XiaoMi-AI文件搜索系统
World File Search System分散
高密度单分散多孔碳微球
通过对预碳化间苯二酚-甲醛球进行化学活化，合成了具有高度堆积六边形排列的多孔碳微球和 S/微球碳复合材料。硫代硫酸钠用作无害的活化剂、S 掺杂剂和硫前体。多孔微球具有较大的表面积（2060-2340 m 2 g -1 ）和足够的微中孔率。它们还具有大量的硫杂原子（5-7 %）和高电子电导率（2.3-3.1 S cm -1 ）。微球的紧密组织和适当的孔隙率使其在水性和有机电解质中工作的超级电容器中使用时能够实现具有竞争力的体积电容值（分别为 130 和 64 F cm -3 ），同时保持良好的倍率性能。此外，硫含量超过80％的硫/球形碳复合材料被测试用作锂硫电池正极材料，显示出高的硫利用率、大的体积容量值（768mAh cm -3 ）和稳定的长期循环性能（每次循环的容量损失为0.086％）。
来自标准模型中配对的动态分散功能加密
摘要。动态分散功能加密（DDFE）。（加密20）表示（多客户）功能加密的强大概括。它允许用户动态加入并贡献私人输入，以单独控制联合功能，而无需信任的权威。最近，Shi和Vanjani（PKC'23）提出了用于掩盖功能内部产品（FH-IP）的第一个多客户功能加密方案，而无需依赖随机的甲壳。毫无意义地，他们的构建仍然需要一个值得信赖的关键权威，因此，打开了一个问题，即标准模型中是否可以存在全面的FH-IP-DDFE。在这项工作中，我们通过引入可更新的伪零共享来回答这个问题，这是一个新颖的概念，它提供了在标准模型中构建安全DDFE计划所需的关键功能和安全性。我们的第二个贡献是一种新颖的证明策略，它在将FH-IP的任何功能加密方案转换为FH-IP-DDFE时可以保持自适应安全性。一起，这两种技术实现了FH-IP-DDFE的模块化构造，该模块化是可抵抗标准模型中自适应消息和关键查询的安全性。此外，我们的伪零共享方案具有很高的用途，可以在标准模型中获得属性加权总和的第一个DDFE，并补充了Agrawal等人最近基于ROM的结构。（加密23）。
在分散供应链市场中保存买方私人
摘要。技术越来越多地用于降低必要协作和合作的领域的信任障碍，但由于高风险，可靠性和效率至关重要。一个例子是一个工业市场，许多供应商必须参与生产，同时确保可靠的结果；因此，必须谨慎建立伙伴关系。在线市场（例如XMETRY）通过审查供应商和调解市场来促进合作伙伴形成。但是，这种方法要求将所有信任归属于中间人。这将控制权集中，使该系统容易受到特定提供者的偏见。现在正在探索区块链的使用来弥合支持分散市场所需的信任差距，从而使供应商和客户可以通过使用区块链上的信息更直接地进行互动。典型的情况是需要在买方发起的某些互动中保留隐私（例如，在外包谈判期间保护买方的知识产权）。在这项工作中，我们在某些市场互动需要买家私人关系并做出以下贡献时，启动了供应商和买家之间匹配的正式研究。首先，我们设计了一个正式的安全性定义，用于普遍合成（UC）模型中的私人交互式匹配，以捕获特定供应链市场交互中预期的隐私和正确性属性。第二，我们根据任何可编程区块链，Anony-Mous组签名和公开加密提供精益协议。最后，我们通过扩展BigChainDB区块链平台来实例化某些区块链逻辑来实现协议。
日本可持续未来的政策建议 - 兵库县
2050年的未来情景主要分为城市集中和区域分散。 a) 城市集中情景 技术创新主要由城市企业推动，导致人口向城市集中，而农村地区则衰落。出生率下降和贫富差距扩大将继续加速，个人的健康预期寿命和幸福感将下降，而由于政府支出集中在城市，政府财政将恢复。 b）区域分散情景：人口分散至农村，生育率恢复，差距缩小，个人的健康预期寿命和幸福感提高。但是，正如后面将要介绍的那样，去中心化方案有可能使政府财政和环境（CO2 排放等）恶化，因此必须慎重考虑如何使该方案可持续。必须谨慎行事。
