XiaoMi-AI文件搜索系统
World File Search System蒙特卡罗
模糊球面上三维伊辛跃迁的量子蒙特卡罗模拟
经典和量子相变中出现的临界现象因其实验相关性和理论意义而备受关注[2,3]。许多临界现象被认为可以用共形场论（CFT）来描述，这些场论具有强相互作用，对二维（即 1 + 1D）以上更高时空维度的研究提出了挑战。最近，一种称为模糊（非交换）球面正则化 [1] 的方法被发明来研究由圆柱几何上的 3D CFT 控制的 3D（即 2 + 1D）临界现象，表示为 S 2 × R 。与传统的格点正则化相比，模糊球面正则化在三维 CFT 的研究中具有许多优势，这主要归功于它在 S 2 × R 中利用了径向量化[ 4 , 5 ]以及精确保存了球面 SO ( 3 ) 对称性[ 6 , 7 ]，这一点最近已被令人信服地证明[ 1 , 8 – 11 ]。首先，模糊球面可以直接获取有关临界状态下出现的共形对称性的信息[ 1 , 10 ]。其次，它可以直接提取 CFT 的各种数据，包括共形主算子的众多缩放维度[ 1 , 10 ]、算子积展开系数[ 8 ]和四点相关器[ 9 ]。例如，可以直接从系统的激发能量计算缩放维度，并且可以使用共形扰动进一步提高其精度[12]。第三，模糊球方案适用于各种三维CFT，包括Ising[1]、O(N)Wilson-Fisher、SO(5)非禁闭相变[10]、临界规范理论[10]和缺陷CFT[11]。最后，当哈密顿量经过合理微调时，模糊球正则化表现出令人难以置信的小有限尺寸效应。模糊球正则化的这些优势为探索高效率、高精度和全面的三维CFT提供了激动人心的机会。模糊球正则化考虑了一个微观量子哈密顿量，在连续球面空间中对具有多种口味的费米子进行建模，并将费米子投影到最低球面朗道能级 [ 1 , 6 , 13 ] 。与规则晶格模型相比，模糊球模型在紫外极限下严格保持了连续旋转对称性。得益于通过微调实现的极小的有限尺寸效应，精确对角化 (ED) 和密度矩阵重正则化群 (DMRG) 方法等数值算法在研究 3D Ising CFT 和 SO ( 5 ) 解禁相变的模糊球模型时非常有效。然而，这两种算法的计算成本最终会随着系统尺寸呈指数增长。更重要的是，对于涉及大量费米子口味的情况，ED 和 DMRG 的计算成本很快就会超过实际的资源和时间限制。在这些情况下，使用随时间多项式缩放的方法（例如量子蒙特卡罗 (QMC)）来研究模糊球面上的模型将会很有帮助。本文旨在利用 3D Ising CFT 作为示例，展示 QMC 方法在研究模糊球面上的 3D CFT 中的应用。在参考文献 [ 13 , 14 ] 中可以找到有关模糊环面模型的类似讨论。与参考文献 [ 1 ] 中介绍的模糊球面 Ising 模型相比，我们在费米子中引入了一个额外的味道指数，这会导致 QMC 模拟没有符号问题。作为基准，我们提供了数值
利用神经网络量子态解决量子多体问题
第 3 章 量子蒙特卡罗....................................................................................................................................................................34 3.1 蒙特卡罗方法..................................................................................................................................................................................35 3.1.1 马尔可夫链蒙特卡罗采样..................................................................................................................................................................35 3.1.1.1 Metropolis-Hastings..................................................................................................................................................................35 3.1.1.1 Metropolis-Hastings.................................................................................................................................................................. 37 3.1.1.2 重要性抽样 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . ... 66 3.3 扩散蒙特卡罗....................................................................................................................................................................................................68
