XiaoMi-AI文件搜索系统
World File Search System阶序
量子处理器上的时间晶体本征态序
Xiao Mi 1.11 , Matteo Ippoliti 2.11 , Chris Quintana 1 , Ami Greene 1 , Zijun Chen 1 , Jonathan Gross 1 , Frank Arute 1 , Kunal Arya 1 , Juan Atalaya 1 , Ryan Babbush 1 , Joseph C. Bardin 1.3 , Joao Basso 1 , Andreas Bengtsson 1 , Alexander Bilmes 1 , Alexandre Bourassa 1.4 , Leon Brill 1 , Michael Broughton 1 , Bob B. Buckley 1 , David A. Buell 1 , Brian Burkett 1 , Nicholas Bushnell 1 , Benjamin Chiaro 1 , Roberto Collins 1 , William Courtney 1 , Dripto Debroy 1 , Sean Demura 1 , Alan R. Derk 1 , Andrew Dunsworth 1 , Daniel Eppens 1 , Catherine Erickson 1 , Edward Farhi 1 , Austin G. Fowler 1 , Brooks Foxen 1 , Craig Gidney 1 , Marissa Giustina 1 , Matthew P. Harrigan 1 , Sean D. Harrington 1 , Jeremy Hilton 1 , Alan Ho 1 , Sabrina Hong 1 , Trent Huang 1 , Ashley Huff 1 , William J. Huggins 1 , L. B. Ioffe 1 , Sergei V. Isakov 1 , Justin Iveland 1 , Evan Jeffrey 1 , Zhang Jiang 1 , Cody Jones 1 , Dvir Kafri 1 , Tanuj Khattar 1 , Seon Kim 1 , Alexei Kitaev 1 , Paul V. Klimov 1 , Alexander N. Korotkov 1,5 , Fedor Kostritsa 1 , David Landhuis 1 , Pavel Laptev 1 , Joonho Lee 1.6 , Kenny Lee 1 , Aditya Locharla 1 , Erik Lucero 1 , Orion Martin 1 , Jarrod R. McClean 1 , Trevor McCourt 1 , Matt McEwen 1.7 , Kevin C. Miao 1 , Masoud Mohseni 1 , Shirin Montazeri 1 , Wojciech Mruczkiewicz 1 , Ofer Naaman 1 , Matthew Neeley 1 , Charles Neill 1 , Michael Newman 1 , Murphy Yuezhen Niu 1 , Thomas E. O'Brien 1 , Alex Opremcak 1 , Eric Ostby 1 , Balint Pato 1 , Andre Petukhov 1 , Nicholas C. Rubin 1 , Daniel Sank 1 , Kevin J. Satzinger 1 , Vladimir Shvarts 1 , Yuan Su 1 , Doug Strain 1 , Marco Szalay 1 , Matthew D. Trevithick 1 , Benjamin Villalonga 1 , Theodore White 1 , Z. Jamie Yao 1 , Ping Yeh 1 , Juhwan Yoo 1 , Adam Zalcman 1 , Hartmut Neven 1 , Sergio Boixo 1 , Vadim Smelyanskiy 1 , Anthony Megrant 1 , Julian Kelly 1 , Yu Chen 1 , S. L. Sondhi 8,9 , Roderich Moessner 10 ,
洪水风险序贯测试和异常测试
• 在只有一小部分位于洪水区 2 或 3 内的场地上进行开发。如果场地中处于风险中的部分将不会进行开发，并且不需要用于进出，则不太可能需要进行顺序测试。 • 现有物业的再开发。对于替换住宅，如果住宅数量没有增加，建筑物占地面积也没有增加，则不太可能需要进行顺序测试。但是，如果正在建造额外的住宅，例如，用多套公寓取代一栋房屋，或者将占地面积扩展到风险区域，则可能需要进行测试。同样，对于替换大篷车，如果这些大篷车是同类替换，占地面积没有增加，占用水平或年度使用时间也没有增加，则不太可能需要进行顺序测试。但是，如果风险增加，包括由于使用时间增加，则需要进行测试。 • 在现有许可的场地上提出新的申请，用于相同的用途、类型和开发规模。是否需要进行测试将取决于新许可的性质（例如，与之前的方案相比变化的程度；以及洪水风险状况在此期间是否发生了变化）。例如，如果变化
