XiaoMi-AI文件搜索系统
World File Search System保真
MF-lal：使用多保真潜在空间主动学习
当前的药物发现生成模型主要使用分子对接作为指导活性化合物产生的甲骨文。但是，这种模型在实践中通常没有用，因为即使是具有较高对接得分的化合物也不会始终显示出实验活动。存在更准确的活动预测方法，例如基于分子动力学的结合能量计算，但是在生成模型中使用它们在计算上太昂贵。为了应对这一挑战，我们提出了多保真潜在空间主动学习（MF-lal），这是一种生成的建模框架，将一组与成本准确性的折衷方案集成在一起。与以前分别学习替代模型和生成模型的方法不同，MF-LAL将生成性和多余的代孕模型结合到一个框架中，从而可以进行更准确的活动预测和更高质量的样本。我们使用一种新型的主动学习算法来训练MF-lal，以进一步降低计算成本。我们对两种相关疾病蛋白的实验表明，MF-LAL产生的化合物具有比其他单一单一和多忠诚方法更好的结合自由能评分。该代码可在https://github.com/rose-stl-lab/ mf-lal上找到。
应用车辆技术小组 AVT-385-RLS “多学科多保真方法
第 1 天：2024 年 7 月 8 日 7:45-8:30 签到 8:45-9:00 开幕式 伊斯坦布尔技术大学 Melike Nikbay 教授、意大利国家研究委员会 Matteo Diez 博士 9:00-9:45 高级计算设计和多保真度方法简介 伊斯坦布尔技术大学 Melike Nikbay 教授 9:45-10:30 基于参数投影的模型降阶简介 - 第一部分：数据收集、数据压缩、伽辽金投影、Petrov-Galerkin 投影 Charbel Farhat 教授，斯坦福大学 10:30-11:00 茶歇 11:00-11:45 基于参数投影的模型降阶简介 - 第二部分：参数依赖性的处理：线性问题；非线性问题；超级降阶。Charbel Farhat 教授，斯坦福大学 11:45-12:30 高维参数空间中多保真度多学科分析与优化的主动流形和模型降阶 Charbel Farhat 教授，斯坦福大学 12:30-14:00 午餐休息 14:00-14:45 替代建模技术 Edmondo Minisci 教授，思克莱德大学 14:45-15:30 多保真度建模的数据融合 Edmondo Minisci 教授，思克莱德大学 15:30-16:00 咖啡休息 16:00-16:45 多保真度优化和设计探索策略 Edmondo Minisci 教授，思克莱德大学 16:45-17:30 形状优化的设计空间降维 Andrea Serani 博士，CNR-INM（国家意大利研究理事会）17:30 休会
用于耦合全阶和降阶模型的多保真计算
混合物理-机器学习模型越来越多地用于传输过程的模拟。许多与科学和工程应用相关的复杂多物理系统包括多个时空尺度，并包含一个多保真度问题，该问题在各种公式或异构计算实体之间共享一个接口。为此，我们提出了一种强大的混合分析和建模方法，结合基于物理的全阶模型 (FOM) 和数据驱动的降阶模型 (ROM)，形成混合保真度描述中面向预测数字孪生技术的集成方法的构建块。在界面上，我们引入了一个长短期记忆网络，以各种形式的界面误差校正或延长来桥接这些高保真度和低保真度模型。所提出的界面学习方法被测试为一种解决 ROM-FOM 耦合问题的新方法，使用双保真度设置解决非线性平流扩散流情况，该设置可以捕捉广泛传输过程的本质。
基于框架的大型语言模型的免费响应的定性分析：算法保真
