介绍了一种稳健且快速的软件,用于求解广义 Sylvester 方程 (AR – LB = C, DR – LE = F),其中未知数为 R 和 L。这种特殊的线性方程组及其转置可用于计算广义特征值问题 S – AT 的计算特征值和特征空间的误差界限、计算同一问题的缩小子空间以及计算控制理论中出现的某些传递矩阵分解。我们的贡献有两方面。首先,我们重新组织了此问题的标准算法,在其内部循环中使用 3 级 BLAS 运算(如矩阵乘法)。这使得 IBM RS6000 上的算法速度提高了 9 倍。其次,我们开发并比较了几种条件估计算法,这些算法可以廉价但准确地估计该线性系统解的灵敏度。
Qudit是一种多级计算单元的替代品,可替代2级量子。与Qubit相比,Qudit提供了更大的状态空间来存储和过程信息,因此可以降低电路复杂性,简化实验设置以及算法效率的实现。本评论提供了基于Qudit的量子计算的概述,涵盖了从电路构建,算法设计到实验方法的各种主题。我们首先讨论了Qudit Gate的通用性和各种Qudit门,包括Pi/8 Gate,交换门和多级别控制的门。然后,我们介绍了几种代表性量子算法的QUDIT版本,包括Deutsch-Jozsa算法,量子傅立叶变换和相位估计算法。最后,我们讨论了用于QUDIT计算的各种物理实现,例如光子平台,铁陷阱和核磁共振。
对于高阿尔法研究飞行器飞行试验,HI-FADS 计算是在飞行后使用遥测到地面的压力数据进行的。为了能够作为实际飞行系统的一部分自主运行,HI-FADS 算法被集成到一个实时系统中,该系统包括压力传感器、计算硬件、机载程序数据存储和飞机仪表系统接口。该系统即实时刷新空气数据传感 (RT-FADS) 系统,在美国宇航局德莱顿 F-18 系统研究飞机 (SRA) 上进行了飞行测试。本文介绍了 RT-FADS 测量系统,包括基本测量硬件、空气数据参数估计算法和确保算法对传感器故障具有容错性的冗余管理方案。本文介绍了系统校准方法以及亚音速、大攻角和超音速飞行状态下的系统性能评估。
锂电池是电动汽车,便携式设备和储能系统等物品中最常见的能源存储设备。但是,如果未连续监控锂电池,它们的性能可能会降低,寿命会缩短,或者可能引起严重的损害或爆炸。为了防止此类事故,我们提出了基于健康状况的锂电池状态监测方法和充电状态估计算法。以及电动汽车中的速度控制是必须的,因为它用于影响电动机和机械的旋转速度。这对机器的运行有直接影响,并且对工作的质量和结果至关重要。li-ion电池中有很多能量,而热失控的加速度越快,电池本身就越多。如果电池充满电,并且内部发生了一些事情,那么热失控将很快发生。要克服这一点,需要对电动汽车进行防火保护。
我们研究了 transmon 量子比特与经典引力场的相互作用。利用引力红移和 Aharonov-Bohm 相位的一般现象,我们表明纠缠量子态以通用速率失相。引力相移用量子计算噪声通道来表示。我们给出了一种基于改进的相位估计算法的测量协议,该算法与相位漂移呈线性关系,最适合测量从引力通道获取的小相位。此外,我们提出基于量子比特的平台作为精密重力仪和机械应变计的量子传感器,作为该现象实用性的一个例子。我们估计测量局部重力加速度的灵敏度为 δg/g ∼ 10 − 7 。本文表明经典引力对量子计算硬件有着不小的影响,并说明了量子计算硬件如何用于计算以外的目的。虽然我们关注超导量子比特,但我们指出引力相位效应对所有量子平台都具有普遍性。
摘要 — 雷达遥感高度提取是建筑物检测与识别中一个备受关注的问题。根据对SAR图像中建筑物几何特性的分析,提出了一种基于模型的几何结构预测与匹配策略的高度估计算法。引入距离多普勒方程并对其进行简化,用于倾斜图像平面中建筑物二维几何结构预测。还建立了一个基于指数加权平均值比(ROEWA)的评估函数,用于预测结构与观测到的SAR图像之间的匹配。通过结合遗传算法(GA),最大化评估函数以获得最佳高度参数。使用模拟和真实的机载和星载SAR图像的实验结果表明,所提出的方法可以有效地从单个SAR图像估计建筑物高度,并且在部分遮挡情况下比两种流行的算法取得更好的性能。
摘要。使用经典计算机模拟量子计算已成功帮助研究过于复杂而无法进行分析的量子算法和电路。量子计算模拟器的当前实现仅限于两级量子系统。高维量子计算系统的最新进展证明了使用多级叠加和纠缠的可行性。这些进步允许在保持量子纠缠的同时灵活增加系统的维度数,实现更高的信息编码,并使量子算法不易受到退相干和计算错误的影响。在本文中,我们介绍了一种新型的高维云量子计算模拟器 QuantumSkynet。该平台允许模拟基于 qudit 的量子算法。我们还提出了高维量子门的统一泛化,可用于 QuantumSkynet 中的模拟。最后,我们报告了使用 QuantumSkynet 对基于 qudit 的 Deutsch-Jozsa 版本和量子相位估计算法进行的模拟及其结果。
摘要 —本文提出了一种针对实际条件下运行的锂离子电池 (LIB) 使用长短期记忆循环神经网络 (LSTM) 的精确充电状态 (SOC) 估计算法。凭借其自学习能力,这种数据驱动的方法能够模拟整个电池寿命期间由于环境和工作条件变化而导致的 LIB 高度非线性行为。结果表明,在准确性和稳定性方面,LSTM 方法优于使用扩展卡尔曼滤波器 (EKF) 的常见物理模型。为了证明这一优势在实际应用中的优势,使用从储能领域的商业行业应用收集的数据对所提供的网络进行训练和测试。在不同工作条件下使用 EKF 对 LSTM 进行评估并将其与等效电路模型 (ECM) 进行比较。对于动态负载曲线,ECM-EKF 的误差 (RMSE) 为 9.5%,而 LSTM 的误差 (RMSE) 为 5.0%。
量子计数是一种关键量子算法,旨在确定数据库中标记元素的数量。该算法基于量子相估计算法,并使用Grover算法的进化算子,因为其非平凡特征值取决于标记元素的数量。由于Grover的算法可以看作是在完整图上的量子步行,因此扩展量子计数的自然方法是在不完整的图上使用基于量子 - 步行的搜索的进化运算符,而不是Grover的运算符。在本文中,我们通过分析具有任意数量的标记顶点的完整两分图上的量子步行来探讨此扩展。我们表明,进化运算符的某些特征值取决于标记的顶点的数量,并且使用此事实,我们表明量子相估计可用于获得标记的顶点的数量。与我们的算法与原始量子计数算法紧密相位的两分图中标记顶点数量的时间复杂性。
摘要。量子体积是一个全面的、单一的数字指标,用于描述量子计算机的计算能力。近年来,它呈指数级增长。在本研究中,我们将假设这种情况仍然如此,并将这一发展转化为另一种量子算法——量子振幅估计的性能发展。这是使用噪声模型完成的,该模型估计算法单次运行的错误概率。其参数与模型假设下的量子体积有关。将相同的噪声模型应用于量子振幅估计,可以将错误率与每秒生成的 Fisher 信息联系起来,这是量子振幅估计作为一种数值积分技术的主要性能指标。这为其积分能力提供了预测,并表明,如果没有重大突破,作为一种数值积分技术的量子振幅估计在不久的将来不会比传统替代方案更具优势。