带贴片的毫米波零阶谐振天线... - DR-NTU
摘要：设计并制作了一种基于复合右手-左手 (CRLH) 原理的小型零阶谐振天线，在 30 GHz 下无需金属通孔即可实现贴片状辐射。将两个 CRLH 结构的镜像连接起来以设计无通孔天线。研究了等效电路、参数提取和色散图，以分析 CRLH 天线的特性。制作了天线并通过实验验证。测得的天线在 30 GHz 下的实际增益为 5.35 dBi。设计的天线在 10 GHz 带宽内没有杂散谐振。利用所提出的 CRLH 天线和 Butler 矩阵设计了一个无源波束形成阵列。采用基板集成波导来实现 Butler 矩阵。CRLH 天线连接到 4×4 Butler 矩阵的四个输出。对于馈送 CRLH 天线的 4×4 Butler 矩阵，从端口 1 到端口 4 的激励，扫描角度分别为 12 ◦、−68 ◦、64 ◦ 和 −11 ◦。
使用p-d，i-tord阶的汽车纵向速度控制...- ijrpr
Tejado等人，2011年指出，需要准确的控制器以确保在导航期间安全。他们着重于设计用于雪铁龙自动型原型的低速控制的分数PI控制器的实现。他们得出结论，测试显示了提出的控制器的有效性[1]。Cohring，2012年为德国自动驾驶汽车提供了实时控制器体系结构。他描述了一种算法，证明了其在柏林茂密的城市交通中的适用性[2]。Alonso，Oria，Al-Hadithi和Jimenez，2013年，2013年提出了一个在线自我调整的PID控制器，用于控制车辆，沿着距离和速度在城市交通中典型的速度和速度。他们提出了一种调整技术，以改善不同输入或噪声存在下的鲁棒性[3]。
阶 - disorder相变和离子电导率，LI2B12H12固体电解质
摘要：使用基于范德华校正的密度功能理论（Rev-VDW-DF2函数），使用使用机器学习的原子质势模拟了温度诱导的相变和离子电导率。阶 - 疾病相变的模拟温度，晶格参数，扩散，离子电导率和激活能与实验数据非常吻合。我们对Li 2 B 12 H 12的模拟发现了[B 12 H 12] 2-阴离子的重新定位运动的重要性。在有序的α-相（t <625 K）中，这些阴离子具有明确的方向，而在无序的β-相（t> 625 K）中，它们的方向是随机的。在空缺系统中，观察到其完整的旋转，而在理想的晶体中，阴离子显示有限的vabrational运动，表明没有动态无序的相位过渡的静态性质。使用机器学习间的原子势使我们能够以长（纳秒尺度）分子动力学研究大型系统（> 2000个原子），从头开始质量。关键字：密度功能理论，机器学习间原子潜能，固体电解质，相变，离子电导率
脑电图揭示抓取动作过程中事件相关去同步化的机制...
4.1 目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
通过基于组件的降阶模型库实现数据驱动的基于物理的数字孪生
这项工作提出了一种方法，将基于组件的降阶模型库与贝叶斯状态估计相结合，以创建数据驱动的基于物理的数字孪生。降阶建模产生的基于物理的计算模型足够可靠，可用于预测数字孪生，同时仍然可以快速评估。与传统的整体模型降阶技术相比，基于组件的方法可以有效地扩展到大型复杂系统，并为快速模型自适应提供灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数据驱动的模型自适应和不确定性量化被表述为贝叶斯状态估计问题，其中传感器数据用于推断模型库中的哪些模型是数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发数字孪生来展示这种方法。离线时，我们构建了一个原始和受损飞机部件库。在线时，我们使用结构传感器数据快速调整基于物理的飞机结构数字孪生。数据驱动的数字孪生使飞机能够根据结构损坏或退化动态地重新规划安全任务。
分数阶薛定谔方程中双曲势的量子信息熵
摘要：本文通过计算位置熵和动量熵，研究了分数阶薛定谔方程（分数阶导数（0 < n ≤ 2））中两个双曲单阱势的 Shannon 信息熵。我们发现，随着分数阶导数 n 的减小，波函数会向原点移动；在分数阶体系中，即当 n 值较小时，位置熵密度局域化程度越来越严重，而动量概率密度非局域化程度越来越高。然后，我们研究了 Beckner Bialynicki-Birula–Mycieslki（BBM）不等式，发现虽然该不等式随着双曲势 U 1 （或 U 2 ）的深度 u 的增加而逐渐减小（或增大），但 Shannon 熵对于不同的深度 u 仍然满足该不等式。最后，我们还进行了 Fisher 熵的计算，发现 Fisher 熵随势阱深度 u 的增加而增大，分数阶导数n减小。
不确定因果序下布尔函数的量子查询复杂度
量子电路的标准模型假设操作以固定的连续“因果”顺序应用。近年来，放宽这一限制以获得因果不确定计算的可能性引起了广泛关注。例如，量子开关使用量子系统来连贯地控制操作顺序。已经证明了几种临时的计算和信息理论优势，这引发了这样一个问题：是否可以在更统一的复杂性理论框架中获得优势。在本文中，我们通过研究一般高阶量子计算下布尔函数的查询复杂性来解决这个问题。为此，我们将查询复杂性的框架从量子电路推广到量子超图，以便在平等的基础上比较不同的模型。我们表明，最近引入的具有因果顺序量子控制的量子电路类无法降低查询复杂度，并且因果不确定超级映射产生的任何潜在优势都可以用多项式方法限制，就像量子电路的情况一样。尽管如此，我们发现，当利用因果不确定超级映射时，使用两个查询计算某些函数的最小误差严格较低。