WikiEdge:ArXiv速遞/2024-08-29

出自WikiEdge
於 2024年8月31日 (六) 13:54 由 Mingli（留言 | 貢獻） 所做的修訂 （→‎ArXiv-2408.16626v1）
跳至導覽 跳至搜尋

ArXiv-2408.16413v1

  • 標題：Chemometrics-aided Surface-enhanced Raman spectrometric detection and quantification of GH and TE hormones in blood
  • 中文標題：化學計量學輔助的表面增強拉曼光譜檢測和定量血液中的生長激素和睪酮激素
  • 發布日期：2024-08-29 10:20:32+00:00
  • 作者：Annah M. Ondieki, Zephania Birech, Kenneth A. Kaduki, Peter W. Mwangi, Moses Juma, Boniface M. Chege
  • 分類：physics.med-ph, physics.optics
  • 原文連結：http://arxiv.org/abs/2408.16413v1

摘要：這項工作探討了將表面增強拉曼光譜（SERS）與人工神經網絡（ANN）模型相結合，以檢測和定量施加於斯普拉格-道利（SD）大鼠血液中的生長激素（GH）和睪酮（TE）。使用785 nm雷射激發，從注射了GH、TE、兩種激素及未注射對照的SD大鼠血樣中記錄了SERS光譜。樣本與在蒸餾水中合成的銀納米顆粒（AgNPs）混合，塗抹在顯微鏡載玻片上並風乾。結果顯示的SERS光譜在不同激素的情況下表現出相似的特徵，強度變化揭示了在658、798、878、914、932、1064、1190、1354、1410和1658 cm-1處的特定譜帶。主成分分析（PCA）表明，圍繞1378 cm-1（所有組）、658和1614 cm-1（GH注射大鼠）等譜帶的強度變化是時間依賴的，其他譜帶則對應不同的激素組合。這些變化反映了激素注射引起的微妙生化變化。ANN模型在用不同激素濃度摻雜的血液的六個PCA得分上訓練後，顯示出高準確性，決定係數大於87.71%，均方根誤差（RMSE）值低於0.6436。注射大鼠的激素水平最初增加，隨後下降，這一趨勢得到了ELISA試劑盒的確認。儘管ELISA和SERS產生了相似的結果，但SERS提供了快速分析（約兩分鐘）、簡單的樣本準備、小樣本體積和對激素的非特異性等優勢。這表明，結合ANN模型的SERS可以用於檢測外源性運動興奮劑。這些發現擴展了SERS在運動科學、臨床診斷和生物醫學研究中的潛在應用。

ArXiv-2408.16709v1

  • 標題：Hydrogen reaction rate modeling based on convolutional neural network for large eddy simulation
  • 中文標題：氫反應速率建模基於卷積神經網絡的大渦模擬
  • 發布日期：2024-08-29 17:05:10+00:00
  • 作者：Quentin Malé, Corentin J Lapeyre, Nicolas Noiray
  • 分類：cs.CE
  • 原文連結：http://arxiv.org/abs/2408.16709v1

摘要：這篇論文建立了一個基於數據驅動的建模框架，用於稀氫（H2）-空氣反應速率的湍流反應流的大渦模擬（LES）。這特別具有挑戰性，因為H2分子的擴散速度遠快於熱量，導致燃燒速率的巨大變化、亞濾波尺度上的熱擴散不穩定性以及複雜的湍流-化學反應相互作用。我們基於數據驅動的方法利用卷積神經網絡（CNN），訓練以近似從模擬的LES數據中獲得的濾波燃燒速率。首先，計算五種不同的稀混合湍流H2-空氣火焰的直接數值模擬（DNS），每種都有獨特的全局當量比。其次，DNS快照被濾波和下採樣，以模擬LES數據。第三，訓練CNN以近似燃燒速率，作為LES標量量的函數：進展變量、局部當量比和由於濾波導致的火焰加厚。最後，評估CNN模型在訓練過程中從未見過的測試解上的表現。該模型以非常高的準確度檢索燃燒速率。它還在兩個濾波和下採樣參數以及兩個全局當量比上進行了測試，這些比率在訓練過程中未使用。對於這些插值案例，儘管這些案例未包含在訓練數據集中，模型仍以低誤差近似燃燒速率。這項先驗研究表明，所提出的數據驅動機器學習框架能夠應對建模稀混合H2-空氣燃燒速率的挑戰。這為碳中和氫燃燒系統的模擬開闢了一種新的建模範式。

ArXiv-2408.16676v1

  • 標題：Pseudogap regime of the unitary Fermi gas with lattice auxiliary-field quantum Monte Carlo in the continuum limit
  • 中文標題：單位費米氣體的偽能隙區域：在連續極限下的晶格輔助場量子蒙特卡羅研究
  • 發布日期：2024-08-29 16:23:35+00:00
  • 作者：S. Jensen, C. N. Gilbreth, Y. Alhassid
  • 分類：cond-mat.quant-gas, cond-mat.supr-con, hep-lat, nucl-th
  • 原文連結：http://arxiv.org/abs/2408.16676v1

摘要：單位費米氣體（UFG）是一個由兩種粒子（自旋-1/2）費米子組成的強關聯繫統，具有短程吸引相互作用，通常用接觸相互作用來建模，因而在不同學科中引起了廣泛關注。UFG被視為強關聯超流體的典範，已被廣泛研究，理論與實驗之間通常存在良好的一致性。然而，超流體臨界溫度$T_c$之上的偽能隙區域的範圍仍然在理論和實驗上存在爭議。在這裡，我們使用有限溫度格點輔助場量子蒙特卡羅（AFMC）方法，在固定粒子數的規範系綜中研究UFG在超流體相變過程中的熱力學性質。我們將格點AFMC結果外推到連續時間和連續極限，從而消除了先前AFMC研究中與有限填充因子相關的系統誤差。我們確定臨界溫度為$T_c=0.16(1)\, T_{F}$。對於研究的最大粒子數$N=114$，能量波動配對間隙在配對尺度溫度$T^{*}\approx 0.2\,T_F$以上被抑制。自旋易變性在$T_c$以上顯示出適度抑制，自旋間隙溫度為$T_s\approx 0.2 \,T_F$。我們還計算了自由能波動配對間隙，與能量波動間隙相比，統計誤差顯著減少，從而在有限大小系統中清晰地顯示出配對相關性的特徵。所有結果表明，偽能隙區域較窄，偽能隙特徵在溫度低於$T^{*}\approx 0.2 \, T_F$時出現。自由能間隙的統計誤差減少使得在低溫下進行外推成為可能，從而估計零溫度配對間隙$\Delta_E = 0.576(24) \, \epsilon_F$。

ArXiv-2408.16496v1

  • 標題：An automated and time efficient framework for simulation of coronary blood flow under steady and pulsatile conditions
  • 中文標題：自動化和時間高效的冠狀動脈血流模擬框架在穩態和脈動條件下的應用
  • 發布日期：2024-08-29 12:51:20+00:00
  • 作者：Guido Nannini, Simone Saitta, Luca Mariani, Riccardo Maragna, Andrea Baggiano, Saima Mushtaq, Gianluca Pontone, Alberto Redaelli
  • 分類：physics.med-ph, cs.NA, math.NA
  • 原文連結：http://arxiv.org/abs/2408.16496v1

摘要：分數流儲備（FFR）是診斷冠狀動脈疾病（CAD）的金標準。FFRCT利用計算流體動力學（CFD）通過模擬從計算機斷層掃描（CT）重建的幾何形狀中的冠狀動脈流動，非侵入性地評估FFR。然而，它面臨著計算成本和定義患者特定邊界條件（BCs）不確定性的問題。我們研究了使用時間平均的穩態邊界條件來替代脈動邊界條件，以減少計算時間，並部署了一種自適應方法來調整BCs以匹配患者臨床數據。我們從CAD患者的CT圖像中重建了133條冠狀動脈。對於每條血管，進行了侵入性FFR測量。CFD的穩態邊界條件分兩步定義：i）從臨床和圖像導出的數據中推斷出靜息邊界條件；ii）從靜息條件計算出高血流邊界條件。在模擬過程中，流量在迭代調整中，直到與患者主動脈壓力匹配。脈動邊界條件使用穩態邊界條件的收斂值進行定義。計算了特定病變的血流動力學指標，並在建議手術的患者組與未建議手術的患者組之間進行了比較。整個流程被實現為一個簡單、完全自動化的過程。穩態和脈動FFRCT顯示出強相關性（r=0.988），並與侵入性FFR相關（r=0.797）。兩種方法預測的壓力和FFRCT場之間的逐點差異分別低於0.01和0.02。兩種方法均表現出良好的診斷性能：穩態和脈動情況下的準確率分別為0.860和0.864，AUC分別為0.923和0.912。穩態邊界條件CFD的計算時間約為脈動情況的30倍更低。這項工作證明了在冠狀動脈中使用穩態邊界條件CFD計算FFRCT的可行性及其在完全自動化流程中的表現。

ArXiv-2408.16515v1

  • 標題：CanCal: Towards Real-time and Lightweight Ransomware Detection and Response in Industrial Environments
  • 中文標題：CanCal：面向工業環境的實時輕量級勒索軟體檢測與響應
  • 發布日期：2024-08-29 13:26:26+00:00
  • 作者：Shenao Wang, Feng Dong, Hangfeng Yang, Jingheng Xu, Haoyu Wang
  • 分類：cs.CR
  • 原文連結：http://arxiv.org/abs/2408.16515v1

