XiaoMi-AI文件搜索系统
World File Search System变幅
时变图的开放系统量子热力学
在本文中，我们基于图结构的热力学表示，提出了一种新颖的时间演化网络分析方法。我们展示了如何通过将主要结构变化与热力学相变联系起来来表征随时间变化的复杂网络的演化。具体来说，我们推导出许多不同热力学量（特别是能量、熵和温度）的表达式，并用它们来描述网络系统随时间的演化行为。由于现实世界中没有一个系统是真正封闭的，并且与环境的相互作用通常很强，因此我们假设系统具有开放性。我们采用薛定谔图作为量子系统随时间的动态表示。首先，我们使用图结构的最新量子力学表示来计算网络熵，将图拉普拉斯算子连接到密度算子。然后，我们假设系统根据薛定谔表示演化，但我们允许由于与环境相互作用而导致的退相干，模型类似于环境诱导退相干。我们将模型的动态过程分解为（a）未知的时间相关幺正演化加上（b）观察/相互作用过程，从而简化模型，这是系统密度矩阵特征值变化的唯一原因。这使我们能够通过估计负责演化的幺正部分的隐藏时变汉密尔顿量来获得与环境的能量交换度量。利用能量、熵、压力和体积变化之间的热力学关系，我们恢复了热力学温度。我们评估了该方法在代表金融和生物领域复杂系统的真实世界时变网络上的效用。我们还比较和对比了热力学变量（能量、熵、温度和压力）提供的不同特征。研究表明，时变能量算子的估计可以强烈地表征时间演化系统的不同状态，并成功检测到网络演化过程中发生的关键事件。
模拟量子变分嵌入分类器
量子机器学习有可能为人工智能提供强大的算法。在量子机器学习中追求量子优势是一个活跃的研究领域。对于目前有噪声的中型量子计算机，已经提出了各种量子-经典混合算法。一种先前提出的混合算法是基于门的变分嵌入分类器，它由经典神经网络和参数化的基于门的量子电路组成。我们提出了一种基于模拟量子计算机的量子变分嵌入分类器，其中控制信号随时间连续变化：我们特别关注的是使用量子退火器的实现。在我们的算法中，通过线性变换将经典数据转换为模拟量子计算机的时变哈密顿量的参数。非线性分类问题所需的非线性纯粹由模拟量子计算机通过最终量子态对哈密顿量控制参数的非线性依赖性提供。我们进行了数值模拟，证明了我们的算法对线性不可分数据集（例如同心圆和 MNIST 数字）进行二分类和多类分类的有效性。我们的分类器可以达到与最佳经典分类器相当的准确度。我们发现，通过增加量子比特的数量可以提高分类器的性能，直到性能饱和并波动。此外，我们的分类器的优化参数数量与量子比特的数量成线性关系。因此，当我们的模型大小增加时，训练参数数量的增加速度不如神经网络快。我们的算法提出了使用当前量子退火器解决实际机器学习问题的可能性，并且它还可用于探索量子机器学习中的量子优势。
基于波导 QED 的变分量子模拟器
在本补充材料中，我们提供了更多细节来支持正文中提出的结果。在 SM1 节中，我们回顾了当波导模式具有带隙时光子介导相互作用可调谐性的物理起源。然后，在 SM2 节中，我们总结了变分量子本征求解算法的关键步骤（SM2 A），描述了所考虑的目标模型的属性（SM2 B），解释了文献中通常使用的不同假设的结构（SM2 C），详细介绍了我们用于获得正文结果的优化协议（SM2 D），并评论了其他可能用于对我们的结果进行基准测试的品质因数（SM2 E）。最后，在 SM3 节中，我们讨论了用于获得正文图 3 的误差模型的细节。还请注意，用于重现手稿结果的所有代码都可以在 https://github.com/cristiantlopez/Variational-Waveguide-QED-Simulators 中找到。
二次量子变分蒙特卡罗
本文介绍了二次量子变分蒙特卡罗 (Q 2 VMC) 算法，这是量子化学中的一种创新算法，可显著提高求解薛定谔方程的效率和准确性。受虚时间薛定谔演化的离散化启发，Q 2 VMC 采用了一种新颖的二次更新机制，可与基于神经网络的假设无缝集成。我们进行了大量的实验，展示了 Q 2 VMC 的卓越性能，在跨各种分子系统的波函数优化中实现了更快的收敛速度和更低的基态能量，而无需额外的计算成本。这项研究不仅推动了计算量子化学领域的发展，还强调了离散化演化在变分量子算法中的重要作用，为未来的量子研究提供了一个可扩展且强大的框架。
变分预测编码下的目标导向行为
