XiaoMi-AI文件搜索系统
World File Search System模拟实验
基于图形神经网络的灵活在线路由
abtract的深入增强学习（DRL）已被广泛用于寻找最佳路由方案，以满足用户的各种需求。但是，DRL的优化目标通常是静态的，因为网络环境是动态的。交通环境的变化或净工作设备的重新配置通常会导致网络性能的定期变化（例如，吞吐量降低和潜伏期峰）。传统的静态目标配置不能反映动态净工作环境中不同指标的重要性差异，从而导致基于DRL的路由算法的僵化性。为了解决上述问题，我们建议使用Graph神经网络（GNNS）和DRL的在线路由优化算法优化。通过对网络的不同特征（例如路径，流和链接）之间的关系进行建模和理解，我们提出的GNN模型可以预测网络性能指标的未来开发（即延迟，吞吐量和丢失），从而迅速调整路由算法的目标。然后，使用我们提出的DRL模型，代理可以学习适应不同环境变化的最佳途径。我们在控制平面上实现了G路线甲基元素，并使用现实世界网络拓扑和流量数据执行模拟实验。实验结果表明，当网络环境发生重大变化时，我们提出的G路线会收敛得更快，达到较低的抖动并生成更可靠的路由方案。
新冠病毒疫苗本身对预防或阻止疫情的有效性如何
摘要背景：鉴于2019年冠状病毒病（COVID-19）大流行的持续，以及美国大部分地区由于缺乏替代方案而实施的社交疏离，人们一直在推动开发疫苗以消除社交疏离的需要。方法：2020年，我们开发了一个计算模型，模拟美国COVID-19冠状病毒的传播和疫苗接种。结果：模拟实验表明，当疫苗有效率超过70%，覆盖率超过60%，且在第1天接种疫苗时，罹患率下降到22%，每日病例不超过320万（繁殖率，R 0，2.5）。当R 0为3.5时，罹患率下降到41%，每日病例不超过1440万。如果在第 90 天接种疫苗，覆盖率提高到 75%，则当 R 0 为 2.5 时，发病率为 5%，每日病例不超过 258,029 例；当 R 0 为 3.5 时，发病率为 26%，每日最高病例数为 2260 万例。如果直到第 180 天才接种疫苗，覆盖率（即接种疫苗的人加上其他免疫的人）必须达到 100%。在某些情况下，例如疫苗接种覆盖率高得多，在某些情况下可能无法实现，有效率为 40% 至 70% 的疫苗仍可避免采取其他措施。结论：我们的研究发现，要想在不采取任何其他措施（例如保持社交距离）的情况下预防或基本消灭疫情，疫苗的有效率必须至少达到 70%。
跨多个模拟引擎验证生物模型
生物模型存储库包含来自已发表文献的1000多个手动策划的机械模型，其中大多数是在系统生物学标记语言（SBML）中编码的。这个基于社区的标准正式指定了每个模型，但没有描述运行模拟的计算实验条件。因此，仅使用SBML模型复制任何给定的数字或产生的任何给定数字或产生。模拟实验描述标记语言（SED-ML）提供了一个解决方案：一种准确指定如何运行与特定图形或结果相对应的特定实验的标准方法。生物模型是在SED-ML之前数年建立的，并且在内容和接受方面，这两个系统都随着时间的流逝而发展。因此，生物模型中只有大约一半的条目包含SED-ML文件，这些文件反映了当时可用的SED-ML版本。此外，几乎所有这些SED-ML文件至少都有一个小错误，使它们无效。为了使这些模型及其结果更可重复，我们在此处报告了工作更新，纠正和提供新的SED-ML文件，以针对生物模型中的1055个策划的机械模型提供新的SED-ML文件。此外，由于SED-ML是无关实现的，因此可以用于验证，证明在多个仿真引擎之间成立的结果。在这里，我们使用包装器体系结构来解释SED-ML，并报告五个基于不同ODE的生物仿真引擎的验证结果。我们与SED-ML和BioModels Collection的合作旨在通过使它们更可重现和可信来改善这些模型的实用性。
MWR-D-22-0133.1.pdf-AMS期刊
