XiaoMi-AI文件搜索系统
World File Search System几何的
首次演示使用多基线 l 波段数据的机载 SAR 断层扫描 - 地球科学和遥感，IEEE 交易
摘要—在合成孔径雷达 (SAR) 干涉测量中，两个不同传感器位置之间的相位差用于估计地形地貌。虽然可以通过这种方式找到三维 (3-D) 表面表示，但在固定距离和方位角位置的高度方向上不同散射体的分布仍然未知。与此相反，断层扫描技术能够在高度方向上实现真正的几何分辨能力，并为许多应用和反演问题引入了新的可能性。即使是因重叠和缩短效应导致的 SAR 图像中的误解也可以通过断层扫描处理解决。本文首次展示了极化机载 SAR 断层扫描的成功实验实现。我们提出了针对多基线成像几何的断层成像孔径合成概念，并讨论了有限飞行轨迹数量带来的限制。我们提出了一种方法，用于减少与成像位置不规则和欠采样空间分布相关的高度模糊性。最后，我们解决了极化机载 SAR 断层扫描的实验要求，并使用德国奥伯法芬霍芬附近试验场的 DLR 实验 SAR（E-SAR）在 L 波段获取的多基线数据集展示了实验结果。
体内通信分形天线研究的最新趋势
分形结构是一种独特的几何形状，在自然界中的许多物体中都可以看到，例如云、海岸线、DNA、树木甚至菠萝。这种结构具有多种几何形状、自相似性和空间填充特性。由于这些特性，分形几何形状是无线通信中天线小型化的首选。许多情况都需要小型紧凑型天线，包括体内通信。在本文中，我们回顾了分形天线研究的最新趋势和进展，特别是用于体内通信的可植入天线的小型化。该综述来自从 IEEE、PubMed、Nature、MDPI、Elsevier 和 Google Scholar 等在线图书馆收集的文章。因此，我们收集了 60 多篇与分形植入式天线和体内通信相关的文章。事实上，在过去的几十年里，许多研究人员已经提出了一种具有分形几何的可植入紧凑型天线。分形几何允许在天线的较小区域内布线更长的电气长度。然而，设计分形天线仍有几个挑战，包括带宽、制造复杂性和单元间干扰。关键词：分形几何、分形天线、体内通信、无线通信、可植入天线简介
信息几何中量子态密度的测量和量子多参数估计
最近，人们对从信息几何的角度研究量子力学的兴趣日益浓厚，其中量子态由投影希尔伯特空间 (PHS) 中的点来描述。然而，高维度量的缺失限制了信息几何在多参数系统研究中的应用。在本文中，我们提出了一种使用量子 Fisher 信息 (QFI) 体积元素来度量 PHS 中量子态的本征密度 (IDQS)。从理论上讲，IDQS 是一种定义一类量子态 (过) 完备关系的度量。作为一种应用，IDQS 用于研究量子测量和多参数估计。我们发现，一组有效估计量的可区分状态 (DDS) 密度由经典 Fisher 信息的不变体积元素来衡量，它是 QFI 的经典对应物，并作为统计流形的度量。通过行列式量子 Cramér-Rao 不等式研究了通过量子测量推断 IDQS 的能力。结果，我们发现在测量中 IDQS 和最大 DDS 之间存在差距。该差距与不确定度关系密切相关。以具有两个参数的三级系统为例，我们发现 Berry 曲率表征了 IDQS 和最大可达到 DDS 之间的平方差距。具体到顶点测量，平方差距与 Berry 曲率的平方成正比。
迈向可靠的无人机山区定位……
摘要 — 可靠的定位服务对于山区环境中的用户和设备极为重要，因为它可以实现各种基于位置的应用。然而，在这样的环境中，传统无线定位技术的服务可靠性往往令人失望。频繁的非视距 (NLoS) 传播和可用锚节点的不良几何形状是两个重大挑战。由于无人机 (UAV) 的高机动性和灵活部署，无人机定位可能是解决这些挑战的一个有希望的解决方案。与卫星和地面基站相比，无人机能够飞到传播条件和几何形状都有利于定位的地方。本研究项目的最终目标是设计一种新型的无人机定位系统，该系统使用低空无人机平台为山区环境中的地面用户提供高可靠性服务。在本文中，我们介绍了项目第一阶段的最新进展，包括以下内容。首先，在综合考虑各种因素后确定所提出的系统的结构和使用的定位方法。利用现实地形的数字高程模型，我们建立了基于几何的 NLoS 概率模型，以便在可靠性分析期间将 NLoS 传播视为一种故障。最重要的是，开发了一种可靠性预测方法和相应的指标来评估系统提供可靠定位服务的能力。在本文的最后，我们还提出了一种基于投票的方法来提高服务可靠性。数值结果证明了所提出的系统在可靠定位方面的巨大潜力。
