XiaoMi-AI文件搜索系统
World File Search System随机过程
Bin Liu, Xiujie Zhao, Yiqi Liu, Phuc Do Van. 多维退化和不完善检查系统的维护优化。Inter
在本文中，我们为经历多个相关退化过程的系统开发了一个维护模型，其中使用多元随机过程来建模退化过程，并使用协方差矩阵来描述过程之间的相互作用。当任何退化特征达到预先指定的阈值时，系统即被认为发生故障。由于基于退化的故障具有休眠性，因此需要进行检查以检测隐藏的故障。检查后将更换发生故障的系统。我们假设检查不完善，因此只有特定的概率才能检测到故障。基于退化过程，以系统可靠性评估为基础，然后建立维护模型以减少经济损失。我们提供了成本最优检查间隔的理论边界，然后将其集成到优化算法中以减轻计算负担。最后，以疲劳裂纹扩展过程为例，说明了所开发的维护策略的有效性和稳健性。研究了退化依赖性和检查精度的影响，以获得更多管理见解。数值结果表明，检查不准确性对运营成本有重大影响，建议应付出更多努力来提高检查精度。
2023-2.pdf -people @ nmsu-新墨西哥州立大学
基于确定性和随机过程混合模型，我们使用白色噪声来说明患者在治疗结果中的变异性，使用超参数代表同类群体中的患者异质性，并根据ITO的随机差分方程来构建随机模型，以测试三种不同治疗方案在CAR T Cell Cell Cell治疗中的效率。随机模型具有三个千古不变的度量，对应于确定性系统的三个不稳定的平衡溶液，而在某些条件下，麦芽怪胎不变的测量是吸引人的肿瘤生长。随机系统的稳定动力学反映了治疗的长期结局，瞬态动力学提供了短期治愈的机会。两个停止时间，治愈时间和进步时间，让我们通过随机模型的瞬时动力学进行三种不同的CAR T细胞处理方案进行数值模拟。治愈时间和进步时间的概率分布是不同方案的当前结果细节，这对于当前的CAR T细胞疗法临床研究很重要。
pos（lattice2024）039-科学论文
复杂的langevin（Cl）动力学，其中自由度被分析扩展，提供了潜在的解决方案，因为它不依赖重要性采样，而是通过随机过程探索复杂的流形[4，5]。它是随机定量的扩展[6，7]，相当于路径积分定量。cl已显示在三个[8]和四个[9]欧几里得维度的晶格场理论中起作用，其中包括严重的符号问题，包括在QCD [10-14]中，但即使在简单模型[15-17]中，它也可能失败。几年前[18-20]阐明了这种情况[18-20]，这是通过在实际歧管上的复杂分布与复杂歧管上的真实和正分布之间形式关系的推导，该分布在CL过程中有效地进行了采样，从而导致了正确性的正确标准，需要证实后者验证。然而，问题仍然存在，该方法的可靠性取决于对Cl漂移中无穷大和近杆的分布行为的精确理解。最近的工作可以在例如参考。[21 - 25]。
这是植物科学领域TILLING时代的终结吗？
自 2000 年推出以来，TILLING 策略已广泛应用于植物研究，以创造新的遗传多样性。TILLING 基于化学或物理诱变，然后快速识别目标基因内的突变。TILLING 突变体可用于基因的功能分析，并且由于是非转基因的，因此可直接用于预育种程序。然而，经典诱变是一个随机过程，会导致整个基因组发生突变。因此，TILLING 突变体携带背景突变，其中一些可能会影响表型并应被消除，这通常很耗时。最近，已经开发并优化了新的靶向基因组编辑策略，包括基于 CRISPR/Cas9 的方法，用于许多植物物种。这些方法精确地仅针对感兴趣的基因，并且几乎不会产生脱靶。因此，问题出现了：植物研究中的 TILLING 时代是否已经结束？在本综述中，我们回顾了 TILLING 策略的基本原理，总结了植物 TILLING 研究的现状并介绍了最近的 TILLING 成果。基于这些报告，我们得出结论，TILLING 仍然在植物研究中发挥着重要作用，是基因组学和育种项目产生遗传变异的宝贵工具。
活化过程的变分量子特征解法
摘要 随机过程理论影响着物理和社会科学。在分子尺度上，由于热波动，随机动力学无处不在。福克-普朗克-斯莫鲁霍夫斯基方程模拟了扩散区域中选定自由度的概率密度随时间的变化，因此它是物理化学中的主力。在本文中，我们报告了变分量子特征值求解器的开发和实现，以解决福克-普朗克-斯莫鲁霍夫斯基特征值问题。我们表明，这种通常用于解决量子化学问题的算法可以有效地应用于经典系统，为量子计算机的新应用铺平了道路。我们计算了具有最近邻相互作用的线性转子链中的构象转变速率。我们提供了一种在量子计算机上对链的给定构象的概率分布进行编码的方法，并评估了其在操作方面的可扩展性。对小链的噪声量子模拟器和量子设备（IBMQ Santiago）进行了性能分析，结果显示无需进一步添加任何错误缓解技术，与经典基准结果一致。