利用分散数据进行量子联邦学习
摘要 —变分量子算法 (VQA) 访问集中式数据来训练模型，使用分布式计算可以显著改善训练开销；然而，数据对隐私敏感。在本文中，我们提出了从分散数据中进行通信高效的 VQA 学习，即所谓的量子联邦学习 (QFL)。受经典联邦学习算法的启发，我们通过聚合本地计算的更新来共享模型参数，从而改善数据隐私。在这里，为了在参数环境中找到近似最优值，我们开发了传统 VQA 的扩展。最后，我们在变分量子张量网络分类器、Ising 模型的近似量子优化和分子氢的变分量子特征求解器中部署了 TensorFlowQuantum 处理器。我们的算法从分散数据中展示了模型的准确性，在近期处理器上具有更高的性能。重要的是，QFL 可能会激发安全量子机器学习领域的新研究。
分散能源能否足够好、足够快地实现？
与此同时，英国差价合约计划第四轮分配中，许多海上风电项目取得成功，包括Ørsted 的2.85GW Hornsea Three项目、Red Rock 和 ESB 的1.8GW Inch Cape 项目一期，以及苏格兰电力的1.37GW East Anglia THREE 项目一期。海上风电的执行价格是所有技术中最低的，为37.35英镑/兆瓦时（42.04美元/兆瓦时），比2015年第一轮分配的价格下降了近70%。该计划共有93个绿色能源项目获得批准，旨在提供近11GW的可再生能源，这些能源将于2023年和2024年上线。15
新兴分散能源商业模式的社会和经济价值：评论
近年来，许多研究探索了新兴分散式能源系统和商业模式的机遇和挑战。其中包括讨论分散式光伏 [1]、电力储存 [2]、智能电网 [3] 和微电网 [4] 对低碳能源系统的潜在贡献的评论论文。其他评论研究则侧重于新兴商业模式 [5]，包括需求侧管理 [6]、点对点 (P2P) 交易 [7]、交易能源 (TE) 市场 [8] 和涉及社区自用 (CSC) [9] 的微电网的商业模式。然而，很少有研究专门关注后三种商业模式所创造的社会和经济价值。在本文中，我们将解决这一问题。我们的目标是确定现有文献在理论或实践上赋予 P2P、CSC 和 TE 模型的社会和经济价值形式，以及解释这些价值形式实现程度的因素。人们普遍认为，这些模式有望为参与者带来经济利益，例如降低能源成本或收入，以及为当地社区带来独立、赋权和加强关系。本文研究了支持这种期望的证据，并解释了参与者在哪里以及为什么接受这些模式。除了让产消者在电力市场中发挥更积极的作用之外，这三种模式还具有不同的价值创造潜力，因此可以根据能源用户的偏好以不同的方式采用 [10]。虽然这些模型是在全球努力实现能源系统脱碳的背景下出现的，但本文并未评估可能从这些模型中获得的环境价值，并且仅在环境价值作为与社会和经济价值相关的另一个因素出现时才考虑环境价值，这些因素被发现可以激励人们参与这些模型。由于这是一个不断发展且高度多学科的领域，因此缺乏对 P2P、CSC 和 TE 模型的普遍接受的定义。系统回顾了沃森和戈尔巴乔娃 [11] 的定义后发现，这三种模式的特点都是参与者规模较小，通常是太阳能光伏用户，直接相互交易或共享能源。然而，每种模式的目标、规模、运营和治理都有区别 [11]。P2P 更注重个人之间没有中介的直接交易，竞争性市场可以与当地社区绑定，也可以涵盖大地理区域的虚拟交易。P2P 可以包括类型不同但规模通常相似的参与者。参与 P2P 市场的激励措施可以是个人的，例如经济利益，也可以与社会或环境结果有关。交易能源 (TE) 更注重与系统效益相关的结果，例如分布式能源资源 (DER) 的整合或通过聚合参与者负载来平衡需求和供应。交易能源可以在电网的各个层面和规模上运作，涵盖不同的参与者。相比之下，CSC 的特点是规模较小，通常与特定的本地区域绑定。CSC 通常以发电资产的共同所有权为特色，社区
