XiaoMi-AI文件搜索系统
World File Search System难以解决
可拉伸、透气、稳定的无铅钙钛矿
可穿戴电子产品是一种新兴技术，它实现了日常电子设备的灵活性、可穿戴性和舒适性，可广泛应用于电子皮肤[1–4]、自供电传感器[5]和健康监测[6,7]等各种应用。尽管在开发多功能可穿戴设备方面已经取得了长足的进步，但电源仍然是一个难以解决的挑战。电池和超级电容器尽管具有良好的稳定性和效率，但仍然受到寿命、刚性、体积、封装和安全性等问题的限制。[8,9]作为未来自供电技术的潜在候选者，摩擦电和压电纳米发电机（TENG 和 PENG）能够从环境（风、雨和潮汐能）和人体运动（行走、跑步、拍手和弯肘）中获取机械能，并将其转化为电能为可穿戴设备供电。 [10–15] TENG通过摩擦起电和静电感应的耦合效应产生电能，而PENG则利用压电材料变形产生的偶极矩将机械能转化为电能。两者都是很有前途的能源技术，可以满足绿色能源和可持续发展的苛刻要求。然而，这两种技术也各有优缺点。例如，由于压电材料封装方便、结构灵活，PENG通常具有更好的电稳定性和操作灵活性，但其电输出相对较低。相反，TENG通常具有更高的电输出，但是它们的工作机制，例如垂直接触分离和横向滑动模式，需要两种不同材料的相对位移，这限制了设备的配置和应用场景。因此，一种混合型TENG和PENG能量收集器（TPENG）结合它们的优点，以获得更高的功率输出并适应不同的应用，是非常可取的。
收稿日期: 2024-12-06 修订日期: 2024-12-22 接受日期: 2024-12-25 在线日期: 2024-12-25 摘要 本研究的背景与 ch
收稿日期：2024年12月06日 修订日期：2024年12月22日 接受日期：2024年12月25日 在线日期：2024年12月25日 摘要 本研究的背景与物流和供应链行业在优化规划运输路线和管理运营成本过程中面临的挑战有关。量子计算技术的应用提供了解决传统方法难以解决的复杂问题的潜力。本研究的目的是通过减少交付时间和运营成本来评估量子计算在物流和供应链优化中的有效性。本研究方法涉及使用来自三家主要物流公司的二手数据和基于量子计算的优化算法的应用来分析它们对运营效率的影响。结果表明，量子计算的应用可以将平均交付时间缩短 10%，运营成本降低高达 10%，同时显著提高客户满意度。本研究的结论证实了量子计算技术有可能通过提高效率和降低运营成本为物流和供应链行业带来重大变革。需要进一步研究以开发更具体的算法并在更大规模上测试这些技术的应用。 关键词：物流优化、供应链、量子计算 期刊主页 https://journal.ypidathu.or.id/index.php/ijnis 这是 CC BY SA 许可下的开放获取文章 https://creativecommons.org/licenses/by-sa/4.0/ 引用方式：Perez, C., Rodriguez, A & Hernandez, L (2024). 用于物流和供应链优化的量子计算。量子技术杂志，1(6)，322-331。https://doi.org/10.70177/quantica.v1i6.1703 出版商：Yayasan Pendidikan Islam Daarut Thufulah 介绍
量子动力学仅发生在纸面上：QBism 的……
QBism 早已认识到量子态、POVM 元素、Kraus 算子，甚至幺正运算都是一脉相承的：它们表达了代理信念系统的各个方面，这些方面涉及她可能对外部世界采取的行动的后果（对她而言）。这种行动-后果对通常被称为“量子测量”。当将量子理论的微积分引入到这种测量概念时，它被视为贝叶斯决策理论的经验主义补充。这种激进的方法使 QBism 能够消除困扰其他量子力学解释的概念问题。然而，有一个问题仍然难以解决：如果 QBist 不相信存在一个随时间演变的本体（独立于代理）动态变量，那么在没有进行测量的情况下，为什么会对她的量子态分配有任何限制？她为什么要引入幺正或开放系统量子动力学？在这里，我们提出了一个基于范弗拉森反射原理的表示定理来回答这些问题。简而言之，代理对量子动力学的分配代表了她相信她正在考虑的测量行为不会改变她未来赌博的当前赔率。这种方法的必然结果是，人们可以理解“开放系统动力学”，而无需引入“具有测量记录的环境”，这在量子测量的退相干解释中很常见。相反，QBism 的理解更根本地依赖于代理对感兴趣的系统（而不是系统加环境）的信念以及她对她可能在该系统上执行的测量的判断。更广泛地说，这个结果证实了 QBism 的论点，即测量本身是量子理论的核心概念，因此是任何未来 QBist 本体论都必须依赖的框架。
