量子模拟正迅速成为量子技术的主要应用(1)。模拟模拟是一种关键方法,即在严格控制的环境中设计多体量子系统,并简单地允许其动态发生。随着这些系统规模的扩大和性能的提高,它们的计算能力开始超越现有的经典计算机(2-4)。尽管有所改进,但它们仍然受到错误的影响。因此,人们普遍认为,在模拟量子模拟器能够解决实际或基本重要问题之前,必须开发出定量保证容易出错的模拟量子模拟器输出正确性的方法(5)。模拟量子模拟器的验证通常依赖于包含错误和缺陷的可处理理论模型(1)。另一种方法是将动态正向和反向运行相同的时间,使系统返回到其初始状态——如果没有错误的话。这种方法通常被称为 Loschmidt 回声,它可以检测到一些错误和缺陷,但不能提供输出正确性的定量保证。已经开发出更复杂的变体,使模拟器从某个已知的初始状态通过状态空间中的闭环演化,最终返回到其初始状态 (6)。这些提供了模拟器如何忠实地实现目标汉密尔顿量的某种衡量标准。汉密尔顿学习 (7、8) 也服务于类似的目标,它正在为模拟模拟器开发。通过实验将目标汉密尔顿量应用于其近似稳定状态并估计一系列结果状态的预期值,汉密尔顿学习提供了实际应用的汉密尔顿量系数的估计值。虽然它将状态准备和测量中的错误错误地归因于汉密尔顿量中的错误,但它确实为实验实现的实际汉密尔顿量提供了一些信心。还为模拟量子模拟器开发了随机基准测试等方法来量化其组件的性能 (9)。然而,这些方法都无法对模拟器输出的正确性提供定量保证。最近还提出了一种用于估计量子模拟保真度的基准测试协议,但该协议需要指数级的经典资源,因此不可扩展(10)。在本文中,我们提出了一种可扩展且实用的认证协议,该协议为模拟量子模拟器输出的正确性提供了上限。由于所有量子模拟器的输出都是经典概率分布,因此我们的协议对错误和无错误的模拟量子模拟器生成的概率分布之间的变化距离设置了上限。我们将这项任务称为量子认证。实验上,我们的量子认证协议可以在现有的模拟模拟器上实现,特别是那些使用里德堡原子的模拟器。这些系统可以根据 XY 相互作用 (11) 以及交错单量子比特门 (12) 实现模拟汉密尔顿演化。因此,我们的工作可以解释为通过利用可编程性的进步来解决验证模拟量子模拟器输出的未决问题 (1,第 V 节)。
摘要:自动驾驶汽车有可能显着改善运输方式,许多企业和研究设施正在开发此类系统。尽管有关于自动驾驶汽车的社会实施的研究,但这些研究基于有限的条件,例如预定的驾驶环境。因此,在这项研究中,我们针对城市地区和农村地区,并模拟了卡纳泽大学开发和拥有的自动驾驶汽车的行为算法。在这项研究中,使用当地政府进行的人群调查的数据,建造了一个交通流量模拟系统(AIMSUN),以在正常时期重现该城市的当前交通流量。此外,我们改变了自动车辆的混合速率,并评估了其对OD之间延迟时间的影响。我们假设在实际的道路网络上逐渐替换了由自动驾驶汽车逐步替换现有的车辆,并且我们研究了它们对交通流量的影响。我们将自动驾驶汽车的混合速率改变为实际的交通环境,我们测量了原点污染(OD)间隔的延迟,以评估自动驾驶汽车对交通流量的影响。获得的结果表明,随着自动驾驶汽车的混合速率增加,OD间隔之间的延迟增加。然后,一旦混合速率超过一定值,OD间隔之间的延迟逐渐下降。随着自动驾驶汽车的混合速率从10增加到45%,所有车辆的延迟时间略有增加。当混合速率从45%增加到50%时,所有车辆的延迟时间都会降低,当混合速率为50至100%时,它保持恒定。分析结果表明,当社会实施自动驾驶汽车时,它们的混合速率会影响交通流量。因此,有必要确定适当的分发方案和实施领域。
