XiaoMi-AI文件搜索系统
World File Search System模拟研究
使用通过进化枝概率参数的树分布进行精确的贝叶斯系统发育点估计
使用MCMC算法的贝叶斯系统发育分析产生了以系统发育树和相关参数样本形式的系统发育树的poserior分布。树空间的高维度和非欧几里得性质使总结树空间中后验分布的核心趋势和方差复杂。在这里，我们介绍了一个可从树的后部样本构建的可构造的新的树木分布和相关的点估计器。通过模拟研究，我们表明，这一点估计器的性能也至少要比产生贝叶斯后摘要树的标准方法更好。我们还表明，执行最佳的摘要方法取决于样本量和以非平凡的方式的尺寸 - 问题。
白质病变对经颅电刺激电场的影响
背景：经颅直流电刺激 (tDCS) 是一种很有前途的工具，可用于增强治疗效果，例如在治疗中风后。所获得的刺激效果表现出较高的受试者间差异性，这主要是由感应电场 (EF) 的扰动驱动的。由于萎缩或病变等解剖变化，衰老大脑中的差异会进一步增大。通过基于计算机的个性化 EF 模拟来告知 tDCS 协议是减轻这种差异的一种建议措施。目标：虽然在模拟研究中，大脑解剖结构（特别是萎缩以及中风病变）被认为对 EF 有影响，但白质病变 (WML) 导致的白质电特性变化的不确定性的影响尚未量化。方法：进行了一项团体模拟研究，将 88 名受试者分为四组，每组病变负荷不断增加。由于缺乏有关 WML 电导率的信息，因此在为病变组织选择任意电导率值时，采用不确定性分析来量化模拟中的变异性。结果：WML 对 EF 方差的贡献平均仅为其他建模组织贡献的十分之一到千分之一。虽然与低病变负荷受试者相比，高病变负荷受试者的 WML 贡献显著增加（p≪.01），通常增加 10 倍以上，但 EF 的总方差并没有随着病变负荷而变化。结论：我们的结果表明，WML 不会全局扰乱 EF，因此在对低到中等病变负荷的受试者进行建模时可以将其省略。但是，对于高病变负荷受试者，省略 WML 可能会导致病变组织附近的局部 EF 估计不太稳健。我们的结果有助于精确建模 tDCS 以进行治疗计划。
基于区块链的自我消费优化和...
能源社区将是未来能源系统的重要因素。尤其是可再生能源社区在许多欧洲国家都引起了人们的关注，并且在世界各地的许多研发活动中都详细阐述了其实施，特征和用例。在奥地利研究项目区块链网格中，基于区块链的可再生能源社区在施蒂里亚的海姆斯库（Heimschuh）进行了现场测试。它支持不同的技术应用程序，例如为客户提供自我消费优化和点对点能源交易，以及一种用于支撑配电系统运营商的电网能力管理的新方法。这些用例已在模拟研究中已实施和验证，表明能源社区成员的总能源成本有希望。
人工智能（AI）与竞争法
c. 另一方面，欧盟/英国反垄断规则对自学习定价算法的应用更加复杂。2021 年，CMA 发表了一篇题为“算法：它们如何减少竞争并损害消费者”的论文，其中概述了假设的损害理论，包括“自主默契勾结”。CMA 指出，“模拟研究表明，存在明显的理论担忧，即算法可以在没有任何明确沟通的情况下自主勾结。例如，Calvano 等人（2019 年）表明，在模拟中竞争的 Q 学习（一种相对简单的强化学习形式）定价算法可以学习对偏差进行惩罚的勾结策略，尽管是在稳定市场中经过多次实验之后”。然而，迄今为止，几乎没有直接适用的先例。
蓄热室中的电热一体化
德国斯图加特 Sergej.Belik@dlr.de 摘要：电加热再生器储存是一种节能且经济的解决方案，可用于转换多余的电能并将其储存为高温热能。我们引入了一个瞬态模型来描述这种混合存储系统的热力学行为，该模型具有最少的无量纲参数。这些特征参数用于得出再生器储存中电热集成热力学评估的关键性能指标。从模拟研究中获得的结果表明电加热元件在储罐内的位置是节能的，并为设计提供了显着改进的热存储容量和性能。电热扩展带来的这些好处在提高成本效率和操作灵活性方面尤为明显。