摘要：勒索軟體攻擊已成為最重要的網絡安全威脅之一。儘管已有眾多檢測和防禦方法被提出，但現有方法在大規模工業應用中面臨兩個基本限制：不可接受的系統開銷和嚴重的警報疲勞。為了解決這些挑戰，我們提出了CanCal，一個實時且輕量級的勒索軟體檢測系統。具體而言，CanCal通過監控層選擇性地過濾可疑進程，然後進行深入的行為分析，以將勒索軟體活動與良性操作隔離，從而最小化警報疲勞，同時確保輕量級的計算和存儲開銷。在一個大規模工業環境中的實驗結果（1,761個勒索軟體樣本，約300萬事件，持續測試5個月）表明，CanCal的效果與最先進的技術相當，同時在30毫秒內實現快速推理，並在最長3秒內實現實時響應。CanCal將平均CPU利用率降低了91.04%（從6.7%降至0.6%），將峰值CPU利用率降低了76.69%（從26.6%降至6.2%），同時避免了76.50%（從3,192降至750）的安全分析師檢查工作。到本文撰寫時，CanCal已被集成到一款商業產品中，並成功部署在332萬個終端上超過一年。從2023年3月到2024年4月，CanCal成功檢測並阻止了61起勒索軟體攻擊，證明了CanCal在應對複雜勒索軟體威脅方面的有效性。

ArXiv-2408.16611v1

  • 標題：Reconciling Kubo and Keldysh Approaches to Fermi-Sea-Dependent Nonequilibrium Observables: Application to Spin Hall Current and Spin-Orbit Torque in Spintronics
  • 中文標題：論文標題翻譯成中文是：調和Kubo和Keldysh方法對費米海依賴的非平衡可觀測量的研究：在自旋電子學中對自旋霍爾電流和自旋軌道力的應用
  • 發布日期：2024-08-29 15:19:06+00:00
  • 作者：Simao M. Joao, Marko D. Petrovic, J. M. Viana Parente Lopes, Aires Ferreira, Branislav K. Nikolic
  • 分類：cond-mat.mes-hall, physics.app-ph, physics.comp-ph
  • 原文連結：http://arxiv.org/abs/2408.16611v1

摘要：量子輸運研究固體中的自旋依賴現象通常採用Kubo或Keldysh公式來描述線性響應區間的穩態密度矩陣。將其與感興趣的算符（例如自旋密度、自旋電流密度或自旋扭矩）進行跡運算，可以得到實驗可測量的期望值。對於這些局部量，這些公式要求對Template:\em Fermi面和Template:\em Fermi海量子態的多個流形進行求和。然而，文獻中關於這兩種公式在應用於同一系統時所產生的截然不同的物理現象的爭論一直存在。在這裡，我們使用具有近鄰誘導自旋軌道和磁交換效應的無限大石墨烯作為測試平台，重新審視這個問題。通過將該系統分割為半無限導體和中央活躍區域，採用Landauer兩埠量子輸運的思路，我們證明了Kubo和Keldysh方法在計算自旋霍爾電流密度和自旋軌道扭矩時在乾淨和無序極限下的Template:\em 數值精確等價性。調和這兩種方法的關鍵在於我們為以下內容開發的數值框架：(Template:\em i) 評估連接到半無限導體的Kubo（-Bastin）公式，確保連續的能量譜並避免先前計算中對現象學展寬的需求；以及 (Template:\em ii) 在Keldysh方法中對Fermi海項的正確評估，即使在無序情況下，也Template:\em 必須包括中央活躍區域的電壓降。

ArXiv-2408.16671v1

  • 標題：Desingularization of time-periodic vortex motion in bounded domains via KAM tools
  • 中文標題：時間周期渦旋運動在有界域中的去奇異化：KAM工具的應用
  • 發布日期：2024-08-29 16:20:46+00:00
  • 作者：Zineb Hassainia, Taoufik Hmidi, Emeric Roulley
  • 分類：math.AP
  • 原文連結：http://arxiv.org/abs/2408.16671v1

摘要：我們考察在一個簡單連通的有界域內的歐拉方程。單個點渦旋的動力學由哈密頓系統支配，其大多數能量水平對應於時間周期性運動。我們證明，對於單個點渦旋，在某些非退化條件下，可以將大多數這些軌跡去奇異化為時間周期性的集中渦旋斑塊。我們提供了這些非退化條件的具體例子，這些條件在包括凸域在內的廣泛類別的域中得以滿足。證明使用了納什-莫澤方案和KAM技術，靈感來源於Hassainia-Hmidi-Masmoudi關於跳躍運動的近期工作，並結合了復幾何工具。此外，我們採用渦旋複製機制來生成多個渦旋的同步時間周期性運動。這種方法可以應用於去奇異化兩個對稱偶極子（具有四個渦旋）在圓盤或矩形中的運動。根據我們的知識，這是首次結果顯示在一般簡單連通有界域內歐拉方程存在非剛性時間周期性運動。這解決了文獻中提到的一個開放問題，例如由Bartsch-Sacchet提出的。

ArXiv-2408.16678v1

  • 標題：Digital stabilization of an IQ modulator in the carrier suppressed single side-band (CS-SSB) mode for atom interferometry
  • 中文標題：數字穩定化載波抑制單邊帶模式下的IQ調製器相位偏差用於原子干涉儀
  • 發布日期：2024-08-29 16:26:17+00:00
  • 作者：Arif Ullah, Samuel Legge, John D. Close, Simon A. Haine, Ryan J. Thomas
  • 分類：physics.optics, physics.ins-det, quant-ph
  • 原文連結：http://arxiv.org/abs/2408.16678v1

摘要：我們提出了一種全數位化的方法，用於穩定電光I/Q調製器在載波抑制單邊帶調製中的相位偏差。基於S. Wald等人在《應用光學》上發表的方法（2023年，62卷，1-7頁），我們使用Red Pitaya STEMlab 125-14平台數字生成和解調一個輔助射頻信號，其與光載波的拍頻探測I/Q調製器的相位不平衡。我們實現了一種多輸入多輸出的積分反饋控制器，該控制器考慮了相位偏差中不可避免的交叉耦合，以將誤差信號鎖定在零值，確保光功率波動對相位穩定性沒有影響。我們展示了在+3.4 GHz頻率下，相對於所需邊帶，光載波的抑制超過23 dB，持續時間達到15小時，並在20°C的溫度變化範圍內保持穩定。

