XiaoMi-AI文件搜索系统
World File Search System参数估计
通过量子系统参数估计增强随机过程分析
摘要 本文从所有可能的角度研究了向量空间中的线性伊藤随机微分方程。在这种情况下，势向量描述了作用于量子系统的经典噪声的大小。该向量势可以表示为其参数的线性函数，其中厄米算子作为其系数，因为其参数被假定为未知的。对于二阶扰动，可以借助势扰动参数确定幺正演化算子。至于第二项，它写成关于布朗运动的双迭代随机积分，而第一项写成伊藤随机积分。在控制量子系统时，来自环境的噪声可能是一个主要障碍；这种技术可以提供帮助。通过学习检测和调节噪声，提高计算机等量子技术的可靠性和实用性。如果势的参数受到噪声的影响，那么它们的可靠性就会降低。我们重点关注特殊情况，即势能是这些参数的线性函数，以厄米算子为系数。为了找到达到 O ( ǫ ) 的幺正演化算子，我们可以将 O ( ǫ ) 项写为关于布朗运动的伊藤随机积分，将 O ( ǫ 2 ) 项写为关于布朗运动的双迭代随机积分。
用于量子多参数估计的深度强化学习
摘要。物理量的估计是大多数科学研究的核心，而量子设备的使用有望提高其性能。在实际场景中，必须考虑到资源是有限的，而贝叶斯自适应估计是一种在估计过程中有效分配所有可用资源的强大方法。然而，这个框架依赖于通过精细校准获得的系统模型的精确知识，其结果通常在计算和实验上要求很高。我们引入了一种无模型和基于深度学习的方法来有效地实现现实的贝叶斯量子计量任务，完成所有相关挑战，而不依赖于任何系统的先验知识。为了满足这一需求，直接在实验数据上训练神经网络以学习多参数贝叶斯更新。然后，通过强化学习算法提供的反馈将系统设置在最佳工作点，该算法经过训练以重建和增强所研究的量子传感器的实验启发式方法。值得注意的是，我们通过实验证明了比标准方法更高的估计性能，证明了这两种黑盒算法在集成光子电路上结合的强大功能。我们的工作代表着朝着完全基于人工智能的量子计量迈出了重要一步。
引用本研究：Yuksek, G., Muratoglu, Y., & Alkaya, A. (2022)。使用参数估计法对超级电容器进行储能建模
提高可再生能源系统效率的研究日益引起了人们对高功率密度 (HPD) 储能单元的兴趣。HPD 单元与高能量密度 (HED) 储能系统一起使用时，可形成混合储能系统 (HESS)。超级电容器是 HPD 中最常用的储能单元，具有成本低、自放电率低和使用寿命长等特点。当系统需要高功率时，超级电容器用于支持 HED 单元，以确保传输功率的稳定性、效率和高质量。在 HESS 中以精确的时间使用超级电容器对其性能有重大影响。因此，必须正确建模超级电容器并将其与系统很好地集成。在本研究中，利用从模拟研究中获得的数据进行参数估计，并对超级电容器进行建模。对超级电容器模型进行了不同电流下的充电和放电测试，并获得了成功的结果。
自然语言处理-增强核工业运营经验数据分析以支持风险模型参数估计
免责声明 本信息是根据美国政府机构赞助的工作编写的。美国政府及其任何机构或其任何雇员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或义务，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的观点和意见。
来自机器学习的直接参数估计 -
摘要：有能力找到任意复杂的对称性，机器学习（ML）增强量子状态层析成像（QST）的最佳拟合，已经证明了其在提取有关量子状态的完整信息方面的优势。我们通过直接生成目标参数来开发高性能，轻巧且易于安装的监督特征模型，而不是在训练截短的密度矩阵中使用重建模型。这样的基于特征模型的ML-QST可以避免处理大型希尔伯特空间的问题，但是CAB将特征提取高精度提取，从而捕获数据中的基础对称性。使用从平衡同源探测器生成的实验测量数据，我们比较了有关重建和特征模型预测的量子噪声挤压状态的退化信息；两者都与从协方差法获得的经验拟合曲线一致。具有直接参数估计的这种ML-QST说明了一个至关重要的诊断工具箱，用于使用挤压状态的应用，从量子信息过程，量子计量学，高级重力波检测器到宏观量子状态生成。
