XiaoMi-AI文件搜索系统
World File Search System电路模型
![arxiv：2502.09316v1 [CS.CL] 2025年2月13日](/simg/2\22d76863607dc72ae93e2d071280b64d1386a5b9.webp)
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
锂离子电池（LIB）的数学建模是高级电池管理中的主要挑战。本文提出了两个新框架，以将基于物理的模型与机器学习相结合，以实现LIBS的高精度建模。这些框架的特征是通过告知机器学习模型的物理模型信息，从而可以在物理学和机器学习之间进行深入整合。基于框架，通过将电化学模型和等效电路模型与前馈神经网络相结合，构建了一系列混合模型。混合模型在结构上相对简单，可以在广泛的C速率下提供相当大的电压预测精度，如广泛的模拟和实验所示。这项研究进一步扩展到进行老化感知的混合建模，从而设计了意识到健康的混合模型以进行预测。实验表明，该模型在整个LIB的周期寿命中具有高电压预测精度。
量子电路的统计复杂性
在理论机器学习中，统计复杂性是衡量假设空间丰富性的概念。在这项工作中，我们将特定的统计复杂性量度（即Rademacher复杂性）应用于量子计算中的量子电路模型，并研究统计复杂性如何取决于各种量子电路参数。，我们研究了统计复杂性对量子电路的资源，深度，宽度以及输入和输出寄存器的数量的依赖性。为了研究统计复杂性如何通过电路中的资源扩展，我们基于（p，q）组规范引入了魔术的资源度量，该魔法量化了与电路相关的量子通道中的魔术量。这些依赖性在以下两个设置中进行了研究：（i）整个量子电路被视为单个量子通道，以及（ii）量子电路的每一层被视为单独的量子通道。我们获得的界限可用于根据其深度和宽度以及网络中的资源来限制量子神经网络的能力。
微电子杂志
通过（TSV）技术利用同轴性通过Silicon，提出了紧凑的低通滤波器（LPF）。首先，通过分析计算，有限元方法（FEM）模拟和测量，研究了基于同轴TSV的几个电容器。其次，提出并通过FEM模拟和测量结果对基于同轴TSV的螺旋感应的电感式的公式进行了验证。最后，提出了基于基于TSV的电容器和电感器的研究，提出了基于2×4、2×5、2×6和2×7同轴TSV阵列的提议𝐿𝐶LPFS的分析模型，并且在AD和HFF中建立了等效电路模型以及在ADS和HFSS中的有限元模型（FEM）模型。LPF通过测量进行制造和验证。在建议的LPF中，同时使用同轴TSV作为电容器和电感器，这会导致更紧凑的大小。电感器的寄生能力可以帮助诱导拟议的LPF在停止带中诱导一个缺口，并提高滚动速率。
使用具有长短期记忆的循环神经网络估计锂离子电池的充电状态
摘要 —本文提出了一种针对实际条件下运行的锂离子电池 (LIB) 使用长短期记忆循环神经网络 (LSTM) 的精确充电状态 (SOC) 估计算法。凭借其自学习能力，这种数据驱动的方法能够模拟整个电池寿命期间由于环境和工作条件变化而导致的 LIB 高度非线性行为。结果表明，在准确性和稳定性方面，LSTM 方法优于使用扩展卡尔曼滤波器 (EKF) 的常见物理模型。为了证明这一优势在实际应用中的优势，使用从储能领域的商业行业应用收集的数据对所提供的网络进行训练和测试。在不同工作条件下使用 EKF 对 LSTM 进行评估并将其与等效电路模型 (ECM) 进行比较。对于动态负载曲线，ECM-EKF 的误差 (RMSE) 为 9.5%，而 LSTM 的误差 (RMSE) 为 5.0%。
适用于智能电网应用的锂离子电池储能系统集成
摘要 — 锂离子电池储能系统 (BESS) 凭借其当前的技术和经济成熟度，在满足智能电网环境中的短期灵活性要求方面具有巨大潜力。然而，必须详细建模非线性电池系统特性的复杂性及其相邻电力电子接口的控制。更详细和准确的组件建模，通过同时考虑组件和系统级方面，可以改进整个电力系统优化研究。因此，本文开发了锂离子电池的等效电路模型 (ECM)，并将锂离子镍锰钴 (NMC) 电池单元建模为二阶等效电路 (SOEC)，包括 C 速率、温度、充电状态和老化效应。其次，开发了 DC/DC 和 DC/AC 转换器接口的详细控制器设计方法，以实现高级电网集成研究。总体而言，BESS 集成设计通过 Simulink Simpowersystems 平台中的仿真研究得到验证。
