XiaoMi-AI文件搜索系统
World File Search System能量的
基于深度学习、注意力机制和基于能量的不确定性预测的脑肿瘤分割
脑肿瘤是最致命的癌症之一，死亡率超过 80%。快速准确的诊断对于提高生存机会至关重要。然而，在医学分析中，脑肿瘤的手动注释和分割可能很复杂。通常会分析多种 MRI 模式，因为它们提供有关肿瘤区域的独特信息。虽然这些 MRI 模式有助于分割神经胶质瘤，但它们往往会增加过度拟合和计算。本文提出了一种感兴趣区域检测算法，该算法在数据预处理期间实施，以定位显着特征并删除无关的 MRI 数据。这减少了输入大小，从而允许更积极的数据增强和更深的神经网络。在对 MRI 模态进行预处理之后，完全卷积自动编码器使用通道自注意力和注意力门对不同的脑部 MRI 进行分割。随后，使用测试时间增强和基于能量的模型进行基于体素的不确定性预测。在 BraTS 19、20 和 21 基准上进行了实验，所提出的模型在每个数据集上的平均骰子分数分别为 84.55、88.52 和 90.82，实现了最先进的分割性能。此外，定性结果用于评估分割模型和不确定性预测。这项工作的代码可在线获取：https：//github.com/WeToTheMoon/BrainTumorSegmentation。
用于学习基于能量的隐变量模型的双层分数匹配
分数匹配 (SM) [ 24 ] 通过避免计算配分函数，为学习基于能量的模型 (EBM) 提供了一种引人注目的方法。然而，除了一些特殊情况外，学习基于能量的潜变量模型 (EBLVM) 仍然有很大空间。本文提出了一种双层分数匹配 (BiSM) 方法，通过将 SM 重新表述为双层优化问题来学习具有一般结构的 EBLVM。较高级别引入潜变量的变分后验并优化修改的 SM 目标，较低级别优化变分后验以拟合真实后验。为了有效地解决 BiSM，我们开发了一种带有梯度展开的随机优化算法。从理论上讲，我们分析了 BiSM 的一致性和随机算法的收敛性。从实证上，我们展示了 BiSM 在高斯限制玻尔兹曼机和由深度卷积神经网络参数化的高度非结构化 EBLVM 中的前景。当适用时，BiSM 与广泛采用的对比散度和 SM 方法相当；并且可以学习具有难以处理的后验的复杂 EBLVM 来生成自然图像。
用于计算分子基态能量的混合量子-经典神经网络
量子计算在推动量子化学研究方面显示出巨大的潜力[1]。许多量子算法已被提出来解决量子化学问题[2-4]，如相位估计算法；Aspuru-Guzik等人[5-8]计算简单分子本征态能量的算法；变分量子本征求解器（VQE）[9-11]解决电子结构问题；开放量子动力学的量子算法[12]；以及在量子计算机上进行的双电子分子基准计算[13]。使用量子计算技术执行机器学习任务[14]最近也受到了广泛关注，包括量子数据分类[15，16]、量子生成学习[17，18]和近似非线性函数的量子神经网络[19]。到目前为止，将各种量子机器学习技术应用于量子化学是一个自然的延伸 [ 20 ， 21 ]。然而，之前的研究仅仅关注只有少数非线性操作的量子电路，这些非线性操作是通过数据编码 [ 19 ， 22 ] 或重复测量直到成功 [ 23 ] 引入的。此外，最近 Sim 等人 [ 24 ] 表明，增加参数化量子电路 (PQC) 的层数将达到饱和，并且当层数足够大时可能无法提高性能。此外，非线性是经典神经网络中最重要的部分 [ 25 ]，它使神经网络能够产生复杂的结果 [ 23 ， 26 ， 27 ]。因此，量子机器学习不应只关注 PQC，量子神经网络需要非线性操作。为了解决这个问题，我们在这里引入一种新的混合量子经典神经网络，将量子计算和经典计算与参数化量子电路之间的测量相结合。本文首先详细描述了混合量子-经典神经网络的整体结构。然后，我们利用新的混合量子-经典神经网络进行了数值模拟，计算了不同分子的基态能量。
