WikiEdge:ArXiv速递/2025-04-10：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第16行： | 第16行： | ||
*'''原文链接'''：http://arxiv.org/abs/2504.07481v1 | *'''原文链接'''：http://arxiv.org/abs/2504.07481v1 | ||
'''中文摘要'''：基于[[遥感数据]]的[[陆表温度]]（[[LST]]）反演对于分析[[气候过程]]和[[地表能量收支]]至关重要。然而，[[LST反演]]是一个[[不适定逆问题]]，当仅能获取[[单波段数据]]时尤为严重。本文提出了一种深度融合[[机理建模]]与[[机器学习]]的框架，以提升[[单通道LST反演]]的精度和[[泛化能力]]。训练样本通过基于[[物理]]的[[辐射传输模型]]和包含5810组[[全球大气廓线]]的[[数据集]]生成，并构建了[[物理信息机器学习]]框架，将经典[[物理反演模型]]的[[第一性原理]]系统融入学习流程，同时以[[辐射传输方程]]作为优化约束。全球验证表明，相较于独立方法，该框架使[[均方根误差]]降低30%。在[[极端湿度]]条件下，[[平均绝对误差]]从4.87K降至2.29K（提升53%）。横跨[[五大洲]]的[[洲际尺度]]测试证实了该模型卓越的[[泛化性能]]。 | '''中文摘要'''：基于[[遥感数据]]的[[陆表温度]]（[[LST]]）反演对于分析[[气候过程]]和[[地表能量收支]]至关重要。然而，[[LST反演]]是一个[[不适定逆问题]]，当仅能获取[[单波段数据]]时尤为严重。本文提出了一种深度融合[[机理建模]]与[[机器学习]]的框架，以提升[[单通道LST反演]]的精度和[[泛化能力]]。训练样本通过基于[[物理]]的[[辐射传输模型]]和包含5810组[[全球大气廓线]]的[[数据集]]生成，并构建了[[物理信息机器学习]]框架，将经典[[物理反演模型]]的[[第一性原理]]系统融入学习流程，同时以[[辐射传输方程]]作为优化约束。全球验证表明，相较于独立方法，该框架使[[均方根误差]]降低30%。在[[极端湿度]]条件下，[[平均绝对误差]]从4.87K降至2.29K（提升53%）。横跨[[五大洲]]的[[洲际尺度]]测试证实了该模型卓越的[[泛化性能]]。 | ||
== 摘要 == | |||
* '''原文标题'''：Efficient Formal Verification of Quantum Error Correcting Programs | |||
* '''中文标题'''：量子纠错程序的高效形式化验证 | |||
* '''发布日期'''：2025-04-10 13:28:49+00:00 | |||
* '''作者'''：Qifan Huang, Li Zhou, Wang Fang, Mengyu Zhao, Mingsheng Ying | |||
* '''分类'''：cs.PL, quant-ph | |||
*'''原文链接'''：http://arxiv.org/abs/2504.07732v1 | |||
'''中文摘要'''：[[量子纠错]]（QEC）是抑制[[量子硬件]]噪声、实现[[容错量子计算]]的基础技术。本文提出了一种高效的QEC程序验证框架：我们专门为QEC程序设计了[[断言逻辑]]和[[程序逻辑]]，并建立了可靠的[[证明系统]]。针对QEC程序的[[验证条件]]（VCs），我们开发了高效处理方法——对于[[泡利错误]]，VCs可简化为可由[[SMT求解器]]处理的经典断言；对于非泡利错误，则提供[[启发式算法]]。我们在[[Coq]]证明助手中形式化了该程序逻辑，使其成为经过验证的QEC验证器。此外，我们还实现了自动化QEC验证工具[[Veri-QEC]]，用于验证各类容错场景。通过多场景下的不同验证任务，我们证明了该框架的高效性和广泛功能性。最后，我们提供了14个已验证[[稳定子码]]的基准测试集。 | |||
2025年4月12日 (六) 00:13的版本
摘要
- 原文标题：Measurements of Higgs boson production via gluon-gluon fusion and vector-boson fusion using $H\rightarrow WW^\ast \rightarrow \ellν\ellν$ decays in $pp$ collisions with the ATLAS detector and their effective field theory interpretations
