XiaoMi-AI文件搜索系统
World File Search System参数化
使用机器学习的参数化雨滴
摘要：温暖云中的雨滴形成过程主要包括凝结和碰撞 - 小云液滴的合并。一旦形成雨滴，它们就可以通过收集云滴和自我收集来继续生长。在这项研究中，我们通过使用复杂的气溶胶 - 包含300滴量尺寸的垃圾箱和机器学习方法的云模型来开发新型的模拟器来表示雨滴形成是各种物理或背景环境条件的函数。然后在天气研究和预测模型的两个微物理学方案中实施模拟器，并在两个理想情况下进行了测试。与原始模拟相比，与原始模拟相比，与模拟器的浅对流模拟显示出明显的雨滴形成的增强。另一方面，由于降雨量的变化，由于云系统中较大数量的微物理过程（即冰期过程），对对流的模拟表现出对模拟器实施的更为复杂响应。我们的结果表明，仿真器的潜力取代了常规参数化，这可能使我们能够以负担得起的综合费用来改善物理过程的表示。
大气重力波：过程和参数化
摘要：从季节到季节性时间尺度和气候变化的大气可预测性均由重力波（GW）严重影响。区域和全球数值模型的质量依赖于GW动力学的彻底理解及其与许多尺度上化学，降水，云和气候的相互作用。在可预见的未来，GWS和许多其他相关过程将部分尚未解决，并且模型将继续依赖参数化。最近的模型对比和研究表明，当今的GW参数化并不能准确代表GW过程。这些缺点在预测气候变化对重要变异模式的影响时引入了不确定性。然而，过去十年来产生了新的数据和理论和数值发展的进步，有望改善情况。本综述对这些发展进行了调查，讨论了GW参数化的当前状态，并为如何从那里开始提出了建议。
大气重力波：过程和参数化
摘要：从季节到季节性时间尺度和气候变化的大气可预测性均由重力波（GW）严重影响。区域和全球数值模型的质量依赖于GW动力学的彻底理解及其与许多尺度上化学，降水，云和气候的相互作用。在可预见的未来，GWS和许多其他相关过程将部分尚未解决，并且模型将继续依赖参数化。最近的模型对比和研究表明，当今的GW参数化并不能准确代表GW过程。这些缺点在预测气候变化对重要变异模式的影响时引入了不确定性。然而，过去十年来产生了新的数据和理论和数值发展的进步，有望改善情况。本综述对这些发展进行了调查，讨论了GW参数化的当前状态，并为如何从那里开始提出了建议。
使用变异自动编码器参数化机翼
设计只能与其数学表示一样好。在工程设计优化中，所选的参数化方法可以对结果产生重大影响。本文介绍了一种利用变异自动编码器（VAE）的翼型设计参数化的新方法，这是一类以降低维数的熟练程度而闻名的神经网络。但是，VAE的重大挑战是编码潜在空间的解释性。这项工作旨在通过创建具有可解释潜在空间的网络来解决此问题，从而产生人类可以理解的参数。使用综合的UIUC机翼数据库评估了这种方法的有效性，该数据库提供了多种式机翼形状供分析。我们表明，VAE可以成功提取翼型几何形状的关键特征，并使用六个参数对其进行参数化，这些特征以设计器可以理解的方式显示与机翼属性的明显相关性。此外，它可以平滑地插入数据点，从而产生新的机翼，从而提供实用且可解释的机翼参数化。
使用参数模型降阶对电力电子模块热机械分析中的温度相关特性进行参数化
摘要 — 本文使用 ANSYS-FEM（有限元方法）对电力电子模块 (PEM) 进行直接耦合热机械分析，并结合参数模型降阶 (pMOR) 技术。与目前大多数通过顺序耦合热机械模型进行耦合热机械分析的模型降阶研究不同，本研究中采用的直接耦合热机械方法同时解决了热和结构模型。通常，pMOR 主要侧重于参数化模型参数（例如材料属性、负载），这些参数是常数。在本研究中，在电子模块可靠性评估的背景下，展示了一种使用 pMOR 参数化温度相关属性的新方法，例如 PEM 结构中材料的热膨胀系数 (CTE)。开发了 PEM 的二维有限元模型，并用于研究铝 (Al) 合金的温度相关 CTE 对热负荷下系统热机械响应的影响。基于 Krylov 子空间的技术 PRIMA 已用于模型降阶，并采用矩阵插值的线性方法进行 pMOR 中的参数化。全阶状态空间模型具有 30,612 个自由度 (DOF)，而通过 pMOR 实现的简化模型只有 8 个自由度。模拟运行表明，对于此问题，使用这种方法可以大大减少计算时间，全阶模型和简化模型之间的计算时间减少了 81%。在建模预测中，基于 pMOR 的解决方案保留了结果的准确性。在这种情况下，与 ANSYS-FEM 模型 (FOM) 解决方案相比，应力结果的平均差异仅为 0.43%。
