XiaoMi-AI文件搜索系统
World File Search System蒙特卡罗
使用价值聚焦思维和蒙特卡罗模拟分析 UH-60 黑鹰安全控制
过去几年，陆军航空事故不断增加，这主要是由于任务频率和复杂性增加以及资源减少。由此造成的损失（人员伤亡、金钱、设备）的严重性促使陆军安全中心指挥官要求全面审查安全隐患和后续安全控制的评估和选择方式。该项目通过开发和使用有效识别和评估控制组合的方法，将价值导向思维、蒙特卡罗模拟和整数规划相结合，以满足这一需求。整数规划生成控制组合，以最大程度地减少导致陆军航空事故的危险。使用引导方法的蒙特卡罗模拟用于模拟 100,000 个 UH-60 飞行小时内发生的事故造成的损失数量和类型。已经开发了一个价值模型来量化这些损失的严重程度。控制组合的预期绩效计算为实施这些控制措施所导致的损失严重程度的预期下降。
使用价值聚焦思维和蒙特卡罗模拟分析 UH-60 黑鹰安全控制
过去几年，陆军航空事故不断增加，这主要是由于任务频率和复杂性增加以及资源减少。由此造成的损失（人员伤亡、金钱、设备）的严重性促使陆军安全中心指挥官要求全面审查安全隐患和后续安全控制的评估和选择方式。该项目通过开发和使用有效识别和评估控制组合的方法，将价值导向思维、蒙特卡罗模拟和整数规划相结合，以满足这一需求。整数规划生成控制组合，以最大程度地减少导致陆军航空事故的危险。使用引导方法的蒙特卡罗模拟用于模拟 100,000 个 UH-60 飞行小时内发生的事故造成的损失数量和类型。已经开发了一个价值模型来量化这些损失的严重程度。控制组合的预期绩效计算为实施这些控制措施所导致的损失严重程度的预期下降。
基于流的变分量子蒙特卡罗的数值和几何方面
近年来，机器学习、量子多体物理学和量子信息科学等领域的交流卓有成效。这种多学科的互动在一定程度上得益于以下发现：人工神经网络为参数化量子多体希尔伯特空间的子集提供了强大的归纳偏差。尽管通过神经网络描述希尔伯特空间向量会导致无法对此类量子态子集进行精确的线性代数运算，但由于存在一种名为变分蒙特卡洛 (VMC) 的有效随机近似算法 [8,30]，基于神经网络的量子态 (NQS) 能够准确揭示量子自旋系统基态的属性，并使用 VMC 的时间相关变体（即所谓的 t-VMC）模拟其时间演化 [6,7]。自从复值受限玻尔兹曼机 [ 8 ] 问世以来，神经网络量子态的范围已经扩大到涵盖各种量子系统，这通过使用日益复杂（通常是多层的）的架构成为可能。相互作用的另一个驱动因素是发现 VMC 和变分量子算法 (VQA) 之间有着密切的类似性。特别是 Stokes 等人 [ 40 ] 在量子信息几何方面的最新研究阐明了机器学习中的自然梯度下降 [ 2 ]、随机重构 VMC [ 38 ] 和量子计算中的变分虚时间演化 [ 45 ] 之间的联系。本教程论文旨在作为对连续变量量子系统的基于流的 VMC 和 t-VMC 的独立回顾。为了具体起见，我们以玻色子量子系统为例进行讨论，以场振幅基表示。场振幅基并不是 VMC 文献 3 的传统焦点，VMC 文献集中于更易于用 Fock 基解释的非相对论系统。然而，场振幅基在具有相对论对称性的系统中是自然的，其中受控玻色子哈密顿量在 L 2 空间中表示为简单的薛定谔算子。因此，哈密顿量的简单性也提供了教学优势。场振幅基的一个可能的计算优势是，它不需要人为地将允许的模式占用数限制在有限范围内以进行数值实现。为了促进
一种模拟随机过程的量子谱方法及其在蒙特卡罗中的应用
随机过程在物理学、数学、工程学和金融学中起着基础性的作用。量子计算的一个潜在应用是更好地近似随机过程的性质。例如，用于蒙特卡罗估计的量子算法将随机过程的量子模拟与振幅估计相结合，以改进均值估计。在这项工作中，我们研究了与蒙特卡罗方法兼容的模拟随机过程的量子算法。我们引入了一种新的随机过程“模拟”量子表示，其中时间 t 时的过程值存储在量子态的振幅中，从而能够以指数方式高效编码过程轨迹。我们表明，这种表示允许使用高效量子算法来模拟某些随机过程，这些算法使用这些过程的光谱特性与量子傅里叶变换相结合。特别是，我们表明我们可以使用门复杂度为 polylog(T) 的量子电路来模拟分数布朗运动的 T 个时间步，该电路可以连贯地准备布朗路径上的叠加。然后，我们表明这可以与量子均值估计相结合，以创建端到端算法，用于估计时间 O (polylog(T)ϵ − c) 内过程的某些时间平均值，其中 3 / 2 < c < 2 是分数布朗运动的某些变体，而经典蒙特卡洛运行时间为 O (Tϵ − 2)，量子均值估计时间为 O (Tϵ − 1)。在此过程中，我们给出了一种有效的算法，以相干方式加载具有不同方差的高斯振幅的量子态，这可能是独立的兴趣所在。