具有边界惩罚的扰动dirichlet能量的最小化器的对称性
摘要。我们考虑域ω的s 2值图r n最小化了dirichlet能量的扰动，并在ω和水平惩罚上对∂Ω进行垂直惩罚。我们首先显示了使用庞加莱型不平等的物理参数在特定范围内的普遍常数配置的全球最小值。然后，我们证明任何能量最小化器将其值都带入球体s 2的固定半梅里德人，并将最小化器的唯一性推断为适当的对称组的作用。我们还证明了具有不同惩罚的最小化器的比较原则。最后，我们将这些结果应用于球上的问题，并显示最小化器的径向对称性和单调性。在尺寸n = 2中，我们的结果可以应用于列纤维液体中的列液晶和微磁能的Oseen-Frank能量。
多液滴撞击仿生莲花表面振动能量的高效回收
液滴撞击动力学一直是液滴研究的重点和热点，深入挖掘液滴撞击动力学机理有利于自上而下指导和优化材料设计。随着高速成像技术的发展和创新[13]，液滴撞击的瞬态流动可以在微观时间尺度上被清晰地记录下来。单个液滴在不同表面的撞击得到了更广泛的研究。Richard等人认为液滴撞击光滑超疏水表面的接触时间与撞击速度无关，而与液滴半径的3/2次方成正比。[14]对于具有圆对称扩散和反冲的液滴撞击，存在一个接触时间的理论极限（ / / 2.2 0 3 t R τ ρ σ = ≥ ∗，[15]其中，ρ是液体的密度，R 0是液滴半径，σ是其表面张力，t是固液接触时间）。为了突破这一极限，科学家通过设计和修改超疏水材料的表面结构，强化和精确控制单个液滴的反弹行为，如减少4倍接触时间的煎饼反弹[16]和7300 r min −1 的旋转反弹[17]。虽然这些研究已经被广泛应用于解决喷墨打印[18]、微流体[19]和喷雾[20]的问题，但较少受到关注的多液滴模型在自然界、日常生活和工程中更为常见和适用（例如，冻雨对电网的灾难性影响）。多液滴模型可分为连续液滴[21]、液滴列车[22]、同时液滴[23]和液滴喷雾[24]等。越接近真实情况，越复杂，研究难度越大。[25]作为该领域的先驱，Fujimoto等人[26]和Schwarzmann等人[27]在多液滴模型中[28]进行了系统研究。采用闪光照相法和数值模拟相结合的方法，研究了液滴直径和撞击速度对液滴撞击固体的影响。[26，27] Sanjay等人用撞击油滴从超疏水表面提起静止的油滴，观察到了随着韦伯数（ρσ=02WeDv，其中D0为液滴直径，v为撞击速度）和质心偏移而产生的六种结果，其中四种结果不是聚结而是反弹。[28] Damak等人实验研究了液滴连续撞击超疏水表面的最大膨胀直径和回缩速率，并建立了通用模型来描述它们。[29]由于多体问题的复杂性和相互作用，大多数学者主要使用数值模拟
氢混合天然气对现有高压管道线束能量的影响
摘要 本研究旨在研究在管道运行的紧急情况下，氢气混合天然气对线路能量的影响。通过电解从可再生能源中生产氢气，然后将其注入天然气网络，为电网调节和能量存储提供了灵活性。在这种情况下，了解氢气百分比含量对于输电网络运营商至关重要，因为氢气百分比含量可以在氢气-天然气混合物运输过程中安全地影响长期钢制管道服务中的材料。本文首先回顾了现有管道系统中可以与天然气混合的氢气的允许含量，然后研究了压缩机启动和关闭两种情况下对线路能量的影响。在后一种情况下，使用非稳定气体流动模型。为了避免解域中的虚假振荡，在数值近似中使用了通量限制器。使用 GERG-2008 状态方程来计算物理性质。本研究选取已运行多年的树状高压天然气管网作为案例研究，研究结果对管道运营商评估供气安全性具有重要意义。
