XiaoMi-AI文件搜索系统
World File Search System优化结构
感应地面定居点
这项研究提出了一种人工智能方法，以考虑多因素之间的相互作用，例如地质条件，施工参数，结构序列以及灌浆体积和时间安排，以预测盾牌隧道过程中的地面沉降。人工智能方法采用了混合神经网络模型，该模型将差异进化算法纳入人工神经网络（ANN）。差分进化算法用于确定ANN的优化结构和超占主米。然后采用自适应力矩估计（ADAM）方法来促进ANN的训练过程。在亚当的强度上，进化算法将进一步增强，以处理大量ANN候选者而不消耗大量计算资源。所提出的混合模型应用于广州地铁线路的盾牌隧道期间的地面定居点的现场案例9。地质条件和屏蔽操作参数首先是通过特征表演策略来表征和量化的，然后是模型的输入。结果使用所提出的混合模型验证预测的准确性。此外，通过部分导数敏感性分析方法，可以确定对地面沉降影响很大的屏蔽操作参数，该方法可以为屏蔽操作提供指导。
量子计算在铁路控制中的应用
摘要。本文讨论了在铁路管理中使用量子计算和技术的主要可能性，强调了最有前景的选择和应用建议。俄罗斯铁路公司的主要目标之一是研究和实施量子电信，作为构建有前景的网络服务的基础。通过专注于改进铁路运输流程管理自动化领域的解决方案，并考虑到客户日益增长和变化的需求，俄罗斯铁路公司还希望转向数字化，并使用量子计算来创建灵活的管理模式，优化结构和决策过程，并在信息系统和技术控制系统中使用量子计算机。该研究首先确定了铁路运输必须发展信息技术的领域。然后讨论了数字化这些领域的战略和计划，展示了如何实施它们，最后与世界各地不同机构的其他经验进行了比较。研究得出结论，建立具有非接触式神经计算机接口的量子信息系统将解决许多问题，例如铁路人员的职责履行、关键信息和技术基础设施的重要对象的监控以及公共服务。建议在铁路运输中使用量子技术和计算的主要方向如下：建立量子电信网络；在区块链技术的改进中引入量子计算；使用量子技术解决复杂的优化问题。关键词：量子计算、区块链、俄罗斯铁路、铁路管理、自动化控制、数字化。
使用计算方法进行可持续结构优化的批判性评论
摘要 人工智能 (AI) 的融合正在为土木工程领域带来革命性的变化。自然语言处理、机器学习和神经网络等人工智能 (AI) 方法正被用于改善土木工程项目的决策。人工智能算法通过考虑成本限制、环境条件和材料质量等多种方面，帮助工程师在整个设计阶段创建最佳结构设计。通过自动化繁琐的工作并持续监测现场条件，人工智能驱动的机器人和自动机器在施工过程中有助于提高效率和安全性。随着计算工具和信息技术的引入和发展，基于计算技术的结构优化已成为土木工程领域可持续和有效设计最广泛使用的方法之一。地震事件对建筑环境的安全性和稳定性构成重大威胁，因此需要开发能够承受和尽量减少此类事件影响的坚固结构设计。本文的主要目的是分析可持续结构优化研究，深入分析优化目标及其时间和空间趋势，描述优化过程，克服当前研究的局限性并为未来工作提出建议。本文通过整合和综合该领域的现有知识，很好地介绍了可持续性和效率在该领域的意义。本研究论文为优化结构设计的抗震性能和考虑环境可持续性提供了宝贵的见解。
碳掺杂二维材料中的人工智能能隙预测：利用 Behler-Parrinello 描述符实现高密度系统
摘要 在本研究中，我们使用机器学习 (ML) 技术探索了碳掺杂六方氮化硼 (h-BN) 薄片的电子特性。六方氮化硼是一种被广泛研究的二维材料，具有出色的机械、热学和电子特性，使其适用于纳米电子学和光电子学应用。通过用碳原子掺杂 h-BN 晶格，我们旨在研究掺杂如何影响其电子结构，特别关注基态能量和 HOMO-LUMO 间隙。我们生成了一个包含 2076 个 h-BN 薄片的数据集，这些薄片被氢饱和并掺杂了随机变化浓度的碳原子。选择了三种典型的掺杂场景——一个、十个和二十个碳原子——进行深入分析。使用密度泛函理论 (DFT) 计算，我们确定了这些配置的基态能量和 HOMO-LUMO 间隙。使用 Behler-Parrinello 原子对称函数从优化结构生成描述符，这些描述符捕获了 ML 模型的关键特征。我们采用了随机森林和梯度提升模型来预测能量和 HOMO-LUMO 间隙，实现了较高的预测准确率，R 平方值分别为 0.84 和 0.87。这项研究证明了 ML 技术在预测掺杂 2D 材料特性方面的潜力，为传统方法提供了一种更快、更经济的替代方案，对纳米电子、储能和传感器领域的材料设计具有广泛的意义。
