XiaoMi-AI文件搜索系统
World File Search System下变
使用最小噪声分数（mnf）变换来分析...
最小噪声分数 (MNF) 变换 (Green 等，1988) 是一种由两个连续数据缩减操作组成的算法。第一个操作基于对数据中噪声的估计，该估计由相关矩阵表示。此变换通过方差来去相关并重新调整数据中的噪声。在此阶段，尚未考虑有关波段间噪声的信息。第二个操作考虑了原始相关性，并创建了一组包含原始数据集中所有波段方差加权信息的组件。该算法保留了特定的通道信息，因为所有原始波段都会对每个组件的权重做出贡献。通常，数据集中的大部分表面反射率变化都可以在前几个组件中得到解释，其余组件的方差主要由噪声贡献 (Boardman，1993)。还可以检查每个组件的权重值，指出对主要组件中包含的信息贡献最大的原始波段。然后使用主要成分将数据转换回其原始频谱空间，从而产生与提供的原始数据相同数量的转换通道。
镜子中的变异人：人工智能带来的酷儿成长
摘要：本文以酷儿为理论基础，探索设计与人工智能 (AI) 交互并以不同方式想象人工智能的可能性，为设计和人工智能的学术讨论做出了贡献。本文通过报告一项自理论实验来实现这一目标，在该实验中，我提出了以下问题：如果我们将人工智能理解为酷儿，一种处于形成状态的突变体；一种动态的、关系的、非二元的性别变体，会怎样？那么人工智能会如何以不同的方式出现在这个世界上并对我们人类采取行动？该实验使用生成对抗网络 (GAN) 来颠覆当今对人工智能的理解，并让新的人工智能命题生根发芽。这项工作让我们得以一窥设计拒绝的形式，这可能会让设计师在使用人工智能系统进行设计时认识到文化可计算性和自决性。
基于测量的变分量子特征值求解器的确定性分析
摘要 基于测量的量子计算 (MBQC) 是一种很有前途的方法，可以减少嘈杂的中型量子算法（例如变分量子特征值求解器 (VQE)）中的电路深度。与基于门的计算不同，MBQC 在预先准备的资源状态上使用局部测量，在电路深度和量子比特数之间提供权衡。确保确定性对 MBQC 至关重要，特别是在 VQE 环境中，因为测量模式缺乏流动性会导致在无关位置评估成本函数。本研究介绍了尊重确定性并类似于广泛使用的与问题无关的硬件高效 VQE 假设的 MBVQE 假设。我们使用 Schwinger Hamiltonian 和 XY 模型上的理想模拟来评估我们的方法，并在具有自适应测量功能的 IBM 硬件上进行实验。在我们的用例中，我们发现通过后选择确保确定性比通过自适应测量效果更好，但会增加采样成本。此外，我们提出了一种有效的 MBQC 启发式方法，用于在具有重十六进制连接的硬件上准备资源状态，特别是集群状态，需要单轮测量，并在具有 27 和 127 个量子比特的量子计算机上实现此方案。我们观察到较大集群状态的显着改进，尽管直接基于门的实现对于较小的实例实现了更高的保真度。
通过数字图像相关分析 1350°C 下陶瓷的不对称蠕变
在极高的温度下，陶瓷的关键参数之一是其抗蠕变性。蠕变行为的表征通常通过弯曲试验进行评估，当拉伸和压缩之间出现不对称时，蠕变行为的表征会变得复杂。为了检测和量化这种不对称行为，建议使用数字图像相关 (DIC)。首先，高温下 DIC 需要解决几个挑战，即随机图案稳定性、辐射过滤和热雾。由于加热陶瓷的可能性有限、应变场不均匀及其水平低，这些挑战更加严重。除了几项实验发展之外，由于使用了基于临时有限元运动学的两种 DIC 全局方法，应变不确定性得到了降低。最后，将所提出的方法应用于高抗蠕变性能设计的工业锆石陶瓷在 1350°C 下的不对称蠕变分析。
使用最小噪声分数 (mnf) 变换来分析...