博蒙特
凭借其在材料科学领域的独特专业知识，阿科玛提供一流的技术组合，以满足对新型可持续材料不断增长的需求。阿科玛集团立志在 2024 年成为特种材料领域的一家纯粹参与者，集团分为三个互补、富有弹性且高度创新的部门，专门从事特种材料业务 - 粘合剂解决方案、先进材料和涂料解决方案 - 占 2023 年集团销售额的 92% 左右，以及一个定位良好且竞争激烈的中间体部门。阿科玛提供尖端技术解决方案，以应对新能源、水资源获取、回收、城市化和流动性等方面的挑战，并与所有利益相关者建立永久对话。该集团报告称，2023 年的销售额约为 95 亿欧元（103 亿美元），业务遍及全球约 55 个国家，拥有 21,100 名员工。
基于蒙特卡罗模拟、人工智能和机器学习的三维电化学处理外来染料废水的建模与优化
摘要 本研究研究了三维电化学工艺对外来化合物纺织废水中甲基橙 (MO) 染料污染物的脱色性能。采用具有强氧化电位的电化学技术处理纺织染料，并采用附加吸附技术有效去除废水中的染料污染物。在电流密度为 15 mA/cm 2、能耗为 3.62 kWh/kg 和电流效率为 79.53% 的情况下，MO 去除率约为 98%。在电流密度为 15 mA/cm 2 时，50 mg/L MO 污染物迅速矿化，半衰期为 4.66 分钟。此外，在三维电化学反应器中对石墨插层化合物 (GIC) 进行电极化，以增强直接电氧化和 . OH 的生成，从而提高协同处理效率。利用人工智能（AI）和机器学习（ML）技术，如人工神经网络（ANN）、支持向量机（SVM）和随机森林（RF）算法，对MO污染废水的脱色进行了优化。统计指标表明，模型的优越性顺序为：ANN>RF>SVM>多元回归。人工神经网络（ANN）和随机森林（RF）方法对工艺参数的优化结果表明，电流密度为15 mA/cm 2、电解时间为30分钟、初始MO浓度为50 mg/L是维持电化学反应器电流和能源效率的最佳操作参数。最后，蒙特卡洛模拟和敏感性分析表明，ANN的预测效率最好，不确定性和变异性水平最低，而随机森林的预测结果略好。
最初发表于：Mazzola, Guglielmo (2024)。从蒙特卡罗角度看化学和物理应用的量子计算。期刊 o
本期观点主要关注物理和化学领域中量子算法和蒙特卡罗方法之间的几个重叠部分。我们将分析将已建立的量子蒙特卡罗解决方案集成到量子算法中的挑战和可能性。这些包括精细的能量估计器、参数优化、实时和虚时动力学以及变分电路。相反，我们将回顾利用量子硬件加速统计经典模型中采样的新想法，并将其应用于物理、化学、优化和机器学习。本评论旨在让两个社区都能阅读，并旨在促进量子计算和蒙特卡罗方法交叉领域的进一步算法发展。本期观点中讨论的大多数作品都是在过去两年内出现的，表明人们对这一有前途的研究领域的兴趣正在迅速增长。
计算不确定性评估的最佳实践指南
11.摘要 本指南总结了当前计算量大模型不确定性评估的最佳实践。在这种情况下，计算量大的模型可以被视为需要足够长的时间才能产生结果的模型，用户拒绝使用蒙特卡罗抽样作为不确定性评估方法，因为它需要太多的模型评估才能达到所需的精度水平。本指南假设用户对可行的模型评估数量有一个（可能近似的）已知上限，并希望了解不确定性评估方法，这些方法可以在有限数量的模型评估中提供比蒙特卡罗抽样更好的结果。本指南面向熟悉不确定性评估基本思想的计量学家、科学家和工程师。熟悉《测量不确定度表达指南》[1] (GUM) 及其附录 [2, 3] 或熟悉用于不确定度评估的蒙特卡罗抽样方法的读者将能够理解本指南，并希望从中受益。
克莱蒙特市议会
建议：工作人员建议市议会：A。Award a contract to CCS Facility Services, Inc. for custodial services at City-owned buildings and authorize the City Manager to enter into a three-year agreement with two optional one-year extensions with CCS Facility Services, Inc. in an amount not to exceed $269,786.76 per year, and authorize a contingency of $10,000, for a total of $279,786.76 annually, or在该协议的最高期限期间，$ 1,398,933.80； B.在2024 - 25年和2025-26中适当的$ 48,719.24和未分配的一般基金余额中的2025-26，以全额资助2026年6月30日的城市拥有建筑物的托管服务协议；和C.在2024 - 25年和2025 - 26年的适当$ 20,219.52，从未分配的公墓基金余额中，可以在2026年6月30日之前在城市拥有的建筑物中为托管服务协议提供全额资金。