摘要：船上的高级地静力辐射成像仪（AGRI）卫星4A（FY-4A）卫星提供可见的辐射，其中包含有关云和降水量的关键信息。在这项研究中，使用局部粒子细胞（PF），通过观察系统模拟实验（OSSE）评估了同化Fy-4a /agri全套可见辐射对对流系统模拟的影响。将局部PF与天气研究和预测模型（WRF）模型相结合的数据同化研究床（DART）实施。为期2天的数据AS-SIMILATION（DA）实验的结果在天气量表上产生了令人鼓舞的结果。与局部PF相关的FY-4A /Agri可见的辐射显着改善了云水路路径（CWP），云覆盖率，降雨速率和降雨面积的分析和预测。此外，在多云地区附近的温度和水蒸气混合比产生了一些积极影响。敏感性研究表明，最佳结果是通过与模型网格间距（20 km）和足够短的循环间隔（30分钟）相当的定位距离来实现的。但是，由于可见的辐射中缺乏相关信息，局部PF无法改善云垂直结构和云相。此外，将局部PF与集成调节器（EAKF）进行了比较，并且表明即使在后者的集合成员的数量增加一倍的情况下，局部PF的表现也超过了EAKF，这表明局部PF的巨大潜力在吸收了可见的可见光范围内。
新型无线脑电图系统中的近零相位滞后超扫描
超扫描是一种新兴技术，可同时扫描多个个体的神经动态以研究人际互动。特别是，使用无线脑电图 (EEG) 的超扫描越来越受欢迎，因为它具有移动性，并且能够在毫秒级的自然环境中解读社交互动。为了将多个 EEG 时间序列与单个时间域中的复杂事件标记对齐，需要精确统一的时间戳进行流同步。本研究提出了一种时钟同步方法，使用定制的 RJ45 电缆协调无线 EEG 放大器之间的采样，以防止由于异步采样而对脑间连接的错误估计。在这种方法中，模数转换器由相同的采样时钟驱动。此外，两个时钟同步的放大器利用额外的 RF 通道来保持其接收加密狗的计数器更新，从而保证加密狗接收到的与 EEG 时间序列绑定的事件标记具有正确的时间戳。两个模拟实验和一个视频游戏实验的结果表明，该方法可确保在具有多个 EEG 设备的系统中实现同步采样，实现接近零相位滞后，信号之间的幅度差异可忽略不计。根据所有信号相似性指标，该方法是无线 EEG 超扫描的一个有前途的选择，可用于精确评估社交互动行为背后的脑间耦合。
Navformer：用于机器人目标的变压器体系结构 -
摘要 - 在未知的混乱和动态环境（例如灾难场景）中，移动机器人需要执行目标驱动导航才能找到感兴趣的人或对象，其中提供的有关这些目标的唯一信息是单个目标的图像。在本文中，我们介绍了Navformer，这是一种新颖的端到端变压器体系结构，为在未知和动态环境中为机器人目标驱动导航而开发。Navformer利用两者的优势1）变压器进行顺序数据处理和2）自我监督学习（SSL），以进行视觉表示，以推理空间布局并在动态设置中执行避免碰撞。该体系结构唯一地结合了由静态编码器组成的双视觉编码器，用于提取空间推理的不变环境特征，以及用于避免动态障碍物的一般编码器。主要的机器人导航任务分解为两个子任务以进行训练：单个机器人勘探和多机器人碰撞避免。我们执行交叉任务培训，以使学习技能转移到复杂的主要导航任务中。模拟实验表明，Navformer可以在不同的未知环境中有效浏览移动机器人，从而优于现有的最新方法。进行了全面的消融研究，以评估Navformer的主要设计选择的影响。此外，现实世界实验验证了Navformer的普遍性。索引术语 - 动态和未知环境，图像引导搜索，目标驱动机器人导航。
基于视觉的集体运动：蝗虫
自然发生的集体运动是一种引人入胜的现象，其中蜂拥而至的自发和协调其运动。许多蜂群的理论模型都假定理想化，完美的感知能力，而忽略了基本的感知过程，尤其是对于依靠视觉感知的代理商而言。具体而言，许多蝗虫等许多蜂群中的生物视觉利用了单眼非镜像视觉，从而防止了距离和速度的完美获得。此外，蜂群的同伴可以在视觉上相互阻塞，从而进一步引入估计错误。在这项研究中，我们探索了使用非镜镜，单眼视觉在受限条件下出现有序集体运动的必要条件。我们提出了一种基于视觉的聚集运动模型，用于蝗虫样药：拉长形状，平行于水平平面的全向视觉传感器，缺乏立体深度感知。该模型解决了（i）距离和速度的非镜镜估计，（ii）视野中存在闭塞。我们考虑并比较代理商可能用来以视觉感知过程所需的计算复杂性为代价来解释部分视觉信息的三种策略。在各种几何环境（环形，走廊和环形领域）进行的计算机模拟实验表明，这些模型可以导致有序的或近地有序状态。同时，它们在达到顺序的速度上有所不同。此外，结果对代理的伸长敏感。在几何受限的环境中进行的实验揭示了模型之间的差异，并阐明了使用它们来控制蜂群剂时可能的权衡。这些建议用于进一步研究生物学和机器人技术的途径。