第 6F-1 节 - 路面底基设计和施工
路面系统通常由三层组成：准备好的路基、底基层和路面。本节将讨论底基层的正确设计和施工。底基层是位于路面正下方的骨料层，通常由碎骨料或砾石或再生材料组成（有关更多信息，请参阅第 6C-1 节 - 路面系统）。虽然“基层”和“底基层”这两个术语有时可互换使用，指路面的地下层，但基层通常用于沥青路面，主要用作结构载荷分布层，而混凝土路面中使用的底基层主要用作排水层。骨料底基层通常由碎石组成，碎石由能够通过 1 1/2 英寸筛网的材料组成，其成分颗粒大小从 1 1/2 英寸到粉尘不等。该材料可以由原生（新开采的）岩石或再生沥青和混凝土制成。路面底基层的作用是提供排水和稳定性，以延长路面的使用寿命。现在大多数路面结构都包含地下层，其部分功能是排出可能对路面寿命有害的多余水（参见第 6G-1 节 - 地下排水系统）。但是，必须仔细选择和正确构造透水基层的骨料材料，以提供不仅透水性，而且还提供均匀的稳定性。正确的施工和 QC/QA 测试操作有助于确保底基层的良好性能。过度压实会改变级配并产生额外的细粒，这可能会导致渗透性低于实验室测试确定的渗透性并用于路面系统设计。然而，从高稳定性优化结构贡献与为路面材料提供足够排水的需要仍然是一个争论点。本节的重点是提供有关选择适当的底基层材料、最佳施工实践和合适的 QC/QA 测试方法的指导。B. 粒状底基层
对头足类动物的观点模仿和生物启发的技术，用于本体感受自主软机器人
科学界。[1-7]无论如何，每次活着都会揭示出新颖的适应性和动态反应性的模仿行为，它都会激发并促进未来派和不受欢迎的技术成果。[8-12]在生物学水平上，视觉crypsis是物种通过与栖息地的颜色和几何图案相匹配而与周围环境相似的能力。从这个意义上讲，生物可以通过色素沉着或散发性元素在介观尺度上的布置和优化结构进行光学控制（这可以在体内表现出身体上的皱纹和质地以逃避检测或观察）。[13–18]这两种机制的特征在于时间响应，范围从毫秒到数百秒。在自然界中，几个物种都利用了隐性能力，例如，在头足类动物中，[7] crustaceans，[19]爬行动物，[1,20,21]昆虫，[22,23]鸟类，[24,25]贝壳，[26,27]植物，[26,27]植物，[28,29]。生物色彩变化和身体模式与生殖，交流，防御和/或掠夺性策略有关。不幸的是，在动物和植物中引导这些行为的神经或中央控制链系统仍然以某种方式引起了科学家的雾。[7,30–32]关于其中央信息过程系统的完整知识，可以对许多科学分支的惊人开发，从神经生物学[33,34]到量子生物学。更重要的是，章鱼是一种杰出的智能物种，例如，可以按照部分的顺序打开罐子或避免掠食者。[35]毫无疑问，自然世界中最讨论的研究案例是头足类动物，不仅可以高度进化和专门从事快速自适应色彩更改的显示器，而且还可以在暴露于特定的机械，热，光学，光学或化学刺激的情况下会使他们的皮肤生成3D模式。软肌肉排列，[36–38]空间分布和可扩展的吸收成分（即染色体），[39,40]虹彩元素（即虹膜phores）[41,42]，[41,42]和亮白色散射剂（即亮白色散射器（即负责）[43] [43]是负责的。[44]因此，由于其身体的力学和形态之间的共生以及分离的感觉神经运动控制系统，头足类通常被视为体现智力的完美例子[45]。他们的“学习”，“机械”和“物质智力”将是我们的评论，从而使我们的lodestars成为
Microsoft Word-通过模拟和Analysis_comsol-Conference-2023-Munich.docx
摘要铜互连的缩放是一种有效的方法，可以增加信号I/O线的数量和电子系统的高级细分包装中的性能。然而，随着尺寸降低，铜互连导致电气诱导的故障的风险变得越来越关键，从而降低了现代微电子的可靠性和性能。高电流密度在电迁移中起着至关重要的作用，导致互连中金属原子的迁移，导致空隙或小丘的形成以及最终的设备故障。必须通过设计优化方法有效解决，以减少失败的风险并提高整体性能，焦耳的加热和当前的拥挤，这有两个重要的因素。最初是用于介电层的热氧化物（SIO 2）。但是，热氧化物的两个主要挑战是电性能和成本。在这种情况下，基于聚合物的电介质具有降低跟踪电容并提高功率效率的能力，同时与低成本面板可估算方法兼容的能力。，但聚合物的导热率较低。通过使用较薄的聚合物，可以降低由电流流量产生的铜相互连接中较低的导热率和随之而来的焦耳加热问题。