ArXiv-2408.16646v1

  • 標題：Study of the rare decay $J/ψ\to μ^+μ^-μ^+μ^-$
  • 中文標題：這篇論文的標題翻譯成中文是：稀有衰變 $J/ψ\to μ^+μ^-μ^+μ^-$ 的研究
  • 發布日期：2024-08-29 15:52:50+00:00
  • 作者：LHCb collaboration, R. Aaij, A. S. W. Abdelmotteleb, C. Abellan Beteta, F. Abudinén, T. Ackernley, A. A. Adefisoye, B. Adeva, M. Adinolfi, P. Adlarson, C. Agapopoulou, C. A. Aidala, Z. Ajaltouni, S. Akar, K. Akiba, P. Albicocco, J. Albrecht, F. Alessio, M. Alexander, Z. Aliouche, P. Alvarez Cartelle, R. Amalric, S. Amato, J. L. Amey, Y. Amhis, L. An, L. Anderlini, M. Andersson, A. Andreianov, P. Andreola, M. Andreotti, D. Andreou, A. Anelli, D. Ao, F. Archilli, M. Argenton, S. Arguedas Cuendis, A. Artamonov, M. Artuso, E. Aslanides, R. Ataíde Da Silva, M. Atzeni, B. Audurier, D. Bacher, I. Bachiller Perea, S. Bachmann, M. Bachmayer, J. J. Back, P. Baladron Rodriguez, V. Balagura, W. Baldini, L. Balzani, H. Bao, J. Baptista de Souza Leite, C. Barbero Pretel, M. Barbetti, I. R. Barbosa, R. J. Barlow, M. Barnyakov, S. Barsuk, W. Barter, M. Bartolini, J. Bartz, J. M. Basels, S. Bashir, G. Bassi, B. Batsukh, P. B. Battista, A. Bay, A. Beck, M. Becker, F. Bedeschi, I. B. Bediaga, N. B. Behling, S. Belin, V. Bellee, K. Belous, I. Belov, I. Belyaev, G. Benane, G. Bencivenni, E. Ben-Haim, A. Berezhnoy, R. Bernet, S. Bernet Andres, A. Bertolin, C. Betancourt, F. Betti, J. Bex, Ia. Bezshyiko, J. Bhom, M. S. Bieker, N. V. Biesuz, P. Billoir, A. Biolchini, M. Birch, F. C. R. Bishop, A. Bitadze, A. Bizzeti, T. Blake, F. Blanc, J. E. Blank, S. Blusk, V. Bocharnikov, J. A. Boelhauve, O. Boente Garcia, T. Boettcher, A. Bohare, A. Boldyrev, C. S. Bolognani, R. Bolzonella, N. Bondar, F. Borgato, S. Borghi, M. Borsato, J. T. Borsuk, S. A. Bouchiba, M. Bovill, T. J. V. Bowcock, A. Boyer, C. Bozzi, A. Brea Rodriguez, N. Breer, J. Brodzicka, A. Brossa Gonzalo, J. Brown, D. Brundu, E. Buchanan, A. Buonaura, L. Buonincontri, A. T. Burke, C. Burr, A. Butkevich, J. S. Butter, J. Buytaert, W. Byczynski, S. Cadeddu, H. Cai, A. C. Caillet, R. Calabrese, S. Calderon Ramirez, L. Calefice, S. Cali, M. Calvi, M. Calvo Gomez, P. Camargo Magalhaes, J. I. Cambon Bouzas, P. Campana, D. H. Campora Perez, A. F. Campoverde Quezada, S. Capelli, L. Capriotti, R. Caravaca-Mora, A. Carbone, L. Carcedo Salgado, R. Cardinale, A. Cardini, P. Carniti, L. Carus, A. Casais Vidal, R. Caspary, G. Casse, J. Castro Godinez, M. Cattaneo, G. Cavallero, V. Cavallini, S. Celani, D. Cervenkov, S. Cesare, A. J. Chadwick, I. Chahrour, X. Chang, M. Charles, Ph. Charpentier, E. Chatzianagnostou, C. A. Chavez Barajas, M. Chefdeville, C. Chen, S. Chen, Z. Chen, A. Chernov, S. Chernyshenko, X. Chiotopoulos, V. Chobanova, S. Cholak, M. Chrzaszcz, A. Chubykin, V. Chulikov, P. Ciambrone, X. Cid Vidal, G. Ciezarek, P. Cifra, P. E. L. Clarke, M. Clemencic, H. V. Cliff, J. Closier, C. Cocha Toapaxi, V. Coco, J. Cogan, E. Cogneras, L. Cojocariu, P. Collins, T. Colombo, M. C. Colonna, A. Comerma-Montells, L. Congedo, A. Contu, N. Cooke, I. Corredoira, A. Correia, G. Corti, J. J. Cottee Meldrum, B. Couturier, D. C. Craik, M. Cruz Torres, E. Curras Rivera, R. Currie, C. L. Da Silva, S. Dadabaev, L. Dai, X. Dai, E. Dall'Occo, J. Dalseno, C. D'Ambrosio, J. Daniel, A. Danilina, P. d'Argent, A. Davidson, J. E. Davies, A. Davis, O. De Aguiar Francisco, C. De Angelis, F. De Benedetti, J. de Boer, K. De Bruyn, S. De Capua, M. De Cian, U. De Freitas Carneiro Da Graca, E. De Lucia, J. M. De Miranda, L. De Paula, M. De Serio, P. De Simone, F. De Vellis, J. A. de Vries, F. Debernardis, D. Decamp, V. Dedu, L. Del Buono, B. Delaney, H. -P. Dembinski, J. Deng, V. Denysenko, O. Deschamps, F. Dettori, B. Dey, P. Di Nezza, I. Diachkov, S. Didenko, S. Ding, L. Dittmann, V. Dobishuk, A. D. Docheva, C. Dong, A. M. Donohoe, F. Dordei, A. C. dos Reis, A. D. Dowling, W. Duan, P. Duda, M. W. Dudek, L. Dufour, V. Duk, P. Durante, M. M. Duras, J. M. Durham, O. D. Durmus, A. Dziurda, A. Dzyuba, S. Easo, E. Eckstein, U. Egede, A. Egorychev, V. Egorychev, S. Eisenhardt, E. Ejopu, L. Eklund, M. Elashri, J. Ellbracht, S. Ely, A. Ene, E. Epple, J. Eschle, S. Esen, T. Evans, F. Fabiano, L. N. Falcao, Y. Fan, B. Fang, L. Fantini, M. Faria, K. Farmer, D. Fazzini, L. Felkowski, M. Feng, M. Feo, A. Fernandez Casani, M. Fernandez Gomez, A. D. Fernez, F. Ferrari, F. Ferreira Rodrigues, M. Ferrillo, M. Ferro-Luzzi, S. Filippov, R. A. Fini, M. Fiorini, K. L. Fischer, D. S. Fitzgerald, C. Fitzpatrick, F. Fleuret, M. Fontana, L. F. Foreman, R. Forty, D. Foulds-Holt, M. Franco Sevilla, M. Frank, E. Franzoso, G. Frau, C. Frei, D. A. Friday, J. Fu, Q. Fuehring, Y. Fujii, T. Fulghesu, E. Gabriel, G. Galati, M. D. Galati, A. Gallas Torreira, D. Galli, S. Gambetta, M. Gandelman, P. Gandini, B. Ganie, H. Gao, R. Gao, Y. Gao, Y. Gao, Y. Gao, M. Garau, L. M. Garcia Martin, P. Garcia Moreno, J. García Pardiñas, K. G. Garg, L. Garrido, C. Gaspar, R. E. Geertsema, L. L. Gerken, E. Gersabeck, M. Gersabeck, T. Gershon, Z. Ghorbanimoghaddam, L. Giambastiani, F. I. Giasemis, V. Gibson, H. K. Giemza, A. L. Gilman, M. Giovannetti, A. Gioventù, L. Girardey, P. Gironella Gironell, C. Giugliano, M. A. Giza, E. L. Gkougkousis, F. C. Glaser, V. V. Gligorov, C. Göbel, E. Golobardes, D. Golubkov, A. Golutvin, A. Gomes, S. Gomez Fernandez, F. Goncalves Abrantes, M. Goncerz, G. Gong, J. A. Gooding, I. V. Gorelov, C. Gotti, J. P. Grabowski, L. A. Granado Cardoso, E. Graugés, E. Graverini, L. Grazette, G. Graziani, A. T. Grecu, L. M. Greeven, N. A. Grieser, L. Grillo, S. Gromov, C. Gu, M. Guarise, M. Guittiere, V. Guliaeva, P. A. Günther, A. -K. Guseinov, E. Gushchin, Y. Guz, T. Gys, K. Habermann, T. Hadavizadeh, C. Hadjivasiliou, G. Haefeli, C. Haen, J. Haimberger, M. Hajheidari, G. H. Hallett, M. M. Halvorsen, P. M. Hamilton, J. Hammerich, Q. Han, X. Han, S. Hansmann-Menzemer, L. Hao, N. Harnew, M. Hartmann, S. Hashmi, J. He, F. Hemmer, C. Henderson, R. D. L. Henderson, A. M. Hennequin, K. Hennessy, L. Henry, J. Herd, P. Herrero Gascon, J. Heuel, A. Hicheur, G. Hijano Mendizabal, D. Hill, S. E. Hollitt, J. Horswill, R. Hou, Y. Hou, N. Howarth, J. Hu, J. Hu, W. Hu, X. Hu, W. Huang, W. Hulsbergen, R. J. Hunter, M. Hushchyn, D. Hutchcroft, D. Ilin, P. Ilten, A. Inglessi, A. Iniukhin, A. Ishteev, K. Ivshin, R. Jacobsson, H. Jage, S. J. Jaimes Elles, S. Jakobsen, E. Jans, B. K. Jashal, A. Jawahery, V. Jevtic, E. Jiang, X. Jiang, Y. Jiang, Y. J. Jiang, M. John, A. John Rubesh Rajan, D. Johnson, C. R. Jones, T. P. Jones, S. Joshi, B. Jost, J. Juan Castella, N. Jurik, I. Juszczak, D. Kaminaris, S. Kandybei, M. Kane, Y. Kang, C. Kar, M. Karacson, D. Karpenkov, A. Kauniskangas, J. W. Kautz, F. Keizer, M. Kenzie, T. Ketel, B. Khanji, A. Kharisova, S. Kholodenko, G. Khreich, T. Kirn, V. S. Kirsebom, O. Kitouni, S. Klaver, N. Kleijne, K. Klimaszewski, M. R. Kmiec, S. Koliiev, L. Kolk, A. Konoplyannikov, P. Kopciewicz, P. Koppenburg, M. Korolev, I. Kostiuk, O. Kot, S. Kotriakhova, A. Kozachuk, P. Kravchenko, L. Kravchuk, M. Kreps, P. Krokovny, W. Krupa, W. Krzemien, O. K. Kshyvanskyi, J. Kubat, S. Kubis, M. Kucharczyk, V. Kudryavtsev, E. Kulikova, A. Kupsc, B. K. Kutsenko, D. Lacarrere, P. Laguarta Gonzalez, A. Lai, A. Lampis, D. Lancierini, C. Landesa Gomez, J. J. Lane, R. Lane, C. Langenbruch, J. Langer, O. Lantwin, T. Latham, F. Lazzari, C. Lazzeroni, R. Le