摘要 - 这项研究探讨了时间序列GAN在可编程数据平面(PDP)中的应用,以增强计算机网络的背景下,特别是在视频应用程序中。我们应对各种挑战,包括数据集扩展,平衡和实际设置中的扩展RL培训时间。通过利用TimeGAN生成的综合数据,我们加速了实验,增强数据集多样性并简化RL模型训练,最终使用RL试剂评估了PDP的实时设置的TimeGAN对真实设置的性能。这项研究通过直接比较GAN使用率和真实设置,弥合计算机网络文献中的差距,并突出了由RL模型训练的RL模型获得的99%的服务质量相似性,确认TimeGan的潜力是有价值的模拟器,而无需损害RL训练效率。索引术语 - 机器学习,生成对抗网络 - 自主管理
摘要 - 目的:最近提出了Padova 2型糖尿病(T2D)模拟器(T2D),以优化包括新型长效胰岛素在内的T2D处理。它由一个生理模型和一个描述葡萄糖动力学的计算机群中,这些葡萄糖动力学是从基于复杂的基于示踪剂的实验技术研究的早期T2D受试者中得出的。这将有效性的T2DS结构域限制为此特定的子人群。相反,在不接受胰岛素或高级T2D主题中运行模拟将更有价值。但是,在此类人群中进行复杂的实验是很少或具有成本效益的。因此,我们提出了一种使用已发表的临床数据将T2D调整为任何所需T2D子人群的方法。作为案例研究,我们将T2DS扩展到了未经胰岛素的T2D受试者,他们需要开始胰岛素治疗以补偿降低的胰岛素功能。
牲畜和植物育种对可持续农业至关重要(Scho and Simianer 2015),并且更适合于特定环境或市场需求(Qaim 2020)。最近,基因组数据和先进统计方法的可用性彻底改变了育种计划(Kim等人2020)。值得注意的是,基因组选择使育种者可以根据基因构成来预测个体的表现,避免昂贵的表型(Meuwissen等人。2001,Crossa等。 2017)。 这些新的方法解锁了繁殖方案的各种设计可能性,因此很难优化它们。 此外,一个单个繁殖周期可能需要多年,在此过程中涉及许多设计选择。 因此,对使用模拟优化育种计划的兴趣越来越大。 在R中实现了现有的模拟十字架工具(Broman等人 2003,Mohammadi等。 2015,Gaynor等。 2020,Pook等。 2020)或朱莉娅(Chen等人 2022)。 尽管它们提供了广泛的功能,但它们无法利用高性能计算机中的并行性,这些计算机可能是针对大型且复杂的繁殖方案的必要性。 例如,模拟十个有十个春季的人的全脚架十字架会导致450个后代,而20个人的类似拨盘会产生1900个后代。 随着这种快速扩展,模拟与成千上万个人的育种计划中的完整拨号线可能是不可行的;因此,需要开发可以加快模拟的工具。2001,Crossa等。2017)。这些新的方法解锁了繁殖方案的各种设计可能性,因此很难优化它们。此外,一个单个繁殖周期可能需要多年,在此过程中涉及许多设计选择。因此,对使用模拟优化育种计划的兴趣越来越大。在R中实现了现有的模拟十字架工具(Broman等人2003,Mohammadi等。 2015,Gaynor等。 2020,Pook等。 2020)或朱莉娅(Chen等人 2022)。 尽管它们提供了广泛的功能,但它们无法利用高性能计算机中的并行性,这些计算机可能是针对大型且复杂的繁殖方案的必要性。 例如,模拟十个有十个春季的人的全脚架十字架会导致450个后代,而20个人的类似拨盘会产生1900个后代。 随着这种快速扩展,模拟与成千上万个人的育种计划中的完整拨号线可能是不可行的;因此,需要开发可以加快模拟的工具。2003,Mohammadi等。2015,Gaynor等。 2020,Pook等。 2020)或朱莉娅(Chen等人 2022)。 尽管它们提供了广泛的功能,但它们无法利用高性能计算机中的并行性,这些计算机可能是针对大型且复杂的繁殖方案的必要性。 