具有再生能量的固定优先实时系统的动态功率管理
能耗是实时嵌入式系统的关键问题。通常，嵌入式设备应采用实时行为，因为任务即应用程序必须在截止日期之前完成其执行。大多数设备（例如传感器节点）在截止日期时不允许任何失败。据说他们是艰难的实时。因此，必须为这些嵌入式系统提供特定的实时操作系统，即使能量限制，也可以保证执行所有任务的可预测行为。首先，确定一组任务是否可以满足其时序要求很重要。最常见的想法是计算每个任务的最差响应时间，并将其与其截止日期进行比较。如果是这样，其次，调度算法应指示如何安排任务。经典的实时调度算法是在线，优先，优先级驱动和非闲置的（也称为工作）。他们根据准备处理的任务列表在频道上做出决定，但忽略将来会到达的任务。任务是根据优先驱动的策略安排的，即，最高优先级执行的现成任务，如果至少一个任务待执行，则处理器永远不会ives。在过去的50年中，已经开发了各种调度算法，以提高受时间限制的系统性能。其中之一是速率单调（RM）。另一个是最早的截止日期（EDF）[1]。尽管RM和EDF
使用社区价值观和治理偏好来促进向可持续能量的过渡
摘要 - 本研究探讨了公民对可持续能源技术传播的使用和治理偏好的使用。调查了三个得克萨斯州的社区，以确定有关能源使用的社区价值和治理偏好。结果表明，五个潜在的价值影响着社区中能源使用的感知：增长，独立性，可持续性，负担得起的生活和流动性。关于治理的偏好，确定了三种形式参与社区流程的参与：信息，沟通和参与决策。结果表明，值可用于将期望与可持续能量和形状相关的叙述保持一致。要使经常“看不见的”能源技术有形，以及为公民而言可以经验和可讨论的经验，演示者项目（例如能源创新中心）应被视为锚定社区可持续能源的工具。
线性编程方法在构建优化分布式能量的数学模型中的应用
摘要：波兰经济面临着波兰能源未来的巨大挑战。当前的能源系统非常不具备，它消耗了巨大的资源，就像具有较高能源效率的国家一样，可以将其分配给低碳和可再生能源网络的发展。目前，波兰能源部门与煤炭单一文化有关，缺乏电力，整个传输系统已经过时。该解决方案可能是分配的能源，最终可以满足城市化地区和农村地区的能源供应，同时保证这些地区的可持续发展。为了面对更好地理解和解释如此复杂的现实的挑战，因此决定本文的研究框架将在该地区分发。本文的目的是确保在创新，生态学条件下使用当地能源对竞争区域能源开放的能源安全。当前，据信，分布式能量可以是解决常规能源运行问题的有效解决方案。
在格陵兰收集风能并将其作为电或能量富含能量的分子出口
phlorizin：一种可逆的肾糖尿病的实验模型约瑟夫·弗里德里希·弗里德里尔（Joseph Friedrich Freiherr），男爵冯·梅林（Baron von Mering）（1849-1908），出生于德国科隆的崇高家族[1，2]。1885年，冯·梅林（Von Mering）在斯特拉斯堡（Strasbourg）研究了腓洛依肽在狗中的生理作用[7-9]。von Mering在口服后发现了葡萄糖疗法，但也通过注射磷酸素[7-9]。在1886年，冯·梅林（Von Mering）还指出，磷酸蛋白的给药减少了狗的血糖[7-9]。他推测：“该物质可以通过在肾脏中改变某些东西来诱导糖尿。”然后，冯·梅林（von Mering）以每天2 g的剂量将菲洛依（phlorizin）施用，持续一个月。他每天获得91 g [1-2]的糖尿病。葡萄糖尿可以抑制磷酸蛋白。von Mering随后报道说，每天以15至20 g的剂量给予正常受试者的腓洛依蛋白会导致每日6至8 g/100 mL的糖尿病，而不会影响其一般状况[1-2]。