XiaoMi-AI文件搜索系统
World File Search System最优的
量子退火中的最佳退火方案是什么
在工程（以及其他学科）的许多实际情况下，我们需要解决优化问题：我们想要一个最佳设计，我们想要一个最佳控制，等等。优化的主要问题之一是避免局部最大值（或最小值）。有助于解决此问题的技术之一是退火：每当我们发现自己处于可能的局部最大值时，我们都会以某种概率跳出并继续寻找真正的最优值。组织这种确定性优化的概率扰动的自然方法是使用量子效应。事实证明，量子退火通常比非量子退火效果好得多。量子退火是唯一使用量子效应的商用计算设备——D-Wave 计算机背后的主要技术。量子退火的效率取决于退火计划的正确选择，即描述扰动如何随时间减少的计划。根据经验，已经发现两种计划效果最好：幂律和指数计划。在本文中，我们通过证明这两个时间表确实是最优的（在某种合理的意义上），为这些实证成功提供了理论解释。
一般矩阵博弈的亚线性经典和量子算法
我们研究了矩阵博弈的次线性经典算法和量子算法，这是优化和机器学习中的一个基本问题，具有可证明的保证。给定一个矩阵，矩阵博弈的次线性算法以前只知道两种特殊情况：（1）最大化向量位于 L1 范数单位球中，（2）最小化向量位于 L1 或 L2 范数单位球中。我们给出了一个可以在这两种情况之间平滑插值的次线性经典算法：对于 1 到 2 之间的任何固定 q，我们在某些附加误差范围内求解最小化向量位于 Lq 范数单位球中的矩阵博弈。我们还提供了一个相应的次线性量子算法，该算法可以解决同一任务，并且最大化和最小化向量的维度有二次改进。我们的经典算法和量子算法在维度参数上都是最优的，最多可达多对数因子。最后，我们提出了针对近似 Carathéodory 问题的亚线性经典和量子算法以及 Lq-margin 支持向量机作为应用。
通过逻辑编程来解释人工智能
我们专注于归纳逻辑程序的问题，该程序可以解释由支持向量机 (SVM) 算法学习到的模型。自上而下的顺序覆盖归纳逻辑程序设计 (ILP) 算法（例如 FOIL）使用信息论中的启发式方法进行爬山搜索。这类算法的主要问题是陷入局部最优。然而，在我们的新方法中，数据依赖型爬山搜索被模型依赖型搜索所取代，其中首先训练全局最优的 SVM 模型，然后算法将支持向量作为模型中最具影响力的数据点，并归纳出一个涵盖支持向量和与该支持向量最相似的点的子句。我们的算法没有定义固定的假设搜索空间，而是利用可解释 AI 中针对特定示例的解释器 SHAP 来确定相关特征集。这种方法产生了一种算法，该算法可以捕捉 SVM 模型的底层逻辑，并且在诱导子句数量和分类评估指标方面优于其他 ILP 算法。本文正在考虑在“逻辑编程理论与实践”杂志上发表。
以人为本的设计方法对单人飞行员操作的开发和评估
摘要：高昂的飞行员培训成本与薪酬给航空公司带来了沉重的财务负担，促使人们对单飞行员运行（SPO）进行积极研究。实现SPO无疑需要开发新的概念框架，而如何在新Agent之间重新分配系统功能以获得最优的系统设计成为系统生命周期初期的首要问题。针对这一问题，本文首次将以人为本的设计（HCD）方法应用于典型进近着陆场景的SPO开发与评估。首先，采用层次任务分析（HTA）与抽象层次（AH）相结合的方法，识别由目前的双机组运行（TCO）过渡到未来SPO的5个功能需求和6个功能假设，从而开发SPO模型。随后，将TCO和SPO模型转化为两个网络模型，利用社会网络分析（SNA）从网络层面和节点层面评估系统功能重新分配的结果。两个层次的网络参数表明，本文开发的未来SPO比目前的TCO具有稳定性更好、飞行员工作量更少、安全性更高的优势。
感知收益对供应链管理中区块链采用的影响
摘要：全球化促使全球企业日益寻求最优的供应链配置。然而，外包、产品生命周期缩短和供应基础减少严重削弱了供应链风险承受能力。随着区块链的出现，企业看到了缓解供应链风险的机会。我们的研究旨在从供应链风险管理的角度探讨供应链管理者采用区块链技术的意愿。我们使用了中国和美国203名管理者的调查样本，通过扩展技术接受模型探讨了区块链技术的四个感知优势对供应链风险抵御能力的影响。结果表明，区块链的可追溯性、透明度、信息共享和去中心化可以增强区块链在供应链弹性和响应性方面的感知有用性，以及抵御供应链中遇到的中断风险和供需协调风险的能力，从而促进该技术的采用。此外，供应链弹性与区块链技术采用之间的关系以及供应链响应性与区块链技术采用之间的关系对于不确定性规避水平较高的管理者来说更为显著。
一种用于提高 P300 拼写器分类性能的引导方法