例如,模拟十个有十个春季的人的全脚架十字架会导致450个后代,而20个人的类似拨盘会产生1900个后代。 随着这种快速扩展,模拟与成千上万个人的育种计划中的完整拨号线可能是不可行的;因此,需要开发可以加快模拟的工具。2015,Gaynor等。2020,Pook等。2020)或朱莉娅(Chen等人2022)。尽管它们提供了广泛的功能,但它们无法利用高性能计算机中的并行性,这些计算机可能是针对大型且复杂的繁殖方案的必要性。例如,模拟十个有十个春季的人的全脚架十字架会导致450个后代,而20个人的类似拨盘会产生1900个后代。随着这种快速扩展,模拟与成千上万个人的育种计划中的完整拨号线可能是不可行的;因此,需要开发可以加快模拟的工具。为此目的最有吸引力的语言是Python。Python是数值计算和数据科学最常用的编程语言之一,许多库可用于优化和机器学习(Pedregosa等人。2011,Bradbury等。2011,Bradbury等。
在很大程度上接受,驾驶饮料驾驶显着增加了驾驶员可能从事冒险行为并从而导致道路崩溃的可能性。尽管已经进行了一些研究,研究了血液酒精浓度(BAC)对发达国家骑手表现的影响,但尚无对BAC水平对摩托车骑手在发展中国家表现的影响进行任何研究。这项研究试图评估低BAC水平(即0.05 g/dl或0.05)对使用高级摩托车骑行模拟器在越南运动骑手的骑行性能的影响。34岁的34岁摩托车骑手在三个BAC级别上完成了18-40个完整的模拟游乐设施,即0.00、0.02和0.05。骑行性能指标是测量的,并在不同的BAC水平上进行了比较。这些指标包括平均速度,平均横向超车距离,制动反应时间,加速度,减速和车道变化频率。在BAC = 0.02或更低的水平上,对骑手安全控制摩托车的能力的负面影响在静态上是微不足道的。在BAC = 0.05的水平上,所有性能都受到损害,负面影响在统计学上显着。比较新手和经验丰富的参与者之间的BAC,平均速度和新手参与者的加速率显着高于经验丰富的参与者。基于发现,本文进一步讨论了骑行表现减少与道路撞车风险之间的经验关系,以及对骑摩托车骑手的饮酒威慑政策制定的见解。2020 Elsevier Ltd.保留所有权利。
美国和其他海军与工业界合作开发并部署了一种训练工具,用于训练美国和国际版的 MH-60R 直升机。由于 MH60R 直升机可以针对不同国家进行不同的配置,因此训练也需要针对直升机的具体版本进行调整。正在或即将驾驶 MH-60R 的国家包括澳大利亚、丹麦、希腊、西班牙、印度和韩国。该工具称为操作员机器界面助手 (OMIA),主要是可扩展、易于修改的低成本 PC 托管桌面或基于云的机组人员。OMIA 为前排座椅和传感器操作员站提供了大部分驾驶舱界面,提供除飞行之外直升机操作的大多数方面的培训,其中包括但不限于导航操作、无线电操作、紧急操作、雷达、ISAR、ESM、FLIR 以及主动和被动声学。
*任何未包含在此表格中的设备申请必须在培训日期前 90 天提出。完整的培训支持系统 (TSS) - 企业培训辅助设备、设备、模拟器和模拟 (TADSS) 索引和目录位于 TSC。请咨询 TSC 工作人员了解详细信息。
Chang等。 8读数为14.5±2。 为简单起见,我们将这些解决方案称为“ pH 14解决方案”。Chang等。8读数为14.5±2。为简单起见,我们将这些解决方案称为“ pH 14解决方案”。
P. Jain, S. Weinfurtner, M. Visser, CW Gardiner, 玻色-爱因斯坦凝聚态中的弗里德曼-罗伯逊-沃克宇宙模拟模型:经典场方法的应用, PRA 76, 033616 (2007)