论文：使用问题特定的参数化量子电路增强优化问题的 VQE 收敛性
摘要 变分量子特征求解器 (VQE) 算法因其在近期量子设备中的潜在用途而受到越来越广泛的关注。在 VQE 算法中，参数化量子电路 (PQC) 用于准备量子态，然后利用这些量子态计算给定汉密尔顿量的期望值。设计高效的 PQC 对于提高收敛速度至关重要。在本研究中，我们通过动态生成包含问题约束的 PQC，引入了针对优化问题量身定制的问题特定 PQC。这种方法通过关注有利于 VQE 算法的酉变换来减少搜索空间，并加速收敛。我们的实验结果表明，我们提出的 PQC 的收敛速度优于最先进的 PQC，凸显了问题特定 PQC 在优化问题中的潜力。关键词：VQE算法，优化问题，问题特定参数化量子电路
基于生理学的人体血液稳定剪切流性通过机器学习的参数化：止血贡献
摘要级别的血液学是对血流以及所涉及的机械应力和运动学的研究。卡森本构方程是一种流行而简单的模型，用于描述血液的稳定剪切流变性，只有两个参数指定了无限的剪切粘度和取决于血液生理学的屈服应力。以前的文献已经将血细胞比容和纤维蛋白原浓度确定为影响血流的两个最重要的生理因素，但是由于使用了非标准化的数据集，卡森模型的先前参数化可能并不可靠。本研究使用机器学习和最大的标准化数据集来改善卡森模型在健康个体的血细胞比容和纤维蛋白原浓度方面的参数化。该研究还采用机器学习来识别可能影响血液流变学的潜在额外因素，即平均肌张力性血红蛋白（MCH）。所提出的方法证明了机器学习的潜力，以改善生理学和血液流变学之间的联系，并在心血管诊断中产生可能的影响。
规范响应参数化
神经系统中的单脉冲电刺激，通常称为皮层间诱发电位 (CCEP) 测量，是了解大脑区域如何相互作用的重要技术。在用相隔几秒钟的短暂电流脉冲刺激一个大脑区域的同时，测量植入在一个大脑区域的电极的电压。从历史上看，研究人员曾尝试通过目视检查来了解诱发电压多相偏转的意义，但还没有出现通用工具来了解它们的形状或用数学方法描述它们。我们描述并说明了一种参数化大脑刺激数据的新技术，其中使用半标准化点积将电压响应轨迹投影到彼此中。点积中包含的刺激时间点的长度会有所不同，以获得结构意义的时间分布，并且分布的峰值唯一地标识了响应的持续时间。使用线性核 PCA，可在此持续时间内获得典型响应形状，然后将单次试验轨迹参数化为具有残差项的典型形状的投影。通过量化交叉投影幅度、响应持续时间、典型形状投影幅度、信噪比、解释方差和统计显著性，这种参数化允许直接比较来自不同大脑区域的不同轨迹形状。通过交叉投影幅度子分布中的异常值，可以自动识别并拒绝伪造试验。这种我们称之为“典型响应参数化”（CRP）的技术大大简化了 CCEP 形状的研究，并且还可以应用于涉及事件触发数据的其他广泛设置中。
对小量子处理器的连续参数化量子门的样本有效验证
大多数近期量子信息处理设备将无法实现量子误差校正和相关的逻辑量子门集。相反，量子电路将使用设备的物理NATIVE GATE直接进行。这些天然门通常具有参数化（例如，旋转角度），该参数为执行连续的操作范围提供了效果。验证对于在这些设备的可靠性中获得信心很重要。在这项工作中，我们展示了一种方法，用于对小量子处理器的连续参数化量子的样本验证，最多约为10吨。此过程涉及生成从设备的天然门集中选择的随机参数层的随机分析，然后随机堆积与此序列的近似近相，以便执行该设备上的完整座位应在其初始状态附近离开该设备。我们表明，通过这项技术进行的估计值的差异低于通过跨凝结基准标记进行的实现估计值。这提供了实验 -
用于参数化量子算子发现的混合多目标遗传规划
量子信息的处理由量子电路定义。对于当前量子设备上的应用，这些通常是参数化的，即它们包含具有可变参数的操作。设计这样的量子电路和聚合的高级量子算子是一项具有挑战性的任务，需要大量的量子信息理论知识，前提是可以通过分析找到多项式大小的解。此外，找到一个具有低计算成本的精确解决方案代表着一个重大的权衡，特别是对于当前一代量子计算机而言。为了应对这些挑战，我们提出了一种多目标遗传编程方法（与数值参数优化器混合）来自动合成参数化量子算子。为了证明所提出方法的优势，将其应用于混合量子经典算法的量子电路，然后与分析解决方案和非混合版本进行比较。结果表明，与非混合版本相比，我们的方法产生了更多样化的解决方案和更准确的量子算子，甚至达到了分析基线的质量。