通过参数估计实现量子信道通信
摘要 — 当解码器需要重建参数序列时，考虑通过随机参数量子信道进行通信。我们研究了编码器处可用的严格因果、因果或非因果信道边信息 (CSI) 的场景，以及 CSI 不可用的情况。该模型可以看作是一种量子计量学，也是解码器处具有状态估计的经典速率和状态信道的量子对应物。推导出容量失真区域的正则化公式。在测量信道的特殊情况下，推导出严格因果和因果设置的单字母特征。此外，在更一般的纠缠破坏信道情况下，当 CSI 不可用时，推导出单字母特征。因此，我们获得了具有 CSI 的随机参数量子信道容量的正则化公式，推广了 Boche 等人在 2016 年关于经典量子信道的先前结果。最后，我们引入了玻色子脏纸编码，证明最佳系数不一定是经典设置中的最小均方误差估计的系数。
数字孪生、模型和参数估计简介
报告介绍了建筑环境中的数字孪生概念。报告指出，数据和以这些数据为基础的模型对于构建数字孪生至关重要。根据建模方法，模型分为白盒、灰盒和黑盒模型，根据建模问题，分为正向和反向模型。报告解释了这些模型中的每一个，以阐明如何根据可用数据和要实现的目标类型选择模型。目标可以是性能预测、参数估计、控制、优化和故障检测和诊断。报告的下一部分简要介绍了参数估计模型。参数估计模型本质上是灰盒模型。它们在做出改造决策时很有用，因为它们有助于描述现有房屋的特征，并检查拟议改造方案的有效性。报告阐明了数据选择和热网络配置选择如何影响估计参数。它还进一步解释了为什么需要详细测量来验证参数估计模型。报告的最后一部分简要描述了行为模型、实施这些模型的挑战以及将它们纳入其中以缩小性能差距的重要性。该报告包括来自科学文献的几个行为模型示例，重点介绍了所使用的数据、建模方法和居住者行为研究
相干叠加噪声信道上的量子参数估计
受量子噪声影响的通用量子比特幺正算子被复制并插入到相干叠加通道中，叠加了两个路径，这些路径提供给穿过噪声幺正的探测量子比特，并由控制量子比特驱动。对叠加通道在探测-控制量子比特对的联合状态上实现的变换进行表征。然后针对噪声幺正相位估计的基本计量任务对叠加通道进行专门分析，其性能由经典或量子 Fisher 信息评估。与传统估计技术以及最近为类似相位估计任务研究的具有不确定因果顺序的量子切换通道进行了比较。在此处的分析中，第一个重要的观察结果是，叠加通道的控制量子比特虽然从未直接与被估计的幺正相互作用，但仍然可以单独测量以进行有效估计，同时丢弃与幺正相互作用的探测量子比特。切换通道也存在此属性，但无法通过传统技术实现。这里在一般条件下描述了控制量子比特的最佳测量。第二个重要的观察结果是噪声在将控制量子比特耦合到幺正量子比特中起着至关重要的作用，并且控制量子比特在非常强的噪声下仍可用于相位估计，即使在完全去极化的噪声下也是如此，而常规估计和切换通道在这些条件下不起作用。结果扩展了相干控制通道能力的分析，这些通道代表了可用于量子信号和信息处理的新设备。
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。
在线降低锂离子电池等效电路模型的复杂性参数估计技术
电动汽车中面向控制的电池管理应用程序的摘要，电池组的等效电路模型（ECM）提供可接受的建模精度和简单的数学方程式，以包括单元参数。但是，在实时应用中，电路参数通过改变电池的操作条件和状态不断变化，因此需要在线参数估计器。估计器必须使用适合实时处理的计算复杂性更新电池参数。本文为ECM的在线参数估计提供了一种新颖的在线降低复杂性（ORC）技术。与现有技术相比，所提出的技术提供的复杂性明显较小（因此估计时间），但没有损害准确性。我们使用基于信任区域优化（TRO）最小二（LS）方法作为提议技术中的更新算法，并使用Nissan Leaf（Pouch）细胞实验验证我们的结果，并借助标准车辆测试周期，即动态驾驶周期（DDC）和新的欧洲驾驶周期（NEDC）。