摘要 在本文中，我们提出了一种基于 P300 电位的拼写器分类器训练新方法。该方法基于引导，是一种已知的生成新样本的策略，但在神经科学中很少使用。该研究首先展示了传统方法中分类任务（检测 P300 和非 P300 类别）的性能可能不是最优的。然后，提出了一种从训练数据中抽取新样本的新方法。使用单个 P300 和非 P300 样本的平衡子组重新训练每个分类器。使用 16 个脑电图通道从 14 名健康受试者收集数据。这些数据经过带通滤波和抽取。随后，使用传统方法训练四个线性分类器，然后使用所提出的方法，每个类别有 1000、2000 和 3000 个样本。结果表明，使用所提方法，判别分类器的准确率和判别能力有所提高，同时保持了训练数据和测试数据之间的相同统计特性。相比之下，对于生成分类器，结果没有显著差异。因此，强烈建议使用所提方法训练基于拼写的 P300 电位的判别分类器。
有向超图的近似紧谱稀疏化
谱超图稀疏化是将众所周知的谱图稀疏化扩展到超图的一种尝试，在过去几年中得到了广泛的研究。对于无向超图，Kapralov、Krauthgamer、Tardos 和 Yoshida (2022) 证明了最佳 O ∗ ( n ) 大小的 ε -谱稀疏器，其中 n 是顶点数，O ∗ 抑制了 ε − 1 和 log n 因子。但对于有向超图，最佳稀疏器大小尚不清楚。我们的主要贡献是第一个为加权有向超图构造 O ∗ ( n 2 ) 大小的 ε -谱稀疏器的算法。我们的结果在 ε − 1 和 log n 因子范围内是最优的，因为即使对于有向图也存在 Ω(n2) 的下限。我们还展示了一般有向超图的 Ω(n2/ε) 的第一个非平凡下界。我们算法的基本思想借鉴了 Koutis 和 Xu (2016) 提出的基于 spanner 的普通图稀疏化。他们的迭代采样方法确实有助于在各种情况下设计稀疏化算法。为了证明这一点，我们还提出了一种类似的无向超图迭代采样算法，该算法实现了最佳大小界限之一，具有并行实现，并且可以转换为容错算法。
对称纯态的在线识别
我们考虑在提供 n 个状态副本时以零误差区分对称纯状态的在线策略。优化的在线策略涉及对每个副本进行局部、可能自适应的测量，并且在每个步骤中都是最优的，这使得它们与视界无关，因此在粒子丢失或突然终止鉴别过程之前具有鲁棒性。我们首先回顾了以前关于使用局部测量实现最大成功概率集的二进制最小和零误差鉴别的结果，这些结果通过对全局测量进行优化来实现，并突出了它们的在线特性。然后，我们将这些结果扩展到具有恒定重叠的三个对称状态的零误差识别的情况。如果状态重叠为正，则我们提供最佳在线方案，对于任何 n 都可实现全局性能，如果重叠为负，则对于奇数 n 可实现全局性能。对于任意复杂的重叠，我们展示了令人信服的证据表明在线方案无法达到最佳全局性能。我们描述的在线方案只需要将最后获得的结果存储在经典内存中，并且测量的自适应性最多减少到两次变化，而不管 n 的值如何。
量子态断层扫描作为数值优化问题
摘要 我们提出了一个框架，将寻找最有效的量子态断层扫描 (QST) 测量集的方法公式化为一个可以通过数值求解的优化问题，其中优化目标是最大化信息增益。这种方法可以应用于广泛的相关设置，包括仅限于子系统的测量。为了说明这种方法的强大功能，我们给出了由量子比特-量子三元组系统构成的六维希尔伯特空间的结果，例如可以通过 14 N 核自旋-1 和金刚石中氮空位中心的两个电子自旋态来实现。量子比特子系统的测量用秩三的投影仪表示，即半维子空间上的投影仪。对于仅由量子比特组成的系统，通过分析表明，一组半维子空间上的投影仪可以以信息最优的方式排列以用于 QST，从而形成所谓的相互无偏子空间。我们的方法超越了仅有量子比特的系统，我们发现在六维中，这样一组相互无偏的子空间可以用与实际应用无关的偏差来近似。
基于三相四线 OPF 的高比例光伏低压配电网光伏逆变器与储能系统的协同控制
利用光伏无功功率和储能有功功率可以解决光伏接入低压配电网带来的电压越限、网损、三相不平衡等问题，但低压配电网三相四线结构给潮流计算带来困难。为实现通过潮流最优来利用光伏，提出一种基于三相四线系统潮流最优的低压配电网光伏储能协同控制方法。考虑电压和电流的幅值和相位角，采用三相四线节点导纳矩阵建立低压配电网网络拓扑结构，以最小化网损、三相不平衡度和电压偏差为目标，考虑电压约束、反向潮流约束和中性线电流约束，建立了基于三相四线网络拓扑的多目标优化模型。通过改进节点导纳矩阵和模型凸性，降低问题求解的复杂度，利用CPLEX算法包进行求解，并基于某21节点三相四线低压配电网进行24 h多周期仿真，验证了所提方案的可行性和有效性。