WikiEdge:ArXiv速遞/2025-03-23
摘要
- 原文標題：SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation
- 中文標題：SNRAware：基於信噪比單元訓練和G因子圖增強的改進型深度學習MRI去噪方法
- 發布日期：2025-03-23 18:16:36+00:00
- 作者：Hui Xue, Sarah M. Hooper, Iain Pierce, Rhodri H. Davies, John Stairs, Joseph Naegele, Adrienne E. Campbell-Washburn, Charlotte Manisty, James C. Moon, Thomas A. Treibel, Peter Kellman, Michael S. Hansen
- 分類：physics.med-ph, cs.AI, cs.CV, eess.IV
- 原文鏈接：http://arxiv.org/abs/2503.18162v1
中文摘要：摘要：本研究旨在開發並評估一種新型深度學習MRI去噪方法，該方法利用重建過程中的定量噪聲分布信息來提升去噪性能與泛化能力。這項回顧性研究基於3T場強下獲取的96,605例心臟回顧性門控電影復序列（共2,885,236幅圖像）的大規模數據集，採用兩種骨幹架構訓練了14種不同的Transformer和卷積模型。提出的SNRAware訓練方案通過模擬大規模、高質量且多樣化的合成數據集，並向模型提供噪聲分布的定量信息，利用MRI重建過程的知識來提升去噪性能。在3000個樣本的保留測試集上進行了分布內測試，使用PSNR和SSIM指標評估性能，並與未採用噪聲增強的消融實驗進行對比。分布外測試則在1.5T場強下獲取的心臟實時電影、首過心臟灌注、神經及脊柱MRI上進行，以驗證模型跨成像序列、動態對比度變化、不同解剖結構和場強的泛化能力。分布內測試中的最佳模型在分布外樣本上表現出良好泛化性，分別為實時電影和灌注成像帶來6.5倍和2.9倍的CNR提升。此外，僅使用心臟電影數據訓練的模型對T1MPRAGE神經3D掃描和T2TSE脊柱MRI也展現出優秀泛化性能。
摘要
- 原文標題：Approximation Schemes for k-Subset Sum Ratio and Multiway Number Partitioning Ratio
- 中文標題：k-子集和比率與多路數字劃分比率的近似方案
- 發布日期：2025-03-23 23:33:28+00:00
- 作者：Sotiris Kanellopoulos, Giorgos Mitropoulos, Antonis Antonopoulos, Nikos Leonardos, Aris Pagourtzis, Christos Pergaminelis, Stavros Petsalakis, Kanellos Tsitouras
- 分類：cs.DS, F.2.2
- 原文鏈接：http://arxiv.org/abs/2503.18241v1
中文摘要：子集和比率問題（SSR）要求在給定多重正整數集$A$的情況下，找到$A$的兩個不相交子集，使其和的最大值與最小值之比最小化。本文研究SSR的$k$維推廣版本——$k$-子集和比率問題（$k$-SSR），該問題旨在最小化$A$的$k$個不相交子集和的最大值與最小值之比。我們提出了一個時間複雜度為$O({n^{2k}}/{\varepsilon^{k-1}})$的近似方案，其中$n=|A|$，$\varepsilon$為誤差參數。據我們所知，這是首個針對固定$k>2$的$k$-SSR問題的完全多項式時間近似方案（FPTAS）。 我們還為$k$路數字劃分比率問題（$k$-PART）設計了一個FPTAS，該問題與$k$-SSR的區別在於要求$k$個子集必須構成$A$的一個劃分。我們提出了一個更複雜的FPTAS，同樣達到$O({n^{2k}}/{\varepsilon^{k-1}})$的時間複雜度。值得注意的是，$k$-PART問題等同於具有相同估值函數的最小嫉妒比率問題，該問題在不可分割物品的公平分配領域已有研究。在限定相同估值條件下，我們的FPTAS相較於Nguyen和Rothe提出的針對所有加性估值、時間複雜度為$O(n^{4k^2+1}/\varepsilon^{2k^2})$的最小嫉妒比率FPTAS，實現了顯著改進。 最後，我們為$k$-SSR提出了第二個FPTAS，該方案通過精心設計調用第一個FPTAS，將時間複雜度優化至$\widetilde{O}(n/{\varepsilon^{3k-1}})$，從而在$n\gg 1/ \varepsilon$時具有更高的計算效率。
摘要
- 原文標題：Cost-effective multi-fidelity strategy for the optimization of high-Reynolds number turbine flows guided by LES
- 中文標題：基於大渦模擬指導的高雷諾數渦輪流動優化的經濟型多精度策略
- 發布日期：2025-03-23 08:14:18+00:00
- 作者：Camille Matar, Paola Cinnella, Xavier Gloerfelt
- 分類：physics.flu-dyn, physics.comp-ph
- 原文鏈接：http://arxiv.org/abs/2503.17977v1
中文摘要：摘要：本文提出了一種針對高雷諾數流動的成本效益型多目標形狀優化策略，該流動涉及邊界層轉捩、激波相互作用和湍流尾跡等複雜現象。雷諾平均Navier-Stokes（RANS）模型難以準確捕捉這些流動特徵，因此需要採用大渦模擬（LES）等高保真方法。然而在高雷諾數條件下，LES的計算成本過高，難以直接用於優化設計。為此，我們採用奇異值分解（SVD）建立低維設計空間表徵，並構建融合壁面解析LES（WRLES）與RANS的多保真協同克里金（MFK）代理模型。通過在有限計算資源內（少於10個LES樣本）採用自適應填充準則，實現了代理模型的策略性增強。該方法被應用於優化有機朗肯循環（ORC）中超音速渦輪葉柵（工作雷諾數約10^6）。研究表明：雖然在最優區域附近RANS-LES相關性減弱，但MFK模型優於基於相同LES數據的單保真克里金（SFK）模型，有效融合了豐富的低保真數據和稀缺的高保真數據。RANS能準確預測全局目標函數趨勢但無法解析關鍵流動特徵，而MFK模型則能捕捉LES揭示的精細幾何趨勢。損失分析表明：LES對於識別性能損害機制至關重要，而僅依賴RANS的優化會導致次優設計。
摘要
- 原文標題：Charge-dependent nucleon-nucleon interaction at N$^3$LO in nuclear lattice effective field theory
- 中文標題：核格點有效場理論中N$^3$LO階電荷依賴的核子-核子相互作用
- 發布日期：2025-03-23 10:34:18+00:00
- 作者：Chengxin Wu, Teng Wang, Bing-Nan Lu, Ning Li
- 分類：nucl-th, hep-lat, hep-ph, nucl-ex
- 原文鏈接：http://arxiv.org/abs/2503.18017v1
中文摘要：核格點有效場論（NLEFT）是解決核多體問題的有效工具，該方法以高精度格點手征相互作用為輸入，通過量子蒙特卡洛技術計算核低能可觀測量。本研究首次在格點上構建了完整考慮同位旋破缺效應的次次次領頭階（N³LO）手征力，重點研究電荷無關性破缺（CIB）和電荷對稱性破缺（CSB）效應。具體而言，我們在單π介子交換勢（OPEP）中納入帶電與中性π介子質量差導致的同位旋破缺效應，為pp相互作用引入庫侖力，並新增兩個電荷相關接觸算符的貢獻。同時明確包含了以往NLEFT計算中大多忽略的雙π介子交換勢。通過這些改進，我們精確復現了相對動量p~200 MeV範圍內的np/pp散射相移以及氘核性質。這些電荷相關格點核力的構建，為未來NLEFT框架下的高精度核第一性原理計算奠定了堅實基礎。