英国国家经济与社会研究所是英国历史最悠久的独立研究机构,成立于 1938 年。其创始人的愿景是开展研究,以增进对影响人们生活的经济和社会力量的了解,以及政策如何带来变革。八十多年后,这仍然是 NIESR 精神的核心。我们继续将我们在定量和定性方法方面的专业知识以及我们对经济和社会问题的理解应用于当前的辩论并影响政策。该研究所独立于所有政党政治利益。
Naoyuki Yoshino是日本东京Keio大学的名誉教授,日本金融服务局金融研究中心主任。 Rajendra n Paramanik是印度印度理工学院人文与社会科学系的助理教授。 k u gopakumar是印度Prasanthi Nilayam的Sri Sathya Sai高等教育学院经济系的助理教授。 Farhad Taghizadeh-Hesary是日本东京Tokai大学经济学副教授。 ma。 Laarni Revilla是日本东京亚洲开发银行研究所(ADBI)的研究助理。 k e Seetha Ram是ADBI的能力建设和培训项目的高级咨询专家,也是日本东京大学空间信息科学中心的客座教授。Naoyuki Yoshino是日本东京Keio大学的名誉教授,日本金融服务局金融研究中心主任。Rajendra n Paramanik是印度印度理工学院人文与社会科学系的助理教授。k u gopakumar是印度Prasanthi Nilayam的Sri Sathya Sai高等教育学院经济系的助理教授。Farhad Taghizadeh-Hesary是日本东京Tokai大学经济学副教授。ma。Laarni Revilla是日本东京亚洲开发银行研究所(ADBI)的研究助理。k e Seetha Ram是ADBI的能力建设和培训项目的高级咨询专家,也是日本东京大学空间信息科学中心的客座教授。
在本文中,我们提出了一类引入时间延迟的一维非局部守恒定律系统,该系统可用于研究自动驾驶汽车和人类驾驶汽车之间的相互作用,每种汽车具有不同的反应时间和相互作用范围。我们使用 Hilliges-Weidlich 方案构建近似解,并提供统一的 L ∞ 和 BV 估计以确保方案的收敛性,从而获得有界变差的熵弱解的存在性。唯一性由熵条件得出的 L 1 稳定性结果得出。此外,我们提供了数值模拟来说明在混合自动驾驶/人类驾驶交通流建模中的应用。特别是,我们表明自动驾驶汽车的存在可以改善整体交通流量和稳定性。
项目涉及制造工艺(铸造/焊接/表面重熔/熔覆等)中凝固过程的多尺度数值研究。宏观模型为连续尺度,将基于有限体积法,在求解质量、动量和能量方程后获得温度场。获得的温度场与低尺度模型(中尺度/微尺度)耦合,以模拟中尺度结构(晶粒结构)或微观结构。低尺度模型包括两种现象 1. 成核 2. 生长,并基于细胞自动机算法。多尺度、多物理模拟将用于执行参数研究,以将工艺参数与微观结构联系起来并表征形态转变。
本文的目的是研究代理人行为规则中复杂程度的不同程度如何影响个人和宏观经济的表现。,我们分析了引入基于代理的宏观模型企业的效果,该公司能够通过使用简单的机器学习算法来制定有效的销售预测。这些技术能够提供公正的预测并具有一定程度的准确性,尤其是在遗传算法的情况下。我们观察到机器学习允许企业可以增加利润,尽管这会导致工资份额下降和长期长期增长率较小。预测方法能够提出期望,这些期望在冲击不大时保持公正,因此提供了预测能力,在一定程度上可能与卢卡斯的批评一致。关键字:基于代理的模型,机器学习,遗传算法,预测,政策冲击。JEL分类:C63,D84,E32,E37。