Gac, H. Lee, R. Lefèvre, A. Leflat, S. Legotin, M. Lehuraux, E. Lemos Cid, O. Leroy, T. Lesiak, B. Leverington, A. Li, C. Li, H. Li, K. Li, L. Li, P. Li, P. -R. Li, Q. Li, S. Li, T. Li, T. Li, Y. Li, Y. Li, Z. Lian, X. Liang, S. Libralon, C. Lin, T. Lin, R. Lindner, V. Lisovskyi, R. Litvinov, F. L. Liu, G. Liu, K. Liu, S. Liu, W. Liu, Y. Liu, Y. Liu, Y. L. Liu, A. Lobo Salvia, A. Loi, J. Lomba Castro, T. Long, J. H. Lopes, A. Lopez Huertas, S. López Soliño, C. Lucarelli, D. Lucchesi, M. Lucio Martinez, V. Lukashenko, Y. Luo, A. Lupato, E. Luppi, K. Lynch, X. -R. Lyu, G. M. Ma, R. Ma, S. Maccolini, F. Machefert, F. Maciuc, B. Mack, I. Mackay, L. M. Mackey, L. R. Madhan Mohan, M. J. Madurai, A. Maevskiy, D. Magdalinski, D. Maisuzenko, M. W. Majewski, J. J. Malczewski, S. Malde, L. Malentacca, A. Malinin, T. Maltsev, G. Manca, G. Mancinelli, C. Mancuso, R. Manera Escalero, D. Manuzzi, D. Marangotto, J. F. Marchand, R. Marchevski, U. Marconi, S. Mariani, C. Marin Benito, J. Marks, A. M. Marshall, L. Martel, G. Martelli, G. Martellotti, L. Martinazzoli, M. Martinelli, D. Martinez Santos, F. Martinez Vidal, A. Massafferri, R. Matev, A. Mathad, V. Matiunin, C. Matteuzzi, K. R. Mattioli, A. Mauri, E. Maurice, J. Mauricio, P. Mayencourt, J. Mazorra de Cos, M. Mazurek, M. McCann, L. Mcconnell, T. H. McGrath, N. T. McHugh, A. McNab, R. McNulty, B. Meadows, G. Meier, D. Melnychuk, F. M. Meng, M. Merk, A. Merli, L. Meyer Garcia, D. Miao, H. Miao, M. Mikhasenko, D. A. Milanes, A. Minotti, E. Minucci, T. Miralles, B. Mitreska, D. S. Mitzel, A. Modak, R. A. Mohammed, R. D. Moise, S. Mokhnenko, T. Mombächer, M. Monk, S. Monteil, A. Morcillo Gomez, G. Morello, M. J. Morello, M. P. Morgenthaler, A. B. Morris, A. G. Morris, R. Mountain, H. Mu, Z. M. Mu, E. Muhammad, F. Muheim, M. Mulder, K. Müller, F. Muñoz-Rojas, R. Murta, P. Naik, T. Nakada, R. Nandakumar, T. Nanut, I. Nasteva, M. Needham, N. Neri, S. Neubert, N. Neufeld, P. Neustroev, J. Nicolini, D. Nicotra, E. M. Niel, N. Nikitin, P. Nogarolli, P. Nogga, N. S. Nolte, C. Normand, J. Novoa Fernandez, G. Nowak, C. Nunez, H. N. Nur, A. Oblakowska-Mucha, V. Obraztsov, T. Oeser, S. Okamura, A. Okhotnikov, O. Okhrimenko, R. Oldeman, F. Oliva, M. Olocco, C. J. G. Onderwater, R. H. O'Neil, D. Osthues, J. M. Otalora Goicochea, P. Owen, A. Oyanguren, O. Ozcelik, A. Padee, K. O. Padeken, B. Pagare, P. R. Pais, T. Pajero, A. Palano, M. Palutan, G. Panshin, L. Paolucci, A. Papanestis, M. Pappagallo, L. L. Pappalardo, C. Pappenheimer, C. Parkes, B. Passalacqua, G. Passaleva, D. Passaro, A. Pastore, M. Patel, J. Patoc, C. Patrignani, A. Paul, C. J. Pawley, A. Pellegrino, J. Peng, M. Pepe Altarelli, S. Perazzini, D. Pereima, H. Pereira Da Costa, A. Pereiro Castro, P. Perret, A. Perro, K. Petridis, A. Petrolini, J. P. Pfaller, H. Pham, L. Pica, M. Piccini, B. Pietrzyk, G. Pietrzyk, D. Pinci, F. Pisani, M. Pizzichemi, V. Placinta, M. Plo Casasus, T. Poeschl, F. Polci, M. Poli Lener, A. Poluektov, N. Polukhina, I. Polyakov, E. Polycarpo, S. Ponce, D. Popov, S. Poslavskii, K. Prasanth, C. Prouve, V. Pugatch, G. Punzi, S. Qasim, Q. Q. Qian, W. Qian, N. Qin, S. Qu, R. Quagliani, R. I. Rabadan Trejo, J. H. Rademacker, M. Rama, M. Ramírez García, V. Ramos De Oliveira, M. Ramos Pernas, M. S. Rangel, F. Ratnikov, G. Raven, M. Rebollo De Miguel, F. Redi, J. Reich, F. Reiss, Z. Ren, P. K. Resmi, R. Ribatti, G. R. Ricart, D. Riccardi, S. Ricciardi, K. Richardson, M. Richardson-Slipper, K. Rinnert, P. Robbe, G. Robertson, E. Rodrigues, E. Rodriguez Fernandez, J. A. Rodriguez Lopez, E. Rodriguez Rodriguez, J. Roensch, A. Rogachev, A. Rogovskiy, D. L. Rolf, P. Roloff, V. Romanovskiy, M. Romero Lamas, A. Romero Vidal, G. Romolini, F. Ronchetti, T. Rong, M. Rotondo, S. R. Roy, M. S. Rudolph, M. Ruiz Diaz, R. A. Ruiz Fernandez, J. Ruiz Vidal, A. Ryzhikov, J. Ryzka, J. J. Saavedra-Arias, J. J. Saborido Silva, R. Sadek, N. Sagidova, D. Sahoo, N. Sahoo, B. Saitta, M. Salomoni, C. Sanchez Gras, I. Sanderswood, R. Santacesaria, C. Santamarina Rios, M. Santimaria, L. Santoro, E. Santovetti, A. Saputi, D. Saranin, A. Sarnatskiy, G. Sarpis, M. Sarpis, C. Satriano, A. Satta, M. Saur, D. Savrina, H. Sazak, L. G. Scantlebury Smead, A. Scarabotto, S. Schael, S. Scherl, M. Schiller, H. Schindler, M. Schmelling, B. Schmidt, S. Schmitt, H. Schmitz, O. Schneider, A. Schopper, N. Schulte, S. Schulte, M. H. Schune, R. Schwemmer, G. Schwering, B. Sciascia, A. Sciuccati, S. Sellam, A. Semennikov, T. Senger, M. Senghi Soares, A. Sergi, N. Serra, L. Sestini, A. Seuthe, Y. Shang, D. M. Shangase, M. Shapkin, R. S. Sharma, I. Shchemerov, L. Shchutska, T. Shears, L. Shekhtman, Z. Shen, S. Sheng, V. Shevchenko, B. Shi, Q. Shi, Y. Shimizu, E. Shmanin, R. Shorkin, J. D. Shupperd, R. Silva Coutinho, G. Simi, S. Simone, N. Skidmore, T. Skwarnicki, M. W. Slater, J. C. Smallwood, E. Smith, K. Smith, M. Smith, A. Snoch, L. Soares Lavra, M. D. Sokoloff, F. J. P. Soler, A. Solomin, A. Solovev, I. Solovyev, R. Song, Y. Song, Y. Song, Y. S. Song, F. L. Souza De Almeida, B. Souza De Paula, E. Spadaro Norella, E. Spedicato, J. G. Speer, E. Spiridenkov, P. Spradlin, V. Sriskaran, F. Stagni, M. Stahl, S. Stahl, S. Stanislaus, E. N. Stein, O. Steinkamp, O. Stenyakin, H. Stevens, D. Strekalina, Y. Su, F. Suljik, J. Sun, L. Sun, Y. Sun, D. Sundfeld, W. Sutcliffe, P. N. Swallow, F. Swystun, A. Szabelski, T. Szumlak, Y. Tan, M. D. Tat, A. Terentev, F. Terzuoli, F. Teubert, E. Thomas, D. J. D. Thompson, H. Tilquin, V. Tisserand, S. T'Jampens, M. Tobin, L. Tomassetti, G. Tonani, X. Tong, D. Torres Machado, L. Toscano, D. Y. Tou, C. Trippl, G. Tuci, N. Tuning, L. H. Uecker, A. Ukleja, D. J. Unverzagt, E. Ursov, A. Usachov, A. Ustyuzhanin, U. Uwer, V. Vagnoni, G. Valenti, N. Valls Canudas, H. Van Hecke, E. van Herwijnen, C. B. Van Hulse, R. Van Laak, M. van Veghel, G. Vasquez, R. Vazquez Gomez, P. Vazquez Regueiro, C. Vázquez Sierra, S. Vecchi, J. J. Velthuis, M. Veltri, A. Venkateswaran, M. Vesterinen, D. Vico Benet, M. Vieites Diaz, X. Vilasis-Cardona, E. Vilella Figueras, A. Villa, P. Vincent, F. C. Volle, D. vom Bruch, N. Voropaev, K. Vos, G. Vouters, C. Vrahas, J. Wagner, J. Walsh, E. J. Walton, G. Wan, C. Wang, G. Wang, J. Wang, J. Wang, J. Wang, J. Wang, M. Wang, N. W. Wang, R. Wang, X. Wang, X. Wang, X. W. Wang, Y. Wang, Z. Wang, Z. Wang, Z. Wang, J. A. Ward, M. Waterlaat, N. K. Watson, D. Websdale, Y. Wei, J. Wendel, B. D. C. Westhenry, C. White, M. Whitehead, E. Whiter, A. R. Wiederhold, D. Wiedner, G. Wilkinson, M. K. Wilkinson, M. Williams, M. R. J. Williams, R. Williams, Z. Williams, F. F. Wilson, W. Wislicki, M. Witek, L. Witola, C. P. Wong, G. Wormser, S. A. Wotton, H. Wu, J. Wu, Y. Wu, Z. Wu, K. Wyllie, S. Xian, Z. Xiang, Y. Xie, A. Xu, J. Xu, L. Xu, L. Xu, M. Xu, Z. Xu, Z. Xu, Z. Xu, D. Yang, K. Yang, S. Yang, X. Yang, Y. Yang, Z. Yang, Z. Yang, V. Yeroshenko, H. Yeung, H. Yin, C. Y. Yu, J. Yu, X. Yuan, Y Yuan, E. Zaffaroni, M. Zavertyaev, M. Zdybal, C. Zeng, M. Zeng, C. Zhang, D. Zhang, J. Zhang, L. Zhang, S. Zhang, S. Zhang, Y. Zhang, Y. Z. Zhang, Y. Zhao, A. Zharkova, A. Zhelezov, S. Z. Zheng, X. Z. Zheng, Y. Zheng, T. Zhou, X. Zhou, Y. Zhou, V. Zhovkovska, L. Z. Zhu, X. Zhu, X. Zhu, V. Zhukov, J. Zhuo, Q. Zou, D. Zuliani, G. Zunica
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2408.16646v1

