XiaoMi-AI文件搜索系统
World File Search System共形
通过准共形几何和卷积神经网络自动检测和注册大脑皮层表面标志
在医学成像中，表面配准被广泛用于对解剖结构进行系统比较，一个典型的例子是高度复杂的大脑皮层表面。为了获得有意义的配准，一种常见的方法是识别表面上的突出特征，并在它们之间建立低失真映射，将特征对应关系编码为界标约束。之前的配准工作主要集中在使用手动标记的界标和解决高度非线性的优化问题，这非常耗时，因此阻碍了实际应用。在这项工作中，我们提出了一种使用准共形几何和卷积神经网络自动检测和配准大脑皮层表面界标的新框架。我们首先开发了一个界标检测网络 (LD-Net)，该网络允许根据表面几何形状在给定两个规定的起点和终点的情况下自动提取界标曲线。然后，我们利用检测到的界标和准共形理论实现表面配准。具体来说，我们开发了一个系数预测网络 (CP-Net)，用于预测与所需基于地标的配准相关的 Beltrami 系数，以及一个名为磁盘 Beltrami 求解器网络 (DBS-Net) 的映射网络，用于从预测的 Beltrami 系数生成准共形映射，其中双射性由准共形理论保证。实验结果证明了我们提出的框架的有效性。总之，我们的工作为基于表面的形态测量和医学形状分析开辟了新途径。
使用共形预测进行预测的机器学习...
本论文是与 Knowit、¨ Ostrand & Hansen 和 Orkla 合作完成的。旨在探索机器学习和深度学习模型与保形预测在 Orkla 预测性维护情况下的应用。预测性维护在许多工业制造场景中都至关重要。它可以帮助减少机器停机时间、提高设备可靠性并节省不必要的成本。在本论文中，各种机器学习和深度学习模型（包括决策树、随机森林、支持向量回归、梯度提升和长短期记忆）都应用于现实世界的预测性维护数据集。Orkla 数据集最初计划在本论文项目中使用。然而，由于遇到一些挑战和时间限制，我们选择了一个具有类似数据结构的 NASA C-MAPSS 数据集来研究如何应用机器学习模型来预测制造业的剩余使用寿命 (RUL)。此外，最近开发的用于测量机器学习模型预测不确定性的框架共形预测也被集成到模型中，以实现更可靠的 RUL 预测。论文项目结果表明，具有共形预测的机器学习和深度学习模型都可以更接近真实 RUL 预测 RUL，而 LSTM 的表现优于机器学习模型。此外，共形预测区间提供了有关预测不确定性的丰富而可靠的信息，这有助于提前通知工厂人员采取必要的维护措施。总体而言，本论文证明了在预测性维护情况下利用具有共形预测的机器学习和深度学习模型的有效性。此外，基于 NASA 数据集的建模结果，讨论了如何将这些经验转移到 Orkla 数据中，以便将来进行 RUL 预测的一些见解。关键词 机器学习、深度学习、不确定性估计、共形预测、预测性维护、RUL、概率预测、决策树、随机森林、支持向量回归、梯度提升、LSTM。
共形效率作为适合联合学习的比较模型评估的度量
a Janssen Pharmaceutica NV, Turnhoutseweg 30, Beerse 2340, Belgium b KU Leuven, ESAT-STADIUS, Kasteelpark Arenberg 10, Heverlee 3001, Belgium c Machine Learning Research, Research & Development, Pharmaceuticals, Bayer AG, Berlin 10117, Federal Republic of Germany d Novartis Institutes for BioMedical Research, Novartis Campus, Boehringer Ingelheim Pharma GmbH＆Co。KG，Birkendorfer Str。65，Biberach A der Riss 88397，德国联邦共和国F分子AI，发现科学，R＆D，R＆D，Astazeneca，Astrazeneca，Astrazeneca，剑桥，英国G Amgen Research（Munich）GmbH，Sta i {Sta i {eSSAESTRAßE2开发，默克KGAA，Frankfurter Strasse 250，Darmstadt 64293，联邦德国联邦J模式信息小组，数字研究解决方案，高级信息学和分析，Astellas Pharma Inc.，21，Miyukigaoka，Miyukigaoka，Tsukuba-Shi，Ibaraki，Ibaraki，Ibaraki，Ibaraki 305-85-85-85-85-8555，日本，65，Biberach A der Riss 88397，德国联邦共和国F分子AI，发现科学，R＆D，R＆D，Astazeneca，Astrazeneca，Astrazeneca，剑桥，英国G Amgen Research（Munich）GmbH，Sta i {Sta i {eSSAESTRAßE2开发，默克KGAA，Frankfurter Strasse 250，Darmstadt 64293，联邦德国联邦J模式信息小组，数字研究解决方案，高级信息学和分析，Astellas Pharma Inc.，21，Miyukigaoka，Miyukigaoka，Tsukuba-Shi，Ibaraki，Ibaraki，Ibaraki，Ibaraki 305-85-85-85-85-8555，日本，
从量子纠缠到共形场论
2 诊断工具箱：量子纠缠和共形场论.......................................................................................................................................................................................................................................5 2.1 量子纠缠....................................................................................................................................................................................................................................................................6 2.1.1 纠缠：不可分离性....................................................................................................................................................................................................................................................6 2.1.1 纠缠：不可分离性.................................................................................................................................................................................................................................................... 6 2.1.2 冯·诺依曼纠缠熵..................................................................................................................................................8 2.1.3 纠缠缩放..................................................................................................................................................................................10 2.1.4 协方差矩阵方法..................................................................................................................................................................................15 2.2 共形场论..................................................................................................................................................................................15 . . . . 19 2.2.1 共形不变性 . . . . . . . . . . . . . 19 2.2.2 希尔伯特空间形式 . . . . . . . . . . . . . . 22 2.2.3 最小模型 . . . . . . . . . . . . . . . . . 25 2.2.4 一个例子：格子伊辛模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .三十七
原子层沉积过程中非理想共形性的建模...