最小噪声分数 (MNF) 变换 (Green 等，1988) 是一种由两个连续数据缩减操作组成的算法。第一个操作基于对数据中噪声的估计，该估计由相关矩阵表示。此变换通过方差对数据中的噪声进行去相关和重新调整。在此阶段，尚未考虑有关频带间噪声的信息。第二个操作考虑原始相关性，并创建一组包含有关原始数据集中所有频带方差的加权信息的组件。该算法保留了特定的通道信息，因为所有原始频带都对每个组件的权重有贡献。通常，数据集中的大部分表面反射率变化都可以在前几个分量中得到解释，其余分量包含的方差主要由噪声引起（Boardman，1993）。还可以检查每个分量的加权值，指向对主要分量中包含的信息贡献最大的原始波段。然后使用主要分量将数据转换回其原始光谱空间，从而产生与提供的原始数据相同数量的转换通道。
变分自动编码器用于多系统可靠性优化
摘要 — 多接入边缘计算 (MEC) 被视为未来无线网络不可或缺的一部分，用于支持对服务可靠性和延迟有严格要求的新应用。然而，由于无线链路的不确定性、有限的通信和计算资源以及动态网络流量，保证超可靠和低延迟 MEC (URLL MEC) 非常具有挑战性。启用 URLL MEC 要求考虑到无线和边缘计算系统中端到端 (E2E) 延迟和可靠性的统计数据。在本文中，提出了一种新颖的框架，通过考虑 E2E 服务延迟的分布来优化 MEC 网络的可靠性，包括无线传输和边缘计算延迟。所提出的框架基于相关变分自动编码器 (VAE) 来估计 E2E 服务延迟的完整分布。利用该结果，提出了一个基于风险理论的新优化问题，通过最小化条件风险价值 (CVaR) 作为 E2E 服务延迟的风险度量来最大化网络可靠性。为了解决这个问题，开发了一种新算法，可以有效地将用户的处理任务分配给 MEC 网络上的边缘计算服务器，同时考虑 VAE 学习到的 E2E 服务延迟的统计数据。模拟结果表明，所提出的方案优于几个不考虑 E2E 服务延迟风险分析或统计的基线。
解决自适应变分量子算法的核结构问题
我们使用Lipkin-Meshkov-Glick（LMG）模型和Valence空间核壳模型来检查核结构理论中变异量子量化的可能性能。LMG模型在其中一个阶段的均值级别上表现出相变和自发对称性的破坏，这些阶段表征了中等质量和重核中集体动力学的特征。我们表明，通过适当的修改，Adapt-VQE算法是一种特别灵活和准确的变化方法，并没有受到这些并发症的困扰。我们最多处理12个颗粒，并表明与量子数的数量线性接近地面能量所需的量子操作数量。将算法应用于SD和PF壳中具有逼真的相互作用的核心模型时，我们发现了类似的缩放尺度。尽管这些模拟中的大多数没有噪声，但我们使用Real IBM硬件的噪声模型表明，对于具有四个颗粒的LMG模型，弱噪声对算法的效率没有影响。
噪声中尺度量子电磁瞬变程序
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或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其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子 (NISQ) 设备使得量子神经网络 (QNN) 的变分量子电路 (VQC) 的实现成为可能。尽管基于 VQC 的 QNN 在许多机器学习任务中取得了成功，但 VQC 的表示和泛化能力仍需要进一步研究，特别是涉及到经典输入的降维时。在这项工作中，我们首先提出了一个端到端量子神经网络，即 TTN-VQC，它由一个基于张量训练网络 (TTN) 的量子张量网络组成，用于降维，还有一个 VQC 用于函数回归。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz (PL) 条件来表征 TTN-VQC 的优化特性。此外，我们对手写数字分类数据集进行了功能回归实验，以证明我们的理论分析。
变分量子电路制备低能对称态
摘要：我们探索如何构建量子电路，通过将给定汉密尔顿量显式编码到电路中来计算对称子空间内给定汉密尔顿量对应的最低能量状态。我们创建显式酉和变分训练酉，将由定义子空间中的 ansatz A(oL) 输出的任何矢量映射到对称空间中的矢量。对参数进行变分训练以最小化能量，从而将输出保持在标记的对称值内。该方法针对使用旋转和反射对称的自旋 XXZ 汉密尔顿量和使用 S 2 对称的 S z = 0 子空间内的 % 汉密尔顿量进行了测试。我们发现变分训练的酉在深度非常低的电路中给出了良好的结果，因此可用于在近期量子计算机中准备对称状态。