假设螺旋天线发射所吸收的功率已知,推导了螺旋推进器腔内磁化等离子体流的轴对称宏观模型。从设计和操作参数的角度讨论了电离、约束、亚音速流和生产效率。获得了理想等离子体条件的解析解和简单的缩放定律。然后将腔模型与外部磁喷嘴模型匹配,以表征整个等离子体流并评估推进器性能。评估了热、电和磁对推力的贡献。能量平衡提供了腔和喷嘴中离子和电子之间的功率转换,以及光束功率、电离损失和壁面损失之间的功率分配。评估了推进器的效率,并确定了效率低下的主要原因。喷嘴中无碰撞电子群的热力学行为被认为是鲜为人知的,并且对于完全等离子体膨胀和良好的推力效率至关重要。 VC 2013 美国物理学会。[http://dx.doi.org/10.1063/1.4798409]
下一代欧盟(NGEU)是一种前所未有的工具,可为改革和投资提供重大的财务支持,从而响应于19 Covid-19的大流行,从而在整个欧盟进行了协调的财政扩张。因此,财政溢出与评估其整体宏观经济作用有关。我们通过扩展具有丰富贸易结构的标准宏观模型来量化每个成员国的额外投资支出的影响。我们的模型表明,当明确考虑各个国家措施的溢出效应时,欧盟范围内的GDP效应大约是三分之一。个人投资计划的民族影响的简单汇总将大大低估NGEU的增长影响。对于具有较小NGEU分配的小型开放经济体,Spillover效应占GDP影响的大部分。我们还量化了关键传输通道的作用,例如零下限,生产力效应和对支出速度的不同假设。但是,本文并未量化结构改革的影响,这可以进一步增强NGEU的生长影响。
我们探讨消费异质性如何影响货币冲击的国际传导机制以及开放经济中最优货币政策的选择。将两种类型的主体(李嘉图主义和凯恩斯主义)纳入标准开放经济宏观模型,我们发现,在相当大的家庭异质性范围内,货币政策变得无效,但这敏感地取决于总需求和相对价格效应的相互作用。我们推导出替代定价制度下具有家庭异质性的全球最优货币政策。在PCP下,PPI目标仍然是最优货币政策,可以使经济恢复到有效均衡。然而,在LCP下,消费异质性和货币错位的存在意味着CPI通胀目标在大多数情况下不再是最优的。最后,我们表明,当引入进口税和出口补贴等财政手段时,货币错位和消费异质性都可以消除,即使在LCP下,PPI目标也是最优货币规则。
虽然基于脉冲神经网络 (SNN) 的神经形态计算架构作为实现生物可信机器学习的途径越来越受到关注,但人们的注意力仍然集中在神经元和突触等计算单元上。从这种神经突触视角出发,本文试图探索神经胶质细胞,特别是星形胶质细胞的自我修复作用。这项工作调查了与星形胶质细胞计算神经科学模型的更强相关性,以开发具有更高生物保真度的宏观模型,准确捕捉自我修复过程的动态行为。硬件-软件协同设计分析表明,生物形态星形胶质细胞调节有可能自我修复神经形态硬件系统中的硬件实际故障,并且在 MNIST 和 F-MNIST 数据集上的无监督学习任务中具有明显更好的准确性和修复收敛性。我们的实现源代码和训练模型可在 https://github.com/NeuroCompLab-psu/Astromorphic Self Repair 上找到。
异质多尺度方法(HMM)能够同时使用Exascale超级计算机的出现,能够同时使用多个尺度模拟多个尺度。但是,幼稚的实现显示大量裁员,并且非常昂贵。宏观模型通常需要计算大量非常相似的显微镜模拟。在层次方法中,这几乎不是一个问题,因为现象学组成模型很便宜。但是,当微观模拟需要例如高维分子动力学(MD)或有限元(Fe)模拟时,必须避免冗余。我们提出了一种适用于HMM工作流的聚类算法,该算法会自动分类并消除冗余显微镜模拟。该算法具有条纹的组合,以呈现微观模拟的参数配置和基于其相似性的图网络表示的低维表示。该算法可以将相似的参数配置聚类为单个参数,以减少所需的显微镜模拟数量。我们描述了算法在HMM应用耦合Fe和MD的背景下的实现,以预测聚合物 - 透明烯纳米复合材料的化学机械行为。该算法提供了计算效果的三倍降低,准确性损失有限。