- 中文标题：利用ATLAS探测器在$pp$对撞中通过$H\rightarrow WW^\ast \rightarrow \ellν\ellν$衰变道测量希格斯玻色子胶子-胶子融合与矢量玻色子融合产生截面及其有效场论解释
- 发布日期：2025-04-10 12:15:04+00:00
- 作者：ATLAS Collaboration
- 分类：hep-ex
- 原文链接：http://arxiv.org/abs/2504.07686v1
中文摘要：摘要：通过$H\rightarrow WW^\ast \rightarrow \ell\nu\ell\nu$衰变道测量了质子-质子碰撞中胶子-胶子融合和矢量玻色子融合产生的希格斯玻色子截面。大型强子对撞机在2015至2018年间提供了质心能量为$13\,\textrm{TeV}$的质子-质子碰撞数据，由ATLAS探测器记录，对应积分亮度为$140\,\textrm{fb}^{-1}$。测得胶子-胶子融合和矢量玻色子融合产生希格斯玻色子的总截面（乘以$H\rightarrow WW^\ast$分支比）分别为$12.4^{+1.3}_{-1.2}\,\textrm{pb}$和$0.79^{+0.18}_{-0.16}\,\textrm{pb}$，与标准模型预测一致。通过简化模板截面测量，在总共十五个运动学基准区域中对希格斯玻色子产生进行了进一步表征。新引入的运动学基准区域方案增强了希格斯玻色子相互作用中CP破坏效应的探测灵敏度。两种方案均用于约束标准模型有效场论中的CP偶和CP奇六维算子。
摘要
- 原文标题：A Mechanism-Learning Deeply Coupled Model for Remote Sensing Retrieval of Global Land Surface Temperature
- 中文标题：基于机理学习深度耦合模型的全球地表温度遥感反演
- 发布日期：2025-04-10 06:19:01+00:00
- 作者：Tian Xie, Menghui Jiang, Huanfeng Shen, Huifang Li, Cao Zeng, Xiaobin Guan, Jun Ma, Guanhao Zhang, Liangpei Zhang
- 分类：physics.ao-ph, cs.LG
- 原文链接：http://arxiv.org/abs/2504.07481v1
中文摘要：基于遥感数据的陆表温度（LST）反演对于分析气候过程和地表能量收支至关重要。然而，LST反演是一个不适定逆问题，当仅能获取单波段数据时尤为严重。本文提出了一种深度融合机理建模与机器学习的框架，以提升单通道LST反演的精度和泛化能力。训练样本通过基于物理的辐射传输模型和包含5810组全球大气廓线的数据集生成，并构建了物理信息机器学习框架，将经典物理反演模型的第一性原理系统融入学习流程，同时以辐射传输方程作为优化约束。全球验证表明，相较于独立方法，该框架使均方根误差降低30%。在极端湿度条件下，平均绝对误差从4.87K降至2.29K（提升53%）。横跨五大洲的洲际尺度测试证实了该模型卓越的泛化性能。
摘要
- 原文标题：Efficient Formal Verification of Quantum Error Correcting Programs
- 中文标题：量子纠错程序的高效形式化验证
- 发布日期：2025-04-10 13:28:49+00:00
- 作者：Qifan Huang, Li Zhou, Wang Fang, Mengyu Zhao, Mingsheng Ying
- 分类：cs.PL, quant-ph
- 原文链接：http://arxiv.org/abs/2504.07732v1
中文摘要：量子纠错（QEC）是抑制量子硬件噪声、实现容错量子计算的基础技术。本文提出了一种高效的QEC程序验证框架：我们专门为QEC程序设计了断言逻辑和程序逻辑，并建立了可靠的证明系统。针对QEC程序的验证条件（VCs），我们开发了高效处理方法——对于泡利错误，VCs可简化为可由SMT求解器处理的经典断言；对于非泡利错误，则提供启发式算法。我们在Coq证明助手中形式化了该程序逻辑，使其成为经过验证的QEC验证器。此外，我们还实现了自动化QEC验证工具Veri-QEC，用于验证各类容错场景。通过多场景下的不同验证任务，我们证明了该框架的高效性和广泛功能性。最后，我们提供了14个已验证稳定子码的基准测试集。