多变量量子信号处理（M-QSP）
最近的研究表明，量子信号处理 (QSP) 及其多量子比特提升版本量子奇异值变换 (QSVT) 统一并改进了大多数量子算法的表示。QSP/QSVT 通过交替分析，用多项式函数无意识地变换酉矩阵子系统的奇异值的能力来表征；这些算法在数值上是稳定的，在分析上很容易理解。也就是说，QSP/QSVT 需要对单个 oracle 进行一致访问，更不用说计算两个或多个 oracle 的联合属性；如果能够将 oracle 连贯地相互对立，那么确定这些属性的成本就会低得多。这项工作引入了多变量 QSP 的相应理论：M-QSP。令人惊讶的是，尽管多元多项式的代数基本定理并不存在，但存在必要和充分条件，在这些条件下，理想的稳定多元多项式变换是可能的。此外，QSP 协议使用的经典子程序由于不明显的原因在多变量设置中仍然存在，并且保持数值稳定和高效。根据一个明确定义的猜想，我们证明可实现的多变量变换系列的约束尽可能松散。M-QSP 的独特能力是无意识地近似多个变量的联合函数，从而带来了与其他量子算法不相称的新型加速，并提供了从量子算法到代数几何的桥梁。
时间确实在流逝，科学无法否认这一点
对于物理学家来说，自由意志是什么？这是一个非常私人的问题。大多数物理学家假装他们不在乎，认为这对他们来说并不重要，至少在他们的职业生涯中并不重要。但如果在晚上喝了几杯啤酒后，在自由讨论中追问这个问题，答案就会令人惊讶。从“显然我喜欢自由意志”到“显然我没有任何自由意志”，各种各样的回答都可以听到。同样，关于时间的问题也引发了截然不同但普遍相当精简的讨论：“时间只是一个进化参数”、“时间是几何的”是标准的说法，说明了当今物理学对时间的理解是多么的糟糕。因此，只要我们不阐述更深层次的时间概念，量子引力理论就必须以更微妙和更丰富的方式融入时间，这将仍然是一个梦想。我喜欢争论时间的一些相关方面并不独立于自由意志，自由意志对于理性思考是必要的，因此对于科学也是如此。因此，时间的这个方面，我将其称为创造时间，或赫拉克利特时间，对科学来说是必要的。关于支持时间流逝的不同论据，请参见 [ 1 , 2 ]。将时间与（经典）时钟等同起来可能会产生误导（对不起爱因斯坦）。时钟不能描述我们对时间流逝的内在感受，也不能描述破坏性时间（创造时间）的客观偶然事件。
D4.1 应用领域和能力图 | Excellerat
2.1 参考应用程序第一个参考应用程序 Nek5000 (C1) [1] 是一个基于谱元法 (SEM) 的流体和传热求解器，具有悠久的开发历史。在 20 世纪 90 年代中期，它是第一个可用于分布式内存计算机的代码，并于 1999 年因算法质量和持续的并行性能而获得了戈登贝尔奖。良好的扩展属性是通过将基于 SEM 的域分解为一系列不相交的谱子域来实现的，这允许将全局算子分解为一组局部执行的密集矩阵-矩阵乘法，并结合通过直接刚度求和的通信步骤。这种域分解也可用于提高模拟的可靠性，因为可以在运行过程中动态修改域分解以最小化估计的计算误差。在 EXCELLERAT 中，KTH 将致力于 Nek5000 的开发，重点关注与 WP4 服务数量相对应的多个方面，例如：使用伴随算法（内在优化方法）进行自适应网格细化、不确定性量化（数值方法、数据缩减算法）、使用加速器（移植到新架构、节点级性能工程）或后处理数据缩减（现场可视化）。它涵盖了从预处理阶段开始的整个模拟周期，其中必须生成相对复杂几何的粗六边形网格（网格划分算法）。在模拟阶段，我们将专注于非一致网格的压力预处理器（数值方法）和通信内核（系统级性能工程）。
对比传统方法和机器学习方法......
