XiaoMi-AI文件搜索系统
World File Search System约束条件
Q-GPU：使用 GPU 进行量子电路模拟的优化方法
摘要 — 近年来，量子计算取得了重大发展，并在许多应用领域确立了其霸主地位。虽然量子硬件可以通过云环境供公众使用，但仍需要一个强大而高效的量子电路模拟器来研究约束条件并促进量子计算发展，例如量子算法开发和量子设备架构探索。在本文中，我们观察到大多数公开可用的量子电路模拟器（例如 IBM 的 QISKit、Microsoft 的 QDK 和 Google 的 Qsim-Cirq）在量子比特数量增加时模拟速度慢且可扩展性差。为此，我们系统地研究了量子电路模拟（QCS）的缺陷，并提出了 Q-GPU，这是一个利用具有全面优化的 GPU 来实现高效且可扩展的 QCS 的框架。具体而言，Q-GPU 具有 i）主动状态幅度转移、ii）零状态幅度修剪、iii）延迟量子比特参与和 iv）无损非零状态幅度压缩。在九个代表性量子电路上的实验结果表明，Q-GPU 显著缩短了基于 GPU 的 QCS 的执行时间，缩短了 71.89%（加速 3.55 倍）。Q-GPU 还分别比最先进的 OpenMP CPU 实现、Google Qsim-Cirq 模拟器和 Microsoft QDK 模拟器快 1.49 倍、2.02 倍和 10.82 倍。
使用和谐搜索优化技术实现基于物联网的智能家居最佳能源管理
性能。本文提出了一种基于物联网的最佳能源管理方法，该方法依赖于 Harmony Search 优化技术，以节省智能家居的能源使用。光伏和风能可再生能源系统用于为家庭供电。这些现场能源有助于智能家居减少对电网电力的依赖。由于太阳辐射和风速固有的随机性和间歇性，能量存储系统用于维持能源系统的可靠性。所提出的算法依赖于对电能价格随时间变化的按需响应，并应用分时定价原则来控制家用电器。物联网技术用于家用电器和控制中心之间的数据交换，此外，还用于将能源管理系统和安全系统与控制中心进行通信。在本文中，物联网系统基于 ZigBee 无线技术，该技术被描述为功耗最低的无线技术。该算法应用于一栋由五层楼组成的拟建建筑，每层楼包含两套公寓，一套公寓的总面积为 200 平方米。得到的结果证明了所提出的基于和谐搜索的优化方法在满足所需约束条件的同时，在智能家居中节约能源和减少电费方面的有效性。此外，所提出的算法的性能通过四种人工智能算法进行了验证，包括遗传算法、人工免疫系统、蚁狮优化和蝙蝠算法。除了编程和公式简单之外，进行的比较还表明结果相似，所提出的算法在节省电力成本和缩短运行时间方面具有优势
利用期权定价实现可再生能源感知地理负载平衡，从而最小化数据中心的能源成本
摘要：适当控制广泛分布的数据中心的功耗变得越来越困难。由于需要运行这些数据中心 (DC) 来处理传入的用户请求，因此能源消耗很高。数据中心电力成本的上升是云服务提供商 (CSP) 面临的一个当代问题。最近的研究表明，地理分布的数据中心可以使用批发电力市场中的可变电价和定价衍生品来分担负载并节省资金。在本研究中，我们评估了在考虑可变系统动态、电价波动和可再生能源的同时降低地理分散数据中心的能源支出的问题。我们提出了一种基于可再生能源的负载平衡，采用基于贪婪方法的期权定价 (RLB-Option) 在线算法进行交互式任务分配以降低能源成本。RLB-Option 的基本思想是使用可用的可再生能源来处理传入的用户请求。相反，对于未处理的用户请求，将在每个时隙使用棕色能源或看涨期权合约来处理工作负载。我们将地理分布式 DC 中的能源成本最小化公式化为一个优化问题，同时考虑地理负载平衡、可再生能源和衍生品市场的期权定价合同，同时满足一组约束条件。我们证明 RLB-Option 可以将 DC 的能源成本降低到接近具有未来信息的最佳离线算法的水平。与标准工作负载分配方法相比，RLB-Option 在基于真实数据的实验评估中显示出显著的成本节省。
在约束最小二乘过滤计算上开发高性能量子图像算法