模型对基于生产者的太阳能地区加热网络中双向传热的预测控制
具有分散热量生产的地区供暖网络非常适合包括在空间有限的城市地区的可再生能源份额。一个新概念是一个基于生产的地区供暖网络，其中一些甚至所有建筑物都配备了分散的建筑物水平的热量储藏和热量产生植物。为了利用相互连接的加热网络的全部潜力，带有剩余热量的建筑物旨在将热量转移到有加热需求的建筑物中，以防止中央供暖厂的激活。这项工作提出了一项关于使用模型预测控制策略来管理区域供暖网络中建筑物之间双向传热的初步可行性研究。我们将此问题提出为最佳控制问题，并为每个潜在的传热连接结合了二进制决策变量。这会导致难以解决的混合企业非线性优化问题。该问题通过基于快速的基于梯度的优化算法与组合积分近似策略相结合解决。进行了一个有关使用建筑级太阳能热收集器和储罐的住宅供暖网络的案例研究。优化操作与从一个月的测量中获得的实际操作进行了比较。结果表明，具有双向传热的优化策略可以利用整个网络中产生的总热量。在案例研究中，这导致了中央热供应商所需的热能的近75％。仅当所有建筑物产生或储存的热量不足以满足网络内的总热量需求时，才需要中央供暖提供商。
利用神经速度场进行微分同胚图像配准
微分同胚图像配准能够提供平滑的变换和拓扑保存，在许多医学图像分析任务中是必需的。传统方法对可接受的变换空间施加某些建模约束，并使用优化来寻找两幅图像之间的最佳变换。指定正确的可接受的变换空间具有挑战性：如果空间过于严格，配准质量可能会很差，而如果空间过于笼统，则优化可能难以解决。最近基于学习的方法利用深度神经网络直接学习变换，实现了快速推理，但由于难以捕捉微小的局部变形和泛化能力，在准确性方面面临挑战。在这里，我们提出了一种新的基于优化的方法，称为 DNVF（带神经速度场的微分同胚图像配准），该方法利用深度神经网络来建模可接受的变换空间。具有正弦激活函数的多层感知器 (MLP) 用于表示连续速度场，并为空间中的每个点分配一个速度矢量，从而提供对复杂变形进行建模的灵活性以及优化的便利性。此外，我们提出了一种级联图像配准框架 (Cas-DNVF)，结合了优化和基于学习的方法的优点，其中训练完全卷积神经网络 (FCN) 来预测初始变形，然后使用 DNVF 进行进一步细化。在两个大型 3D MR 脑部扫描数据集上进行的实验表明，我们提出的方法明显优于最先进的配准方法。
使用深度神经密度估计器进行癫痫全脑网络建模的基于模拟的推理
癫痫的全脑网络建模是一种数据驱动的方法，它将个性化的解剖信息与异常大脑活动的动态模型相结合，以生成在大脑成像信号中观察到的时空癫痫发作模式。这种参数模拟器配备了一个随机生成过程，它本身为推断和预测受疾病影响的局部和整体大脑动态提供了基础。然而，全脑尺度的似然函数计算往往是难以解决的。因此，需要无似然推理算法来有效估计与大脑中假设区域有关的参数，理想情况下包括不确定性。在这项详细的研究中，我们提出了基于模拟的虚拟癫痫患者 (SBI-VEP) 模型推理，它只需要前向模拟，使我们能够摊销代表全脑癫痫模式的低维数据特征参数的后验推断。我们使用最先进的深度学习算法进行条件密度估计，通过一系列可逆变换检索参数和观测值之间的统计关系。这种方法使我们能够根据新输入数据轻松预测癫痫发作动态。我们表明，SBI-VEP 能够从颅内 EEG 信号的稀疏观测中准确估计与大脑中致痫区和传播区范围相关的参数的后验分布。所提出的贝叶斯方法可以处理非线性潜在动力学和参数退化，为从神经影像学模式可靠地预测神经系统疾病铺平了道路，这对于制定干预策略至关重要。
传感器
摘要：在中风慢性期（例如中风后 6 个月以上），严重的肢体运动障碍可能难以解决。最近的证据表明，物理治疗在此阶段后仍可促进有意义的康复，但所需的大量治疗很难在标准临床实践范围内提供。数字游戏技术现在与脑机接口相结合，以激励人们积极参与和频繁锻炼并促进神经恢复。然而，获取脑信号的复杂性和成本阻碍了这些康复系统的广泛使用。此外，对于有残留肌肉活动的人来说，肌电图 (EMG) 可能是一种更简单且同样有效的替代方法。在这项初步研究中，我们评估了基于 EMG 的 REINVENT 虚拟现实 (VR) 神经反馈康复系统变体的可行性和有效性，以增加随意肌肉活动，同时减少意外的共同收缩。我们招募了四名中风康复慢性期的参与者，他们的主动腕关节运动均受到严重限制。他们完成了七次 1 小时的训练，在此期间，我们的头戴式 VR 系统强化了腕伸肌的激活，而没有激活屈肌。训练前后，参与者接受了一系列临床和神经肌肉评估。我们发现训练提高了标准化临床评估的分数，与之前报告的脑机接口分数相当。此外，训练可能引起皮质脊髓通讯的变化，表现为 12-30 Hz 皮质肌肉一致性的增加和维持恒定腕肌活动水平的能力的提高。我们的数据支持在严重慢性中风中使用肌肉-计算机接口的可行性，以及它们促进功能恢复和触发神经可塑性的潜力。
