XiaoMi-AI文件搜索系统
World File Search System多体系统
具有完整和非完整约束的液压驱动多体系统的有效而准确的线性化方法
摘要 在重型机械应用中，液压通常用于驱动机构。本文提出了一种用于液压驱动多体系统的线性化方法。该方法允许线性化具有完整和非完整约束的一般多体系统的运动方程，并增加液压子系统的液压方程。这种线性化方法的推导在许多应用中都很有趣，例如执行线性稳定性分析。使用液压驱动四杆机构的三维多体模型测试了该程序。通过线性和非线性系统的正向动力学模拟来验证该方法。结果显示了该方法的强大功能
量子多体系统配分函数的经典算法、相关衰减和复零点
我们提出了一个准多项式时间经典算法，用于估计在热相变点以上温度下量子多体系统的配分函数。众所周知，在最坏情况下，同样的问题在该点以下是 NP 难的。结合我们的工作，这表明量子系统相位的转变也伴随着近似难度的转变。我们还表明，在相变点以上的 n 个粒子系统中，距离至少为 Ω（log n）的两个可观测量之间的相关性呈指数衰减。当哈密顿量具有交换项或在一维链上时，我们可以将 log n 的因子改进为常数。我们结果的关键是用配分函数的复零点来表征相变和系统的临界行为。我们的工作扩展了 Dobrushin 和 Shlosman 的开创性工作，该工作涉及经典自旋模型中相关性衰减与自由能解析性之间的等价性。在算法方面，我们的结果扩展了 Barvinok 提出的一种用于解决量子多体系统经典计数问题的新方法的范围。
多体系统中的量子假设检验
物理学中的关键任务之一是进行测量以确定系统的状态。通常，测量的目的是确定物理参数的值，但也可以提出更简单的问题，例如“系统处于状态 A 还是状态 B？”。在量子力学中，后一种类型的测量可以使用量子假设检验的框架进行研究和优化。在许多情况下，人们可以明确地在极限中找到最佳测量，即人们可以同时访问大量 n 个相同的系统副本，并估计 n 变大时的预期误差。有趣的是，误差估计涉及各种量子信息理论量，例如相对熵，从而赋予这些量操作意义。在本文中，我们考虑量子假设检验在量子多体系统和量子场论中的应用。我们回顾了一些必要的背景材料，并详细研究了想要区分的两种状态在参数上接近的情况。相关的误差估计涉及相对熵方差等量，为此我们证明了一个新的不等式。我们探索自旋链和二维共形场论的最优测量策略，重点研究区分子系统的简化密度矩阵。事实证明，最优策略在实践中实施起来有些麻烦，我们讨论了一种可能的替代策略及其相应的误差。
多体系统中的15个纠缠
量子纠缠的概念可以追溯到量子力学的早期，并且是Schréodinger[1]的几篇论文的主题。同时，爱因斯坦，波多尔斯基和罗森讨论了他们著名的“ gedankenexperiment”，试图表明量子质理论不完整[2]。量子纠缠是一种物理现象，当粒子以某种方式相互作用时，就会发生，使每个粒子的量子状态不能独立于其他粒子的状态描述 - 包括当粒子被较大距离隔开时。很长一段时间以来，这是一个主题，主要是在量子光学和几个自由度的系统中讨论的话题。在过去的几十年中，它看到了来自非常不同领域的输入的复兴，包括黑洞的理论，量子信息和通信，量子量子体系系统的数值研究以及拓扑量子状态和量子相变的表征。在本章中，我们将介绍多体纠缠的一些基础知识，并专注于一些选定的应用程序。我们首先在许多身体系统中引入基本的纠缠概念，并讨论该地区法，这通常是由当地哈密顿人的基础状态遵守的[3]。然后，我们讨论了不同概念，在这些概念中，该区域法和基态的所得地点结果对调查量子现象非常有帮助：首先，我们表明，一维区域法律可以使用矩阵 - 产品状态（MPSS）代表一维的法律国家（MPSS），从而可以实现基础状态属性和时间属性和时间 - 时间和时间效率[4,5] [4,5]。第二，我们研究了间隙基态的纠缠特性及其在对称下的转化，为SPT阶段的分类提供了框架[6,7]。第三，我们确定纠缠熵的通用缩放特性，使我们能够表征量子相变[8]。最后，我们展示了如何应用上面的所有概念来研究自旋-1链的相图。