量子状态通道对偶用于计算标准模型散射振幅
虽然首次提出模拟自然界量子力学的建议可以追溯到理查德·费曼 [1]，但最近将量子信息理论应用于高能物理系统研究的尝试已证明特别成功。量子态断层扫描就是一个典型的例子，该过程通过对被观察系统的相同副本集合进行一系列互补测量，可以完全重建系统的密度矩阵 [2]，非常适用于产生大量事件的对撞机 [3-6]，并且已应用于各种高能粒子物理系统的数值模拟研究 [4-7]。包括量子机器学习技术在内的量子算法已被开发用于识别数据中的标准模型及以上特征 [8-10]，以及以更经济的计算方式模拟对撞机事件 [11]。
特刊 - 纺织应用的新型合成纤维
今天，由于旋转速度高和生产线的简单性，聚合物的融化和湿旋转是制造商业合成纤维的最常用方法。正在进行的研究工作确保纤维和纺织品仍然是高增值产品。本期特刊旨在收集有关纤维融化和湿旋转领域最新进展的贡献。感兴趣的主题是新型聚合物，添加剂和可用于熔体和湿旋的过程；多组分旋转；喂食线，旋转链或下降单元的特殊设计；旋转不稳定性；物理和化学表征；以及合成纤维的应用。除了实验结果，理论贡献和模拟研究外，还阐明了纤维旋转的物理学并回答有关纤维形态的基本问题（从纳米级到宏观麦克索）也受到欢迎。
非平衡量子动力学
摘要量子计算机和模拟器的开发开发了新的途径，用于通过量子模拟研究非平衡量子多体动力学。在对量子模拟的方法，算法和局限性的简要介绍之后，我将讨论量子模拟如何加深我们对量子多体混乱，热化及其分解的理解，重点是由于量子多体疤痕状态而导致的奇异性破裂。然后，我将通过开放系统的量子模拟来讨论最近提出的非平衡量子阶段（刺激自发对称性破裂）。最后，在弱牙术断裂和量子模拟器中的潜在应用中，我将重点介绍我们最近提出的方法来应对量子计量学中的噪声。
BRAIN-2020-0815-ver9-Long_3P 430..446 - NSF-PAR
目的：在本研究中，我们提出了一种新颖的自适应约束独立向量分析 (acIVA) 方法来有效捕捉动态血氧水平依赖性 (BOLD) 活动 (dBA) 的时间和空间特性，并有效地量化 dBA (sdBA) 的空间特性。我们还建议将 dBA 纳入大脑动力学研究，以深入了解活动连接共同进化模式。简介：使用功能性磁共振成像 (fMRI) 研究人脑动力学，可以识别独特的功能网络连接 (FNC) 状态，并为精神障碍提供新的见解。有证据表明，fMRI 捕捉到的 BOLD 活动和 FNC 都与心理和认知过程有关。然而，只有少数研究评估了这两个功能领域的相互关系。此外，由于需要研究精神分裂症的异质性，识别精神分裂症亚组具有重要的临床意义。方法：我们设计了一项模拟研究来验证 acIVA 的有效性，并将 acIVA 应用于从精神分裂症患者和健康对照者 (HC) 收集的静息态 fMRI 数据的动态研究，以调查 dBA 和动态 FNC (dFNC) 之间的关系。结果：模拟研究表明 acIVA 准确捕捉了空间变异性并提供了 sdBA 的有效量化。fMRI 分析产生了同步的 dBA-时间属性 (tdBA) 模式，并表明 dBA 和 dFNC 在空间域中显着相关。利用这些动态特征，我们可以识别出在临床症状方面具有显著差异的精神分裂症亚组。结论：我们发现，与 HC 相比，精神分裂症患者的脑功能组织异常，因为精神分裂症患者的同步 sdBA-tdBA 模式较少，并且精神分裂症患者更喜欢融合多个脑区的部分。使用动态特征识别精神分裂症亚组启发了神经影像学在研究疾病异质性方面的应用。