由于机器人技术、人工智能和控制理论领域的许多激动人心的发展,三个曾经截然不同的课题现在正走向碰撞。在机器人技术中,运动规划最初关注的是诸如如何在不撞到任何东西的情况下将钢琴从一个房间搬到另一个房间的问题。然而,该领域已经发展到包括不确定性、多个物体和动态等复杂问题。在人工智能中,规划最初意味着寻找一系列逻辑运算符或动作,将初始世界状态转化为期望的目标状态。目前,规划的范围超出了这一点,包括许多决策理论思想,如马尔可夫决策过程、不完全状态信息和博弈论均衡。虽然控制理论传统上关注稳定性、反馈和最优性等问题,但人们对设计用于为非线性系统找到可行开环轨迹的算法的兴趣日益浓厚。在本论文的某些部分中,已经应用了“运动规划”这一术语,但其解释与机器人技术中的用法不同。因此,尽管机器人技术、人工智能和控制理论领域最初考虑的是不同的问题,但它们的范围已经扩大,具有一个有趣的共同点。在本文中,我将以涵盖这一共同点的广义使用“规划”一词。但这并不意味着该术语涵盖机器人技术、人工智能和控制理论领域中的所有重要内容。本演讲重点介绍与规划相关的算法问题。在机器人技术中,重点是通过处理复杂的几何模型来设计生成有用运动的算法。在人工智能中,重点是设计使用决策理论模型来计算适当动作的系统。在控制理论中,重点是计算系统可行轨迹的算法,并额外涉及反馈和最优性。分析技术占控制理论文献的大部分,但不是本演讲的重点。 “规划和控制”这个短语通常用于识别开发系统中的互补问题。规划通常被认为是比控制更高级别的过程。在本文中,我没有做这样的区分。忽略这些术语的历史含义,“规划”和“控制”可以用于
我们考虑了一大类拉姆齐干涉测量协议,这些协议通过在相位信号印在 N 个粒子的集体自旋上之前和之后进行压缩和非压缩操作而得到增强。我们报告了针对任何给定粒子数和 (非) 压缩强度的分析优化。即使在压缩和非压缩相互作用期间包含实验相关的退相干过程,也可以应用这些结果。然而,本文不考虑两种相互作用之间的噪声。这提供了压缩回波协议的广义表征,恢复了许多已知的量子计量协议作为局部灵敏度最大值,从而证明了它们的最优性。我们发现了一个新的协议。其灵敏度增强依赖于压缩的双重反转。在一般的回声协议类别中,新发现的过度解扭曲协议由于其在强集体失相情况下的海森堡缩放而被挑选出来。
决策树是最受欢迎的监督模式之一,因为它们的解释性和知识表示类似于人类的推理。常用的决策树归纳算法基于贪婪的自上而下策略。尽管已知这些方法是一种有效的启发式方法,但所得树仅在局部最佳,并且往往具有过于复杂的结构。另一方面,最佳决策树算法尝试立即创建整个决策树以实现全局最优性。我们通过设计针对决策树的生成模型在这些方法之间提出建议。我们的方法首先通过使用预训练的决策树模型来学习潜在的决策树空间。然后,它采用了一种遗传程序来探索这种潜在空间,以找到具有良好预测性能的紧凑型决策树。我们将我们的建议与覆盖树诱导方法,最佳方法和结合模型进行了比较。结果表明,我们的建议可以产生准确而浅的,即可解释的决策树。
对于估计任意量子过程相位的基本任务,设计了一种基于傅立叶的量子相位估计变体,它使用多个纠缠量子比特的探测信号。对于简单的实际实现,每个探测量子比特都可以单独应用和测量。当量子比特最佳纠缠时,可以获得海森堡增强的估计效率缩放。相位估计协议可以在存在量子相位噪声的情况下同样应用。这使我们能够研究一般量子相位噪声对基于傅立叶的相位估计性能的影响。特别是它揭示了在没有噪声的情况下发现的最佳策略随着噪声的增加逐渐失去其最优性。此外,与无噪声情况相比,在有噪声的情况下,纠缠的存在不再一致有利于估计;存在一个最佳纠缠量来最大化效率,超过该纠缠量就会变得有害。该结果有助于更好地了解量子噪声和纠缠,从而实现量子信号和信息处理。
摘要 在任何系统设计的早期阶段,彻底探索设计空间都极具挑战性,而且计算成本高昂。在处理飞机等复杂系统时,由于其设计空间的维度高,挑战会进一步加剧。基于集合的设计源自丰田产品开发系统,可以在早期设计阶段并行评估多种备选配置。同时,可以在后期阶段采用优化方法来微调设计变体的工程特性。本文介绍了增强型基于集合的设计和优化 (ADOPT) 框架,该框架引入了一种整合这两个领域的新方法。这允许彻底探索设计空间,同时确保所选设计的最优性。该框架采用独立于流程和与工具无关的方法开发,因此可以应用于各种系统的设计过程。为了展示实施和潜在优势,该框架已应用于通用飞机燃油系统的设计。本文讨论了案例研究的结果和框架本身,并确定和介绍了一些需要进一步发展的领域以及未来的工作。
