XiaoMi-AI文件搜索系统
World File Search System劳伦斯伯克利
劳伦斯伯克利国家实验室
摘要 — 我们提出了一种可组合的设计方案，用于开发用于量子模拟应用的混合量子/经典算法和工作流程。我们的面向对象方法基于构建一组富有表现力的通用数据结构和方法，这些结构和方法可以对各种复杂的混合量子模拟应用程序进行编程。我们方案的抽象核心是从对当前量子模拟算法的分析中提炼出来的。随后，它允许通过扩展、专业化和动态定制由我们的设计定义的抽象核心类来合成新的混合算法和工作流程。我们使用与硬件无关的编程语言 QCOR 将我们的设计方案实现到 QuaSiMo 库中。为了验证我们的实现，我们在 IBM 的商业量子处理器上测试并展示了它的实用性，运行了一些原型量子模拟。索引术语 — 量子计算、量子编程、编程语言
劳伦斯伯克利国家实验室
直接从神经信号解码行为、感知或认知状态对于脑机接口研究至关重要，也是系统神经科学的重要工具。在过去十年中，深度学习已成为从语音识别到图像分割等许多机器学习任务的最新方法。深度网络在其他领域的成功引发了神经科学领域新一轮的应用浪潮。在本文中，我们回顾了深度学习的神经解码方法。我们描述了用于从从脉冲到 fMRI 的神经记录模式中提取有用特征的架构。此外，我们探索了如何利用深度学习来预测包括运动、语音和视觉在内的常见输出，重点是如何将预训练的深度网络作为复杂解码目标（如声学语音或图像）的先验。深度学习已被证明是一种有用的工具，可用于提高广泛任务中神经解码的准确性和灵活性，我们指出了未来科学发展的领域。
劳伦斯伯克利国家实验室
摘要 中国电力系统约占全球能源相关二氧化碳排放量的 13%，已开始实施市场化电力行业改革。本文模拟了中国南方电网地区的电力系统调度，并研究了市场化运营的经济和环境影响。我们发现，市场化运营可以提高南方电网所有省份的效率并降低成本——与 2016 年基线相比，整个地区的批发电力成本最多可降低 35%。大约 60% 的潜在成本降低可以通过在该地区建立独立的省级市场来实现，其余的可以通过建立不扩大输电范围的区域市场来实现。批发市场收入足以收回发电厂的固定成本；然而，可能需要对目前的支付机制进行财务重组。电力市场还可以通过提高热电调度效率和避免水电/可再生能源削减来减少南方电网高达 10% 的二氧化碳排放量。随着中国可再生能源发电量的增加，扩大输电范围的区域电力市场的好处可能会增加。
劳伦斯伯克利国家实验室
本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会及其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。
劳伦斯伯克利国家实验室
自 19 世纪末的“电流之战”以来，交流电 (AC) 一直主导着配电。然而，近年来，直流电 (DC) 再次兴起，挑战了交流电。随着直流电源（光伏、电池存储）的使用增加、直流终端用途（电子产品、电动汽车、固态照明）以及电力电子技术的进步，建筑物中的直流配电已被提议作为一种在转型中的建筑行业中实现更高效率、成本节约和弹性的方法。许多研究通过功率损耗模拟（Gerber 等人，2018 年；Denkenberger 等人，2012 年；Fregosi 等人，2015 年）或实际测量（Boeke 和 Wendt，2015 年；Noritake 等人，2014 年）估计了在具有现场直流发电、存储和负载的建筑物中直流配电的潜在节能效果。
劳伦斯伯克利国家实验室
摘要：利用油水界面上的主客体分子识别，设计并制备了一种新型光响应性纳米颗粒表面活性剂 (NPS) 来结构化液体。借助聚合物表面活性剂，界面主客体相互作用可以显著增强，导致 NP 单层的快速形成和组装，并提供足够的结合能以保持 NP 处于堵塞状态。NPS 的组装可以通过光切换的堵塞到解堵转变进行可逆操纵，使界面以及宏观组装体对外部触发（光子）具有响应性。这项研究首次通过引入主客体化学为构建多响应、结构化的全液体系统开辟了一条途径，展示了在封装、输送系统和独特的微流体装置中的潜在应用前景。
劳伦斯伯克利国家实验室
免责声明 本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会或其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。
劳伦斯伯克利国家实验室
量子计算机的一个备受期待的应用是作为量子多体系统的通用模拟器，正如理查德·费曼在 20 世纪 80 年代所推测的那样。过去十年，量子计算在模拟量子系统静态特性（即小分子的基态能量）方面取得了越来越多的成功。然而，在当前到不久的将来的嘈杂中型量子计算机上模拟量子多体动力学仍然是一个挑战。在这里，我们展示了在 IBM 的 Q16 Melbourne 量子处理器和 Rigetti 的 Aspen 量子处理器上成功模拟非平凡量子动力学；即通过原子厚度的二维材料中的 THz 辐射超快速控制新兴磁性。其中包括执行此类模拟的完整代码和分步教程，以降低未来对这两台量子计算机进行研究的门槛。因此，这项工作为近期量子计算机上各种量子动力学的有前景的研究奠定了基础，包括 Floquet 态的动态局部化和噪声环境中量子比特的拓扑保护。
劳伦斯伯克利国家实验室
量子算法能够利用多项式数量的量子比特探索指数级的多种状态，因而在各类工业和科学应用中前景广阔。量子游走是研究最为深入的量子算法之一 [1]。与经典随机游走一样，其量子变体也被广泛用于增强各种量子计算和模拟 [2,3]。虽然量子游走与经典随机游走有着本质区别，但量子算法接近经典算法还是有一定的限度 [4]。经典随机游走的一个有用特性是它可以用马尔可夫链蒙特卡洛 (MCMC) 进行有效模拟，因为后续运动仅取决于当前位置，而不取决于之前的历史。这种 MC 性质是一些模拟多体物理系统的算法的核心，其中生成过程近似于局部的。对于同样具有重要量子特性的物理系统，MCMC 的速度是以固有量子模拟的准确性为代价的。高能物理中的部分子簇射就是这样一个物理系统 [ 5 ]，其中夸克或胶子辐射出几乎共线的夸克和胶子簇射。真正的量子效应可以近似为 MCMC 的修正 [ 6 ]，但无法在经典 MCMC 方法中直接有效实现。考虑以下量子树：每一步，自旋为 1/2 的粒子可以向左移动一个单位或向右移动一个单位。经过 N 步，该系统形成一个二叉树，其中 2 N