实验数据关键词检索结果

实验数据有助于解开恒星中重元素形成的谜团

Experimental data help unravel the mystery surrounding the creation of heavy elements in stars

恒星是如何诞生的,又是如何死亡的?它们如何产生能量,让它们燃烧数十亿年?它们如何创造我们今天观察到的元素?在探索塑造宇宙化学成分的过程的过程中,科学家们仍然无法找到这些问题的明确答案。

物理学家发现质子内部隐藏的量子世界——它比我们想象的还要疯狂

Physicists Uncover a Hidden Quantum World Inside the Proton – And It’s Wilder Than We Thought

质子远非简单粒子——它们是夸克、胶子和量子纠缠的旋转大熔炉。科学家利用这种纠缠建立了一个通用模型,解释了粒子如何从高能碰撞中产生。他们的预测与过去的实验数据一致,未来的对撞机将对他们的理论进行最终检验,可能会重塑我们的世界 [...]

科学家呼吁全球全力以赴创建 AI 虚拟细胞

Scientists call for all-out, global effort to create an AI virtual cell

一个由顶尖科学家组成的团队表示,人工智能的进步和大量实验数据已经使虚拟细胞触手可及。但要实现这一目标,需要前所未有的全球合作。

彼尔姆理工大学正在为学生更换专门营地

В Пермском Политехе проходит смена специализированного лагеря для школьников

10月28日至11月1日,PNRPU化学系举办“获得一氧化碳氧化催化剂”转校营活动。高中生在大学实验室接收实验数据用于自己的科学工作

超级计算机为量子光子学的空前进步提供动力

Supercomputers Power Unprecedented Advances in Quantum Photonics

科学家们通过采用高性能计算以前所未有的规模分析量子探测器,彻底改变了量子光子学领域。他们的创新方法涉及实验数据的断层扫描重建,从而能够快速高效地表征光子探测器。这一发展有望大大增强量子研究,为量子计算的高级应用铺平道路 [...]

助推理论正在医疗保健领域取得进展,结果好坏参半

Nudge Theory Is Making Inroads in Health Care, With Mixed Results

助推理论认为,微妙的社会暗示可以有效地引导人们做出更好的决定,该理论正在医疗保健领域取得进展。但是,尽管实验数据越来越多,专家们仍在努力找出可以帮助他们理解为什么有些助推成功,而另一些助推失败的模式。

构建可靠 AI 应用程序的 LLM 三角原则

The LLM Triangle Principles to Architect Reliable AI Apps

软件设计原则,用于精心设计可靠、高性能的 LLM 应用程序。一个框架,用于弥合潜在性能和生产级性能之间的差距。大型语言模型 (LLM) 具有巨大的潜力,但开发可靠的生产级应用程序仍然具有挑战性。在构建了数十个 LLM 系统之后,我将成功的公式提炼为任何团队都可以应用的四个基本原则。“LLM 原生应用程序 10% 是复杂的模型,90% 是实验数据驱动的工程工作。”构建可用于生产的 LLM 应用程序需要谨慎的工程实践。当用户无法直接与 LLM 交互时,必须精心编写提示以涵盖所有细微差别,因为可能无法获得迭代用户反馈。介绍 LLM 三角原则LLM 三角原则概括了构建有效 LLM 原生应用程序的基本准

机器学习在预测胺排放中的应用

Application of machine learning to forecast amine emissions

一个科学家团队开发了一种机器学习解决方案,利用德国一家实际工厂进行的压力测试的实验数据来预测碳捕获工厂的胺排放量。

聚变能源:潜在的变革性技术仍面临根本性挑战

Fusion Energy: Potentially Transformative Technology Still Faces Fundamental Challenges