我们提出了一种将传统光学干涉测量装置映射到量子电路中的方法。通过模拟量子电路,可以估计存在光子损失时马赫-曾德尔干涉仪内部的未知相移。为此,我们使用贝叶斯方法,其中需要似然函数,并通过模拟适当的量子电路获得似然函数。比较了四种不同的确定光子数状态(均具有六个光子)的精度。我们考虑的测量方案是计算干涉仪最终分束器后检测到的光子数量,并使用干涉仪臂中的虚拟分束器来模拟光子损失。我们的结果表明,只要光子损失率在特定范围内,所考虑的四种确定光子数状态中的三种可以具有比标准干涉极限更好的精度。此外,还估计了装置中四种确定光子数状态的 Fisher 信息,以检查所选测量方案的最优性。
分析和实践证据表明,量子计算解决方案优于传统替代方案。依靠变分量子特征值求解器 (VQE) 和量子近似优化算法 (QAOA) 的量子启发式算法已被证明能够为困难的组合问题生成高质量的解决方案,但将约束纳入此类问题却难以实现。为此,这项工作提出了一种量子启发式方法来处理随机二元二次约束二次规划 (QCQP)。通过确定量子电路的强度以有效地从难以采样的概率分布中生成样本,变分量子电路被训练为生成二值向量以近似地解决上述随机程序。该方法建立在对偶分解的基础上,需要解决一系列经过明智修改的标准 VQE 任务。使用量子模拟器对几个合成问题实例进行的测试证实了该方法的近乎最优性和可行性,以及它为确定性 QCQP 生成可行解的潜力。
将几何模型拟合到离群污染数据上是可证明的难点。许多计算机视觉系统依靠随机抽样启发式方法来解决稳健拟合问题,但这种方法不提供最优性保证和误差界限。因此,开发新方法来弥合成本高昂的精确解决方案与无法提供质量保证的快速启发式方法之间的差距至关重要。在本文中,我们提出了一种用于稳健拟合的混合量子经典算法。我们的核心贡献是一种新颖的稳健拟合公式,它可以解决一系列整数程序并以全局解或误差界限终止。组合子问题适合量子退火器,这有助于有效地收紧界限。虽然我们对量子计算的使用并没有克服稳健拟合的根本难点,但通过提供误差界限,我们的算法是对随机启发式算法的实际改进。此外,我们的工作代表了量子计算在计算机视觉中的具体应用。我们展示了使用实际量子计算机(D-Wave Advantage)和通过模拟 1 获得的结果。
对于估计任意量子过程相位的基本任务,设计了一种基于傅里叶的量子相位估计变体,它使用多个纠缠量子比特的探测信号。对于简单的实际实现,每个探测量子比特都可以单独应用和测量。当量子比特最佳纠缠时,可以获得海森堡增强的估计效率缩放。相位估计协议可以在存在量子相位噪声的情况下同样应用。这使我们能够研究一般量子相位噪声对基于傅里叶的相位估计性能的影响。特别是,它揭示了在没有噪声的情况下发现的最佳策略随着噪声的增加逐渐失去其最优性。此外,与无噪声情况相比,在有噪声的情况下,纠缠的存在不再一致有利于估计;存在一个最佳纠缠量来最大化效率,超过该纠缠量就会变得有害。该结果有助于更好地了解量子噪声和纠缠,从而实现量子信号和信息处理。
湍流和阵风会导致施加在飞机结构上的空气动力和力矩发生变化,从而导致乘客不适,并且结构上必须设计能够支撑的动态载荷。通过设计阵风载荷缓解 (GLA) 系统,可以实现两个目标:第一,实现更高的乘客舒适度;第二,减少动态结构载荷,从而可以设计更轻的结构。本文提出了一种设计组合反馈/前馈 GLA 系统的方法。该方法依赖于多普勒激光雷达传感器测量的飞机前方的风廓线,并基于 H ∞ 最优控制技术和离散时间预览控制问题公式。此外,为了允许在这两个目标之间进行设计权衡(以实现设计灵活性)以及允许指定稳健性标准,引入了使用多通道 H ∞ 最优控制技术的问题变体。本文开发的方法旨在应用于大型飞机,例如运输机或公务机。模拟结果表明,所提出的设计方法在考虑测量的风廓线以实现上述两个目标方面是有效的,同时确保了设计灵活性以及控制器的稳健性和最优性。