摘要：觀察到稀有的電磁衰變 $J/\psi \to \mu^+\mu^-\mu^+\mu^-$，其顯著性遠超發現閾值，使用LHCb實驗在2016-2018年期間收集的質子-質子碰撞數據，中心質能量為13 TeV，對應的積分亮度為 $5.4\,\text{fb}^{-1}$。該衰變的速率相對於 $J/\psi \to \mu^+\mu^-$ 模式進行了測量。利用量子電動力學模型進行四個μ子衰變的效率估計，確定其分支比為 \begin{equation*} {\mathcal{B}}(J/\psi \to \mu^+\mu^-\mu^+\mu^-) = (1.13\pm0.10\pm0.05\pm0.01)\times 10^{-6}, \end{equation*} 其中不確定性分別為統計、不系統和由於 $J/\psi \to \mu^+\mu^-$ 衰變的分支比的不確定性。

ArXiv-2408.16654v1

  • 標題：Measurement of the Decay $Ξ^{0}\toΛγ$ with Entangled $Ξ^{0}\barΞ^{0}$ Pairs
  • 中文標題：這篇論文的標題翻譯成中文是：測量糾纏的 $Ξ^{0}\barΞ^{0}$ 對中 $Ξ^{0}\toΛγ$ 的衰變
  • 發布日期：2024-08-29 15:57:37+00:00
  • 作者：BESIII Collaboration
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2408.16654v1

摘要：在這篇信中，系統地研究了在電子-正電子對撞機中使用糾纏的$\Xi^{0}\bar{\Xi}^{0}$對事件的弱輻射超子衰變$\Xi^{0}\to\Lambda\gamma$。首次測量了該衰變的絕對分支比，結果為$\left(1.347 \pm 0.066_{\mathrm stat.}\pm0.054_{\mathrm syst.}\right)\times 10^{-3}$。衰變不對稱參數，表徵衰變中奇偶性破壞的影響，確定為$-0.741 \pm 0.062_{\mathrm stat.}\pm 0.019_{\mathrm syst.}$。所獲得的結果在不確定性範圍內與世界平均值一致，為理解弱輻射超子衰變的基本機制提供了寶貴的見解。還研究了該衰變中分支比和衰變不對稱參數的電荷共軛奇偶性（$CP$）對稱性。未觀察到電荷共軛奇偶性對稱性的統計學顯著性破壞。

ArXiv-2408.16697v1

  • 標題：Ultrathin natural biotite crystals as a dielectric layer for van der Waals heterostructure applications
  • 中文標題：超薄天然黑雲母晶體作為范德瓦爾斯異質結構應用的介電層
  • 發布日期：2024-08-29 16:46:24+00:00
  • 作者：Raphaela de Oliveira, Ana Beatriz Yoshida, Cesar Rabahi, Raul O. Freitas, Christiano J. S. de Matos, Yara Galvão Gobato, Ingrid D. Barcelos, Alisson R. Cadore
  • 分類：cond-mat.mtrl-sci, physics.app-ph
  • 原文連結：http://arxiv.org/abs/2408.16697v1

摘要：生物雲母是一種富含鐵的礦物，屬於三八面體雲母組，是一種自然豐富的層狀材料（LM），在納米器件應用中展現出吸引人的電子特性。生物雲母在環境條件下表現為一種不可降解的層狀材料，具有高質量的基面劈裂，這為范德瓦爾斯異質結構（vdWH）應用提供了顯著優勢。在本研究中，我們展示了生物雲母的微機械剝離，直到單層（1Ls），獲得了具有大面積和原子平坦表面的超薄片。為了識別和表徵該礦物，我們使用能量色散光譜映射進行了多元素分析。此外，我們還採用同步輻射紅外納米光譜技術探測其在少層形式下的振動特徵，對層數具有敏感性。我們還觀察到超薄生物雲母片在時間上的良好形態和結構穩定性（長達12個月），並且在超薄生物雲母片的熱退火過程中，其物理性質沒有發生重要變化。導電原子力顯微鏡評估了其電氣性能，揭示出約1 V/nm的電擊穿強度。最後，我們探討了生物雲母作為vdWH應用中的基底和封裝層的使用。我們在低溫下進行了光學和磁光測量。我們發現超薄生物雲母片作為1L-MoSe2的良好基底，其性能可與六方氮化硼片相媲美，但它對1L-MoSe2的g因子值產生了小的變化，這很可能是由於其晶體結構中的自然雜質。此外，我們的結果表明，生物雲母片是保護敏感層狀材料（如黑磷）在環境空氣中不被降解的有效系統，保護時間可達60天。我們的研究將生物雲母引入為一種有前景的、具有成本效益的層狀材料，推動未來超薄納米技術的發展。

ArXiv-2408.16418v1

  • 標題：Controlling Tip Vortices and Cavitation through Tip Permeability for Tidal Turbines
  • 中文標題：潮汐渦輪機葉尖滲透性對渦尖渦旋和氣蝕的控制
  • 發布日期：2024-08-29 10:24:25+00:00
  • 作者：Yabin Liu, Junchen Tan, Richard H. J. Willden, Paul Gary Tucker, Ignazio Maria Viola
  • 分類：physics.flu-dyn
  • 原文連結：http://arxiv.org/abs/2408.16418v1

摘要：刀片尖渦流會導致尾流、氣蝕和噪聲，其控制仍然是潮汐和風力渦輪機面臨的重大挑戰。在本研究中，我們提出並研究了通過局部滲透性來控制尖渦流。採用了刀片解析的雷諾平均納維-斯托克斯模擬，對一個模型尺度的水平軸渦輪機進行了研究，並經過嚴格的驗證和確認過程。渦輪機的尖速比從4.52變化到7.54。尖端滲透性通過在刀片尖端部分包含一個多孔區域來建模，在該區域內應用達西定律。結果表明，存在一個最佳的滲透性範圍，對應於約10^{-5}的無量綱達西數，可以顯著降低尖渦流強度。揭示的流動物理表明，滲透尖端處理可以有效地增大渦流粘性核心半徑，而對渦流環量的變化影響較小。隨著尖渦流強度的顯著降低，滲透尖端處理可以將渦流核心的最小壓力係數提高多達63%，這顯著減輕了由於尖渦流引起的氣蝕風險。這種方法對渦輪機的能量採集性能幾乎沒有影響，因為滲透尖端處理的跨向範圍僅為渦輪機直徑的0.1%量級。我們的研究結果表明，這種方法在突破潮汐渦輪機因氣蝕而限制的尖速比上限方面具有巨大潛力。這將有助於開發更高效和更具韌性的渦輪機。

ArXiv-2408.16469v1

  • 標題：Multi-source Domain Adaptation for Panoramic Semantic Segmentation
  • 中文標題：多源領域適應用於全景語義分割
  • 發布日期：2024-08-29 12:00:11+00:00
  • 作者：Jing Jiang, Sicheng Zhao, Jiankun Zhu, Wenbo Tang, Zhaopan Xu, Jidong Yang, Pengfei Xu, Hongxun Yao
  • 分類：cs.CV
  • 原文連結：http://arxiv.org/abs/2408.16469v1

摘要：全景語義分割最近受到廣泛關注，因為它具有全面的360度視野。然而，標註這樣的圖像相比於針孔圖像需要更多的資源。因此，許多針對全景語義分割的無監督領域適應方法應運而生，利用真實的針孔圖像或低成本的合成全景圖像。然而，僅利用真實的針孔圖像時，分割模型缺乏對全景結構的理解，而僅採用合成全景圖像時，模型又缺乏對真實場景的感知。因此，本文提出了一項新的任務——全景語義分割的多源領域適應，旨在利用源領域中的真實針孔圖像和合成全景圖像，使分割模型能夠在目標領域的未標記真實全景圖像上表現良好。此外，我們提出了全景語義分割的變形變換對齊器（DTA4PASS），該方法將源領域中的所有針孔圖像轉換為類似全景的圖像，然後將轉換後的源領域與目標領域進行對齊。具體而言，DTA4PASS由兩個主要組件組成：無配對語義變形（USM）和失真門控對齊（DGA）。首先，在USM中，語義雙視圖鑑別器（SDD）輔助訓練可微分變形網絡，使得在沒有配對全景視圖的情況下有效轉換針孔圖像。其次，DGA通過門控為每幅圖像分配針孔樣和全景樣特徵，並通過不確定性估計對這兩種特徵進行對齊。DTA4PASS在戶外和室內多源領域適應場景中分別比之前的最先進方法提高了1.92%和2.19%的性能。原始碼將會發布。