GAO 的发现核聚变是为太阳和其他恒星提供动力的过程,可以在没有碳排放、长期核废料或熔毁风险的情况下产生电力。研究人员和公司正在追求许多不同的聚变能概念,并报告了最新进展,例如高温超导磁体的开发,可以使聚变装置更加紧凑。此外,2022 年,国家点火设施的一项实验实现了一个关键的科学里程碑,从聚变反应中产生的能量比启动反应所花费的直接能量还要多。国家点火设施但是,要实现商业聚变必须克服几个挑战,利益相关者对此时间表的预测范围从 10 年到几十年不等。一项关键的科学挑战是等离子体物理学,即聚变所需的物质状态。研究人员并不完全了解燃烧等离子体的行为,这些等离子体的主要热源来自聚变反应本身而不是外部来

新数据突显了疏远学生之间的平等差距

New data highlights equality gaps for estranged students

发布通知:雪地基蠕变建模的通用方法

PUBLICATION NOTICE: A Generalized Approach for Modeling Creep of Snow Foundations

摘要:当施加外部载​​荷时,雪将继续及时变形或蠕变,直到载荷被移除。当使用雪作为基础材料时,必须考虑雪力学的时间依赖性,以了解其长期结构性能。在这项工作中,我们开发了一种预测雪蠕变行为的通用方法。这种新方法涵盖了初级(非线性)蠕变状态和次级(线性)蠕变状态。我们的方法基于单轴流变 Burgers 模型并扩展到三个维度。我们使用根据实验雪蠕变数据计算的密度和温度相关常数对模型进行参数化。导出了多轴雪蠕变模型的有限元实现,并讨论了将其包含在 ABAQUS 用户材料模型中。我们根据我们的分析雪蠕变模型验证了用户材料模型,并根据其他实验数据集验证了我们的模型。结果表明,该模型捕捉了雪在不同时间尺度、温

离校生更有可能辍学

Care leavers more likely to drop out of university

介绍 GoodAI LTM Benchmark

Introducing GoodAI LTM Benchmark

作为我们在持续学习领域研究工作的一部分,我们正在开源一个基准,用于测试代理在非常长的对话中执行涉及高级使用记忆的任务的能力。除其他外,我们评估代理在需要动态维护记忆或长期整合信息的任务上的表现。我们正在开源:现行的 GoodAI LTM 基准。我们的 LTM 代理。我们的实验数据和结果。我们表明,信息的可用性是解决这些任务的必要条件,但不是充分条件。在我们的初始基准中,具有 8k 上下文的对话 LTM 代理与具有 128k 个令牌的长上下文 GPT-4-1106 相当。在内存要求高出 10 倍的更大基准测试中,我们的具有 8k 上下文的对话式 LTM 代理的性能比上下文大小为 128,000

返校阅读

Back to School Reading

现在到了——北美已经是劳动节周末了,我们都知道这意味着什么!又到了开学时间。你需要一份阅读清单,以下是一些建议:Frances, Ph. H. B. F.,2019 年。专业预测员和 1 月。计量经济学研究所研究论文 EI2019-25,鹿特丹伊拉斯姆斯大学。Harvey, A. & R. Ito,2019 年。当某些观测值为零时对时间序列进行建模。计量经济学杂志,正在印刷中。Leamer, E. E.,1978 年。规范搜索:使用非实验数据的临时推理。威利,纽约。(这是合法的免费下载。)MacKinnon, J. G.,2019 年。集群稳健推理如何改变应用计量经济学。工作论文 1413,皇

使用喷射隔膜放电,由身体周围的等离子流产生的冲击压缩层发光

Luminescence of the shock-compressed layer produced by a plasma flow around the body, using a jet diaphragm discharge

该研究的目的是使用一种在模型体周围产生高速流的方法,对高速物体的冲击压缩层 (SCL) 发光和气辉进行物理模拟和采集实验数据基于喷射隔膜放电。本文描述了一种设计用于诊断 SCL 的多通道系统,该系统是由在低气压条件下以 4 至 50 km/s 的速度围绕模型体流动的自由流侵蚀等离子体产生的。研究结果表明,一套实施的光学和光谱方法可以诊断模型身体周围的流动,并记录模型身体前部附近的 SCL 结构的图像以及 SCL 辐射光谱。