摘要：计算机技术的最新开发可能导致量子图像算法成为热点。量子信息和计算给出了我们的量子图像算法的一些优势，这些算法处理了原始经典图像算法无法解决的有限问题。图像处理为量子图像的应用而哭泣。量子图像上的大多数作品都是理论上的，有时甚至是未抛光的，尽管量子计算机中的现实世界实验已经开始并正在繁殖。但是，正如计算机技术的开发有助于推动技术革命一样，从量子力学，量子信息和极其强大的计算机上提出了一种新的量子图像算法。引入了量子图像表示模型来构建图像模型，然后将其用于图像处理。为了重建或估计点扩散函数，采用了先验知识，并根据相反的处理获得非分类估计。使用最佳的平滑度度量来解决噪声的模糊功能。在约束条件上，确定最小标准函数并估计原始图像函数。对于某些运动模糊和某些噪声污染（例如高斯声音），所提出的算法能够产生更好的恢复结果。另外，应该注意的是，当存在噪声强度非常低的噪声攻击时，基于约束最小二乘过滤的模型仍然可以带来良好的恢复结果，并且具有很强的鲁棒性。随后，讨论实现量子电路和图像过滤的复杂性的仿真分析，并证明当噪声密度较小时，该算法对模糊恢复具有良好的影响。
约束优化问题的有效隐式约束处理方法
许多现实世界的优化问题，尤其是工程优化问题，都涉及约束条件，这使得寻找可行解变得十分困难。许多研究人员已经针对受约束的单目标和多目标优化问题研究了这一挑战。具体而言，本研究扩展了 Gandomi 和 Deb（《计算机方法与应用机械工程》363:112917, 2020）提出的用于约束优化问题的边界更新 (BU) 方法。BU 是一种隐式约束处理技术，旨在通过迭代削减不可行搜索空间，从而更快地找到可行区域。这样做会扭曲搜索空间，使优化问题更具挑战性。为此，我们实施了两种切换机制，当找到可行区域时，将景观连同变量一起转换为原始问题。为了实现这一目标，我们考虑了两个阈值，分别代表不同的切换方法。在第一种方法中，当约束违规达到零时，优化过程将转换为不使用 BU 方法的状态。在第二种方法中，当目标空间不再发生变化时，优化过程将转入不使用 BU 方法的优化阶段。为了验证该方法的有效性，我们考虑使用著名的进化单目标和多目标优化算法来解决基准测试和工程问题。本文分别在整个搜索过程中使用和不使用 BU 方法对所提出的方法进行了基准测试。结果表明，该方法可以显著提高收敛速度，并能够更好地解决约束优化问题。
SOAM 与 ... 的定性比较分析
摘要 欧洲空中交通管制组织 (Eurocontrol) 提倡使用系统性事件分析方法 (SOAM) 来分析空中交通管理 (ATM) 事件。麻省理工学院的 Nancy Leveson 教授定义了基于系统理论的系统理论事故模型和过程 (STAMP)，用于解释系统性事故（事故由组件之间的相互作用引起，而不是单个组件故障）。本研究使用 SOAM 和 STAMP 分析了一起 ATM 事件，并比较了它们在确定系统性对策方面的实用性。结果表明，SOAM 是一种有用的启发式方法和强大的通信设备，但它在突发现象和非线性相互作用方面较弱。SOAM 指导调查人员考虑事件发生的背景；失败的障碍和组织因素；“瑞士奶酪中的漏洞”，但不考虑造成这些漏洞的过程，或者整个系统如何向安全操作的边界迁移。STAMP 指导调查人员更深入地研究系统组件之间相互作用的机制，以及系统如何随着时间的推移进行适应。 STAMP 有助于确定防止系统组件之间发生不良相互作用所必需的控制和约束。STAMP 还通过对系统控制结构上层进行结构化分析来指导调查，这有助于确定高级系统对策。全球 ATM 系统正在经历一段技术和政治快速变革时期。欧洲的单一欧洲天空 ATM 研究 (SESAR) 和美国的 NextGen 计划意味着 ATM 正在从集中式人机控制系统转变为半自动化分布式决策系统。根据当地约束条件和合并交通时间定制的、在数据链接的 4D 飞行路径上飞行的连续下降到达需要大规模的数字信息共享和协作决策，以及为实现最佳空域效率和安全性而设计的功能空域块。现在需要像 STAMP 这样的详细的新系统模型来防止正常运行的系统组件之间发生不良相互作用，并了解日益复杂的 ATM 系统中随时间的变化。
CHAP E4120 Ben O'Shaughnessy 教授 3 分 先决条件：热力学、初等概率论和统计过程、微积分。