摘要 — 心理模拟是目标导向行为的关键认知功能，因为它对于评估行为及其后果至关重要。当给定一个自我生成或外部指定的目标时，通过心理模拟从其他候选中选择最有可能实现该目标的一系列动作。因此，更好的心理模拟会带来更好的目标导向行动计划。然而，开发心理模拟模型具有挑战性，因为它需要了解自我和环境。本文研究了如何通过动态组织自上而下的视觉注意力和视觉工作记忆来在心理上生成机器人的充分目标导向行动计划。为此，我们提出了一种基于变分贝叶斯预测编码的神经网络模型，其中目标导向行动计划由潜在意向空间的贝叶斯推理制定。我们的实验结果表明，出现了具有认知意义的能力，例如对机器人末端执行器（手）的自上而下的自主注意以及无遮挡视觉工作记忆的动态组织。此外，我们对比较实验的分析表明，引入视觉工作记忆和使用变分贝叶斯预测编码的推理机制显著提高了规划充分的目标导向行动的表现。
变分的安全云量子计算
变异量子算法（VQA）被认为是嘈杂的中间尺度量子（NISQ）设备的有用应用。通常，在VQA中，参数化的ANSATZ电路用于生成试验波函数，并且对参数进行了优化以最大程度地减少成本函数。另一方面，已经研究了盲量量计算（BQC），以便通过使用云网络为量子算法提供安全性。执行量子操作能力有限的客户端希望能够访问服务器的量子计算机，并且BQC允许客户端使用服务器的计算机，而不会泄漏客户端的信息（例如输入，运行量子算法和输出）到服务器。但是，BQC设计用于容差量子计算，这需要许多辅助量子位，这可能不适合NISQ设备。在这里，我们提出了一种有效的方法，可以为客户端提供保证安全性的NISQ计算。在我们的体系结构中，仅需要N +1量子位，假设服务器已知Ansatzes的形式，其中N表示原始NISQ算法中必要的量子数。客户端仅在从服务器发送的辅助量子位上执行单量测量，并且测量角可以指定NISQ算法的ANSATZES的参数。无信号原则可以保证客户端选择的参数或算法的输出都不会泄漏到服务器。这项工作为NISQ设备的新应用程序铺平了道路。
LED 驱动控制/键盘扫描专用集成电路TM1650
接口和TM1650 通信，在输入数据时当SCL 是高电平时，SDA 上的信号必须保持不变；只有SCL 上的 时钟信号为低电平时，SDA 上的信号才能改变。数据输入的开始条件是SCL 为高电平时，SDA 由高变
结构疲劳裂纹长度估算和... - PHM 协会
本文介绍了“Angler”团队为 2019 年 PHM 大会数据挑战赛开发的方法。该挑战赛旨在使用当前载荷循环下的超声波信号估计某种铝结构的疲劳裂纹长度，并尽可能准确地预测未来多个载荷循环下的裂纹长度（多步预测）。为了估计裂纹长度，从超声波信号中提取了四个裂纹敏感特征，即第一个峰值、均方根值、峰度对数和相关系数。提出了一个集成线性回归模型来映射这些特征及其与裂纹长度的二阶相互作用。采用最佳子集选择方法来选择最佳特征。为了预测裂纹长度，推导出巴黎定律的变体来描述裂纹长度与载荷循环次数之间的关系。使用遗传算法学习巴黎定律的材料参数和应力范围。这些参数将根据上一步预测的裂纹长度进行更新。然后，预测了恒幅荷载工况或变幅荷载工况下未来荷载循环次数对应的裂纹长度。根据数据挑战赛委员会提供的分数计算规则，本文提出的方法获得了 16.14 分，在所有参赛队伍中排名第三。
基于有源电感、具有大输出电压摆幅的高线性度 10 Gb/s MOS 电流模式逻辑驱动器
一些设计挑战[18,19]。有源电感使用晶体管构建，因此电压摆幅低于无源电感，因为晶体管需要较大的电压余量。并且晶体管的非线性特性使有源电感的电感阻抗随偏置点而变化[20]。当有源电感工作在相对较大的电压摆幅下时，输出阻抗的变化很大。为了增加输出电压摆幅，做了一些其他的工作[21-23]。它们克服了阈值电压的限制，因此所需的电压余量降低了，但是晶体管非线性的影响仍然存在。为了使阻抗变化可接受，它们仅对输出电压摆幅提供有限的增加。
基于人工智能的时变环境下 HAPS 规划框架
高空伪卫星 (HAPS) 是一种固定翼、太阳能供电的无人驾驶飞行器 (UAV)，旨在成为固定轨道卫星的灵活替代品，用于长期监测地面活动。然而，由于其重量轻、电动机功率弱，该平台对天气相当敏感，无法在危险天气区快速飞行。在这项工作中，我们将多个 HAPS 的任务规划问题公式化为以 PDDL+ 表示的混合规划问题。该公式还考虑了平台动态建模问题、时变环境以及需要执行的异构任务。此外，我们提出了一个框架，将 PDDL+ 自动规划器与自适应大邻域搜索 (ALNS) 方法相结合，开发该框架是为了将自动规划器与特定于该问题的元启发式方法相结合。任务和运动规划在框架内以交织的方式完成，因此保留了共同的决策/搜索空间。我们使用第三方 HAPS 真实模拟器以及一组基准测试验证了我们的方法，表明我们的集成方法可以制定可执行的任务计划。