初始筛选订单问题
我们研究了初始筛选顺序（ISO）在候选日期筛查中的作用。ISO是指筛选器在选择𝑘候选时搜索候选池的顺序。今天，ISO通常是信息访问系统的产物，例如在线平台或数据库查询。ISO在文献中很大程度上被忽略了，尽管它对所选候选者的最佳性和公平性的影响，尤其是在人类筛选人员下。我们定义了两个问题公式，描述了筛选器的搜索行为给定的ISO：最好的𝑘，其中它选择了顶部𝑘候选者；和好𝑘，在其中选择了第一个好成绩的候选者。为了研究ISO的影响，我们引入了类似人类的筛选器，并将其与其算法对应物进行比较，在该算法中，人类样的筛选器会随着时间的流逝而不一致。我们的分析尤其表明，在类似人类的筛查者解决方面的问题下，ISO尽管达到了群体的公平性，但仍阻碍了个人的公平性，并阻碍了选定的候选者的最佳性。这是由于位置偏见所致，在该位置偏见中，候选人的评估是由其在ISO中的位置所影响的。我们报告了大量的模拟实验，以探索两个筛选器的最佳参数和良好问题的参数。我们的仿真框架足够灵活，可以说明多个候选筛选任务，这是运行现实世界过程的替代方法。
商业战略建模：系统动力学方法
Małgorzata Łatuszyńska 1，Anna Borawska 2 摘要：目的：本文旨在分析使用系统动力学方法构建的计算机模拟模型在研究各种商业战略选择的影响方面的适用性。设计/方法/方法：本文重点介绍系统动力学模拟的应用，该系统能够考虑企业运营中的反馈回路、时间延迟和非线性。基于一家运输公司的案例研究，介绍了使用模拟模型支持投资策略选择的潜力。结果：系统动力学模型有助于全面分析各种商业战略选择，从而评估它们对公司关键经济和技术指标的影响。这种方法同时考虑了宏观经济和微观经济方面，从而可以更好地理解企业动态并支持战略决策。所提出的模拟实验表明，实施适当的投资策略可以使公司更有效地实现业务目标。实际意义：所提出的方法支持动态和复杂商业环境中的决策。管理人员和分析师都可以使用它来评估和规划业务战略。本案例研究可能特别适用于选择运输车辆品牌（包括电动车型）的决策。原创性/价值：系统动力学在设计业务战略中的应用可以捕捉行动的多层次交互和长期影响，使这种方法有别于传统的分析工具。关键词：系统动力学、仿真建模、战略管理、决策。JEL 代码：C63、L21、M21。论文类型：研究论文。致谢：本研究由科学部长根据“区域卓越计划”共同资助。
硬耦合水电系统模型增强了可再生能源的互补性
水和电力系统模型的软（单向）耦合是研究水资源可用性对电网性能影响的主要方法。然而，这种方法并没有明确地捕捉到电网状态与水系统层面的运营决策之间的关键动态相互依赖关系。在这里，我们解决了这一差距，并引入了一个新颖的数值建模框架，该框架将多水库系统模型和电力系统模型硬耦合起来。该框架捕捉双向反馈机制，从而使运营决策能够根据水和能源系统的状态做出。我们根据柬埔寨电网的真实案例研究评估了该框架。鉴于该国计划进一步实现电网脱碳，我们在三种电网配置上测试了该框架——原有电网和安装两种不同太阳能容量的电网。模拟实验在有反馈和无反馈的情况下进行，同时通过 1,000 个随机时间序列的流量、太阳能生产和负载探索外部强迫中的不确定性。正如我们的结果所示，水和能源系统的硬耦合降低了运营成本和二氧化碳排放量，同时增加了可再生能源的整合。在有利条件下（水库流量大且电力需求低），该系统的年运营成本节省了 44%，二氧化碳排放量减少了 53%。对水库运营和输电线路使用情况的时空分析表明，季风时间和各个电网组件之间的互连也在影响系统对硬耦合的响应方面发挥着重要作用。总体而言，像这样的模拟框架提供了一个建模框架，用于测试旨在提高水能系统性能的管理和规划解决方案。