Sequential Monte Carlo-based fidelity selection in dynamic-data-driven adaptive multi-scale simulations

In a simulation-based planning and control framework, timely monitoring, analysis, and control is important not to disrupt a dynamically changing system. To meet this temporal requirement, a dynamic-data-driven adaptive multi-scale simulation (DDDAMS) paradigm was proposed earlier, where the fidelity of a complex simulation model adapts to available computational resources by incorporating dynamic data into the executing model, which then steers the measurement process for selective data update. In this work, a sequential Monte Carlo method (sequential Bayesian inference technique) is proposed and embedded into the simulation to enable its ideal fidelity selection given massive datasets under the DDDAMS framework. As dynamic information becomes available, the proposed method makes efficient inferences to determine the sources of abnormality in the system (a shop floor in this paper). A parallelisation framework is also discussed to further reduce the number of data accesses while maintaining the accuracy of parameter estimates. A prototype DDDAMS involving the proposed algorithm has been implemented successfully for preventive maintenance scheduling and part routing scheduling in a semiconductor manufacturing supply chain, reducing the average waiting time of batches and increasing the machine utilisation significantly.     

Variable-complexity optimization applied to airfoil design

Variable-complexity methods are applied to aerodynamic shape design problems with the objective of reducing the total computational cost of the optimization process. Two main strategies are employed: the use of different levels of fidelity in the analysis models (variable fidelity) and the use of different sets of design variables (variable parameterization). Variable-fidelity methods with three different types of corrections are implemented and applied to a set of two-dimensional airfoil optimization problems that use computational fluid dynamics for the analysis. Variable parameterization is also used to solve the same problems. Both strategies are shown to reduce the computational cost of the optimization.     

自适应正则化项去除乘性噪声

针对乘性噪声去噪算法研究,乘性噪声多出现在合成孔径雷达、超声波和激光等相干图像系统中,与标准高斯加性噪声不同,乘性噪声符合瑞利和伽马分布函数。文中通过:(1)取对数把乘性噪声模型转变成相加形模型;(2)改进正则化项成为自适应扩散模型;(3)将数学模型应用于图像处理的实践当中。在解决了阶梯效应的同时保持了图像的边缘。     

相移控制下XX自旋链中的量子态传递

研究了由Aharonov-Casher相互作用产生的相移对XX自旋链中量子态传递的影响。对信道的纠缠度及传递量子态的保真度进行数值模拟后发现,控制相移的方法可以有效抵抗信道的消相干作用,显著提高自旋链中量子比特间的纠缠度及量子态的保真度。此外,量子态发送端与接收端之间相对位置的不同也会影响纠缠度和保真度的大小,在包含偶数个自旋格点的环形自旋链中,当发送端与接收端处在直径上相对的位置时,接收端的纠缠度和量子态传递的保真度可以达到最大值。     

关注全局真实度的文本到图像生成

针对文本和图像模态在高维空间中相互映射的困难问题, 提出以全局句子向量为输入, 以堆叠式结构为基础的生成对抗网络(GAN), 应用于文本生成图像任务. 该网络融入双重注意力机制, 在空间和通道两大维度上寻求特征融合的更大化, 同时增加真实度损失判别器作为约束. 所提方法在加利福尼亚理工学院的CUB鸟类数据集上实验验证, 用Inception Score和SSIM作为评估指标. 结果表明, 生成图像具有更真实的细节纹理, 视觉效果更加接近于真实图像.     

喷墨印刷印品质量评价方法探究

为了对高速喷墨印刷品质量进行科学而有效的评价,引入墨点保真度作为评价印刷品质量的标准进行研究,选取印刷过程中产生波动性最明显的纸张传输速度、喷头电压、墨盒负压以及喷头与纸张之间的距离等4个影响因素进行正交实验设计。通过正交表的直观分析和效果曲线分析,得出了墨点保真度与各个因素的变化规律,并确定喷头电压是最大的影响因素。根据这些变化规律,利用MATLAB数学分析软件,采用最小二乘法对各因素影响下的墨点保真度测试数据进行拟合优化,建立墨点保真度与各影响因素之间的数学模型;为更精确把握涂胶量,创建了数学模型的用户界面(GUI)设计平台。     

基于墨点保真度的喷墨印刷质量分析与评价

对墨点质量进行了分析,提出了以墨点保真度为评价标准的质量分析方法。介绍了基于最小覆盖圆的墨滴的理想面积,在此基础上引入了计算机图像分析法,给出了基于图像分析法的喷墨印刷质量评价方法。为喷墨印刷质量检测提出了一种简便可行的方法,此方法较传统质量分析法更为直接,适合于任意的喷墨印刷过程。     

可控震源高保真地震数据采集方法

可控震源高保真地震数据采集(HFVS)是通过从记录的震源驱动信号中分离出单台震源记录信号来实现多个震点同时进行数据采集的方法,通过增加绝对频带宽度、减少相关子波边叶畸变以及预置较稳定子波来提高震源数据分辨率。在地震采集施工中,使用HFVS方法所记录的数据量要显著高于常规方法,同时,HFVS方法利用震源驱动信号来对数据反演也大大提高了震源间的一致性和相位的稳定性,减小了信号中因谐波引起的幅值畸变。     

双模压缩真空态在Tavis-Cummings模型中量子态保真度

考虑了原子的偶极相互作用,通过计算Tavis-Cummings模型下压缩真空态的保真度,阐明了在双模压缩真空态与环境(原子)通过双光子发生相互作用过程中量子信息的保真程度随时间的演化关。通过计算机模拟出两原子处于各种初态下时原子、光场和系统的保真度随时间的演化图象,分析出三者在压缩指数r、偶极相互作用常数ga和相位(?)等改变时的变化情况,结果表明r和k值的改变对于提高保真度具有重要意义。当两原子处于基态时减小r和当两原子处于一Bell基时增大都可以显著的提高体系的保真度。