ArXiv-2408.16732v1

  • 標題：Automatic detection of Mild Cognitive Impairment using high-dimensional acoustic features in spontaneous speech
  • 中文標題：這篇論文的標題翻譯成中文是：利用高維聲學特徵自動檢測輕度認知障礙的研究
  • 發布日期：2024-08-29 17:23:43+00:00
  • 作者：Cong Zhang, Wenxing Guo, Hongsheng Dai
  • 分類：q-bio.NC, cs.SD, eess.AS, q-bio.QM
  • 原文連結：http://arxiv.org/abs/2408.16732v1

摘要：這項研究針對TAUKADIAL挑戰，重點是對患有輕度認知障礙（MCI）和神經典型對照組的人的言語進行分類。我們進行了三項實驗，比較了五種機器學習方法：隨機森林、稀疏邏輯回歸、k近鄰、稀疏支持向量機和決策樹，利用使用openSMILE自動提取的1076個聲學特徵。在實驗1中，使用整個數據集訓練了一個語言無關的模型。實驗2引入了語言檢測步驟，導致對每種語言進行單獨模型訓練。實驗3進一步增強了實驗1中的語言無關模型，特別關注使用樣本外測試數據評估模型的魯棒性。在所有三項實驗中，結果一致支持能夠處理高維數據的模型，如隨機森林和稀疏邏輯回歸，在分類MCI和對照組的言語方面表現優越。

ArXiv-2408.16314v1

  • 標題：ResVG: Enhancing Relation and Semantic Understanding in Multiple Instances for Visual Grounding
  • 中文標題：ResVG：增強多實例視覺定位中的關係和語義理解
  • 發布日期：2024-08-29 07:32:01+00:00
  • 作者：Minghang Zheng, Jiahua Zhang, Qingchao Chen, Yuxin Peng, Yang Liu
  • 分類：cs.CV, I.2
  • 原文連結：http://arxiv.org/abs/2408.16314v1

摘要：視覺定位旨在根據自然語言查詢在圖像中定位所指的對象。儘管最近取得了一些進展，但在多個實例干擾（與目標同類的多個對象）中準確定位目標對象仍然是一個重大挑戰。現有方法在圖像中存在多個干擾物時表現出顯著的性能下降，表明對對象之間細粒度語義和空間關係的理解不足。本文提出了一種新穎的方法，即關係和語義敏感視覺定位（ResVG）模型，以解決這一問題。首先，我們通過將從文本查詢中提取的語義先驗信息注入模型，增強模型對細粒度語義的理解。這是通過利用文本到圖像生成模型生成表示查詢中描述的目標對象語義屬性的圖像來實現的。其次，我們通過引入一種關係敏感的數據增強方法來解決缺乏多個干擾樣本的問題。該方法通過合成包含同類多個對象的圖像和基於其空間關係的偽查詢來生成額外的訓練數據。所提出的ReSVG模型顯著提高了模型理解對象語義和空間關係的能力，從而在視覺定位任務中，特別是在存在多個實例干擾的場景中，提升了性能。我們在五個數據集上進行了廣泛的實驗，以驗證我們方法的有效性。代碼可在[[1]]獲取。

ArXiv-2408.16693v1

  • 標題：Gibbs free energies of Fe clusters can be approximated by Tolman correction to accurately model cluster nucleation and growth
  • 中文標題：鐵簇的吉布斯自由能可以通過托爾曼修正進行近似，以準確模擬簇的成核和生長
  • 發布日期：2024-08-29 16:41:43+00:00
  • 作者：Alexander Khrabry, Louis E. S. Hoffenberg, Igor D. Kaganovich, Yuri Barsukov, David B. Graves
  • 分類：cond-mat.mtrl-sci, physics.chem-ph, physics.comp-ph
  • 原文連結：http://arxiv.org/abs/2408.16693v1

摘要：準確的鐵簇吉布斯自由能對於預測冷凝蒸氣中鐵簇的生長至關重要。我們提出了一種簡單的方法，通過分子動力學（MD）模擬提供的數據來計算簇形成的自由能。我們應用該方法計算了含有2到100個原子的鐵簇的自由能。通過與亞飽和蒸氣中MD模擬的平衡簇大小分布進行比較，我們驗證了這些自由能。我們展示了這些自由能與常用的球形簇近似值有顯著差異，後者依賴於平面表面的表面張力係數。通過使用依賴於簇大小的Tolman修正，可以改善球形簇近似。我們推導出的Tolman長度和有效表面張力的值與基於勢能的常用實驗測量表面張力不同。這種改進的近似方法沒有考慮幾何魔數效應，這些效應導致鄰近簇大小的密度出現峰值和谷值。儘管如此，它仍然能夠模擬冷凝蒸氣中的簇形成，並準確再現冷凝時間線、簇大小分布的整體形狀、平均簇大小和分布寬度。使用常數表面張力係數導致冷凝動力學失真和不準確的簇大小分布。經典成核理論（CNT）中簇成核速率的解析表達式已更新，以考慮簇表面張力的大小依賴性。

ArXiv-2408.16626v1

  • 標題：A Score-based Generative Solver for PDE-constrained Inverse Problems with Complex Priors
  • 中文標題：一種基於分數的生成求解器用於具有複雜先驗的偏微分方程約束逆問題
  • 發布日期：2024-08-29 15:34:35+00:00
  • 作者：Yankun Hong, Harshit Bansal, Karen Veroy
  • 分類：cs.CE, math.OC, 35R30, 62F15, 62G05
  • 原文連結：http://arxiv.org/abs/2408.16626v1

摘要：在逆向估計基於偏微分方程（PDE）建模的系統時，估計高維（甚至無限維）參數會面臨挑戰。通常，這類問題的不適定性要求利用先驗信息以實現適定性。在大多數現有的逆向求解器中，先驗分布被假設為高斯或拉普拉斯形式，這在許多實際場景中是一種過於簡化的假設。如果先驗複雜且似然模型計算代價高（例如，由於昂貴的前向模型），從這種後驗中抽樣可能在計算上不可行，尤其是當未知參數是高維時。在本研究中，為了高效抽樣，我們提出了一種基於分數的擴散模型，該模型將基於分數的生成抽樣工具與由隨機微分方程驅動的加噪和去噪過程相結合。該工具用於根據後驗分布進行迭代樣本生成，同時學習和利用給定複雜先驗中固有的信息和約束。我們提出了一種時間變化的時間調度，以使該方法適應後驗抽樣。為了加速非參數化PDE的模擬並增強泛化能力，我們引入了一種物理信息卷積神經網絡（CNN）作為前向模型的替代。最後，數值實驗，包括超彈性問題和多尺度力學問題，證明了所提方法的有效性。特別是，基於分數的擴散模型與物理信息CNN替代相結合，有效地從提供的先驗樣本中學習幾何特徵，產生比現有最先進技術更好的逆向估計結果。

ArXiv-2408.16281v1

  • 標題：Exploring the $ Ω^- $ spectrum in lattice QCD
  • 中文標題：探索 $ \Omega^- $ 谷譜的格點 QCD 研究
  • 發布日期：2024-08-29 06:20:12+00:00
  • 作者：Liam Hockley, Waseem Kamleh, Derek Leinweber, Anthony Thomas
  • 分類：hep-lat
  • 原文連結：http://arxiv.org/abs/2408.16281v1

摘要：我們呈現了對 Ω-重子譜的探索性格點量子色動力學（lattice QCD）分析。通過在相關矩陣分析中使用平滑的三夸克算符，我們報告了 $ J^P = 1/2^\pm,\, 3/2^\pm $ 譜的基態、第一激發態和第二激發態的質量，涵蓋了廣泛的輕夸克質量範圍。我們調查了在格點上觀察到的態的宇稱和自旋量子數，試圖將其與實驗中遇到的共振相協調。我們發現，粒子數據組報告的 $ \Omega^-(2012) $ 對應於兩個重疊的共振，具有 $ J^P = 1/2^- $ 和 $ 3/2^- $。我們還提出了高能共振的量子數分配，並識別了譜中的連續徑向激發。

ArXiv-2408.16564v1

  • 標題：Human-Inspired Audio-Visual Speech Recognition: Spike Activity, Cueing Interaction and Causal Processing
  • 中文標題：人類啟發的音視頻語音識別：脈衝活動、提示交互與因果處理
  • 發布日期：2024-08-29 14:30:56+00:00
  • 作者：Qianhui Liu, Jiadong Wang, Yang Wang, Xin Yang, Gang Pan, Haizhou Li
  • 分類：cs.MM, cs.SD, eess.AS
  • 原文連結：http://arxiv.org/abs/2408.16564v1