Trovarelli, F.、McRobb, M.、Hu, Z. 和 McInnes, C. (2020) 使用动量保持集成的欠驱动平面多体系统的姿态控制
摘要 近几年来，人们对用于太空应用的多功能可重构阵列的兴趣日益浓厚，并提出了几种针对不同任务需求的概念。然而，尚未找到一个引人注目的应用来证明其相对于传统系统更高的成本和复杂性是合理的。本文提出了一种用于小型可重构航天器的姿态控制系统 (ACS) 的设计新方法。它将利用多体阵列模块相对于彼此旋转产生的动量守恒内部扭矩。目标是相对于最先进的 ACS 实现更好的效率、准确性和稳健性性能，这是小型航天器技术的瓶颈。本文研究了使用内部关节扭矩控制姿态的平面多体阵列的特征行为。为此，将展示和讨论相关的重新定向轨迹。参照该领域的先前研究，讨论了考虑模块撞击的最佳姿态控制轨迹，并从物理和数学角度详细解释了动量保持机动的动力学。结果表明，该概念有待进一步发展。
表征有限温度下量子多体系统的绝热性
量子绝热定理是时间相关量子系统的基础，但能够定量表征多体系统中的绝热演化却是一项挑战。这项工作表明，使用适当的状态和粒子密度度量是一种可行的方法，可以定量确定量子多体系统动态中的绝热程度。该方法还适用于有限温度下的系统，这对于量子技术和量子热力学相关协议非常重要。通过与将量子绝热标准扩展到有限温度所获得的结果进行比较，讨论了考虑记忆效应的重要性：结果表明，这可能会产生构造上为准马尔可夫的错误读数。由于所提出的方法可以通过仅跟踪系统局部粒子密度来表征绝热演化的程度，因此它可能适用于非常大的多体系统的理论计算和实验。
使用强化学习设计多体系统中低推力进入周期性轨道的方法
I. 引言随着火星立方体一号 (MarCO) 任务的成功和小型化技术的进步，小型卫星不再局限于在低地球轨道 (LEO) 运行。相反，通过低推力小型卫星进行深空探索、技术演示和有针对性的科学任务可能很快就会成为现实。事实上，即将到来的任务，如月球冰立方、LunaH-map 和 NEA Scout，将把小型卫星作为次要有效载荷搭载在 Artemis 1 上，部署到多体重力环境内的各种位置[1-3]。然而，混沌多体系统中航天器的轨迹和机动设计本质上是一个高维问题，而且由于结合了与低推力小型卫星相关的约束而变得更加复杂：有限的推进能力、运行调度约束以及固定但不确定的初始条件。虽然存在多种基于最优控制和动态系统理论 (DST) 的数值方法，用于在多体系统的近似动力学模型中构建低推力轨迹和机动剖面，但自主和稳健设计策略的开发需要一种替代方法。强化学习 (RL) 是天体动力学界越来越感兴趣的一类用于实现轨迹和机动设计的自主性的算法。RL 算法通常涉及代理与环境交互，通过对动态状态采取行动来最大化奖励函数。代理会探索环境，直到确定了决定每个状态下最佳动作的策略。如果制定得当，这些算法可以探索许多状态-动作对以确定最佳动作，同时限制对次优动作的探索。RL 方法已用于天体动力学中各种应用和动力学模型的轨迹和机动设计。例如，Dachwald 探索使用人工神经网络和进化算法设计配备低推力航天器到水星的转移 [ 4 ]。Das-Stuart、Howell 和 Folta 近期提出的方法利用 RL 和基本动力学结构来设计圆形限制三体问题 (CR3BP) 中周期轨道之间的复杂转移轨迹 [ 5 ]。此外，Scorsoglio、Furfaro、Linares 和 Massari 还使用演员-评论家深度强化学习 (DRL) 方法来开发地月空间近直线轨道航天器的对接机动 [ 6 ]。最近，Miller 和 Linares 应用著名的近端策略优化 (PPO) 算法来设计地月系统中遥远逆行轨道之间的转移，通过 CR3BP 进行建模 [ 7 ]。这些研究的成功为天体动力学界继续探索和扩展 RL 在多体轨迹设计策略中的应用奠定了宝贵的基础。具体来说，本文以这些先前的研究为基础，重点关注实施基于 RL 的轨迹设计方法的一个重要组成部分：制定一个奖励函数，该函数既反映了设计目标，也反映了影响恢复机动轮廓操作可行性的约束。该分析是在低推力 SmallSat 的轨迹设计背景下进行的，以快速访问位于与 CR3BP 中的周期轨道相关的稳定流形上的附近参考轨迹。