根据EIS测量对电池电池进行建模，以不同的化学作用
I.摘要摘要 - 在对清洁和绿色能源的迅速增长的需求中，电池市场正在迅速增长。研究以提高性能，更长的寿命和更高的存储容量是电池行业中最重要的主题之一。要进一步改善电池技术，建模和仿真是必不可少的。要成功模拟和建模电池，需要开发等效电路模型（ECM）。在本报告中，研究了三个不同的锂离子电池化学分配，并讨论了其潜在的ECM。借助EIS测量，可以为每种电池类型获得阻抗地块，从这些图中得出了不同的结论，即阻抗与充电状态（SOC）以及阻抗和充电方向之间的关系。在这些之后，对潜在的ECM进行了模拟，并将其与测量数据进行了比较。事实证明，对于三个化学物质中的两个，相同的ECM是一个合适的选择。此ECM包括两个CPE，电阻和一个Warburg元素。
变化量子时间演变，没有量子几何张量
量子状态的实时和想象的时间演变是研究量子动态，准备接地状态或计算热力学可观察物的强大工具。在近期设备上，各种量子时间演变是这些任务的有前途的候选人，因为可以量身定制所需的电路模型以权衡可用的设备功能和近似准确性。但是，即使可以可靠地执行电路，由于量子几何张量（QGT）的计算，变异量子时间演化算法对于相关系统大小而迅速变得不可行。在这项工作中，我们通过利用双重公式来规避对QGT的明确评估来解决这个缩放问题。我们演示了海森伯格汉密尔顿的时间演变的算法，并表明它以标准变化量子时间演化算法的成本的一小部分准确地重现了系统动力学。作为量子假想时间演变的应用，我们计算了Heisenberg模型的热力学观察到的每个位置的能量。
具有不同设计时间的深层热化模型
我们研究了在有限的子系统上支撑的量子状态的普遍，均匀分布的出现，该量子状态通过投射介绍系统的其余部分而引起的。被称为深度热化，这种现象代表了比常规热化更强的量子多体系统中平衡的形式，这仅限于可观察到的一体组成的阀门。虽然在一个维度中存在量子电路模型，在该模型中可以证明这种现象可以准确地出现，但这些现象是特殊的，因为深层的热化是在与常规热化的完全相同的时间发生。在这里，我们提出了一个完全可溶解的混乱动态模型，其中可以证明这两个过程在不同的时间尺度上发生。该模型由一个有限的子系统组成，该子系统通过较小的收缩结合到有限的随机基质浴场，并突出显示了局部性和不完善的热化在约束这种通用波函数分布的形成中的作用。我们测试了针对精确数值模拟的分析预测，从而确定了出色的一致性。
在线降低锂离子电池等效电路模型的复杂性参数估计技术
电动汽车中面向控制的电池管理应用程序的摘要，电池组的等效电路模型（ECM）提供可接受的建模精度和简单的数学方程式，以包括单元参数。但是，在实时应用中，电路参数通过改变电池的操作条件和状态不断变化，因此需要在线参数估计器。估计器必须使用适合实时处理的计算复杂性更新电池参数。本文为ECM的在线参数估计提供了一种新颖的在线降低复杂性（ORC）技术。与现有技术相比，所提出的技术提供的复杂性明显较小（因此估计时间），但没有损害准确性。我们使用基于信任区域优化（TRO）最小二（LS）方法作为提议技术中的更新算法，并使用Nissan Leaf（Pouch）细胞实验验证我们的结果，并借助标准车辆测试周期，即动态驾驶周期（DDC）和新的欧洲驾驶周期（NEDC）。
在没有全局对称性的非热式系统中稳健的零模式
锂离子电池（LIB）的数学建模是高级电池管理中的主要挑战。本文提出了两个新框架，以将基于物理的模型与机器学习相结合，以实现LIBS的高精度建模。这些框架的特征是通过告知机器学习模型的物理模型信息，从而可以在物理学和机器学习之间进行深入整合。基于框架，通过将电化学模型和等效电路模型与前馈神经网络相结合，构建了一系列混合模型。混合模型在结构上相对简单，可以在广泛的C速率下提供相当大的电压预测精度，如广泛的模拟和实验所示。这项研究进一步扩展到进行老化感知的混合建模，从而设计了意识到健康的混合模型以进行预测。实验表明，该模型在整个LIB的周期寿命中具有高电压预测精度。