两类控制器的最佳参数。第一种是经典的比例-积分-微分 (PID)。第二种是混合分数阶和大脑情感智能控制器。这两个控制器分别用于具有三个物理嵌入非线性的单区域电力系统的负载频率控制。第一个非线性代表发电速率约束 (GRC)。第二个是由于调速器死区 (GDB)。最后一个是由于调速器-涡轮机链路、热力学过程和通信通道施加的时间延迟。这些非线性已嵌入到所研究系统的仿真模型中。已应用 Matlab/Simulink 软件来获得应用两类控制器的结果，这些控制器已使用 BIA 进行了最佳调整。已选择平方误差积分 (ISE) 标准作为目标函数的元素，以及百分比超调量和稳定时间，以实现两个控制器的最佳调节技术。仿真结果表明，当使用混合分数阶和大脑情感智能控制器时，它比传统的比例积分微分 (PID) 控制器提供更好的响应和性能指标。
一类纯失相模型中的相关性、信息回流和客观性
摘要：我们严格审查了系统与其环境片段之间建立的相关性在表征随后的动态方面所起的作用。我们采用了具有不同初始条件的去相位模型，其中初始环境的状态代表可调节的自由度，该自由度在定性和定量上影响相关性曲线，但仍然会导致系统的动态降低。我们应用最近开发的表征非马尔可夫性的工具来仔细评估相关性（由（量子）詹森-香农散度和相对熵量化）以及环境状态的变化在量子达尔文主义范式中的经典客观性条件是否得到满足方面所起的作用。我们证明，对于来自不同微观模型的完全相同的非马尔可夫系统简化动力学，一些表现出量子达尔文主义特征，而另一些则表明不存在任何有意义的经典客观性概念。此外，我们的研究结果强调，环境的非马尔可夫性质并不会先验地阻止系统冗余地增殖相关信息，而是系统建立必要相关性的能力才是体现经典客观性的关键因素。
通过化学进化方法优化的一类新型 mRNA 脂质纳米粒子 (LNP)
2 优化合成核酸和蛋白质纳米载体：化学进化方法 ...................................................................................................... 16
ODHD：用于异常值检测的一类脑启发式超维计算
异常值检测是一项经典且重要的技术，已用于医疗诊断和物联网等不同应用领域。最近，基于机器学习的异常值检测算法，例如一类支持向量机（OCSVM）、隔离森林和自动编码器，在异常值检测方面表现出色。在本文中，我们彻底摆脱这些经典学习方法，提出了一种基于超维计算（HDC）的异常值检测方法 ODHD。在 ODHD 中，异常值检测过程基于 PU 学习结构，其中我们基于正常样本训练一类 HV。此 HV 表示所有正常样本的抽象信息；因此，任何相应 HV 与此 HV 不同的（测试）样本都将被视为异常值。我们使用六个不同应用领域的数据集进行了广泛的评估，并使用三个指标（包括准确率、F1 分数和 ROC-AUC）将 ODHD 与 OCSVM、隔离森林和自动编码器等多种基线方法进行了比较。实验结果表明，对于每个指标，ODHD 在每个数据集上的表现都优于所有基线方法。此外，我们对 ODHD 进行了设计空间探索，以说明性能和效率之间的权衡。本文提出的有希望的结果为传统异常值检测学习算法提供了一种可行的选择和替代方案。
基于差分平面度的一类 3D 空中机械手的 6D 位姿任务轨迹跟踪
I. 引言 A. 背景与动机 近年来，空中操控引起了机器人研究界的极大兴趣 [1]。多个研究小组展示了使用安装在空中机械手上的夹持器进行空中抓取 [2]–[4]。Lee 和 Kim、Kim 等人展示了协作式空中机械手在有障碍物的环境中抓取未知有效载荷 [5]，[6]。Orsag 等人演示了使用四旋翼平台和安装在平台上的双臂执行拾取和钉孔任务 [7]。欧盟第七框架计划资助了几个空中机械手项目，研究空中机械手与环境交互时的运动规划和阻抗控制 [8]–[10]。德国航空航天中心的一个研究小组介绍了安装在直升机上的 7 自由度人形手臂的潜在应用 [11]。类似 Delta 的机构 [12] 和并联机械手 [13] 也被考虑用于空中机械手。这些现有的研究为空中操纵的研究提供了广阔的未来。然而，与地面操纵器相比，空中操纵器能够完成的任务仍处于非常初级的阶段。这是由于许多因素造成的，例如
多元函数的量子傅里叶分析及其对一类薛定谔型偏微分方程的应用
在这项工作中，我们基于傅里叶分析开发了一种高效的函数和微分算子表示。利用这种表示，我们创建了一种变分混合量子算法，用于求解静态、薛定谔型、哈密顿偏微分方程 (PDE)，使用空间高效的变分电路，包括问题的对称性以及全局和基于梯度的优化器。我们使用该算法通过计算三个 PDE（即一维量子谐振子和 transmon 和 flux 量子比特）中的基态来对表示技术的性能进行基准测试，研究它们在理想和近期量子计算机中的表现。利用这里开发的傅里叶方法，我们仅使用三到四个量子比特就获得了 10-4 –10-5 阶的低保真度，证明了量子计算机中信息的高度压缩。实际保真度受到实际计算机中成本函数评估的噪声和误差的限制，但也可以通过错误缓解技术来提高。