XiaoMi-AI文件搜索系统
World File Search System仿真方法
设计干燥的粒子技术方法 -
与口服和肠胃外制剂相比，吸入的配方具有巨大的好处和增强药物治疗作用的潜力，因此具有吸引力。在可用的吸入配方中，用干杯吸入器（DPI）使用的粉末已成为首选选择，因为它们比其他吸入配方具有许多优势。此外，还需要采用粉末技术方法，并用于DPI配方的精致设计。要使用DPI公式提供适当的治疗，应将含有药物的吸入颗粒递送到单个患者肺的适当部位。必不可少的DPI制剂设计指定适合特定疾病的颗粒特性以及必须输送吸入颗粒的肺中的适当位置。本文侧重于设计DPI公式的当前粒子技术方法以及对肺中吸入的孢子的行为和沉积的数值模拟分析。作为将来的视角，从药物粒子技术的角度来看，实验和仿真方法的结合有望提高获得最大肺部递送的能力，并针对单个患者肺中沉积部位。2019年日本粉末技术协会。 由Elsevier B.V.和日本粉末技术协会出版。 这是CC BY-NC-ND许可证（http：// creativecommons。）下的开放访问文章 org/licenses/by-nc-nd/4.0/）。2019年日本粉末技术协会。由Elsevier B.V.和日本粉末技术协会出版。这是CC BY-NC-ND许可证（http：// creativecommons。org/licenses/by-nc-nd/4.0/）。
用材料校准在虚幻引擎中执行逼真的地震模拟
地震会严重影响社会和经济，强调有效搜索和救援策略的需求。作为AI和机器人技术，越来越多地支持这些努力，对培训的高保真性，实时模拟环境的需求已变得紧迫。地震模拟可以视为复杂的系统。传统的仿真方法，主要集中于计算单个建筑物或简化建筑集聚的复杂因素，通常在为城市环境提供现实的视觉效果和实时结构性损害评估方面通常不足。为了解决这一缺陷，我们基于虚幻引擎中的混乱物理系统引入了一个实时的，高视觉的忠诚地震仿真平台，该平台是专门设计的，旨在模拟对城市建筑的损害。最初，我们使用遗传算法根据现实世界测试标准将来自ANSYS的材料模拟参数校准到虚幻发动机的断裂系统中。此对齐确保在实现实时功能的同时，确保两个系统之间的结果相似。另外，通过整合真实的地震波形数据，我们改善了模拟的真实性，确保它准确地反映了历史事件。所有功能都集成到视觉用户界面中，从而实现零代码操作，从而有助于通过跨学科用户进行测试和进一步开发。我们通过三个基于AI的任务来验证平台的有效性：相似性检测，路径计划和图像分段。本文建立在我们在IMET 2023上介绍的初步地震模拟研究的基础上，并具有显着的增强，包括改善材料校准工作流程和结合建筑基础的方法。
评论：低渗透性多孔媒体中的二元前流
摘要广泛使用的达西定律指定流体流量的达西速度与驱动流动的压力梯度之间的线性关系。但是，研究表明，当压力梯度充分低时，在低渗透性多孔培养基（例如粘土和页岩）中，达西速度可以表现出非线性依赖性对压力梯度的依赖性。此phe-nomenon被称为低速性非darcian流或携带前流。本文对低渗透性多孔培养基中携带前流的理论，实验数据和建模方法进行了全面综述。审查首先概述了携带前流的基本机制，这些机制调节了独特特征，例如Darcy速度对压力梯度的非线性依赖性及其与流体 - 岩石相互作用的相关性。随后进行审查进行了详尽的汇编，对在各种低渗透性的土地材料中进行的实验研究进行了彻底的汇编，包括紧密的砂岩，页岩和粘土。接下来，审查了为了拟合和解释实验数据而开发的经验和理论模型和仿真方法。最后，审查强调了进行和解释携带前流实验的挑战，并提出了未来的研究方向。通过分析以前的实验研究，该综述旨在为寻求增强其对低渗透性土地材料中流体动态的研究人员和从业人员提供宝贵的资源。这提供了有关在众多天然和工程过程中应用前携带流量的应用，例如页岩油和天然气回收，低渗透性含水层中的污染物运输以及核废料的地质处理。
海洋热收敛和北大西洋多年代热含量变异性深度学习模拟器对区域气候模型预测的可转让性和解释性：未来应用的观点
