XiaoMi-AI文件搜索系统
World File Search System仿真
大规模自动驾驶仿真系统研究
S-NeRF: Neural Radiance Fields for Street Views, Ziyang Xie, Junge Zhang, Wenye Li, Feihu Zhang, Li Zhang – ICLR 2023
通过培训线引导的仿真影响护士的表现
背景：小儿人工耳蜗通过增强沟通来改善听力障碍儿童的生活质量。基于模拟的教育将课堂学习与现实世界实践联系起来，使护士能够为有人工耳蜗的儿童提供高质量的护理。这项研究旨在评估模拟引导的培训线对护士对人工耳蜗儿童的表现的影响。方法：使用了准实验研究设计（前/后随访）。设置：该研究是在2023年10月至2024年3月的Sohag University医院在耳朵，鼻子和喉咙住院和门诊诊所进行的。主题：一个方便的样本，由所有在前提到的设置中工作的50名护士组成。数据收集工具：（1）结构化访谈问卷表和（2）使用观察清单来评估护士的实践并收集数据。结果：关于知识和实践，护士之间存在统计学上的显着差异（p <0.001）。该研究的发现表明，在实施模拟引导的训练线之前，三分之二的护士对人工耳蜗的植入有很大的了解，其中一半以上在该领域具有无能的实践水平。在实施模拟指导培训线后，绝大多数被检查的护士都具有良好的知识水平，并且大多数人都具有胜任的实践水平。与受训练线指导的预仿真相比，护士的表现在统计学上有很大的差异和改善（p≤0.001）。结论：通过训练线指导的模拟对人工耳蜗手术对护士的知识和实践产生了积极影响。建议：纳入各种专业的护理人员的基于模拟的培训可以显着增强其在人工耳蜗植入方面的知识和能力，最终导致患者的护理和结果改善。
血液学肿瘤中同种异体干细胞移植的个性化时间：使用多层建模和微仿真的目标试验仿真方法
患者预科用根据决策过程中的临床相关性所选择的关键因素（对于MDS：年龄：IPSS-R/IPSS-M）所选择的关键因素。7，8目的是通过使用不同的移植策略计算质量调整后的平均生存时间来确定最佳策略，并在每个患者中进行比较。出于这个原因，多层建模框架用于考虑治疗前和治疗后的疾病状态，并根据治疗性治疗和治疗后结果调整可能的混杂因素。这个多态疾病模型描述了该疾病的自然史，并估算了感兴趣的协变量的影响。最后，实施了基于微观仿真的决策模型，以确定与最高生存时间相关的过程的最佳时机。
高效的突触仿真和超低功耗数字...
高效的硬件-细胞通信对于理解细胞状态和控制细胞至关重要，是推进下一代人机界面的关键途径。在这里，我们提出了一种基于天然纤维素的节能神经装置，解决了传统接口通信硬件的局限性，特别是在材料生物相容性和生物信号匹配方面。基于纤维素的装置有效地模拟了生物突触连接的可塑性，并在低至 10 mV 的连续脉冲刺激下表现出学习行为。值得注意的是，它表现出卓越的数模转换性能，最低功耗为 0.1 nJ，有助于实现高效的界面生物信号匹配。此外，引入了一个分子级模型来阐明电刺激引起的纤维素分子内极性键的旋转。这种旋转改变了材料的相对介电常数，揭示了数模转换能力和类似神经的行为。此外，透明纤维素薄膜既可作为介电层，又可作为机械支撑，使设备能够在各种曲率下保持功能稳定性。这项研究中，基于纤维素的灵活且生物相容性的神经装置不仅可以有效地模拟突触，而且由于其低功耗信号转换，有望在脑机接口应用中实现有效的生物信号匹配。
中国当前护理下上皮卵巢癌的疾病负担：模型仿真研究
Model inputs Baseline Model inputs Baseline Model cohort Quality of life (utility) Age (years) 53.4 Early stage (stage I,II) Body weight (kg) 60.7 No recurrence 0.936 Height (cm) 157.0 Recurrence 0.756 Distribution of stage Advanced stage (stage III,IV) Stage I 19.7% Primary cytoreductive surgery 0.670 Stage II 14.5% Intermediate环形手术0.740阶段III 52.6％维持治疗0.680阶段IV 13.2％的成本治疗效率手术早期阶段（I，ii，ii）全面分期¥17,657局部复发的年度风险0.055循环手术的年度复发率为每年较早的阶段48,436年较早的阶段。化学疗法为69.5％的复发成本
FSG数学建模和仿真奖2024
