XiaoMi-AI文件搜索系统
World File Search System优化程序
紧凑型 UHF RFID 标签天线的分析、设计和制造
摘要：本文介绍了一种微型标签天线，可用于 RFID UHF 美国频段、自由空间或金属环境中。所提出的天线印刷在单层 FR4 基板上，并首先设计为在自由空间中工作。π 匹配的形状使我们能够实现天线阻抗与芯片阻抗之间的良好匹配。CST 和 HFSS 中的模拟结果之间的对应关系促使我们制造了标签的原型。之后，我们在金属区域中模拟了所提出的天线，通过添加一个方形金属板并用泡沫层与天线隔开，以测试标签在此环境中的性能。优化程序使我们能够在金属环境中实现良好的性能。最后，我们测试了制造的标签的读取范围。我们获得了约 6.5m 的良好范围。我们提出的标签的最终设计结构简单，尺寸为 51×26,63×0.8 𝑚𝑚 3，与在 915 MH 谐振频率下工作的贴片天线的理论计算尺寸相比，减少了 88,64%。
通过在线学习中使用BUNDIT反馈
由于沟通成本高，联合学习（FL）系统需要采样每一轮培训的客户的子集。因此，客户采样在FL系统中起着重要作用，因为它影响了用于训练机器学习模型的优化算法的收敛速率。尽管其重要性，但如何有效地对客户进行采样的工作有限。在本文中，我们将客户取样作为在线学习任务，并使用Bandit反馈进行，我们使用在线随机镜下降（OSMD）算法来解决，该算法旨在最大程度地减少采样差异。然后，我们在理论上展示了我们的采样方法如何在广泛使用的均匀采样上提高联合优化算法的收敛速度。通过模拟和实际数据实验，我们从经验上说明了拟议的客户采样算法的优势，而不是统一采样和现有的基于在线学习的采样策略。所提出的自适应采样程序适用于此处研究的FL概率，可用于改善随机优化程序的性能，例如随机梯度下降和随机坐标下降。
电阻偶极加速器的比较分析... -IRIS
摘要 - 这项工作着重于在国际Muon Collider合作（IMCC）框架内研究的MUON对撞机加速器的电阻偶极子磁铁的设计以及欧盟（Mucol Pro-gram）的参与。设计规格要求这些偶极子被列为非常快速的坡道，坡道时间在1 ms到10 ms的范围内。这反过来又导致需要非常高的功率，以数十GW的顺序为需要实现的快速循环同步性（RC）链。对于磁铁设计，考虑了三种几何配置，并在这项研究中进行了比较，即沙漏磁铁（以前在美国Muon Collider设计研究中考虑），窗框磁铁和H型磁铁。进行了优化程序，以最大程度地减少磁铁中存储的能量，以降低快速坡道期间的能量。根据总存储能量，运营量周期中的总损失和现场质量，比较了本文中三种考虑的配置的结果。由于低储存能量和低损耗，H型磁铁被识别为适合配置。
地下洞室的地球物理探测
abtract：在本文中，我们介绍了在洛林盐盆地和高级 - 荷马族杂质中选择的实验地点进行的地球物理研究的合成。这些研究是在使用高分辨率地震，微重力和电阻率的技术的伴有（科学和工业）研究计划（科学和工业）研究计划的框架内进行的。该研究的目的是三倍：（1）通过增强了每种技术的生成和优化的扫描和优化程序，以增强和优化P和S地震振动源，以定义特权应用程序领域，并定义有关地球体物理数据联合解释的一般站点（3）的一般环境（3）的限制。尽管数据的质量很高，但结果证明了腔体环境中地球物理反应的复杂性，这主要是由于分辨率和腔的比例深度/维度之间的妥协以及填充的性质（盐水，水，水，空气）的性质。在泥石雷矿山的情况下，相应的地球物理异常可以与根据档案记录所知的Marlpit的确切位置相关。钻探运动已经确认在唯一高分辨率地震数据上鉴定出的Marlpit的局部崩溃。k eywords：腔，检测，人力资源，微重力，电阻率，分辨率。
主题：动议提交七项 FEMA 项目批准、保密处理请求和支持性法律备忘录
2 例如，请参阅关于审查 LUMA 系统运行原则的 NEPR-MI-2021-0001（2021 年 5 月 3 日决议和命令）；关于审查波多黎各电力管理局系统补救计划的 NEPR-MI-2020-0019（2021 年 4 月 23 日命令）；关于审查 LUMA 初始预算的 NEPR-MI-2021-0004（2021 年 4 月 21 日命令）；关于实施波多黎各电力管理局综合资源计划和修改后的行动计划的 NEPR MI 2020-0012（2021 年 1 月 7 日决议，授予 PREPA 提交的作为 CEII 的部分机密信息称号）；关于微电网输配电投资优化程序，NEPR-MI 2020-0016（其中，PREPA 提交了保密文件，其中援引了文件中包含机密信息和 CEII 等内容）；关于波多黎各电力管理局综合资源计划审查，CEPR-AP-2018-0001（2019 年 7 月 3 日的决议和命令，授予机密指定，并由 PREPA 提出请求，其中包括商业机密和 CEII。但是，请参见 2021 年 2 月 12 日的决议和命令，部分撤销了授予机密指定的决定）。3 关于波多黎各电力管理局物理安全计划审查，NEPR-MI-2020-0018。
具有深度强化学习的参数 PDE 控制......
