XiaoMi-AI文件搜索系统
World File Search System近似模型
用子路线线性近似模型加速图像生成
摘要。扩散模型已在图像，音频和视频生成任务中显着提高了最新技术的状态。但是，它们在实际情况下的应用是由于推理速度缓慢而阻碍。从一致性模型中汲取灵感，我们提出了pproximation m odel（Splam）的s ub-p ath linear，它可以加速扩散模型，同时保持高质量的图像产生。SPLAM将PF-ode轨迹视为一系列的PF-ode子路径除以采样点，并利用子路线线性（SL）ODES沿每个单独的PF-ode子path形成一个预处理且连续的误差估计。此类SL-dodes上的优化允许Splam与累积近似误差较小的构图构图。还开发了一种有效的蒸馏方法，以促进预训练的扩散模型（例如潜在扩散模型）的局限。广泛的实验结果表明，SPLAM达到了显着的训练效率，只需要6个A100 GPU天才能制造出2到4步生成的高质量生成模型。对Laion，MS Coco 2014和MS Coco 2017数据集进行了全面评估，还表明，Splam超过了几步生成任务中现有的加速方法，在FID和生成图像的质量上都实现了最先进的性能。
通过集成人工智能技术推进车辆乘员约束系统设计
摘要 为了改进汽车乘员约束系统的设计方法，需要减少仿真的计算量，提高全局搜索能力，研究和整合分析方法来理解设计变量和目标函数之间复杂的相互作用。因此，在本研究中，我们整合了以下三种人工智能技术并将其应用于汽车乘员约束系统的设计：（1）通过机器学习构建高精度近似模型，（2）通过进化多目标优化提高全局搜索能力，（3）利用多元分析方法对多维信息进行可视化和知识获取。首先，我们使用带有试验设计的碰撞分析模型来获得最少的实际计算样本数，然后利用这些样本利用机器学习构建高精度近似模型。接着利用近似模型通过进化多目标优化在设计空间中进行全局搜索，得到考虑目标函数之间权衡关系的Pareto解集。最后利用聚类分析和自组织映射对Pareto解集进行多元分析。最终用高精度近似模型替代进化多目标优化的评估计算，实现了快速全局搜索。关键词：聚类分析、进化计算、机器学习、多目标优化、自组织映射、车辆乘员约束系统。然后利用聚类分析将其中获得的帕累托解集划分为各个聚类，再利用自组织映射对划分后的聚类进行分析，从而提供有关控制目标函数之间权衡以及设计变量之间相互作用的因素的感知信息，有助于设计工程师的洞察。
探索量子 Fisher 信息的参数转变
Le 还展示了该方法如何应用于各种应用，包括具有单个和多个磁场的量子计量学以及应用于复杂多体系统的哈密顿断层扫描。他还将新方法与精确的理论方法和另一种近似模型 Suzuki-Trotter 进行了细致的比较。尽管该方法与理论方法非常接近，但 Suzuki-Trotter 近似值偏离了真实值。增强 Suzuki-Trotter 近似的结果需要对 Suzuki-Trotter 步骤进行无限细分。
介导药物处置 (TMDD)
摘要靶介导药物处置 (TMDD) 模型用于模拟非线性药代动力学 (PK)，因为一种药物与其药理靶标以高亲和力结合，影响药代动力学特性。TMDD 近似模型的出现是因为在有限的数据下难以实现完整的 TMDD 模型来解决复杂模型的过度参数化问题。传统的群体 TMDD 模型开发既耗时又主观，需要建模者的经验。本论文提出了一种 TMDD 模型开发和排序策略，可以实现自动 TMDD 模型开发。当前的工作旨在建立一种可以自动化扩展到 Pharmpy/Pharmr 包的 TMDD 模型开发策略，以使自动模型开发 (AMD) 工具能够对非线性 PK 进行更复杂的描述。使用已发布的五种化合物 TMDD 模型的模拟数据来开发和测试 TMDD 模型开发策略。首先，根据文献和自动模型开发程序的实际考虑选择合适的估计方法，以提高建模效率。其次，提出了一种在模型开发过程中设置新参数初始估计值的算法，并在两个具有潜在代表性的 TMDD 近似模型上进行了测试，以便于估计收敛。测试了似然比检验 (LRT) 和贝叶斯信息准则 (BIC) 作为模型选择标准。最后，提出了完整的 TMDD 模型开发策略，并用五个模拟数据进行了测试。在结构模型搜索后，选择准稳态模型 (QSS) 而不是米氏近似模型 (MMAPP) 作为代表性 TMDD 近似模型，并发现足以识别正确的结构模型。其他 TMDD 模型从 QSS 模型更新了初始估计值，其中目标降解速率常数 (KDEG) 和基线目标浓度 (R0) 的初始估计值的不同梯度也提供了合理的目标函数值 (OFV)。鉴于 BIC 的排序标准和模型开发策略，每个数据的最佳模型至少与模拟模型一样复杂。此外，4/5 的数据对那些非目标相关参数给出了准确的估计，并且 OFV 并不比以“真实”参数作为初始估计的模型差很多。总之，所提出的 TMDD 模型开发策略简化了 TMDD 模型的开发和选择，并且有可能在 AMD 中实施以实现自动 TMDD 模型开发。
