是作者/资助者,他已授予Medrxiv的许可证,以永久显示预印本。(未通过同行评审证明)预先印刷此版本的版权持有人于2020年11月10日发布。 https://doi.org/10.1101/2020.08.14.2440175257 doi:medrxiv preprint
摘要 — 在远距离节点之间分配纠缠是量子网络中的一项基本任务。 为了完成这项任务,引入了量子中继器来执行纠缠交换。 本文提出了一种远程纠缠分布 (RED) 协议的设计,以最大化纠缠分布率 (EDR)。 我们引入了节点的概念,表示网络中纠缠的量子比特 (qubit) 对。 这一概念使我们能够基于一些线性规划问题的解来设计最优 RED 协议。 此外,我们研究了同质中继链中的 RED,它是许多量子网络的基石。 具体而言,我们以封闭形式确定了同质中继链的最大 EDR。 我们的研究结果使得能够使用有噪声的中尺度量子 (NISQ) 技术分配长距离纠缠,并为一般量子网络的设计和实施提供了见解。
摘要:随着Alphago的突破,深入的强化学习已成为解决顺序决策问题的公认技术。尽管其声誉,但由于其试验和错误学习机制引起的数据效率低下,使得深层执行学习难以在广泛的领域应用。已经开发了许多用于样本有效的深层增强学习的方法,例如环境建模,经验转移和分布式修改,其中分布式深层掌握学习表明了其在各种应用中的潜力,例如人类计算机游戏和智能运输。在本文中,我们通过比较了经典的分布式深入强化学习方法并研究重要组成部分,以实现有效的分布式学习,从而涵盖了单个玩家单位分布的深度强化学习与最复杂的多个玩家分布深度强化学习。此外,我们回顾了重新发布的工具箱,这些工具箱有助于实现分布的深度强化学习,而无需对其非分发版本进行多次修改。通过分析其优势和劣势,开发和释放了多人多代理的多代理分布式深入强化学习工具箱,这在战争游戏中得到了进一步的验证,这是一个复杂的环境,显示了针对多个玩家的拟议工具盒的可用性,多个代理和多个代理在复杂的游戏下分配了深度强化学习。最后,我们试图指出挑战和未来的趋势,希望这份简短的评论可以为有兴趣分配深入强化学习感兴趣的研究人员提供指南或火花。
本文中表达的任何观点都是作者的意见,而不是Iza的意见。本系列发表的研究可能包括对政策的看法,但IZA没有任何机构政策立场。IZA研究网络致力于研究完整性的IZA指导原则。IZA劳动经济学研究所是一家独立的经济研究所,在劳动经济学领域进行研究,并就劳动力市场问题提供基于证据的政策建议。在德意志邮政基金会的支持下,伊扎(Iza)拥有世界上最大的经济学家网络,其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究,决策者和社会之间建造桥梁。IZA讨论论文通常代表初步工作,并被散发以鼓励讨论。引用这种论文应解释其临时特征。可以直接从作者那里获得修订版。
目的:监督机器学习(ML)为定量MRI中的参数映射提供了一种令人信服的替代方法。这项工作的目的是证明和量化不同训练数据分布对超级访问的ML用于拟合时的准确性和精度的影响。方法:我们使用传统的模型拟合和监督ML拟合了两个和三校区的生物物理模型以及模拟的扩散数据的扩散测量。对于监督的ML,我们培训了几个人工神经网络以及随机的森林回归器,以不同的地面真相参数分布。我们比较了使用合成测试数据从不同估计中获得的参数估计值的准确性和精度。结果:当训练集中参数组合的分布与在健康人类数据集中观察到的参数组合匹配时,我们观察到高精度,但对非典型参数组合的估计值不准确。相反,当从整个合理参数空间中统一采样训练数据时,对于非典型参数组合,估计值往往更准确,但对于典型的参数组合可能具有较低的精度。结论:这项工作强调,使用监督ML对模型参数的估计在很大程度上取决于训练集分布。我们表明,使用ML获得的高精度可能会掩盖强偏置,并且参数图的视觉评估不足以评估估计值的质量。