课程背景 统计力学解释热力学并能够根据分子计算材料特性。 当热力学刚刚发展起来时，人们并不知道物质是由分子组成的！因此，热力学定律的起源也是未知的。 (1) 热力学并没有告诉我们定义材料的状态函数是什么，E(S,V,N) 还是 F(T,V,N) 还是 G(T,P,N) 还是 H(S,P,N) 等。这些函数是热力学定律的输入数据，必须针对每种材料进行测量。我们不能使用热力学来计算这些函数。 (2) 热力学也没有基本的微观基础——它基于经验假设。第二定律和熵特性的存在基于经验假设，通常是“热量不会自发地从一个物体流向另一个更热的物体。”为什么这是真的？热力学无法回答这个问题。统计力学给出了答案，而且非常简单。1874 年，奥地利物理学家路德维希·玻尔兹曼 (Ludwig Boltzmann) 提出了著名的熵假说，将宏观（热力学）世界与微观世界联系起来：𝑆= 𝑘 𝐵 𝑙𝑛 Γ 。其中 Γ 是可能状态的数量（与约束条件一致），𝑘 𝐵 是玻尔兹曼常数。因此，我们所要做的就是计算分子可能处于多少种状态，这就可以得出熵（从中可以得到所有其他热力学函数，如 F、G、H、Ω ）。因此，如果分子是已知的（因此它们的相互作用也是已知的，等等），那么就可以得到所有的热力学函数，并且可以预测所有材料在不同过程中的性质和行为。第二定律 ΔS 宇宙 > 0 是玻尔兹曼假设的必然结果，也是合乎逻辑的。很明显，这一定律完全是材料分子性质的结果。它解释了时间之箭，这是牛顿和量子力学基本自然定律中缺失的，这些定律表现出 t→-t 不变性（想象一下台球桌上两个球的碰撞——如果你倒着播放这部电影，你不会知道，因为牛顿定律仍然适用）。基于分子的工程设计。因此，统计力学提供了微观和宏观、分子世界和材料世界之间的联系。因此，它为现代分子工程时代打开了大门，这是化学工程的现在和未来的核心。统计力学使我们能够设计分子（甚至构建全新的分子，如聚合物），这些分子将构成具有所需特性的新材料，构建利用分子应用于传感和其他新技术的纳米级设备，或了解活细胞中的分子机制，从而指导疾病的治疗和预防。统计分析的计算技术。当然，统计力学是关于统计学。它是统计分析的科学，其概念和工具旨在分析和理解涉及大量变量的复杂随机过程。当今用于解决涉及大量变量的统计问题的计算方法库主要诞生于统计力学领域。如今，这些方法不仅用于分子系统的研究，还用于从大脑神经回路到人工智能再到数据科学的各种应用。
能源社区面临的挑战：现状和未来前景
在 2015 年启动的能源联盟战略政策框架下，欧盟于 2019 年最终确定了“全欧洲清洁能源一揽子计划”（CEP），包括八项立法文本，涉及减少温室气体排放、有效提高气候适应能力以及最终实现公平统一的能源转型的所有关键方面和主要行动。在此背景下，欧盟于 2018 年 12 月对旧的可再生能源指令 2009/28/EC（称为 RED I）进行了全面修改，新指令 2018/2001/EU 生效。这项新指令通常被称为 RED II [ 1 ]，它将欧盟 2020 年后能源框架中旧的可再生能源 (RES) 和能源效率目标修订为 2030 年的视角，以符合 2030 年能源与气候框架和雄心勃勃的 2050 年长期气候中和战略。 《可再生能源指令 II》与欧洲电力市场指令等其他立法文本密切相关，致力于建立更安全、更有竞争力、更可持续的能源系统。与《可再生能源指令 I》相比，《可再生能源指令 II》的主要创新之处之一是将能源社区 (EC) 设想为实现能源转型的关键载体[2]。该指令的观点认为，社区概念中固有的所有权和邻近性因素可以成为提高可再生能源项目接受度的有利因素。因此，《可再生能源指令 II》建立了创新的、更友好的监管环境和法律改革（欧盟称其为“世界上最先进的能源立法框架”），以推广能源社区并促进集体自我消费[3]。能源社区的目的是围绕开放的民主参与和治理组织集体能源行动，并使其参与者受益。在 [4] 中，Fina 和 Fechner 在讨论该指令在奥地利法律中的国家转换时，概述了 RED II 所授权的能源共同体的特点和差异。[5] 中也对将该指令在瑞典法律中的国家转换进行了类似的推理。RED II 区分了两种类型的能源共同体，即公民能源社区 (CEC) 和可再生能源社区 (REC)。这两种能源共同体的显著区别在于所使用的能源类型和参与者之间的接近性要求。CEC 仅限于电力，不要求成员之间的接近性。相比之下，REC 考虑所有类型的可再生能源，但参与者的接近性是一个约束条件。在对奥地利立法和 RED II 进行详细比较后，Fina 和 Fechner [4] 指出了该指令的批评点和积极方面。作者概述了如何通过适当的经济支持手段激励公民参与，尤其是在资金有限的情况下。即使产生经济效益不是 EC 的主要目的，提高参与的盈利能力可以促进 EC 的部署。作者建议采用独立于电网的支持手段，例如对 EC 内的能源转移实行免税或加价。然后，作者概述了电网结构的变化如何影响已建立的 EC，评估了自愿参与 EC 的意义，并提出了一些关于社区是否应该负责控制和运营 EC 的问题