基于光学的深亚波长尺寸特征尺寸的精确测量一直受到制造工艺改进的挑战，包括更小的线宽、更密集的布局以及近原子尺度上更大的材料复杂性。电磁建模在很大程度上依赖于用于解决光学测量逆问题以进行参数估计的前向映射。机器学习 (ML) 方法一直受到关注，要么作为绕过与模拟直接比较的手段，要么作为增强非线性回归的方法。在这项工作中，使用特征明确的实验数据集及其假设二维几何的模拟库来研究 ML 方法。通过比较一种直接的库查找方法和两种 ML 方法（使用径向基函数 (RBF) 的数据驱动非线性回归替代模型和间接应用模拟强度数据的多输出高斯过程回归 (GPR)），说明了 ML 在光学临界尺寸 (OCD) 计量方面的优势和局限性。 RBF 和 GPR 通常比传统方法的准确度更高，而且训练点数最少只有 32 个。然而，随着测量噪声的降低，RBF 和 GPR 的不确定性差异很大，因为 GPR 的方差后验估计似乎高估了参数不确定性。在 OCD 中，必须同时解决准确度和不确定性问题，同时平衡模拟与 ML 计算要求。
DNA：用于模板的可变形神经关节网络...
在本文中，我们提出了一种新型的可变形神经关节网络 (DNA-Net)，这是一种基于无模板学习的方法，用于从单个 RGB-D 序列进行动态 3D 人体重建。我们提出的 DNA-Net 包括一个神经关节预测网络 (NAP-Net)，它能够通过学习预测一组关节骨骼来跟随输入序列中人体的运动，从而表示人体的非刚性运动。此外，DNA-Net 还包括有符号距离场网络 (SDF-Net) 和外观网络 (Color-Net)，它们利用强大的神经隐式函数来建模 3D 几何和外观。最后，为了避免像以前的相关工作那样依赖外部光流估计器来获得变形线索，我们提出了一种新的训练损失，即基于易到难几何的损失，这是一种简单的策略，它继承了倒角距离的优点来实现良好的变形引导，同时仍然避免了其对局部不匹配敏感性的限制。DNA-Net 以自监督的方式直接在输入序列上进行端到端训练，以获得输入对象的 3D 重建。DeepDeform 数据集视频上的定量结果表明，DNA-Net 的表现优于相关的最先进方法，并且有足够的差距，定性结果还证明我们的方法可以高保真度和细节重建人体形状。
地月周期轨道在空间领域感知方面的初步可行性评估
当应用于地月轨道模式时，利用经典的地面和/或太空传感器在近地空间执行空间领域感知 (SDA) 变得越来越困难。因此，地月周期轨道被提出作为填补这一能力空白的一种手段。虽然周期轨道有许多用途，但这项工作评估了各种地月周期轨道在样本 SDA 任务架构中的有效性。具体而言，对地月空间内几种不同类型的周期轨道进行了建模，以评估它们在跟踪/监视围绕 L1 拉格朗日点的 Lyapunov 轨道上均匀分布的两颗假想卫星方面的各自有效性。所分析的轨道是在圆形限制三体问题 (CR3BP) 中建模的。还介绍了在过渡到双圆限制四体问题 (BCR4BP) 时保持相同轨迹所需的推进剂。为了比较从 CR3BP 过渡到 BCR4BP 等更高保真度模型时的轨道维护成本，我们寻求实施多种动力学模型。概念性空间对空间传感器用于确定 SDA 任务周期轨道几何的限制，该限制与范围、能力和太阳/地球/月球排斥角有关。视觉星等用于确定目标是否可见。结果列表与地月 SDA 最有效周期轨道的建议一起呈现。