新兴分散能源商业模式的社会和经济价值：评论
1 新南威尔士大学人文与语言学院，肯辛顿，新南威尔士州 2052，澳大利亚 2 萨塞克斯大学科学政策研究部（SPRU），布莱顿 BN1 9RH，英国；donal.brown@sussex.ac.uk 3 EnergEIA，Universidad EIA，Envigado 055428，哥伦比亚；juan.cardenas33@eia.edu.co 4 布里斯托大学计算机科学系，布里斯托 BS8 1TH，英国；r.chitchyan@bristol.ac.uk 5 伦敦大学学院能源研究所，伦敦 WC1E 6BT，英国；michael.fell@ucl.ac.uk（MJF）；c.johnson@ucl.ac.uk（CJ）； nicole.watson.17@ucl.ac.uk (NW) 6 日内瓦大学心理学系和瑞士情感科学中心，瑞士日内瓦 1205；ulf.hahnel@unige.ch 7 查尔姆斯理工大学技术管理与经济学系，瑞典哥德堡 41296；kristinahojckova@gmail.com 8 可持续能源系统博士课程，麻省理工学院葡萄牙计划，科英布拉大学，葡萄牙科英布拉 3004-531；lurianklein@hotmail.com 9 imec-SMIT，布鲁塞尔自由大学，比利时伊克塞尔 1050；mehdi.montakhabi@vub.be 10 墨尔本大学能源转型中心，澳大利亚维多利亚州帕克维尔 3010； kelvin.say@unimelb.edu.au 11 代尔夫特理工大学 (TU Delft) 工业设计工程学院，2628 CD 代尔夫特，荷兰；abhigyan.singh@gmail.com * 通讯地址：smadams@unsw.edu.au；电话：+61-02-9348-0562
单分散人工中的定向信号级联...
Sunidhi C Shetty †、Naresh Yandrapalli †、Kerstin Pinkwart †、Dorothee Krafft ¶、Tanja Vidakovic-Koch ¶、Ivan
greendfl：评估分散联合学习系统可持续性的框架
上下文：分散的联合学习（DFL）是一个新兴的范式，可以实现无需集中数据和模型聚合的协作模型培训，从而增强了隐私和弹性。然而，随着能源消耗和碳排放量在不同的系统配置中有所不同，其可持续性仍未得到充满信心。了解DFL的环境影响对于优化其设计和部署至关重要。目标：这项工作旨在开发一个全面和运营的框架来评估DFL系统的可持续性。为了解决它，这项工作提供了一种系统的方法来量化能耗和碳排放，从而提供了有关提高DFL可持续性的见解。方法：这项工作提出了Greendfl，这是一个完全可实现的框架，已集成到现实世界的DFL平台中。greendfl系统地分析了各种因素的影响，包括硬件加速器，模型架构，通信介质，数据分布，网络拓扑和联邦规模，对DFL系统的可持续性。此外，开发了一种可持续性感知的聚合算法（GREENDFL-SA）和节点选择算法（GREENDFL-SN），以优化能源效率并减少DFL培训中的碳排放。结果：经验实验是在多个数据集上进行的，在DFL生命周期的不同阶段测量能耗和碳排放。结果表明，本地培训主导了能耗和碳排放，而沟通的影响相对较小。使用GPU代替CPU来优化模型复杂性，并从策略上选择参与节点可显着提高可持续性。此外，使用有线通信，尤其是光纤，有效地减少了通信阶段的能源消耗，同时整合早期停止机制进一步最小化了总体排放。结论：拟议的Greendfl提供了一种评估DFL系统可持续性的全面和实用方法。此外，它提供了提高DFL环境效率的最佳实践，从而使可持续性考虑在现实世界部署中更具可行性。