XiaoMi-AI文件搜索系统
World File Search System估计
无偏量子相位估计
早期的量子算法主要基于两种算法，Grover 搜索算法 [1] 和量子傅里叶变换 (QFT) [2, 3]。量子相位估计算法 (PEA) [2] 是 QFT 最重要的应用之一，也是许多其他量子算法的关键，例如量子计数算法 [4] 和 Shor 整数分解算法 [3]。基于 PEA 的寻序子过程被认为是 Shor 算法指数级加速的源泉。虽然 PEA 是在 20 多年前提出的，但它仍然是近年来的研究热点 [5, 6, 7]。相位估计还引发了一个更广泛的主题，即幅度估计 [8, 9, 10, 11, 12, 13]，包括最大似然幅度估计 [10]、迭代幅度估计 [12] 和变分幅度估计 [13]。此外，迭代相位估计算法 (IPEA) [14, 15, 16] 是 PEA 的一种更适合 NISQ (噪声-中间尺度量子) 的变体。在一定的 ϕ 选择策略下，IPEA 与 PEA [14] 完全相同，因此本文不再赘述。相位估计和振幅估计在量子化学 [17, 18, 19] 和机器学习 [20, 21] 等众多领域都有广泛的应用。给定一个执行幺正变换 U 的量子电路，以及一个本征态 | ψ ⟩
保真度估计的量子算法
∗ 王齐胜 (Qisheng Wang) 就职于清华大学计算机科学与技术系，北京，中国 (电子邮件：QishengWang1994@gmail.com)。† 张志成 (Zhicheng Zhang) 就职于澳大利亚悉尼科技大学量子软件与信息中心 (电子邮件：iszczhang@gmail.com)。部分工作是在作者就职于中国科学院大学期间完成的。‡ 陈克恩 (Kean Chen) 就职于中国科学院软件研究所计算机科学国家重点实验室和中国科学院大学 (电子邮件：chenka@ios.ac.cn)。§ 关继 (Ji Guan) 就职于中国科学院软件研究所计算机科学国家重点实验室 (电子邮件：guanj@ios.ac.cn)。 ¶ 王芳就职于中国科学院软件研究所计算机科学国家重点实验室和中国科学院大学（电子邮件： fangw@ios.ac.cn ）。‖ 刘俊义就职于中国科学院软件研究所计算机科学国家重点实验室和中国科学院大学（电子邮件： liujy@ios.ac.cn ）。∗∗ 应明生就职于中国科学院软件研究所计算机科学国家重点实验室和清华大学计算机科学与技术系（电子邮件： yingms@ios.ac.cn ）。
量子相位估计的统计方法
摘要 我们引入了一种新的统计和变分相位估计算法 (PEA)。与仅返回特征相位估计的传统和迭代 PEA 不同，所提出的方法可以利用用于迭代 PEA (IPEA) 的硬件的简化版本从给定的酉矩阵确定任何未知的特征态-特征相对。这是通过将 IPEA 类电路的概率输出视为特征态-特征相接近度量来实现的，使用此度量来估计输入状态和输入相位与最近的特征态-特征相对的接近度，并通过输入状态和相位的变分过程接近该对。该方法可以搜索整个计算空间，也可以有效地在某个指定范围（方向）内搜索特征相（特征态），从而使那些对其系统有一定先验知识的人可以搜索特定的解决方案。我们展示了使用 Qiskit 包在 IBM Q 平台和本地计算机上对该方法的模拟结果。
策略频率估计软件包
摘要 stratEst 是一个用于策略频率估计的软件包，它运行在免费统计计算环境 R 中（R 统计计算基金会的 R 开发核心团队，维也纳，2022 年）。该软件包旨在最大限度地降低运行实验经济学中使用的现代策略频率估计技术的启动成本。策略频率估计（Stahl 和 Wilson 在 J Econ Behav Organ 25：309-327，1994；Stahl 和 Wilson 在 Games Econ Behav，10：218-254，1995）将经济实验中参与者的选择建模为单个决策策略的有限混合。模型的参数描述了每个策略的相关行为及其在数据中的频率。stratEst 为策略频率估计提供了一个方便灵活的框架，允许用户自定义、存储和重用候选策略集。该软件包包括用于数据处理和模拟、策略编程、模型估计、参数测试、模型检查和模型选择的有用函数。
基于能量的模型的流对比估计
本文研究了一种联合估计基于能量的模型和基于流的模型的训练方法，其中两个模型基于共享的对抗值函数进行迭代更新。该联合训练方法具有以下特点：（1）基于能量的模型的更新基于噪声对比估计，流模型作为强噪声分布。（2）流模型的更新近似地最小化了流模型与数据分布之间的 Jensen-Shannon 散度。（3）与生成对抗网络（GAN）估计由生成器模型定义的隐式概率分布不同，我们的方法估计数据上的两个显式概率分布。使用所提出的方法，我们证明了流模型的综合质量的显著改进，并展示了通过学习到的基于能量的模型进行无监督特征学习的有效性。此外，所提出的训练方法可以轻松适应半监督学习。我们取得了与最先进的半监督学习方法相媲美的成果。
关于估计地图模型误差和 GPS...
