XiaoMi-AI文件搜索系统
World File Search System特征参数
在微机械谐振器中产生混沌的动态方法
摘要 混沌系统具有复杂且不可再现的动力学，在自然界中随处可见，从行星之间的相互作用到天气的演变，但也可以使用当前的先进信号处理技术进行定制。然而，由于底层物理涉及动力学，混沌信号发生器的实现仍然具有挑战性。在本文中，我们通过实验和数值方法提出了一种从微机械谐振器生成混沌信号的颠覆性方法。该技术通过调节施加到非线性区域中谐振器的驱动力的幅度或频率，克服了控制微/纳米机械结构中屈曲的长期复杂性。混沌状态的实验特征参数，即庞加莱截面和李雅普诺夫指数，可直接与不同配置的模拟进行比较。这些结果证实，这种动态方法可转换到任何类型的微/纳米机械谐振器，从加速度计到麦克风。我们通过将现成的微隔膜转变为符合美国国家标准与技术研究所规范的真正随机数生成器，展示了利用混沌状态的混合特性的直接应用。这种原始方法的多功能性开辟了新的途径，将混沌的独特性质与微结构的卓越灵敏度相结合，从而产生新兴的微系统。
连续时间随机过程的量子编码与分析及其金融应用
对连续时间中的随机现象进行建模是一项重要而又具有挑战性的问题。通常无法获得解析解，而数值方法可能非常耗时且计算成本高昂。为了解决这个问题，我们提出了一个专门针对量子连续时间随机过程的算法框架。该框架由两个关键程序组成：数据准备和信息提取。数据准备程序专门用于编码和压缩信息，从而显着降低空间和时间复杂度。这种减少对于随机过程的关键特征参数而言是指数级的。此外，它可以作为其他量子算法的子模块，缓解常见的数据输入瓶颈。信息提取程序旨在以二次加速解码和处理压缩信息，扩展量子增强蒙特卡罗方法。该框架展示了多功能性和灵活性，可在统计学、物理学、时间序列分析和金融领域得到应用。举例来说，默顿跳跃扩散模型中的期权定价和集体风险模型中的破产概率计算，展示了该框架捕捉极端市场事件和纳入历史相关信息的能力。总的来说，这个量子算法框架为准确分析和增强对随机现象的理解提供了一个强大的工具。
全文（PDF）
摘要。在这项工作中，我们通过使用辅助设计（TCAD SILVACO）软件对CDS/CUIGASE 2（CIGS）薄太阳能电池进行了两维数值分析的研究研究。它们的结构由配置中的薄CIGS太阳能电池组成：Zno（200 nm）/CDS（50 nm）/CIGS（350 nm）/mo。然后将ZnO用于电导氧化导电细胞的透明前部。用于后接触，使用钼（MO）。CD窗口的层和CIGS吸收器的形状是N-P半导体异质结。通过应用模型中多晶CD和CIGS材料和CIGS材料和CIGS/CDS接口的晶粒关节中产生的缺陷来评估细胞的性能，并且已经对TCAD模拟中使用的物理参数进行了校准以复制实验数据。在AM1.5照明条件下模拟J -V特性。已达到转换效率（η）20.10％，并且已经模拟了其他特征参数：开路电压（V OC）为0.68 V，电路电流密度（J SC）等于36.91 mA/cm 2，并且表格（FF）为0.80。模拟结果表明，CIGS层的摩尔分数x的最佳值约为0.31，对应于1.16 eV的间隙能，该结果与实验中发现的结果非常吻合。
评估巴赫花精在非
摘要 目的：评估2型糖尿病患者使用巴赫花凝胶（岩玫瑰凝胶）进行牙周治疗后牙周组织的临床反应。方法：这项随机、双盲、分口、单中心、安慰剂对照的临床试验选择了20名患有中度、重度或晚期牙周炎（II、III和IV期）的患者。他们被分成几组，第1组接受岩玫瑰凝胶，第2组接受盐水凝胶。所有组均接受常规牙周治疗，其特征是在涂抹凝胶前进行洁治和根面平整。使用牙周临床参数进行临床评估：菌斑指数（PI）、牙龈指数（GI）、探诊深度（PPD）、牙龈退缩（GR）和临床插入水平（CAL）。还评估了生物特征参数和血液学参数。所有临床和实验室参数均在治疗前和三个月后获得。结果：两组治疗前后牙周临床参数均有所改善（P<0.05）。干预组、对照组和花疗法组之间没有统计学差异（P>0.05）。结论：使用岩玫瑰辅助凝胶（巴赫花）进行牙周治疗安全、有效，并促进牙周临床参数的改善。然而，它并没有显示出优于传统牙周治疗的效果。关键词：牙周炎；花疗法；2 型糖尿病。