摘要：人類自然地進行視聽語音識別（AVSR），通過整合聽覺和視覺信息來增強準確性和魯棒性。脈衝神經網絡（SNNs）模仿大腦的信息處理機制，非常適合模擬人類的AVSR能力。儘管它們具有潛力，但關於SNN在AVSR中的研究仍然稀缺，現有的大多數視聽多模態方法主要集中在物體或數字識別上。這些模型僅僅整合來自兩種模態的特徵，忽視了它們獨特的特性和相互作用。此外，它們通常依賴未來信息進行當前處理，這增加了識別延遲並限制了實時應用。受到人類語音感知的啟發，本文提出了一種新的人類啟發式SNN，稱為HI-AVSNN，用於AVSR，結合了三個關鍵特性：提示交互、因果處理和脈衝活動。對於提示交互，我們提出了一種視覺提示聽覺注意模塊（VCA2M），利用視覺提示引導注意力到聽覺特徵上。我們通過將SNN的時間維度與視覺和聽覺特徵的時間維度對齊，並應用時間掩蔽，僅利用過去和當前信息，從而實現因果處理。為了實現脈衝活動，除了使用SNN外，我們還利用事件相機捕捉唇部運動作為脈衝，模仿人類視網膜並提供高效的視覺數據。我們在一個結合DVS-Lip數據集及其對應音頻樣本的視聽語音識別數據集上評估了HI-AVSNN。實驗結果表明，我們提出的融合方法優於現有的視聽SNN融合方法，並在唯一現有的基於SNN的AVSR方法上實現了2.27%的準確率提升。

ArXiv-2408.16555v1

  • 標題：Android Malware Detection Based on RGB Images and Multi-feature Fusion
  • 中文標題：Android惡意軟體檢測基於RGB圖像和多特徵融合
  • 發布日期：2024-08-29 14:18:54+00:00
  • 作者：Zhiqiang Wang, Qiulong Yu, Sicheng Yuan
  • 分類：cs.CR, cs.LG
  • 原文連結：http://arxiv.org/abs/2408.16555v1

摘要：隨著智慧型手機的廣泛應用，Android惡意軟體已成為行動裝置安全領域的一項重大挑戰。目前的Android惡意軟體檢測方法通常依賴特徵工程來構建動態或靜態特徵，然後用於學習。然而，基於靜態特徵的方法在應對代碼混淆、打包和簽名技術方面存在困難，而基於動態特徵的方法則涉及耗時的特徵提取。基於圖像的Android惡意軟體檢測方法對惡意軟體變種和多態惡意軟體具有更好的抗性。本文提出了一種基於RGB圖像和多特徵融合的端到端Android惡意軟體檢測技術。該方法涉及從APK文件中提取Dalvik可執行文件（DEX）、AndroidManifest.xml文件和API調用，將它們轉換為灰度圖像，並使用Canny邊緣檢測、直方圖均衡化和自適應閾值技術增強其紋理特徵。這些灰度圖像隨後被組合成一個包含多特徵融合信息的RGB圖像，並使用主流圖像分類模型進行Android惡意軟體檢測。大量實驗表明，所提出的方法有效捕捉了Android惡意軟體的特徵，準確率高達97.25%，優於僅依賴DEX文件作為分類特徵的現有檢測方法。此外，消融實驗驗證了在所提方法中使用這三種關鍵文件進行特徵表示的有效性。

ArXiv-2408.16400v1

  • 標題：Outside the Comfort Zone: Analysing LLM Capabilities in Software Vulnerability Detection
  • 中文標題：論文標題翻譯成中文是：走出舒適區：分析大型語言模型在軟體漏洞檢測中的能力
  • 發布日期：2024-08-29 10:00:57+00:00
  • 作者：Yuejun Guo, Constantinos Patsakis, Qiang Hu, Qiang Tang, Fran Casino
  • 分類：cs.CR
  • 原文連結：http://arxiv.org/abs/2408.16400v1

摘要：隨著自動化和更快的開發生命周期推動軟體生產的顯著增加，相應地，軟體漏洞也激增。與此同時，軟體漏洞檢測的不斷演變，突顯了從傳統方法向機器學習和大型語言模型（LLMs）的轉變，提供了巨大的機會，但也帶來了資源需求高的計算成本。本文通過測試模型在網絡安全任務中的潛力，深入分析了LLMs在原始碼漏洞檢測中的能力。我們評估了六個專門訓練用於漏洞檢測的開源模型與六個通用LLMs的性能，其中三個模型在我們編制的數據集上進行了進一步的微調。我們的數據集以及五個最先進的基準數據集被用於創建一個管道，以利用二元分類任務，即將代碼分類為易受攻擊和非易受攻擊。研究結果顯示，在基準測試中的分類準確性存在顯著差異，揭示了微調在增強小型LLMs的檢測能力方面對其大型對應物的關鍵影響，但僅限於它們所訓練的特定場景。進一步的實驗和分析還強調了當前基準數據集存在的問題，特別是關於錯誤標記及其對模型訓練和性能的影響，這引發了對當前實踐狀態的擔憂。我們還討論了該領域的未來，建議改進模型訓練和數據集策劃的策略。

ArXiv-2408.16309v1

  • 標題：First-order deformations of freely generated vertex algebras
  • 中文標題：自由生成的頂點代數的一階變形
  • 發布日期：2024-08-29 07:16:07+00:00
  • 作者：Vladimir Kovalchuk, Fei Qi
  • 分類：math.QA, hep-th
  • 原文連結：http://arxiv.org/abs/2408.16309v1

摘要：我們解決了如何對任何由正權重的齊次元素自由生成的分級限制頂點代數 V 進行一階頂點代數變形分類的問題。我們通過計算由 Yi-Zhi Huang 構造的第二同調 [[H^2_{1/2}(V, V)]] 來進行研究。我們從兩個生成元的余環開始，表明其同調類完全由其奇異部分決定。為了將余環擴展到 V 中的任意一對元素，我們採用生成函數的方法，制定余環方程，並表明所有的補充解都是余邊界。然後，我們使用一個非常一般的程序來構造一個特定的解。該程序適用於不是自由生成的頂點代數。作為附帶結果，我們表明 [[H^2_{1/2}(V, V)]] = H^2_\infty(V, V)。利用這些結果，我們明確確定了普遍 Virasoro VOA Vir_c、普遍仿射 VOA [[V^l(\mathfrak{g})]]、海森堡 VOA [[V^l(\mathfrak{h})]] 和普遍 Zamolodchikov VOA W_3^c 的一階變形。

ArXiv-2408.16661v1

  • 標題：Eigen-Cluster VIS: Improving Weakly-supervised Video Instance Segmentation by Leveraging Spatio-temporal Consistency
  • 中文標題：Eigen-Cluster VIS: 通過利用時空一致性改善弱監督視頻實例分割
  • 發布日期：2024-08-29 16:05:05+00:00
  • 作者：Farnoosh Arefi, Amir M. Mansourian, Shohreh Kasaei
  • 分類：cs.CV
  • 原文連結：http://arxiv.org/abs/2408.16661v1

摘要：視頻實例分割（VIS）方法的性能隨著變壓器網絡的出現顯著提高。然而，這些網絡在訓練過程中常常面臨高標註成本的挑戰。為了解決這個問題，已經開發了無監督和弱監督的方法，以減少對標註的依賴。本研究提出了一種新穎的弱監督方法，稱為Eigen-cluster VIS，該方法在不需要任何掩膜標註的情況下，達到了與其他VIS方法相當的準確性。該方法基於兩個關鍵創新：時間特徵值損失（TEL）和剪輯級質量聚類係數（QCC）。TEL通過利用從圖鄰接矩陣導出的拉普拉斯矩陣的特徵值，確保時間一致性。通過最小化相鄰幀特徵值之間的平均絕對誤差（MAE），該損失函數促進了平滑過渡和穩定的分割邊界，減少了時間不連續性，提高了整體分割質量。QCC採用K均值方法，確保時空聚類的質量，而不依賴於真實標註掩膜。使用Davies-Bouldin分數，QCC提供了一種無監督的特徵區分度量，使模型能夠自我評估並適應不同的物體分布，從而增強測試階段的魯棒性。這些增強措施計算效率高且簡單明了，在沒有額外標註數據的情況下提供了顯著的性能提升。所提出的Eigen-Cluster VIS方法在YouTube-VIS 2019/2021和OVIS數據集上進行了評估，證明它有效縮小了全監督和弱監督VIS方法之間的性能差距。代碼可在：[2](https://github.com/farnooshar/EigenClusterVIS) 獲取。

ArXiv-2408.16723v1

  • 標題：Data-driven reduced order modeling of a two-layer quasi-geostrophic ocean model
  • 中文標題：數據驅動的兩層准地轉海洋模型降階建模
  • 發布日期：2024-08-29 17:16:06+00:00
  • 作者：Lander Besabe, Michele Girfoglio, Annalisa Quaini, Gianluigi Rozza
  • 分類：math.NA, cs.NA, physics.flu-dyn
  • 原文連結：http://arxiv.org/abs/2408.16723v1