用于传感器应用的压电和电静止材料。第1卷
这一年在理解最有用的介电和电静脉的放松剂类型铁电体方面已经取得了重大进步。很明显，原始的超透明模型只是对非常高温行为有效的第一个近似模型，实际上，尼贝特铅镁和PZT材料都是磁性自旋玻璃杯的紧密类似物。极性微区之间的相互作用会导致vogel-fulcher，例如放慢和冷冻，并提供对宏大域转变，滞后行为和耦合弹性响应的了解。
EG-ICE 2020 工程智能计算研讨会
2020 年第 27 届 EG-ICE 国际研讨会汇集了在先进计算和现代工程挑战之间开展工作的国际专家。许多工程任务需要开放世界解决方案来支持多方协作、应对近似模型、提供有效的工程师与计算机交互、在多维解决方案空间中进行搜索、适应不确定性（包括专业领域知识）、执行传感器数据解释和处理不完整知识。虽然计算机科学的成果为解决方案提供了许多初步支持，但调整是不可避免的，最重要的是，解决工程挑战的反馈推动了基础计算机科学研究。能力和知识转移是双向的。
软计算：目标、重要性和各种问题……
摘要 本研究讨论了软计算的目的、重要性、方法、品质和要求。除此之外，本文还介绍了众多软计算作者的工作以及各种问题解决技术，如遗传算法、模糊逻辑和机器学习。报告还讨论了硬计算和软计算之间的差异。此外，该研究还讨论了各种问题解决技术的优点、局限性和缺点。另一方面，在软计算中，使用近似模型代替传统计算来处理复杂的实际问题。软计算也可能充满不确定性和模糊性。软计算是一种计算形式，包括模糊逻辑、遗传算法、人工神经网络、机器学习和专家系统。它已成为自动控制工作的重要组成部分。软计算技术现已广泛应用于各种住宅、企业和工业应用，并已被证明是有效的。随着低成本、高性能数字处理器和廉价内存芯片越来越受欢迎，软计算方法和应用将变得更加普遍。
Fisherrf：使用Fisher Information
摘要。本研究解决了辐射场领域内主动视图选择和不确定性定量的挑战性问题。神经辐射场（NERF）具有极大的高级图像渲染和重建，但是获取图像的成本提出了有效选择最有用的观点的需求。现有方法取决于修改模型体系结构或假设扰动字段间接近似模型不确定性。但是，从间接近似中选择视图并不能保证模型的最佳信息增益。通过利用Fisher信息，我们直接量化了有关辐射场参数的观察信息，并通过最大化预期信息增益（EIG）来选择候选视图。我们的方法在多个任务上实现了最新的结果，包括视图选择，主动映射和不明显的量化，这表明了其推进辐射场领域的潜力。
具有代数约束的概率推断-Zhe Zeng
加权模型集成（WMI）是在混合域中对混合域进行高级概率推断的框架，即在混合连续二散的随机变量上以及存在复杂的逻辑和算术约束的情况下。在这项工作中，我们在理论和算法方面都推进了WMI框架。首先，我们根据WMI问题的依赖关系结构的两个关键特性来追踪WMI推断的障碍性边界：稀疏性和直径。我们证明，当该结构是用对数直径树形的，精确的推断才是有效的。尽管这结果加深了我们对WMI的理论理解，但它阻碍了确切的WMI求解器对大问题的实际适用性。为了克服这一点，我们提出了第一个近似WMI求解器，该求解器不诉诸采样，但对近似模型进行了精确的推断。我们的解决方案迭代执行通过放松的问题结构传递的消息，以恢复丢失的依赖关系。正如我们的实验表明的那样，它会扩展到无法确切的WMI求解器到达的问题，同时提供准确的近似值。
基于测量的量子马尔可夫链验证
摘要：模型检查技术已扩展到分析以量子马尔可夫链（经典马尔可夫链的扩展）表示的量子程序和通信协议。为了指定定性时间属性，使用基于子空间的量子时间逻辑，该逻辑建立在 Birkhoffer-von Neumann 原子命题之上。这些命题确定量子态是否位于整个状态空间的子空间内。在本文中，我们提出了基于测量的线性时间时间逻辑 MLTL 来检查定量属性。MLTL 建立在经典线性时间时间逻辑 (LTL) 的基础上，但引入了量子原子命题，可在测量量子态后推断概率分布。为了便于验证，我们扩展了 Agrawal 等人 (JACM 2015) 描述的基于符号动力学的随机矩阵技术，以通过特征值分析处理更一般的量子线性算子（超算子）。此扩展使得开发一种有效的算法来根据 MLTL 公式对量子马尔可夫链进行近似模型检查成为可能。为了证明我们的模型检查算法的实用性，我们使用它来同时验证量子和经典随机游动的线性时间特性。通过此验证，我们证实了 Ambainis 等人（STOC 2001）先前发现的量子游动相对于经典随机游动的优势，并发现了量子游动独有的新现象。