通过人工智能分析胎儿脑超声的成熟度特征来估计孕龄
背景：最佳的产前护理依赖于准确的孕周估算。在妊娠头三个月后，目前孕周估算方法的准确性随着孕周的增加而降低。考虑到在许多国家，由于预约较晚、产前护理机会不频繁以及无法进行早期超声检查，仍然难以获得妊娠头三个月的头臀长，开发准确的妊娠中期和晚期孕周估算方法仍然是胎儿医学中尚未解决的挑战。目的：本研究旨在评估一种基于对标准颅脑超声切片上胎儿大脑形态的自动分析的人工智能方法与使用标准胎儿生物测量技术的现行公式相比，在估计中期和晚期胎儿孕周方面的表现。研究设计：使用 1394 名接受常规胎儿超声检查的患者的丘脑轴平面标准图像开发一种人工智能方法，通过分析胎儿大脑信息自动估计妊娠周龄。我们将其性能（单独使用或与胎儿生物特征参数结合使用）与 4 种目前使用的胎儿生物特征公式进行了比较，这些公式来自 1992 名接受第二次（n=1761）或第三次检查的患者的 3065 次扫描
都灵理工学院机构库
过去几年中，量子信息论的最新发展强烈推动了复杂量子现象的表征。在这样的框架中，一个关键概念就是纠缠。纠缠除了被认为是量子计算和通信任务的基本资源 [1] 之外，还被用来更好地表征不同多体量子系统在相关哈密顿量的某些特征参数发生变化时的临界行为；后一种现象被称为量子相变 (QPT) [2]。事实上，人们还没有完全深入理解 QPT 的普遍性质。在这种情况下使用纠缠的特殊之处在于，作为量子关联的单一直接测度，它应该允许对 QPT 进行统一处理；至少，每当发生的 QPT 归因于系统的量子性质时，这总是在 T 0 时，因为不存在热涨落。 [3] 中首次描述了自旋 1=2 链中单自旋或双自旋纠缠与 QPT 之间的关系，其中注意到并发度的导数在 QPT 的对应性上表现出发散，并具有适当的标度指数。随后在 [4] 中研究了 L 自旋块的纠缠及其在表现出临界行为的自旋模型中的标度行为。最近在 [5] 中解决了通过纠缠来表征费米子系统基态相图的问题，其中展示了如何通过研究单点纠缠来重现已知（数值）相图的相关特征。虽然这是一个有希望的起点，但仍需澄清哪些量子关联导致了 QPT 的发生：是两点还是共享点（多部分），是短程还是长程。事实上，要回答上述问题，需要对任何两个子系统之间的纠缠进行详尽的研究。如果子系统只有 2 个自由度，则共生性可以正确量化量子关联 [6]。一个概括
带有漂流浮标数据的案例研究
摘要：在海上研究以及搜索和救援操作中，建立或预测漂流物体的轨迹很重要。可以使用带有海洋动态模型的传统工具或通过人工智能模型来确定漂移对象的轨迹。从2003年12月19日至12月28日之间收集的漂流浮标数据中，研究小组采用了CNN（CORV1D）模型进行分析。分析结果表明，通过使用ADAM优化器，Huber损耗函数和256个过滤器，在隐藏层中，该模型性能的特征参数被确定为RMSE = 0.04004，MAE = 0.032304度，R²= 98％。使用SGD优化器和均方误差（MSE）损耗函数时，与先前情况相比，RMSE和MAE值最多降低了四倍，而R²值则在隐藏层中有64个过滤器达到99.9％。当隐藏层中的过滤器数增加到128时，CNN（CORV1D）模型的性能提高了20％，RMSE = 0.007863DEG，MAE = 0.006653DEG。使用CNN（Conv1D）模型使用SGD优化器预测漂移浮标的轨迹时，R²值和MSE损耗函数接近约100％，这表明该模型适用于预测漂流浮标轨迹的输入数据。将模型隐藏层中的过滤器数量从128增加到256并没有改变模型的预测性能，这表明该情况的最佳过滤器数为128。未来的工作应继续使用较大的输入数据集进行漂移数据分析。但是，这项研究中获得的RMSE结果仍然相对较大（0.87 km），这可能是由于输入数据有限。