在服务不足和农村社区中激活糖尿病和高血压的数字健康试验计划
摘要背景社区卫生中心和农村和农业社区的患者在面对健康差异和技术障碍的情况下难以解决糖尿病和高血压。在2019年冠状病毒疾病大流行期间突出了这些数字健康差异的鲜明现实。目的是激活（山谷中的问责制，协调和远程健康以实现转型和公平）的目标，是为了编码一个远程患者监测和慢性病管理计划的平台，以解决这些差异，并提供解决社区需求和背景的解决方案。方法激活是在三个阶段实施的数字健康干预措施：社区代码，可行性评估和试点阶段。预分和后结局包括针对患有高血压患者的糖尿病和血压的参与者定期收集的血红蛋白A1C（A1C）。结果参与者是成年患者，患有不受控制的糖尿病和/或超张力（n¼50）。大多数是白人和西班牙裔或拉丁裔（84％），西班牙语为主要语言（69％），平均年龄为55。该技术有大量采用和使用：超过10,000多种葡萄糖和血压测量在6个月内使用连接的远程监测设备传输。患有糖尿病的参与者在3个月时在3个月中的A1C平均降低为3.28个百分点（标准偏差[SD]：2.81），在6个月中平均降低了4.19个百分点（SD：2.69）。绝大多数患者在目标范围内达到了A1C的控制（7.0 - 8.0％）。患有高血压的参与者在3个月时在3个月时降低了14.81 mm Hg（SD：21.40）的14.81 mm Hg（SD：21.40），在6个月时，较小的舒张压降低。大多数参与者也达到了目标血压（小于130/80）。
大脑结构年龄 - 一种用于多疾病分类的新生物标志物
在医学领域，年代年龄被广泛用作描述人的指标。它描述了健康器官应遵循的参考曲线。与该参考的偏差可能与不同的因素有关，例如基因，环境，生活方式和疾病的相互作用1。为了衡量这种偏差，已经创建了生物年龄（BA）的概念。这是基于各种高级策略2,3,4的个人年龄的估计，并有望考虑上述所有因素。因此，相对于年龄，加速（或延迟的）衰老过程导致BA的较高（或较低）值。BA的分析可以与全身系统或特定器官相关联。全身评估方法通常使用非成像数据（例如，DNA甲基化模式5，蛋白质6），但经常难以解决单个器官之间衰老的变化。到此为止，Tian等人。最近提出了一种采用多模式脑成像，生理测量和血液表型来构建多机器人衰老网络8的新型方法。他们的研究揭示了器官衰老的异质性质，多机构老化网络可能有可能促进与年龄相关的发病率风险的个人早期鉴定。此外，针对特定器官的BA的调查也引起了极大的兴趣。le Goallec等。建议根据成像数据对肝脏和胰腺年龄进行预测，以改善腹部年龄9的估计。在另一项研究中，Mauer等人。 使用3D膝盖成像来估计年龄，并将其用于实现准确的多数分类（年龄在18岁以上）10。在另一项研究中，Mauer等人。使用3D膝盖成像来估计年龄，并将其用于实现准确的多数分类（年龄在18岁以上）10。
面向 Qudit 系统的量子编译
量子计算为解决传统计算机难以解决的问题提供了一种有前途的替代方案。绝大多数量子计算文献涉及量子比特、双态系统的集合以及产生它们之间任意相互作用的门。在任意相互作用的假设下，量子计算机的计算空间可缩放为 2 N ，其中 N 是量子比特的数量。状态空间的指数增长以及这些状态任意叠加的能力是量子计算机相对于传统计算的主要优势之一。然而，设计量子计算机的最大挑战之一是实现量子比特之间的相互作用，同时尽量减少与环境以及其他量子和经典噪声源的相互作用。最近的努力试图将量子问题映射到 d 状态（qudit）量子计算机上 [1]–[3]。早期的实验方法已将问题映射到多状态系统或量子比特的最优控制问题。这样的计算系统可按 d N 的量级缩放，其中 N 是量子比特的数量。其中一个主要目标是，与严格的量子比特系统相比，qudit 系统将具有更高的噪声容忍度。这与当今的主要方法形成了鲜明对比——使用一组双态单元或量子比特 [4]，[5]。除了利用物理系统的自然特性来容忍噪声之外，qudit 量子计算机还可以减少空间需求。具体来说，高维系统上的量子计算可能比量子比特更有效率，甚至可能比量子比特系统提供渐近计算改进 [6]。此外，高维系统上的纠缠态无法通过成对纠缠量子比特态的张量积来模拟 [7]。