因此，它降低了局部温度升高的风险，该温度升高可能会导致热移动和电气移民造成损害。另一方面，当局部电流密度增加时，当前人拥挤发生。它会提高局部温度，因为焦耳加热与电流的平方成正比。导体的阻力，形式，厚度和宽度对当前拥挤现象有影响。这可以通过优化互连几何形状（例如具有直线和使用圆角）来管理。因此，可能会降低潜在的当前拥挤热点和随后的电气迁移风险。comsol AC/DC模块用于研究焦耳加热和当前拥挤对互连可靠性的影响。模拟包括加成实验值的边界条件，以确保准确表示电迁移。因此可以将结果与实验数据进行比较，以确定准确性和有效性。通过在comsol中构建的3D模型构建的电流和温度分布的模拟，首先迭代得出了改进的测试结构几何形状。与标准测试布局（标准ASTM-F1259M，美国国家标准技术研究所（NIST）测试结构）相对于优化结构，当前人拥挤的影响减少了约42％。以下是聚合物厚度效应的构象。因此，使用COMSOL模拟提供了一种强大的手段来研究不同设计因素对互连可靠性的影响。通过了解从这些模拟中获得的全面知识，可以优化设计并降低互连故障的风险。关键字：电气移民，焦耳加热，当前拥挤，热度，良好的音高互连可靠性，微电体系统，组装和互连技术。
IEEE 网络和云中的 AI/ML 研讨会
时间 主题 演讲者 08:00 – 08:50 AM 注册、咖啡和简便早餐 08:50 – 09:00 AM 欢迎致辞 研讨会主席 09:00 – 09:20 AM 压缩通信下的分布式学习 Christopher Matthew De Sa，康奈尔大学 09:20 – 09:40 AM 360 度视频流的深度学习 Yao Wang，纽约大学 09:40 – 10:00 AM COSMOS 智能交叉路口的边缘云深度学习 Zoran Kostic，哥伦比亚大学 10:00 – 10:20 AM 自动驾驶的机器学习 Urs Muller，NVIDIA 10:20 – 10:40 AM 学习利用多路径 TCP 控制带宽 Anwar Walid，诺基亚贝尔实验室 10:40 – 11:00 AM 咖啡休息 11:00 – 11:20 AM企业系统中的原因分析 Haifeng Chen，NEC 实验室 11:20 – 11:40 AM 云作为 IoT 智能的托管基础设施 Ken Birman，康奈尔大学 11:40 – 12:00 PM 5G 互联世界的自优化结构 David Krauss，Ciena 12:00 – 12:40 PM 午餐 12:40 – 01:00 PM 利用人工智能和开源打造 5G Mazin Gilbert，AT&T 01:00 – 01:20 PM 无线边缘的学习 Vincent Poor，普林斯顿大学 01:20 – 01:40 PM 在移动边缘云场景中支持基于 ML 的增强现实应用程序 Dipankar Raychaudhuri，WINLAB 罗格斯大学 01:40 – 02:00 PM 边缘的视觉识别：挑战与机遇 Bharath Hariharan，康奈尔大学02:00 – 02:20 PM 机器学习最佳实践及其在有线电视和电信行业中的应用 Ranjit Jangam，康卡斯特 02:20 – 02:40 PM 人工智能运营及其挑战 Ulrika Jägare，爱立信 02:40 – 03:00 PM 基于机器学习的 5G 切片网络管理以满足 SLA Sudhakar Reddy Patil，威瑞森 03:00 – 03:20 PM 咖啡休息 03:20 – 03:40 PM 康卡斯特如何利用人工智能改善客户体验 Hongcheng Wang，康卡斯特 03:40 – 04:00 PM 人工智能时代的企业对消费者通信 Venkatesh Krishnaswamy，Koopid 04:00 – 04:20 PM 无线信号接收：利用人工智能的新面貌 Harish Viswanathan，诺基亚贝尔实验室 04:20 – 04:40 PM 使用基于云的 AI 和 ML 有效管理无线接入点 Stuart Mackie，瞻博网络 04:40 – 05:00 PM 信息时代：实时状态更新的边缘云处理 Roy Yates，WINLAB 罗格斯大学 05:00 – 05:20 PM 用于有限可观测性状态估计的物理信息深度神经网络方法 Jonathan Ostrometzky，哥伦比亚大学 05:20 – 05:30 PM 闭幕词 研讨会主席