今天，随着大型生成语言模型（LLM）的出现，现在可以模拟对采访问题的免费回答，例如传统上使用定性研究方法进行分析的问题。定性方法包括一系列广泛的技术，涉及对开放式访谈或以自然语言自由进行的对话进行手动分析。在这里，我们考虑使用定性分析方法对LLM产生的人工“硅参与者”是否可以进行有效的研究，以产生可以推广到真实人类种群的见解。我们分析中的关键是算法忠诚度，这是一个有效性概念捕获LLM生成的输出反映人类亚人群的信念和态度的程度。从定义上讲，高算法的忠诚度表明，LLMS引起的潜在信念可能会概括为真实的人类，而低算法的忠诚度则使此类研究无效。在这里，我们使用LLM来与“硅参与者”进行访谈，以一对一的人口统计学与一组人的参与者相匹配。使用基于框架的定性分析，我们展示了从人类和硅参与者获得的关键主题非常相似。但是，当我们分析访谈的结构和语气时，我们发现了更明显的差异。我们还发现了超准确性分歧的证据。我们得出的结论是，我们测试的LLM（GPT-3.5）没有足够的算法忠诚度，可以期望对其进行计算机研究，无法将其推广到真实的人类人群中。然而，人工智能的快速进步增加了算法忠诚度可能会改善的可能性。因此，我们强调了现在需要建立认知规范，围绕如何评估基于LLM的定性研究的有效性，尤其是关于确保代表异质生活经验的有效性。
用于量子控制的高维多保真贝叶斯优化
摘要 我们提出了第一个多保真贝叶斯优化 (BO) 方法，用于解决原型量子系统的量子控制中的逆问题。我们的方法自动构建时间相关的控制场，从而实现初始和期望的最终量子态之间的转换。最重要的是，我们的 BO 方法在构建时间相关的控制场方面表现出色，即使对于难以用现有的基于梯度的方法收敛的情况也是如此。我们提供了我们的机器学习方法的详细描述以及各种机器学习算法的性能指标。总之，我们的结果表明 BO 是一种有前途的方法，可以有效、自主地设计一般量子动力系统中的控制场。
保真战略学科| Fidelity Management＆Research Company LLC FPWA ADV2A和ADV2B
富达管理与研究公司LLC 245 Summer Street Boston，MA 02210 617-563-7000 www.fidelity.com 2025年1月23日，本册提供了有关忠实管理与研究公司LLC（“ FMR”）的资格和商业实践的信息。在整个小册子和相关材料中，FMR可以将自己称为“注册投资顾问”或“被注册”。这些陈述并不意味着一定水平的技能或培训。如果您对本手册的内容有任何疑问，请致电617-563-7000与我们联系。本小册子中的信息尚未获得美国证券交易委员会（“ SEC”）或任何州证券管理局的批准或验证。有关FMR的其他信息也可在SEC网站www.adviserinfo.sec.gov上找到。
利用多保真高斯过程回归对具有几何不确定性的翼型进行多目标设计优化 ⋆
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流量计算相结合。基于多保真度替代方法使我们能够在不确定的情况下经济地优化机翼的气动设计。
2002 年忠诚度和保真度折扣和回扣 - OECD
与其他至少向部分买家提供较低价格的政策一样，忠诚和保真折扣通常有利于竞争，对消费者有利，尽管它们可能会损害某些竞争对手。然而，当这种折扣的使用方式降低价格透明度、排除或限制大量实际或潜在竞争对手，或增加反竞争协调的可能性时，就会存在潜在的问题。忠诚和保真折扣有时具有复杂的利弊影响，有关该主题的文件对此进行了探讨。虽然这些文件揭示了竞争委员会各成员之间一些有趣的政策差异，但它们也指出，普遍认为，当拥有强大市场力量的公司实施忠诚和保真折扣时，更有可能引起竞争担忧。
带有多目标设计的机翼优化设计 - ArTS
摘要。本文介绍了 MH114 高升力翼型的多目标优化。我们寻求一组帕累托最优解，使翼型升力最大化，阻力最小化。由于几何不确定性，升力和阻力被认为是不确定的。概率气动力值的不确定性量化需要大量样本。然而，由于 Navier-Stokes 方程的数值解，气动力的预测成本很高。因此，采用多保真替代辅助方法将昂贵的 RANS 模拟与廉价的潜在流计算相结合。基于多保真替代的方法使我们能够在不确定的情况下经济地优化翼型的气动设计。