为了确定是否可以安全地执行所需的操作，谨慎的导航员必须了解其车辆定位系统的当前空间不确定性以及用于描绘战区的导航地图模型的空间不确定性。从安全导航的角度来看，了解数据的准确性与数据本身一样重要。本文讨论了 GPS 车辆定位误差和特定于水深地图模型（图表）的相对较大的数据建模误差对电子海图 (EC) 的影响。它提出并演示了软件解决方案，这些解决方案可以统计评估这两种空间不确定性，并在 EC 环境中以图形方式集成这两个随机模型。本文还记录了加拿大水文服务局进行的一项实验，旨在确保实时 DGPS 用户计算出统计上有效的位置误差估计。实验使用传统的伪距冗余实时误差分析获得了位置误差估计，并对其进行了地面实况分析。利用这些地面实况信息，根据经验确定了改进的伪距误差模型。新的伪距误差模型使用 Novatel GPS 接收器计算出的估计伪距方差不断更新，而不是应用最小二乘调整中典型的恒定先验伪距方差。这种动态范围误差模型有效地减少了观测到的误差与其预测的误差估计之间的统计偏差。改进的范围误差模型还显著提高了位置解的性能。修改后的软件计算的所有 DGPS 位置的定位精度均优于 0.5 米。
国家能源价格和支出估计
Alabama 3.12 8.24 32.73 23.05 26.05 29.00 16.54 36.29 29.95 0.64 3.18 11.59 3.93 34.01 23.36 Alaska 4.62 7.77 35.45 25.59 26.69 46.12 20.04 25.92 31.85 — 15.04 22.94 7.78 60.83 26.92 Arizona 2.87 9.40 34.02 27.27 25.80 37.10 — 32.26 34.57 0.66 8.42 17.08 4.32 33.16 31.79 Arkansas 2.36 9.45 32.75 23.57 25.98 29.34 — 31.54 30.50 0.50 3.63 12.97 3.49 29.08 23.83 California 4.02 13.85 42.11 27.32 26.08 42.81 26.83 40.85 38.92 0.61 4.13 27.89 7.76 65.56 37.38 Colorado 1.93 9.88 33.44 23.66 26.89 31.65 — 35.57 31.44 — 13.10 18.33 3.82 34.49 26.12 Connecticut — 11.18 32.31 36.61 26.99 33.83 22.48 30.33 32.93 0.59 4.71 17.40 4.82 61.77 33.33 Delaware 3.12 9.95 33.88 28.03 27.03 32.71 20.03 32.01 31.96 — 4.26 21.71 6.86 34.97 27.74 Dist.
估计生成-AI的环境影响
由于数字服务越来越多地被部署和使用，因此信息和通信技术（ICT）的环境影响是一个问题。人工智能正在推动这种增长的某些增长，但其环境成本几乎没有研究。大规模生成模型（例如Chatgpt）的最新趋势特别引起了人们的注意，因为他们的培训需要大量使用大量的专业计算资源。这些模型的推断可以在网络上作为服务访问，并将其进一步动员最终用户终端，网络和数据中心。因此，这些服务有助于全球变暖，加重金属稀缺性并增加能源消耗。这项工作提出了一种基于LCA的方法，以考虑生成AI服务的环境影响的多标准评估，考虑到培训模型所需的所有资源的体现和使用成本，从中推断出来并在线托管它们。我们以稳定的扩散作为服务来说明我们的方法，这是一种可在线访问的开源文本对图像生成的深度学习模型。此用例基于对稳定扩散训练和推理能量消耗的实验观察。通过敏感性分析，探索了估计用法强度对影响源的影响的各种情况。
2020估计的市场价格基准。 ...
PCIA的计算是在D.11-12-018中建立的，最近在D.19-10-001中进行了完善。3 PCIA或公用事业的冷漠量相当于公用事业公司在给定年内的市场价值降低其市场价值。市场价值在d.19-10-001中定义为“以美元计量的估计财务价值，这归因于能源资源的公用事业投资组合，目的是计算给定年份的电费无差调整。” D.19-10-001将市场价格基准（MPB）定义为“与公用事业投资组合中三个主要价值相关的每单位价值（不是总投资组合价值）的估计（能源，资源充足性和可再生能源）”。作为市场价值总体计算的一部分，将4个MPB乘以相关投资组合量。预测的加法器是旨在减少冷漠量的不确定性的机制，而真正的UP加成器是旨在将实际实现的市场收入与预测值相结合的机制。ra加法器是MPB，它反映了公用事业投资组合中每个容量单位的估计值，可用于满足资源充足义务，为每千瓦年度的美元价值（$/kW年）。RA加法器具有三个子组件，反映了遵守RA计划所需的每种RA产品：系统，本地和灵活。5