摘要：兩層准地轉方程（2QGE）是一個簡化模型，用於描述分層、風驅動海洋的動力學，涉及潛在渦度和流函數。由於典型計算域的大小以及捕捉湍流尺度全譜所需的高解析度，其數值模擬面臨著高計算成本。在本文中，我們提出了一種數據驅動的降階模型（ROM），該模型大幅減少了預測海洋動力學的計算時間，尤其是在存在可變物理參數的情況下。我們的ROM的主要構建模塊是：i）適當正交分解（POD）和ii）長短期記憶（LSTM）遞歸神經網絡。我們從高解析度模擬中收集快照數據，涵蓋感興趣時間區間的部分時間段和給定參數值（在可變參數的情況下）。POD被應用於每個場變量，以提取主導模式，並為每個變量訓練與快照相關的模態係數的LSTM模型。然後，訓練好的LSTM模型預測感興趣時間區間的其餘部分的模態係數以及新的參數值。為了說明我們的POD-LSTM ROM的預測性能及其相應的時間節省，我們考慮了所謂的雙渦風強迫測試的擴展。我們展示了POD-LSTM ROM在預測時間平均場和時間依賴量（模態係數、渦度和動能）方面的準確性，即使僅保留系統的10-20%的奇異值能量。與基於有限體積的全階方法相比，預測的計算速度提升約為1E+07。

ArXiv-2408.16388v1

  • 標題：Efficient Compression of Redshift-Space Distortion Data for Late-Time Modified Gravity Models
  • 中文標題：高紅移空間畸變數據的有效壓縮：針對晚期修改引力模型
  • 發布日期：2024-08-29 09:50:31+00:00
  • 作者：Yo Toda, Adrià Gómez-Valent, Kazuya Koyama
  • 分類：astro-ph.CO, gr-qc
  • 原文連結：http://arxiv.org/abs/2408.16388v1

摘要：當前的宇宙學觀測允許存在與標準大尺度結構生長的偏差。這些偏差可能表明在宇宙尺度上對廣義相對論的修改，或者暗能量的動態特性。以模型無關的方式表徵這些偏離是重要的，以客觀理解其意義，並更廣泛地探索其基本原因。本文將紅移空間畸變數據的信息壓縮為2-3個參數$\mu_i$，這些參數控制在晚期宇宙中多個紅移區間內，泊松方程中的有效引力耦合與牛頓常數之間的比率。我們使用來自暗能量光譜儀（DESI）的模擬最終年數據測試這種壓縮的效率，並考慮三種不同的有效場論暗能量模型。通過對數據的直接擬合和將壓縮參數投影到模型參數上獲得的這些模型參數的約束完全一致，證明了該方法的良好性能。然後，我們將其應用於當前數據，發現宇宙中物質生長被抑制的跡象，置信水平約為$\sim 2.7\sigma$，與文獻中的先前研究完全一致。最後，我們對DESI數據進行了預測，顯示在$z<1$時參數$\mu_1$和$1<z<3$時參數$\mu_2$的不確定性預計將分別減少約$40\%$和$20\%$，與當前數據獲得的結果相比。此外，我們將這些預測約束投影到上述模型的參數上。

ArXiv-2408.16707v1

  • 標題：Enhanced forecasting of stock prices based on variational mode decomposition, PatchTST, and adaptive scale-weighted layer
  • 中文標題：增強基於變分模態分解、PatchTST和自適應尺度加權層的股票價格預測
  • 發布日期：2024-08-29 17:00:47+00:00
  • 作者：Xiaorui Xue, Shaofang Li, Xiaonan Wang
  • 分類：cs.LG, eess.SP
  • 原文連結：http://arxiv.org/abs/2408.16707v1

摘要：近年來股指價格的顯著波動凸顯了準確預測的關鍵需求，以指導投資和金融策略。本研究提出了一種新穎的複合預測框架，集成了變分模態分解（VMD）、PatchTST和自適應尺度加權層（ASWL），以應對這些挑戰。利用2000年至2024年間四個主要股指（SP500、DJI、SSEC和FTSE）的數據集，所提出的方法首先使用VMD將原始價格序列分解為內在模態函數（IMFs）。然後，使用PatchTST對每個IMF進行建模，以有效捕捉時間模式。ASWL模塊被應用於整合尺度信息，從而提高預測準確性。最終預測是通過聚合所有IMF的預測結果得出的。VMD-PatchTST-ASWL框架在預測準確性方面顯示出顯著的改善，相較於傳統模型在不同指數上表現出強大的性能。這種創新方法為股指價格預測提供了強有力的工具，具有在各種金融分析和投資決策背景下的潛在應用。

ArXiv-2408.16605v1

  • 標題：Subspace Representation Learning for Sparse Linear Arrays to Localize More Sources than Sensors: A Deep Learning Methodology
  • 中文標題：稀疏線性陣列的子空間表示學習：一種深度學習方法以定位比傳感器更多的源
  • 發布日期：2024-08-29 15:14:52+00:00
  • 作者：Kuan-Lin Chen, Bhaskar D. Rao
  • 分類：eess.SP, cs.LG
  • 原文連結：http://arxiv.org/abs/2408.16605v1

摘要：本論文提出了一種新穎的方法，通過樣本協方差估計稀疏線性陣列（SLA）的共陣列子空間，以實現比傳感器更多的源定位。我們的方法訓練深度神經網絡（DNN）學習對基選擇不變的信號和噪聲子空間表示。為了學習這樣的表示，我們提出了衡量期望子空間與估計子空間之間分離度的損失函數。特別地，我們提出了測量在Grassmann聯合體上視為子空間之間最短路徑長度的損失，並證明DNN可以逼近信號子空間。通過一種稱為一致秩採樣的新批量採樣策略，加速了學習不同維度子空間的計算。由於其幾何無關性和數據驅動特性，該方法對陣列缺陷具有魯棒性。此外，我們提出了一種完全端到端的無網格方法，直接學習角度，以研究繞過子空間方法的可能性。數值結果表明，學習這樣的子空間表示比學習協方差或角度更具優勢。在廣泛的信噪比（SNR）、快照和源數量下，它優於傳統的基於半正定規劃（SDP）的方法，如稀疏和參數化方法（SPA）以及現有的基於DNN的協方差重建方法，適用於完美和不完美陣列。

ArXiv-2408.16380v1

  • 標題：Exploiting temporal information to detect conversational groups in videos and predict the next speaker
  • 中文標題：利用時間信息檢測視頻中的對話組並預測下一個發言者
  • 發布日期：2024-08-29 09:41:36+00:00
  • 作者：Lucrezia Tosato, Victor Fortier, Isabelle Bloch, Catherine Pelachaud
  • 分類：cs.CV
  • 原文連結：http://arxiv.org/abs/2408.16380v1

摘要：在人際互動的研究中，引入了F formation的概念，以描述參與者在社交互動中的空間排列。本文有兩個目標：一是檢測視頻序列中的F formation，二是預測小組對話中的下一個發言者。所提出的方法利用時間信息和視頻序列中的人類多模態信號。特別地，我們依賴於測量人們的參與度作為群體歸屬的特徵。我們的方法使用遞歸神經網絡，即長短期記憶網絡（LSTM），來預測在對話小組中誰將發言。對MatchNMingle數據集的實驗顯示，在群體檢測中獲得了85%的真陽性率，在預測下一個發言者中達到了98%的準確率。

ArXiv-2408.16254v1

  • 標題：EvLight++: Low-Light Video Enhancement with an Event Camera: A Large-Scale Real-World Dataset, Novel Method, and More
  • 中文標題：EvLight++：基於事件相機的低光視頻增強：一個大規模真實世界數據集、創新方法及更多
  • 發布日期：2024-08-29 04:30:31+00:00
  • 作者：Kanghao Chen, Guoqiang Liang, Hangyu Li, Yunfan Lu, Lin Wang
  • 分類：cs.CV
  • 原文連結：http://arxiv.org/abs/2408.16254v1

摘要：事件相機在低光視頻增強方面具有顯著優勢，主要得益於其高動態範圍。然而，目前的研究受到缺乏大規模、真實世界和時空對齊的事件-視頻數據集的嚴重限制。為了解決這個問題，我們引入了一個大規模數據集，包含超過30,000對在不同光照條件下捕獲的幀和事件。該數據集是通過一個機器人手臂在一致的非線性軌跡上採集的，空間對齊精度達到0.03毫米，90%的數據集的時間對齊誤差低於0.01秒。基於該數據集，我們提出了**EvLight++**，一種新穎的事件引導低光視頻增強方法，旨在在真實場景中實現穩健的性能。首先，我們設計了一個多尺度整體融合分支，以整合來自圖像和事件的結構和紋理信息。為了應對區域光照和噪聲的變化，我們引入了信噪比（SNR）引導的區域特徵選擇，增強高SNR區域的特徵，並通過提取事件的結構信息來增強低SNR區域的特徵。為了結合時間信息並確保時間一致性，我們進一步在整個流程中引入了遞歸模塊和時間損失。在我們和合成SDSD數據集上的廣泛實驗表明，EvLight++在單圖像和基於視頻的方法上分別顯著提高了1.37 dB和3.71 dB。為了進一步探索其在下游任務（如語義分割和單目深度估計）中的潛力，我們通過與基礎模型的細緻注釋工作添加偽分割和深度標籤擴展了我們的數據集。在多樣的低光場景下的實驗表明，增強結果在語義分割中實現了15.97%的mIoU提升。

取自「http://zh.wikiedge.org/index.php?title=WikiEdge:ArXiv速递/2024-08-29&oldid=131」