Spotlight新闻驱动的定量交易基于轨迹优化
新闻驱动的定量交易（NQT）近年来被广泛研究。大多数存在的NQT方法都是在两步范式中执行的，即首先通过财务预测任务对市场进行分析，然后做出交易决策，这是由于几乎徒劳的预测任务而失败的。为了绕过财务预测任务，在本文中，我们专注于加强基于基于NQT的NQT范式，该范式利用新闻直接做出有利可图的交易决策。在本文中，我们根据决策轨迹优化提出了一种新颖的NQT框架聚光灯，该框架可以有效地将连续且灵活的交易序列拼接在一起，以最大程度地提高利润。此外，我们通过构建聚光灯驱动的状态轨迹来增强此框架，该轨迹遵循由聚光灯新闻引起的不规则突然跳跃的随机过程。此外，为了适应非平稳的金融市场，我们为该框架提出了有效的培训管道，该框架与在线填充进行了预处理融合，以在线交易期间有效地平衡勘探和利用。在三个真实世界数据集上进行的广泛实验证明了我们提出的模型优于最先进的NQT方法。
系统可靠性概念
系统可靠性分析必须基于精确定义的概念。由于人们很容易接受这样一个事实：在类似条件下运行的一组假定相同的系统会在不同的时间点发生故障，因此故障现象只能用概率术语来描述。因此，可靠性的基本定义必须依赖于概率论中的概念。本章介绍系统可靠性工程的概念。这些概念为量化系统的可靠性提供了基础。它们允许在系统之间进行精确比较或为改进故障率提供逻辑基础。各种示例强化了第 2.1 节中提出的定义。第 2.2 节研究了可靠性工程中有用的常见分布函数。讨论了几种分布模型，并推导出由此产生的危险函数。第 2.3 节描述了系统性的新概念。介绍了各种系统配置（例如串联、并联和 k-out-of-n）的几个系统性函数。第 2.4 节讨论了具有多种故障模式的系统的各个可靠性方面。第 2.5 和 2.6 节讨论了随机过程，包括马尔可夫过程、泊松过程、更新过程、准更新过程和非齐次泊松过程。
通过学习Kraus操作员
我们通过使用KRAUS操作员学习过程表示，对离散和连续变量量子系统执行量子过程断层扫描（QPT）。Kraus形式确保重建过程是完全积极的。为了使过程跟踪保留，我们在优化过程中使用了所谓的Stiefel歧管上使用受约束的梯度 - 偏生（GD）方法，以获取Kraus oberators。我们的Ansatz使用几个Kraus操作员来避免直接估计大型过程矩阵，例如Choi矩阵，用于低级量子过程。GD-QPT匹配压缩 - 感应（CS）的性能和预测的最小二乘（PLS）QPT的基准测试中，具有两倍的随机过程，但是通过结合这两种方法的最佳功能来发光。类似于CS（但与PLS不同），GD-QPT可以仅从少量随机测量中重建一个过程，并且类似于PLS（但与CS不同），它也适用于更大的系统尺寸，最多可至少五个Qubits。我们设想，GD-QPT的数据驱动方法可以成为一种实用工具，可大大降低中等规模量子系统中QPT的成本和计算工作。
利用经典和量子异常检测揭示标准模型以外的物理学
摘要 在微观尺度上发现新物理现象的希望很大程度上依赖于从高能物理实验中获得的观测结果，例如在大型强子对撞机 (LHC) 上进行的实验。然而，目前的实验并没有显示出可以指导更多超标准模型 (BSM) 理论发展的新物理迹象。从 LHC 产生的大量数据中识别新物理特征属于异常检测类，是最大的计算挑战之一。在本文中，我们提出了一种在监督学习环境中执行异常检测的新策略，该策略基于通过随机过程人工创建异常。对于由此产生的监督学习问题，我们成功地应用了经典和量子支持向量分类器（分别为 CSVC 和 QSVC）来识别 SM 事件中的人工异常。更有希望的是，我们发现使用经过训练以识别人工异常的 SVC，可以高精度地识别真实的 BSM 事件。同时，我们还探索了量子算法提高分类准确性的潜力，并为充分利用这种新颖的计算范式提供了合理的条件。
神经网络及其安全应用程序的定量验证
神经网络越来越多地用于安全至关重要。这引起了人们对验证或认证神经网络逻辑编码属性的兴趣。先前的工作在很大程度上是在检查存在属性方面的基础，其中目标是检查是否存在任何违反给定属性感兴趣的属性的输入。但是，神经网络训练是一个随机过程，其分析中出现的许多问题需要概率和定量推理，即估计多少个输入sat-Isfy A给定特性。为此，我们的论文提出了一个新颖而有原则的框架，以定量验证神经网络上指定的逻辑证书。我们的框架是第一个提供PAC风格的声音保证的框架，因为其定量估计值在真实计数的可控且有限的误差范围内。我们通过构建一个名为NPAQ 1的原型工具来实例化算法框架，该工具可以通过二进制神经网络检查丰富的属性。我们展示了新兴的安全分析如何在3个应用程序中利用我们的框架：量化对对抗性输入的鲁棒性，特洛伊木马攻击的疗效以及给定神经网络的公平/偏见。