a 奥地利维也纳技术大学微电子研究所 Christian Doppler 高性能 TCAD 实验室，Gußhausstraße 27-29, 1040，维也纳，奥地利 b 奥地利维也纳技术大学微电子研究所，Gußhausstraße 27-29, 1040，维也纳，奥地利 c Silvaco Europe Ltd.，Compass Point, St Ives, Cambridge, PE27 5JL，英国
临界混合电路中的共形不变性和量子非局域性
通过揭示不同电路深度各个子区域的纠缠熵和互信息的时空共形协方差，我们建立了 (1 + 1) 维混合量子电路中共形场论 (CFT) 在测量驱动纠缠转变时的出现。虽然演化是实时发生的，但电路的时空流形似乎承载着具有虚时间的欧几里得场论。在整篇论文中，我们通过在空间和/或时间边界注入物理量子位来研究具有几种不同边界条件的 Clifford 电路，所有这些都给出了底层“Clifford CFT”的一致特征。我们强调 (超) 通用结果，这些结果仅仅是共形不变性的结果，并不关键地依赖于 CFT 的精确性质。其中包括由于测量引起的量子非局域性而导致的无限纠缠速度和混合初始状态的临界净化动力学。
设计用于优化的共形涂层的聚合物分子结构
几十年来，已经使用了各种类型的各种类型的共形涂层，高可靠性电子系统和裸露的电子系统。但是，保护先进的电子产品比以往任何时候都更具挑战性。电子设备越来越多地在户外使用，并将其广泛合并到商业电子设备中，例如车辆和无处不在的通信基站。保形涂层的要求在当代系统中的俯仰和间距方面的要求也越来越大。这样的系统包括当今的高频设备；随着设备组件的近距离比以前更接近，因此出现了新的和日益增长的挑战，用于保形涂层。现有类型的保形涂层已被证明有时不符合室外使用的更严格的要求，其中可能包括高水分，极端温度，盐或腐蚀性工业气体载气条件。面临这些极端条件的电子产品的扩散需要一种新型的无压力保形涂层，具有较高的水分和腐蚀性气体阻滞能力，以提供保护并确保可靠性。
非共形理论中的体积子区域复杂性
摘要 我们研究了由爱因斯坦引力与具有非平凡势的标量场耦合而成的全息五维模型中全息子区域复杂性的体积公式。对偶四维规范理论不是共形的，并且在两个不同的固定点之间表现出 RG 流。在零度和有限温度下，我们表明全息子区域复杂性可用作模型非共形性的度量。该量在纠缠区域的大小方面也表现出单调行为，就像此设置中的纠缠熵的行为一样。对于零温度下的全息重正化子区域复杂性，由于连接和断开的最小表面之间的解缠转变，也存在有限的跳跃。
共形天线和集成设计程序
目前，飞机和直升机上的无线电通信和无线电辅助服务通常分散在整个机身上的许多天线和传感器中。从设备采购的角度来看，这种政策可能很方便，但它不可避免地会导致中小型飞机、直升机和无人机的安装问题，因为通常只有一小部分机身表面可用于天线定位。因此，必须接受性能下降，这既是由于飞机结构导致的天线方向图失真，也是由于传感器之间的电磁干扰。这个问题在多用途车辆上可能会变得更加严重，因为根据任务目标，必须满足不同的要求。可以在共形和多波段天线领域找到解决天线扩散问题的可能方法。