参数偏微分方程 (PDE) 的最优控制在工程和科学领域的许多应用中都至关重要。近年来，科学机器学习的进步为参数偏微分方程的控制开辟了新的领域。特别是，深度强化学习 (DRL) 有可能在各种应用中解决高维和复杂的控制问题。大多数 DRL 方法依赖于深度神经网络 (DNN) 控制策略。然而，对于许多动态系统，基于 DNN 的控制策略往往过度参数化，这意味着它们需要大量的训练数据、表现出有限的鲁棒性并且缺乏可解释性。在这项工作中，我们利用字典学习和可微分 L 0 正则化来学习参数偏微分方程的稀疏、鲁棒和可解释的控制策略。我们的稀疏策略架构与 DRL 方法无关，可以在不同的策略梯度和参与者-评论家 DRL 算法中使用，而无需改变其策略优化程序。我们在控制参数化 Kuramoto-Sivashinsky 和对流-扩散-反应 PDE 的挑战性任务上测试了我们的方法。我们表明，我们的方法 (1) 优于基于 DNN 的基准 DRL 策略，(2) 允许推导所学最优控制律的可解释方程，以及 (3) 推广到 PDE 的未知参数而无需重新训练策略。
在超导量子比特上实现量子计算
量子计算利用量子力学进行计算，超导量子比特是目前实现量子计算机的更成熟的技术。在本文中，我们描述了量子处理器单元 (QPU) 的实现，该单元用于通过使用信号发生器在超导量子比特设备上以微波脉冲的形式执行指令并执行量子比特读出。我们进一步扩展 QPU 作为执行量子比特表征任务（例如光谱和退相干测量）的平台，以确定和优化执行量子门操作的工作参数。我们还展示了 QPU 在执行量子比特实验中的用途，例如高斯和因式分解以确定整数的因数和贝尔不等式测试以检查一对量子比特之间的纠缠强度。我们在将量子电路编译成微波脉冲序列以供 QPU 执行时弥合了量子计算和量子比特硬件之间的鸿沟。讨论了编译过程以及硬件限制和编译前优化程序。最后，我们展示了一个执行变分量子算法的示例，并将该示例分解为从用户提供的量子电路到将在 QPU 上执行的脉冲序列的所有层。
utrgan：学习生成5'UTR序列以优化翻译效率和基因表达
摘要。mRNA的5'未翻译区域（5'UTR）对于该分子的可翻译性和稳定性至关重要，这对于设计合成生物学回路至关重要。几个UTR序列已获得专利，并广泛用于实验室。本文介绍了乌特甘（Utrgan），这是一种生成对抗网络（GAN）的模型，用于生成5'UTR序列，并与优化程序相结合，以确保目标基因序列或高核糖体负载和翻译效率的高表达。该模型生成模仿天然UTR的各种特性的序列，并优化它们以实现目标基因上的平均表达高达5倍，（ii）与初始UTR序列相比，平均核糖体负载高达2倍，（iii）提高平均平均翻译效率34倍。utrgan生成的序列在诸如内部核糖体进入位点，上游开放式阅读框架，G Quadruplexes以及Kozak和Initiation Start Start Codoon区域中，与已知的调节基序相似。体外实验表明，与人类beta Globin 5'UTR相比，UTRGAN设计的UTR序列导致人类TNF-α蛋白的翻译速率更高，这是一个具有较高生产能力的UTR。
在特定道路上减少晕动症的最佳速度曲线
晕动病 (MS) 是大多数交通系统存在的问题。文献中提出了几种针对汽车此类问题的对策，但大多数是定性的、行为性的或涉及复杂的底盘系统。随着人们对自动驾驶汽车的兴趣日益浓厚，MS 问题可能变得非常重要，以至于它会削弱其在提高生产率方面的优势；不解决这类问题可能会限制用户的接受度，降低自动驾驶汽车的安全性和环境影响。本研究提出了一种新方法，通过优化给定路径的速度曲线，将最短旅行时间与最小晕动病发生率 (MSI) 相结合。通过模拟，使用一个简单的车辆模型来比较几种策略，评估哪些有效，哪些无效。优化任务被表述为非线性模型预测控制 (NMPC)，并沿路径计算一系列优化程序；这些策略是在 NMPC 问题的成本函数中实施的，评估它们的性能，并确定是否必须使用数值 MS 模型才能显着降低 MSI。结果表明，并非所有成本函数都是有效的，但可以在不对其动态进行建模的情况下减少 MS；然而，在效率和效率方面，考虑当前 MSI 的使用 MS 模型的策略优于其他成本函数。这种定量方法可用于运动
混合电动汽车充电站中可再生能源跟踪和优化
摘要：增加的电动汽车电流需要升级和扩展可用的充电基础设施。不受控制的充电周期极大地影响了电网，因此，可再生能源和电池存储已被整合到混合充电站解决方案中。在充电站添加可再生源和电池可以帮助“缓冲”网格所需的功率，从而避免峰值和相关的网格约束。迄今为止，尚未追踪来自电池的能量的来源。在本文中，提出了混合动力汽车充电站的解决方案，并提出了小规模的光伏系统和电池能量存储，以消除不受控制的电动汽车充电的不良影响，并准确地计算了来自电池中能量的可再生能源共享。电池和电动汽车充电水平的充电/放电时间表进行多准则优化的方法是基于多属性效用理论。优化标准包括最小化充电成本，可再生能源的最大化（来自太阳能电厂和电池）以及电池降解的最小化。使用遗传算法优化程序解决了该问题，该过程适合多准则优化函数。在一个说明性示例中测试了该方法，并且证明决策者的偏好极大地影响了最佳策略和最佳电池容量的选择。