• MATLAB Onramp: matlabacademy.mathworks.com/details/matlab-onramp/gettingstarted • Simulink Onramp: matlabacademy.mathworks.com/details/simulink-onramp/simulink • Stateflow Onramp: matlabacademy.mathworks.com/details/stateflow-onramp/stateflow • Simscape Essentials for Automotive Student Team: mathworks.com/videos/series/simscape-essentials-for- automotive-student-teams.html • MATLAB and Simulink Racing Lounge – Improving Your Racecar Development: mathworks.com/videos/series/improving-your-racecar-development-101027.html • Get Started with the Extended车辆动力学的轮胎功能：Mathworks.com/help/vdynblks/ug/get-started-with-the-----------------------------------------------------------------------------/
800 V 电动汽车转型：HIL 仿真的关键作用
关于电池化学，目前电动汽车电池组使用的是具有液体电解质的锂离子 (Li-ion) 电池。固态电池是另一种选择。锂仍然是必需的，但对于相同的电池能量密度，锂的数量较少，而且由于电解质不是液体，因此火灾风险降低。充电也很快，需要注意的是，许多电动汽车制造商都提到“充电 80% 的时间”，原因是最后 20% 的充电可能需要很长时间。事实上，随着电池的退化，它们可能永远无法接受最后 20% 的电量——而无法接受超过 80% 的电量在汽车领域被认为是锂离子电池的寿命终结。事实上，固态电池是锂离子电池的有力替代品，2023 年，丰田宣布计划在 2027 年前大规模生产电动汽车固态电池。钠离子电池是另一种替代电池技术。尽管现阶段尚未开发，但预测到 2033 年钠离子电池将占全球电动汽车市场的 6%。
闭环地热系统的仿真
模拟闭环地热系统M. Wangen 1，V。Leontidis2，E。HernandezAcevedo 3，V。Harcouët-Menou 3，P。Ungar4 1能量技术研究所（IFE）； 2 IFP Energies Nouvelles（IFPEN）; 3佛兰芒技术研究所（VITO）； 4佛罗伦萨大学（UNIFI）的摘要来自欧盟 - 霍森项目Hocloop的结果，以提出并开发从闭环的深地热能技术资格和开发技术。该项目的第一步是基准测试几种软件工具，以模拟深层同轴钻孔热交换器。然后，该软件已应用于地热系统的设计，该系统可以为大型建筑物或地区供暖提供1 MW热水。模拟表明，当地热梯度为30°C/km时，需要至少3 km深的井，需要3 km的水平段，当热电导率为2 w/m/k的垂直孔周围2 w/m/k时，将产生功率，周围的垂直孔周围为3 w/m/k。模拟在短暂的热瞬变之后，在数十年（可能超过100年）中，功率生产的较大下降。注入温度为30°C，在50年后，输出温度保持在70°C以上，除了最浅的测试良好。
基于仿真的基于电线弧添加剂制造的过程参数优化
摘要在制造组件中使用电弧添加剂制造，需要特定的冷却时间来防止结构和几何畸变过热。目前，这些冷却时间是根据某些层间温度下的经验插入的，从而降低了可重复性，导致不需要的组件特性并增加了过程时间。在此贡献中，使用无效元素方法来计算添加性制造组件的温度演化。这允许优化过程参数，这些过程参数（在我们在此处的考虑中）是焊接速度和每一层的冷却时间，以减少总过程时间，同时实现了足够的组件属性。优化是使用无梯度的Nelder-Mead-Mead-Mead算法进行的，其中通过惩罚函数考虑了过程参数的某些约束。为了获得合理的仿真结果，预先使用实验数据对实验设置的温度依赖性传热进行了建模和校准。很明显，与无梯度优化过程结合使用的热元素模拟是对线弧添加剂制造进行优化的过程参数的合适数值工具。优化的过程参数满足了有关制造成分冷却的某些要求。此外，与手动选择的参数相比，优化参数可以显着减少过程时间。在我们的示例中，这约为48％。
将基于代理的电动汽车仿真集成到能源系统优化中——受控充电和车辆到电网对德国的潜在影响
Sterchele, P.、Kersten, K.、Palzer, A.、Hentschel, J. 和 Henning, H.-M. (2020)。扇区耦合能源系统模型中灵活电动汽车充电的评估——建模方法和案例研究。应用能源，258，114101。https://doi.org/10.1016/j.apenergy.2019.114101