摘要：区域气候模型（RCM）是模拟和研究区域气候变化和变化的重要工具。但是，它们的高计算成本限制了区域气候预测的全面合奏，涵盖了各个地区的多种情况和驱动全球气候模型（GCM）。RCM模拟器基于深度学习模型最近被引入了一种具有成本效益且有希望的替代方案，仅需要简短的RCM模拟来训练模型。因此，评估其转移性到不同时期，场景和GCMS成为一个关键而复杂的任务，其中GCM和RCMS的固有偏见起着显着的作用。在这里，我们通过考虑文献中引入的两种不同的仿真方法的关注，并在这里分别称为完美预后（PP）和模型输出统计量（MOS），遵循良好建立的降水术语。除了标准评估技术外，我们还通过可解释的人工智能（XAI）的方法扩展了分析，以评估模型学到的经验联系的物理一致性。我们发现，两种方法都能够在不同的时期和场景（软传递性）中模仿RCM的某些气候特性，但是仿真函数的一致性在AP的范围之间有所不同。虽然PP学习了鲁棒且身体上有意义的模式，但MOS结果在某些情况下依赖于GCM，并且在某些情况下缺乏物理一致性。这限制了其适用于构建RCM结束的适用性。由于存在GCM依赖性偏差，将仿真函数转移到其他GCM（硬传递性）时都面临问题。我们通过为未来的申请提供前景来得出结论。
演示：基于卡拉的自动驾驶汽车的对抗攻击评估
简介。自主驾驶（AD）设想在没有人类干预的情况下导航我们的道路，要求高度的可靠性和安全性。AI在满足这些要求中起着至关重要的作用。将AI集成到AD系统中会引入新的挑战，包括基于AI的AD系统对对抗攻击的脆弱性。这些攻击利用了AI模型中的弱点，损害了它们做出准确决策的能力，这给AD生态系统的整体安全性和功能带来了重大风险。为了解决这个问题，许多先前的工作[2]是在对抗攻击和防御方面进行的。但是，许多研究都集中在数字设置和开放数据集围绕，这些数据集无法完全捕获现实世界情景的复杂性。另一方面，如果没有大量资金，实际实验通常是不可行的，并且会带来安全和道德问题。在本文中，我们提出了一种基于逼真的仿真方法，该方法解决了这一紧迫问题。我们开发了Carla-A3，这是一种工具包，重点是在使用Carla（https://carla.org/）创建的光真逼真的模拟中评估OD在存在对抗性攻击的情况下的鲁棒性。在进行这项研究之前，缺乏开源工具来评估OD对关键交通迹象的对抗性攻击的鲁棒性，尤其是在多样化天气条件下，在光真逼真的模拟中简化了对对抗性交通的创造，渲染和评估。我们的工作弥合了这一差距，并有助于开发测试程序，鲁棒性指标以及对增强AD系统中OD的安全性和可靠性至关重要的见解。
用于训练贝叶斯网络进行制造系统故障诊断的数字孪生
摘要：人们提倡智能制造系统利用技术进步，通过快速诊断提高故障抵御能力，从而保证性能。在本文中，我们提出了一种用于设计数字孪生（DT）的协同仿真方法，该方法用于训练贝叶斯网络（BN），以便在设备和工厂层面进行故障诊断。具体而言，协同仿真模型是使用由联网传感器、每台设备的高保真仿真模型和工厂的详细离散事件仿真（DES）模型组成的信息物理系统（CPS）设计的。所提出的 DT 方法能够在虚拟系统中注入故障，从而减轻了昂贵的工厂车间实验的需要。应该强调的是，这种注入故障的方法消除了获取包括故障和正常工厂操作的平衡数据的需要。我们在本文中提出了一种结构干预算法 (SIA)，首先检测所有可能的有向边，然后区分 BN 的父节点和祖先节点。我们在实验室中设计了一个 DT 研究测试台，由配置成装配单元的四个工业机器人组成，每个机器人都有一个可以监测双轴振动的工业物联网传感器。这些机器人的详细设备级模拟器与机器人装配单元的详细 DES 模型集成在一起。生成的 DT 用于进行干预，以学习用于故障诊断的 BN 模型结构。实验室实验通过准确学习 BN 结构验证了所提方法的有效性，并且在实验中，发现所提方法获得的准确性（使用结构汉明距离测量）明显优于传统方法。此外，发现的BN结构对参数的变化是可靠的，例如平均失败时间（MTTF）
虚拟深部脑刺激：使用虚拟大脑对尖峰基底神经节模型和全脑平均场模型进行多尺度联合模拟
- 我们实现并验证了一种针对基底神经节内和周围皮层下区域的脉冲网络模型的联合仿真方法，并将其与每个皮层区域的平均场网络模型相结合。 - 我们的模拟基于一个规范的连接组，包括皮层和基底神经节区域之间的详细路径，并结合了健康对照者和帕金森病患者的特定受试者优化权重。 - 我们通过证明所实现的模型在静息状态下显示出生物学上合理的动态来提供概念证明，包括虚拟患者的丘脑活动减少，以及虚拟深部脑刺激期间的丘脑活动正常化和主要在额叶区域的分布改变的皮层活动。 - 所提出的联合仿真模型可用于为个别患者定制深部脑刺激。摘要深部脑刺激 (DBS) 已成功应用于各种神经退行性疾病，作为一种有效的对症治疗。然而，它在大脑网络中的作用机制仍然知之甚少。许多虚拟 DBS 模型将基底神经节周围的子网络及其动态分析为脉冲网络，其细节由实验数据验证。然而，连接组学证据表明 DBS 的广泛影响影响了许多不同的皮质和皮质下区域。从临床角度来看，除了运动影响之外，DBS 的各种影响也已得到证实。神经信息学平台虚拟大脑 (TVB) 提供了一个建模框架，使我们能够虚拟地执行刺激（包括 DBS），并在进行 DBS 导线置入的侵入性手术之前从动态系统的角度预测结果。为了准确预测 DBS 的影响，我们实施了一个详细的基底神经节脉冲模型，并通过我们之前开发的联合仿真环境将其与 TVB 相结合。这
