一般曲面环境的辐射度方法

提出了一个曲面环境的逐步求精辐射度算法,基于所提出的最大立体角和最大辐射能量标准,设计了辐射源面片和接受面片的动态自适应剖分算法,从而有效地保证了曲面环境的能量传递精度,实验结果表明,该算法能有效地处理一般曲面环境。

生态环境曲面建模基本定理及其应用

在高精度曲面建模方法和地球表层系统建模基本定理研究结果基础上,演绎提出了生态环境曲面建模基本定理.以京津冀地区为案例,对基于生态环境曲面建模基本定理的空间升尺度、空间降尺度、空间插值、数据融合和模型-数据同化等算法进行了实证研究,与传统算法精度进行了比较分析.结果表明,由于基于生态环境曲面建模基本定理的各种算法综合了外蕴量信息和内蕴量信息,同时运用了理论上完善的信息综合方法,使海拔高度曲面的升尺度均方根误差至少降低了9m,年平均气温未来情景的降尺度精度至少提高16%,年平均气温过去变化趋势的数据融合精度至少提高70%,年平均降雨量过去变化趋势的空间插值精度至少提高0.2%,碳储量的模型-数据同化精度提高了40%.文章最后讨论了生态曲面建模基本定理亟待解决的五大理论问题和四大应用基础问题.

HASM量子机器学习

传统计算机的进步源于晶体管的小型化和芯片上晶体管数量的增加,但晶体管的小型化已达到了它的极限水平.与此同时,许多实际问题需要超过当今计算机计算能力的巨量计算资源.近年来,量子计算的发展为我们解决这一问题带来了曙光.虽然量子计算可实现相对于传统超算的指数级加速,但误差问题是实现量子实用优势的严重障碍.最新研究表明,量子机器学习是提高量子计算精度的有效途径之一.事实上,高精度曲面建模(HASM)方法是一种强化机器学习方法,并可通过拉格朗日因子法转换为大型稀疏线性系统,它与Harrow-Hassidim-Lloyd(HHL)量子算法的有机结合,形成了HASM-HHL量子机器学习算法.HASM在传统计算机上已成功运用于自然系统、自然系统对人类贡献和自然系统变化驱动力等生态环境曲面的空间插值、空间升尺度、空间降尺度、数据融合和模型-数据同化.实验结果表明,HASM-HHL量子机器学习算法的计算结果达到了传统高精度算法的精度水平;与此同时,可实现相对于传统高时效算法的指数级加速.目前,基于HASM的传统-量子混合计算平台已有水到渠成之势.然而,HHL量子算法有很多局限性,它们是HASM-HHL量子机器学习实用量子优势面临的主要挑战.为此,我们提出了发展新型HASM量子计算方法的多套优化方案:(1)发展更优的大规模稀疏矩阵量子求解方案;(2)评估量子计算的成本问题和标杆问题;(3)构建HASM传统与量子混合计算通用平台,实现传统计算与量子计算优势互补;(4)将优化后的量子算法和传统算法发送到量子计算云平台,促进用户的广泛应用和积极反馈,进一步优化有关算法.