量子计算的经典模拟对于验证量子设备和评估量子算法至关重要。我们提出了在Sunway Taihulight超级计算机上开发的新量子电路模拟器。与其他模拟器相比,本文以两个方面进行区分。首先,我们的模拟器更加通用。模拟器由三个相互独立的部分组成,以使用不同方法计算量子状态的完整,部分和单个幅度。它具有模拟噪声效果并支持更多类型的量子操作的功能。第二,我们的模拟器具有很高的效率。模拟器以两级平行结构进行设计,该结构可在分布式的多核Sunway Taihulight Supercupter上有效实现。随机量子电路可以分别在完整,部分和单个振幅上分别使用40、75和200个QUAT模拟。作为模拟器的说明性应用,我们提出了一个量子快速泊松求解器和用于评估先验函数的量子算法的算法。我们的模拟器有望在各个领域开发量子算法中具有更广泛的应用。
1. 为排除条形码问题,请使用您的 Epic 密码登录。2. 如果您的密码有效,请退出 Epic。3. 在登录屏幕上,您的用户名应位于用户 ID 字段中。4. 在此处扫描您的徽章代替密码。5. 如果没有任何反应,请确保您的徽章可读且未褪色。如果徽章褪色,您可能需要获取新的徽章。6. 提醒:承包商将无法扫描条形码,必须输入其完整密码
1 印度理工学院德里分校,新德里,印度 2 物理系,科学学院,Chouaib Doukkali 大学,El Jadida,摩洛哥 3 印度教育学院管理科学学院,加尔各答 700097,西孟加拉邦,印度 4 布巴内斯瓦尔国际信息技术学院,Gothapatna,布巴内斯瓦尔 751003,奥里萨邦,印度 5 贾坎德邦中央大学,Brambe,兰契,印度 6 Bikash's Quantum (OPC) Private Limited,Balindi,Mohanpur 741246,西孟加拉邦,印度 7 物理科学系,印度科学教育与研究学院加尔各答,Mohanpur 741246,西孟加拉邦,印度 8 物理科学系,印度科学教育与研究学院加尔各答,Mohanpur 741246,西孟加拉邦,印度 9 计算机科学与工程系,Maulana阿布尔卡拉姆阿扎德科技大学,加尔各答 700064,印度
1 国际信息技术学院布巴内斯瓦尔,Gothapatna,布巴内斯瓦尔 751003,奥里萨邦,印度 2 印度理工学院德里分校,新德里,印度 3 贾坎德邦中央大学,布兰贝,兰契,印度 4 物理系,科学学院,Chouaib Doukkali 大学,El Jadida,摩洛哥 5 印度教育学院管理科学学院,加尔各答 700097,西孟加拉邦,印度 6 Bikash's Quantum (OPC) Private Limited,Balindi,Mohanpur 741246,西孟加拉邦,印度 7 物理科学系,印度科学教育与研究学院加尔各答,Mohanpur 741246,西孟加拉邦,印度 8 物理科学系,印度科学教育与研究学院加尔各答,Mohanpur 741246,西孟加拉邦,印度 9 计算机科学与工程系,Maulana阿布尔卡拉姆阿扎德科技大学,加尔各答 700064,印度
摘要。本文介绍了库尔恰托夫研究所“Cognimed”资源中心获取的 MRI/fMRI 断层扫描数据的自动处理和分析系统的计算机模型。该系统基于“数字实验室”IT 平台,涉及库尔恰托夫研究所超级计算机集群 HPC4,通过在超级计算机节点(1 个受试者 - 1 个节点)上并行计算,可以加快群组(2-350 个受试者)的数据处理速度。所提出的系统允许科学家远程使用安装在超级计算机上的专用软件来处理和分析 MRI/fMRI 数据;组织统一的数据存储;允许通过 Web 界面处理数据。该系统还允许使用 KI 研究人员开发的程序模块,这些程序模块实施数学方法来改进数据分析结果。作为该计算机模型实现的一个例子,介绍了模块“MRI FS”,它使用开放的专用软件 FreeSurfer v.6.0 自动处理和分析 MRI 数据。
Sławomir SZRAMA CE-2017-412 Adam KADZI Ń SKI 在选定的 F100 涡扇发动机维护系统分析领域中识别危险的过程 多用途 F-16 是波兰空军最先进的飞机。它配备了非常现代、精密和先进的涡扇发动机 F100-PW-229。由于只有一个发动机,因此其可靠性、耐用性效率和性能是安全的关键因素。在本文中,作者研究了 F100 涡扇发动机的维护系统,该发动机建立在多用途 F-16 飞机上。为了研究目的,创建了 F100 维护系统模型。从该模型中,得出了主要的分析领域,包括“主要发动机对象差异消除”过程。考虑到这样的分析领域,基于危险源识别过程示意图,作者提出了以下步骤:危险源识别工具准备、危险源识别、危险源分组和危险表述。本文的主要目标是提供危险源识别过程结果作为危险规范,其中包括:一组危险源、危险表述以及危险激活的最可能/可预测的后果、严重程度和损失/危害。
2.4-1 神经网络 51 2.4-2 生物和人工神经元 52 2.4-3 神经网络中的吸引子 54 2.4-4 反馈神经网络 54 2.4-5 神经网络的构建 56 3.1-1 B ABB AGE 工具的元素及其关系 66 3.2-1 可电训练模拟神经网络的代表性连接 69 3.2-2 光学神经计算集成电路 71 3.2-3 使用模糊逻辑的 ASIC 核心的基本实现 73 3.3-1 推理速度与 CPU 分辨率 76 3.3-2 开发工具框图 80 4.1-1 FTPP 架构 82 4.4-1 转向器软件架构 88 4.4-2 转向建议生成 90 4.4-3 飞行员意图图 93 4.4-4 RPA 演示器概念 95 4.5-1 系统开发活动 99 5.3-1 通用运行时推理引擎 107 5.4-1 系统开发周期 11° 5.5-1 软件开发的基本瀑布模型 117 5.5-2 专家系统开发周期图 119 6.4-1 较差的人类性能生成器 139 6.4-2 改进的人类性能生成器 140
本论文研究了使用相控麦克风阵列检测飞机和风力涡轮机上的气动声源。推导并总结了飞机机翼和风力涡轮机叶片的流动诱导声音的特性。详细描述了相控阵技术,并讨论了该方法的几个方面,例如如何考虑流动和移动源的影响,以及如何使用源功率积分法量化阵列结果。使用开放式和封闭式风洞中的机身噪声测量来评估积分方法的可靠性。结果表明,尽管由于相干性损失,开放式喷气机中的绝对声级可能太低,但两个测试部分的相对声级在 1 dB 以内都是准确的。因此,相控阵可以在封闭式风洞中进行定量气动声学测量。接下来,应用阵列技术来表征两台现代大型风力涡轮机上的噪声源。结果表明,几乎所有发射到地面的噪声都是由叶片向下运动时叶片的外部产生的。这种不对称的声源模式会导致叶片通过时产生典型的嗖嗖噪音,这可以通过尾缘噪音指向性和对流放大来解释。测试结果令人信服地表明,宽带尾缘噪音是两种涡轮机的主要声源。基于此信息,半经验预测符合