论文标题（使用样式
超可靠 FPGA 的超冗余 本文介绍的研究主题是可用于高可靠性数字系统 (HRDS) 的超冗余元件和 FPGA 设备。当前的工作是基于 FPGA 为 HRDS 开发超可靠逻辑元件、存储器元件和缓冲元件，以及它们的仿真和可靠性评估。目标：为一个、两个和三个变量开发容错的 LUT 逻辑元件。开发容错静态随机存取存储器、D 触发器和缓冲元件。在 NI Multisim 中进行仿真以验证性能并估算复杂度和功耗。推导出评估所开发元件和设备的可靠性的公式，并建立与已知三重模块冗余方法的比较图。所用方法包括引入晶体管级冗余、Multisim 中的仿真方法、晶体管数量的数学估计、可靠性计算。得出以下结论：在晶体管级引入冗余并使用串并联电路时，晶体管的数量至少需要增加四倍。已经开发出能够承受一个、两个和三个晶体管故障（错误）的被动故障安全元件和设备。对其有效性进行了评估，表明它们优于多数保留。结论。已经对具有大量冗余的被动容错电路进行了综合和分析，以确保在给定数量的故障（从一到三个）中保留逻辑功能。成本高于作者先前提出的方法中保持功能完整性的成本，但这是值得的。尽管与多数冗余相比冗余度明显更高，但功耗却更低，延迟增加不明显。建议在无法维护的关键应用系统中使用所提出的超容错 FPGA。将来，建议使用桥接电路来考虑晶体管级的冗余问题。关键词：LUT；被动容错系统；可靠性；冗余。
人工智能在汽车设计中的作用
vaska.sandeva@ugd.edu.mk 摘要：本文展示了汽车行业作为全球最大市场的作用，较短的开发周期给供应商和供应链带来了压力。本文探讨了人工智能在汽车行业的应用，强调了其改善整个汽车生命周期的潜力。人工智能可以应用于开发的各个阶段，包括设计、生产、规划、驾驶辅助和防撞系统。本文介绍了人工智能的概念，并强调了其在汽车行业从设计到运营的重要作用。大数据传感、记录和存储的发展为了解汽车性能提供了重要机会，从而带来了更安全、更好的汽车。人工智能在汽车行业的应用预计将显著改变该行业。高性能计算基础设施和仿真方法提高了产品性能，但仿真时间是工程师设计循环中的瓶颈。人工智能通过实现实时、仿真驱动的设计工作流程，显著增强了工程公司的能力。通过利用过去车辆开发的数据和更智能地使用计算机辅助工程分析 (CAE) 工具，人工智能显著减少了开发工作量和车辆设计活动。人工智能通过提供解决日常问题和挑战的解决方案，显著提高了我们的舒适度、便利性和经济未来。世界各国都在投资开发和推广各个领域的人工智能应用，确保为所有人提供更高效、更经济的未来。这一趋势是由全球努力克服挑战和改善日常生活所推动的。数据驱动的分析强调了人工智能对汽车制造和设计的变革性影响，强调了其作为创新驱动力和塑造行业未来的作用。文章重点介绍了先进技术如何提高汽车行业的效率和客户关注度，从产品开发到客户参与，从而改善整体运营和活动。关键词：汽车工业、仿真、人工智能、应用、设计、CAE。1.简介 汽车设计涉及创建车辆的整体外观和产品概念开发，通常由设计专家完成。Asutosh, P. Andreas,T.和 Dominik,W.2018)。2.2016)。2015)。设计对于汽车行业的创新和发展至关重要，而有吸引力的内饰和外观设计是引入新理念的关键。人工智能 (AI) 正在彻底改变汽车行业，提高制造效率并引入创新的汽车设计，从而使该行业数字化 (Pallab, D. 2016)。AI 正在通过自动化质量控制、提高电子燃料生产效率以及通过空气动力学优化和减轻车轮重量来改进前轮设计 (Sunu, P. 2017)，彻底改变汽车行业。AI 算法还可以通过优化空气动力学和减轻车轮重量来提高前轮设计的性能和能源效率（Matthias,K.AI 正在通过改进设计和自动化制造任务来彻底改变汽车行业。汽车设计：创造创新和功能性的艺术 AI 使用的算法正在通过分析各种设计方案并评估其对车辆性能和效率的影响来彻底改变汽车设计，从而减少传统的劳动密集型流程（Oxford。AI 正在彻底改变汽车设计，使制造商能够在保持人性化的同时创造独特的形状和功能，并优化燃油效率、最高速度和空气动力学（Pallab, D. 2016）。汽车行业的 3D 打印 AI 在汽车行业的兴起彻底改变了制造业，因为它能够使用 3D 打印等先进技术来制造复杂的零件。使用特殊材料制造的 3D 打印汽车具有定制化和可持续性，但仅限于批量生产功能齐全的车辆（John，B.