实验物理学主席 - 激光物理学,路德维希 - 马克西利安人 - 苏尼氏穆尼钦,巴伐利亚州85748,德国B型物理学实验室,麦克斯·普朗克量子学院,麦克斯·普朗克量子学院 Medicine, Division of Endocrinology and Diabetology, Medical University, Styria 8010, Austria e Institute of Epidemiology, Helmholtz Zentrum München, Bavaria 85764, Germany f Chair of Epidemiology, Institute for Medical Information Processing, Biometry and Epidemiology, Medical Faculty, Ludwig-Maximilians-Universität München, Bavaria 81377,德国 *应向其通信:电子邮件:tarek.eissa@mpq.mpg.de(T.E.); mihaela.zigman@mpq.mpg.de(m.j.)编辑者:lydia kavraki
ITU-T SG13,SG17,ETSI和其他SDO一直在标准化QKDN的许多方面,包括QKDN体系结构,密钥管理,安全要求和安全证明等。但是,这些SDO的可交付成果集中在QKDNS的单个提供商上,尽管最近在ETSI ISG-QKD [ETSI GS QKD 020]和ITU-T SG13 [ITU-T Y.QKDN_IWFR] [ITU-t Y.-T Y.QKDN_IIWRQ]中考虑了互动方面。y.qkdn_iwfr和y.qkdn-iwrq在ITU-T SG13中分别研究了互动框架和要求。尽管事实是,不同QKD提供商之间以及两个不同QKDN运算符之间的互助方面,但这是QKDN网络的大规模开始,可以为端到端QKD服务提供最终用户的大型QKD服务,并在最终用户不在家庭网络等领域时提供QKD服务。因此,QKDN的联合会共享
摘要。在试飞期间,原型机载数字全息仪器 HOLODEC(云全息探测器)获取全息数据,对其进行数字重建,以获得冰粒的尺寸(等效直径在 23 至 1000 µ m 范围内)、三维位置和二维图像,然后使用自动算法计算冰粒尺寸分布和数量密度,几乎无需用户干预。全息方法具有样本体积大小明确且不受颗粒尺寸或空速影响的优点,并提供了一种检测破碎颗粒的独特方法。全息方法还允许将体积采样率提高到超过原型 HOLODEC 仪器的采样率,而后者仅受相机技术的限制。在云的混合相区域中获取的 HOLODEC 尺寸分布与试飞期间飞机上 PMS FSSP 探测器的尺寸分布非常吻合。利用沿光轴的深度位置检测破碎粒子的保守算法可从数据集中消除明显的冰粒破碎事件。在这种特殊情况下,与所有粒子的尺寸分布相比,当量直径为 15 至 70 µ m 的粒子的非破碎粒子的尺寸分布减少了大约两倍。
简介 国家频段分配表 (TNRBF) 根据无线电通信业务,规定了本文件第 3 章中定义的受让人的无线电频率使用情况。根据《邮政和电子通信法》(CPCE)第 R.20-44-11 条第 3°,国家频率局(ANFR)准备并提交给总理批准,总理在咨询后批准。高级视听委员会(CSA)和电子通信和邮政管理局(ARCEP),无线电通信条例(RR)含义内的服务类别之间的频段分配国际电信联盟 (ITU) 以及受让人之间,适用 CPCE 第 L.41 条。TNRBF 附于总理法令之后,构成国家频率管理的参考文件,特别是频率指配登记的参考文件,且不损害受让人的权利。在遵守 TNRBF 规定的前提下,TNRBF 规定的程序规则的条款和实施是 ANFR 在咨询委员会和咨询委员会框架内制定的具体文件的主题。在适用 1997 年 5 月 22 日有关无线电频率受让人所欠费用的法令时,TNRBF 也构成了计算该费用的参考文件。其定义的规则适用于法国大陆全境,以及第7章中引用的海外省份、地区和社区,并遵守本文件第5章中定义的具体程序。
2023年1月31日,我们从2024年7月1日至2029年6月30日(2024 - 29期)开始的五年监管期内收到了一项收入提案。1我们对该提案的最终决定将设定收入津贴,构成从客户那里恢复的收入的主要组成部分。必需品是新南威尔士州(NSW)的三个电力分销网络服务提供商之一。必不可少的运营和维护澳大利亚最大的电力网络之一,为新南威尔士州95%和昆士兰州南部地区的880,000多家房屋和企业提供基本的电力网络服务。我们对该提案的最终决定将设定收入津贴,构成从客户中恢复的收入的主要组成部分。