XiaoMi-AI文件搜索系统
World File Search System计算时间
使用离线优化方法实现独立数据中心最佳可再生能源供应
由于数据中心的能源消耗和二氧化碳排放量不断增加，ANR DATAZERO2 项目旨在设计完全依靠本地可再生能源和存储设备运行的自主数据中心，以克服间歇性问题。为了优化可再生能源和存储设备的使用，MILP 求解器通常负责分配要提供给数据中心的电力。但是，为了减少计算时间并使方法可扩展，使用多项式时间算法会更合适。本文旨在展示和证明，通过使用二分搜索方法的确定性算法可以提供最佳功率分布。考虑到初始问题的主要约束，大量实验结果显示出与 MILP 给出的结果相似的结果。这些有希望的结果鼓励我们继续朝这个方向努力，提出一种考虑不确定性的数据中心电源高效管理方法。
dosimetric-comporparison-bettwo-two剂量估计 -
目的：这项研究的目的是比较两种剂量计算算法 - 动物分析算法（AAA）（AAA）和Acuros XB（AXB） - 在立体术中使用Halcyon和TrueBeam辐射疗法的肺癌的组合（sbrt）在立体定向性身体放射治疗（SBRT）中的剂量差异（AXB）。材料和方法：一项回顾性研究，招募了20例在澳门Kiang Wu医院接受SBRT治疗的上叶或中叶的周围定位原发性肺癌或肺转移患者。CT图像被进口到Varian Eclipse治疗计划系统（TPS）版本17.01，用于使用RT设备中的AAA和AXB重新计划。根据放射疗法肿瘤学组（RTOG）-0813和RTOG-0915方案评估了有风险的计划质量和处于危险中的器官（OARS）标准。此外，还记录了监视器单元（MU），光束（BOT）和剂量计算时间，以评估治疗计划和交付效率。用p值<0.05确定统计显着性。结果：AAA提供了比AXB更好的合格性，异质性和R50％（0.91 vs 0.89，0.075 vs 0.096，1.05 vs1.07，p <0.05）。计算算法和RT设备都提供了与桨相比的剂量。值得注意的是，与Halcyon相比，TrueBeam需要更少的MUS（分别为65.1 vs 58.7，P <0.05）才能提供相同的剂量，而基于GPU的AXB的TrueBeam在减少剂量计算时间（P <0.001）方面具有优势。基于GPU的AXB的TrueBeam在RT治疗计划和交付方面非常有效。结论：剂量计算算法和RT设备在SBRT肺癌治疗中均有效，在目标覆盖率上具有很高的精度，而与OAR相当。
供应链研究研究所的讲座系列
电容的批次大小问题（CLSP）是生产计划中的核心模型，已知是NP-硬化的优化问题。实际上，由于其计算成本较低和滚动计划范围的适用性，因此广泛使用了简单的逐期启发式方法。尽管如此，研究人员在过去30年中主要关注更先进的解决方案方法，这提供了更好的结果，但以显着（100倍和更多）更长的计算时间为代价。但是，在需要对变更或客户订单的立即响应的在线环境中，或者在必须评估多种情况的随机环境中，计算时间变得越来越重要。在本演讲的第一部分中，我们提出了一种使用遗传编程（GP）自动生成专业启发式方法的新颖方法。在计算密集的训练阶段之后，这些启发式方法的表现优于现有方法，同时保持了相同的计算工作。在演讲的第二部分中，我们提出了一般的两步结构启发式（2-SCH），该启发式（2-SCH）对客户订单进行分类，并迭代地将其添加到初步的生产计划中。我们的计算实验表明，2-SCH在没有设置时间的情况下优于CLSP的现有构造启发式方法，以及具有设置时间的CLSP的唯一可用启发式启发式。此外，我们通过将其应用于带有后订单和多级CLSP的CLSP以及在线环境中的单层CLSP来说明2-SCH的多功能性。克里斯蒂安·阿尔梅尔（Christian Almeder）教授是一位敬业的学者，他花了很多年的时间在短期和中期生产和物流计划领域进行研究和开发解决方案。他获得了维也纳理工大学的数学博士学位，随后是维也纳大学的工商管理习惯，目前他是欧洲欧洲大学Piadrina Frankfurt（ODER）的供应链管理教授。他的研究重点是使用各种操作研究技术创建高级计划模型和解决方案算法。
环境噪声预测的不确定性... - Bruit.fr
