XiaoMi-AI文件搜索系统
World File Search System模拟退火
使用量子计算从叠后地震数据中估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心
使用量子计算从叠后地震数据估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心 摘要 量子计算越来越被认为是地球物理学的一项变革性技术，它有可能显著提高计算能力和效率。这一进步有望以前所未有的速度模拟和处理复杂的地质数据。最近的研究已经开始探索将量子计算方法应用于简化版本的地震反演问题，强调该技术解决现实世界逆问题的能力。本研究的主要目的是通过使用量子计算机从地震轨迹数据估计声阻抗来解决一个现实、可扩展且与业务相关的问题。据我们所知，这是第一次通过量子计算从地震数据预测地震阻抗，并讨论了在量子处理单元 (QPU) 上解决逆问题的优势。在本文中，我们利用 D-Wave 量子退火器来解决叠后地震反演问题，采用了一种新颖的两步工作流程。在第一步中，我们利用量子退火器从地震数据中估计反射率。随后，这些估计的法向入射反射率作为使用相同量子技术预测声阻抗的基础。为了验证我们方法的有效性，我们提供了五个示例，将 D-Wave 量子退火器的阻抗预测与通过模拟退火（传统上用于地震反演的随机全局优化器）获得的阻抗预测并列。值得注意的是，从量子退火器得出的阻抗仅在一个时期内就与真实值紧密匹配，而模拟退火需要 10 个时期才能达到类似的精度。此外，我们的混合求解器中的 QPU 仅花费约 0.08 秒即可估计这些地震阻抗。与混合求解器的经典组件和模拟退火所需的时间相比，这非常高效，后两者均需要超过 10 秒。这凸显了 QPU 可以在不到一秒的时间内完全解决地震逆问题，凸显了量子计算对地球物理学领域的变革性影响。 引言 量子计算是一个新兴领域，它利用量子力学原理来处理信息，为传统计算带来了范式转变。与以比特为信息基本单位的传统计算机相比，量子计算机
基于无线传感器网络覆盖控制算法研究
摘要：无线传感器网络具有传感器节点众多、成本有限、数据采集、容错性好、存储性强等特点，在环境监测、医疗卫生、军事和商业等领域得到广泛应用。覆盖控制是无线传感器网络亟待解决的重要问题。为了解决环境监测的重叠覆盖问题，提高覆盖率，提出了一种基于簇头选择的改进免疫模糊遗传算法（IIFGA），系统地描述了该算法的数学模型。实验中，给出了蚁群优化（ACO）和模拟退火（SA）来比较IIFGA的性能。实验表明，提出的覆盖控制算法具有较高的收敛速度，提高了覆盖率。
将约束转换为二次背包问题的Qubos
摘要。量子计算可能表明其使用的第一个字段之一是优化。自然出现了许多优化问题，例如二次背带问题。量子计算机的当前状态要求将这些问题置于二次无约束的二进制优化问题或QUBO。受约束的二进制优化可以通过翻译约束来转换为Qubos。但是，这种翻译可以通过几种方式进行，这在求解Qubo时可能会对穿孔产生很大的影响。我们为二次背包问题展示了六种不同的配方，并使用模拟退火比较其性能。最佳性能是通过不使用不使用辅助变量来建模不平等约束的公式获得的。
学科名称：人工智能原理
建模和搜索。问题表示方法（状态空间表示、问题分解、约束满足问题、逻辑表示），使问题可以被视为路径查找问题。路径查找问题的图形表示。AND/OR 图。搜索系统的总体方案。搜索系统的控制策略和启发式方法。启发式搜索。著名的不可撤销策略：爬山搜索、禁忌搜索、模拟退火算法。尝试性策略：回溯算法和图搜索算法（A*、B、EMA* 等）。进化算法。双人游戏。游戏的表示。获胜策略。子树评估：极小最大算法和 alpha-beta 剪枝。机器学习简介。监督学习和一些示例（k-最近邻方法、决策树、随机森林、深度学习）。无监督学习和一些示例（k-均值算法、主成分分析）。
人工智能在汽车制造行业流程中的落地
roy.dosen@gmail.com 摘要 — 在人工智能 (AI) 中，机器可以从经验中学习，对输入和输出进行调整。此后，新机器可以像人类一样执行任务。因此，尽管不是完全取代，但人类的某些功能已被机器取代。如今，我们经常在现代住宅、工业、工厂、教育等领域发现人工智能的实现。例如，在汽车制造业，在实施人工智能之前，制造系统问题和工程规划（制造系统和设计和施工问题）实际上非常复杂，很难使用传统技术解决。所以随着人工智能的实施，经常出现的问题就可以得到克服，因此人工智能可以帮助人类完成任务。近年来，人工智能技术受到广泛关注，并具有作为汽车制造业优化技术的潜力。关键词：遗传算法、模拟退火、禁忌搜索、免疫算法、人工智能、制造、汽车、商业价值、预测性维护、机器学习 1.简介
OpenWebSearch 团队将参加 CLEF 2024：QuantumCLEF
摘要 我们描述了 OpenWebSearch 小组参与 CLEF 2024 QuantumClef IR 特征选择轨道的情况。我们提交的运行重点关注以下观察：学习排序模型中特征的重要性在更改训练设置时会发生变化并自相矛盾。为了解决这个问题并确定一个在不同的下游训练过程中具有鲁棒性的特征子集，我们通过在随机选择的特征子集上反复训练模型并在训练模型中测量它们的重要性来引导特征重要性得分。我们确实观察到特征重要性在不同的引导过程中差异很大，并且自相矛盾。我们假设量子退火器可以比模拟退火器更好地探索这种复杂的优化环境。然而，我们发现量子退火器并没有找到产生更有效的学习排序模型的更优解。
利用里德堡原子阵列进行最大独立集的量子优化
实现实际相关的、计算困难问题的量子加速是量子信息科学的核心挑战。使用两个空间维度中多达 289 个量子比特的 Rydberg 原子阵列，我们通过实验研究了解决最大独立集问题的量子算法。我们使用与 Rydberg 阻塞相关的硬件高效编码，实现闭环优化来测试几种变分算法，然后将它们应用于系统地探索具有可编程连接的一类图。我们发现问题难度由解决方案的退化和局部最小值的数量控制，并且我们通过实验将量子算法的性能与经典模拟退火进行了对比。在最难的图上，我们观察到在深电路范围内寻找精确解的超线性量子加速，并分析了其起源。C
可靠性工程手册
第 1 章由 Zuo、Huang 和 Kuo 撰写，研究了多状态 k-out-of-n 系统性能评估的新理论概念和方法。第 2 章由 Pham 撰写，详细描述了具有多种故障模式的系统可靠性的特征。第 3 章由 Chang 和 Hwang 撰写，通过交换连续 k 系统中工作和故障部件的角色，提出了连续 k 系统可靠性的几种概括。第 4 章由 Levitin 和 Lisnianski 撰写，使用通用生成函数技术和遗传算法相结合的方法讨论了具有两种故障模式的多状态系统的各种可靠性优化问题。第 5 章由 Sung、Cho 和 Song 撰写，讨论了许多不同的解决方案和启发式方法，例如整数规划、动态规划、贪婪型启发式和模拟退火，以解决受多种资源和选择约束的复杂系统结构的各种组合可靠性优化问题。