电阻开关器件中的可变性估计，数值和动力学蒙特卡罗视角
我们利用先进的数值技术处理基于动力学蒙特卡罗技术的实验测量和模拟，分析了电阻存储器 (RRAM) 中的可变性。研究中使用的设备是使用 TiN/Ti/HfO 2 /W 堆栈制造的。利用新开发的提取方法获得了开关参数。通过与动力学蒙特卡罗模拟进行比较，检查了高级参数提取方法的适用性；特别是，研究和检测了复位和设置事件。获得的数据用于阐明电阻开关操作和周期间可变性。结果表明，可变性取决于用于获得设置和复位电压的数值技术，因此，在 RS 特性和建模研究中必须考虑到这个问题。所提出的技术是互补的，并且根据技术和曲线形状，特定方法的特征可以使其成为最合适的方法。
评估和预测火电厂设备可靠性的蒙特卡罗方法
摘要 本文介绍了开发一种评估和预测锅炉厂和蒸汽轮机技术状况的方法的结果。所提出的方法基于故障的广义实验数据，通过蒙特卡罗模拟预测火电厂主要元件和部件的损坏。所提出的方法考虑了工艺流程的复杂性、周转时间、故障率和剩余金属寿命状况。它允许开发评估每个元素安全性的方法，以获得可靠且具有代表性的故障统计样本，以评估火电厂锅炉和蒸汽轮机的可靠性。根据结果，在100 MW条件下，蒸汽锅炉和涡轮机的故障运行概率为0.037。所得结果可用于建立预测模型，为延长火电厂锅炉房和蒸汽轮机元件的运行状态提供方法。可用于实施数字能源系统项目，用于监测和诊断火电厂的主要电力设备。
对为临床硼中子俘获疗法开发的治疗计划系统进行评估，并根据独立的蒙特卡罗剂量计算系统进行验证
摘要 日本政府已批准硼中子俘获疗法 (BNCT) 用于治疗无法切除的、局部晚期和复发性头颈部癌，自 2020 年 6 月起可在国家健康保险报销。住友重工业株式会社 (Sumitomo) 开发了一种用于临床 BNCT 的新型治疗计划系统 NeuCure® Dose Engine。为了将该系统安全地用于临床，将水模内的模拟中子通量和伽马射线剂量率与实验测量值进行了比较。此外，为了验证和确认新的计划系统，将拟人头部模型内的剂量分布与 BNCT 治疗计划系统 SERA 和内部开发的蒙特卡罗剂量计算程序进行了比较。模拟结果与实验结果非常吻合，热中子通量在 5% 以内，伽马射线剂量率在 10% 以内。头部模型内的剂量分布与 SERA 和内部开发的剂量计算程序非常接近，肿瘤的剂量分布在 3% 以内，脑部的剂量分布在 0.3 Gy w 以内。关键词：硼中子俘获治疗，治疗计划系统，调试，蒙特卡罗模拟
竞争平衡和可靠性的蒙特卡罗分析...
本文研究了提高竞争平衡对锦标赛排名可靠性的影响。排名可靠性以前是一种定性属性，本文将其量化为锦标赛结束时的真实排名与球队排名之间的接近程度。使用三个指标来衡量这种接近程度：Spearman 等级相关系数、Kendall tau 和排名领域中相对较少使用的算法：Levenshtein 距离。模拟了三种锦标赛结构：循环赛、随机配对和瑞士制。在多次试验和不同数量的比赛中模拟锦标赛。研究发现，随着比赛数量的增加，锦标赛结构可靠性的增长率会下降。研究还发现，竞争不平衡与可靠性之间存在正相关关系。竞争不平衡增加的边际效益会随着边际效益的增加而下降。出乎意料的是，与随机配对和瑞士配对相比，循环赛制在所有指标和比赛场次中都获得了最高的可靠性得分。随着竞争不平衡的增加，锦标赛结构之间的可靠性差异也会增加。建议的进一步工作包括调查锦标赛结果的不确定性与可靠性和竞争平衡的关系，更深入地研究莱文斯坦距离作为一种有用的算法来量化密切度
使用蒙特卡罗方法的深度主动推理代理
主动推理是理解生物智能的贝叶斯框架。其基本理论将感知和行动归结为一个单一的命令：最小化自由能。然而，尽管它在解释智能方面具有理论效用，但计算实现却仅限于低维和理想化的情况。在本文中，我们提出了一种神经架构，用于构建在复杂、连续状态空间中运行的深度主动推理代理，使用多种形式的蒙特卡罗 (MC) 采样。为此，我们介绍了一些对主动推理来说新颖的技术。这些包括：i) 通过 MC 树搜索选择自由能量最优策略，ii) 通过前馈“习惯性”网络近似该最优策略分布，iii) 使用 MC 丢失预测未来参数信念更新，最后，iv) 优化状态转换精度（一种高端注意力形式）。我们的方法使代理能够有效地学习环境动态，同时与基于奖励的对应者相比保持任务性能。我们在基于 dSprites 数据集的新玩具环境中说明了这一点，并证明主动推理代理会自动创建适合建模状态转换的解开表示。在更复杂的 Animal-AI 环境中，我们的代理（使用相同的神经架构）能够模拟未来的状态转换和动作（即计划），以显示奖励导向的导航 - 尽管暂时停止了视觉输入。这些结果表明，配备 MC 方法的深度主动推理提供了一个灵活的框架来开发受生物启发的智能代理，可应用于机器学习和认知科学。