如果我们把战略噪声图、受影响人群的分布和所有人的总烦恼分数计算成一个数字，我们可能会问这个最终结果的不确定性。从城市的数字模型到最终结果，需要进行数百万次复杂的计算，这只有在现实中才有可能，因为我们在建模和计算中接受了很多近似值甚至假设。在这种情况下，整个过程可以通过更详细的建模和计算得到改进，但时间或财务预算定义了不可逾越的限制，因此需要非常彻底地平衡每个步骤的准确性，以尽量减少最终结果的不确定性。如果我们在对结果贡献很小的步骤中投入计算时间和其他有限的资源，那么这个结果的不确定性就会增加（始终考虑到有限的预算定义了限制）。
一种无需基因组关系矩阵直接逆的有效基因组预测方法
GBLUP 是应用最广泛的基因组预测 (GP) 方法，由于需要求基因组关系矩阵 (GRM) 的逆，因此随着训练群体规模的增加，该方法会消耗大量且不断增加的计算资源。因此，在本研究中，我们结合随机 Haseman - Elston (HE) 回归 (RHE-reg) 和预条件共轭梯度 (PCG)，开发了一种新的基因组预测方法 (RHEPCG)，该方法避免了直接求 GRM 的逆。模拟结果表明，在大多数情况下，RHEPCG 不仅能达到与 GBLUP 相似的预测精度，而且还能显著减少计算时间。对于实际数据，与 GBLUP 相比，RHEPCG 对拟南芥 F2 群体的 7 个性状和高粱双色 RIL 群体的 4 个性状表现出相似或更好的预测精度。这表明 RHEPCG 是 GBLUP 的一个实用替代方案，并且具有更好的计算效率。
电力规划模型中储能的表达
本文探讨了储能系统在电力部门容量规划模型中的表示方法。随着储能技术（尤其是电池）和互补可变可再生能源技术的成本下降，将储能系统纳入此类长期系统模型变得越来越重要。为了正确评估储能技术的价值，需要表示时间段之间的联系，从而打破传统的时间聚合策略，大大缩短计算时间。我们评估了解决这一问题的方法，强调了共同的底层结构、无损聚合的条件以及在相关地理尺度上聚合的挑战。然后，我们研究了建模问题的解决方案，包括一种分解方案，以避免在可并行的计算成本下进行时间聚合。这些示例构成了问题的各个方面，这些方面已为运筹学界做出贡献。
不使用并查集的并查集量子解码
并查集解码器是一种领先的算法方法，用于纠正表面代码中的量子误差，实现的代码阈值与最小权重完美匹配 (MWPM) 相当，且摊销计算时间与物理量子比特数近乎线性相关。这种复杂性是通过不相交集数据结构提供的优化实现的。然而，我们证明，由于双重分析和算法原因，解码器在大规模上的行为未充分利用此数据结构，并且可以对架构设计进行改进和简化以减少实践中的资源开销。为了加强这一点，我们模拟了解码器形成的擦除簇的行为，并表明在任何操作模式下，数据结构内都不存在渗透阈值。这为解码器在大规模上产生了线性时间最坏情况复杂度，即使使用忽略流行优化的简单实现也是如此。
窗户和吊扇乘员行为模型与建筑能量模型的耦合方法，热带案例研究
摘要在这项工作中，我们提出了一种方法，将在上一篇论文中与Python开发的行为模型与动态热模拟软件Energation Plus（研究和设计中使用的高级代码）一起开发的行为模型。提出的耦合方法应用于聚会岛的潮湿热带气候中的办公楼的热模型，并通过测量的温度和相对湿度数据进行校准和验证。然后，将此产生的耦合模型与典型的设计办公室能量模型进行了比较，该模型基于典型的确定性场景。比较着重于所使用的吊扇的功率水平，开放使用水平和计算时间。通过与新行为模型耦合获得的结果比在常规确定性方案中更好，在设计阶段提供了对用户行动的更忠实地复制。
使用扩散模型在潜在空间中进行图像修复
使用扩散模型进行图像修复通常使用预条件模型（即针对绘画任务进行微调的图像条件模型）或后条件模型（即在推理时重新用于绘画任务的非条件模型）。预条件模型在推理时很快，但训练成本极高。后条件模型不需要任何训练，但在推理过程中很慢，需要多次前向和后向传递才能收敛到理想的解决方案。在这里，我们推导出一种不需要昂贵训练但推理速度很快的方法。为了解决昂贵的推理计算时间，我们在潜在空间而不是图像空间上执行前向-后向融合步骤。这是通过扩散过程中新提出的传播模块解决的。在多个领域进行的实验表明，我们的方法达到或改善了状态