XiaoMi-AI文件搜索系统
World File Search System多目标
采用多目标遗传算法对静电电子透镜进行多标准优化
采用多目标遗传算法 (MOGA) 优化方法，对具有五个电极和两个目标函数的静电电子光学系统的设计进行了优化。考虑的两个目标函数是固定图像平面中一次电子束的最小探针尺寸和镜头内探测器平面上的最大二次电子检测效率。耗时的步骤是计算系统电位。有两种方法可以做到这一点。第一种是使用 COMSOL（有限元法），第二种是使用二阶电极法 (SOEM)。前者使优化过程非常缓慢但准确，而后者使其快速但准确性较低。提出了一种全自动优化策略，其中基于 SOEM 的 MOGA 为基于 COMSOL 的 MOGA 提供输入系统。这加速了优化过程并将优化时间缩短了至少约 10 倍，从几天缩短到几个小时。典型的优化系统的探针尺寸为 11.9 nm，二次电子检测效率为 80%。这种新方法可以在具有一个或多个目标函数和多个自由变量的静电透镜设计中实现，是一种非常高效、全自动的优化技术。
利用量子化学指导的多目标贝叶斯优化发现储能分子材料
氧化还原液流电池 (RFB) 因其灵活的设计、可扩展性和低成本而成为固定储能应用的一项有前途的技术。在 RFB 中，能量以可流动的氧化还原活性材料 (redoxmers) 的形式传输，这些材料存储在外部并在运行期间泵送到电池中。要进一步提高 RFB 的能量密度，就需要设计具有更宽氧化还原电位窗口和更高溶解度的氧化还原聚合物。此外，设计具有荧光自报告功能的氧化还原聚合物可以监测 RFB 的健康状况。为了加速发现具有所需特性的氧化还原聚合物，最先进的机器学习 (ML) 方法（例如多目标贝叶斯优化 (MBO)）非常有用。在这里，我们首先采用密度泛函理论计算，基于 2,1,3-苯并噻二唑 (BzNSN) 核心结构，为 1400 个氧化还原聚合物分子生成还原电位、溶剂化自由能和吸收波长的数据库。根据计算出的属性，我们确定了 22 种兼具所有所需属性的帕累托最优分子。我们进一步利用这些数据开发和基准测试了 MBO 方法，以快速有效地识别具有多种目标属性的候选分子。使用 MBO，与蛮力或随机选择方法相比，从 1400 个分子数据集中识别最佳候选分子的效率至少提高 15 倍。重要的是，我们利用这种方法从 100 万个基于 BzNSN 的分子的未知数据库中发现了有前途的氧化还原体，我们发现了 16 种新的帕累托最优分子，其性能比最初的 1400 种分子有显著改善。我们预计这种主动学习技术是通用的，可用于发现满足多种所需属性标准的任何一类功能材料。
基于进化多任务的混合脑机接口系统中通道选择的多目标优化算法
混合模态脑机接口 (BCI) 结合了运动想象 (MI) 生物信号和稳态视觉诱发电位 (SSVEP)，在神经工程研究领域引起了广泛关注。在实际应用中，通道数量应尽可能少。然而，最近关于通道选择的大部分研究仅关注分类任务的性能或设备控制的有效性。很少有研究同时对 MI 和 SSVEP 分类任务进行通道选择。在本文中，提出了一种基于多任务的多目标进化算法 (EMMOA)，以同时为这两个分类任务选择合适的通道。此外，还引入了一个两阶段框架来平衡所提算法中选定通道的数量和分类准确率。实验结果验证了多目标优化方法对于混合 BCI 任务通道选择的可行性。
面向多目标的知识引导双重不一致性网络...
谣言传播者越来越多地利用多媒体内容来吸引新闻消费者的注意力和信任。虽然一组谣言检测模型已经利用了多模态数据，但它们很少考虑图像和文本之间的不一致关系。此外，它们也未能找到一种有效的方法来发现帖子内容和背景知识之间的不一致信息。出于谣言更有可能在语义上具有不一致信息的直觉，提出了一种新颖的知识引导的双重不一致性网络来检测带有多媒体内容的谣言。它可以在一个统一的框架中捕获跨模态级别和内容知识级别的不一致语义。在两个公共真实数据集上进行的大量实验表明，我们的提议可以超越最先进的基线。
用多目标粒子群算法
摘要伊朗太阳能的高潜力以及空气污染的问题使使用太阳能越来越不可避免。在这项工作中，研究了太阳能有机兰丁周期（ORC）。太阳能收集器是平板收集器。与MOPSO算法的混合体系的能量，自我和经济分析是针对伊朗首都德黑兰进行的。假定太阳能收集器的工作流体被认为是水，ORC的工作流体为R123。MATLAB软件用于仿真，为了计算R123流体属性，使用了重建软件。exergy的调查表明，最充电的破坏与蒸发器有关。考虑了两个由发射效率和电价组成的目标功能。该优化的决策变量被认为是太阳能收集器面板和泵的数量，涡轮机等效率以及冷凝器和蒸发器的压力。帕累托图显示，系统的发电效率在7.5-10.5％的范围内可能有所不同，生产的电力价格可能会在0.2-0.26 $/kWh的范围内变化。关键字：自动，有机兰金周期，平坦收集器，能量，经济，太阳能。
对具有分配级别约束的可再生能源社区的多目标电池尺寸优化：posumer驱动的透视
可再生能源社区（REC）是一个合法实体，汇总了不同的用户共享自己的资源以减少电费和CO 2排放。本文介绍并分析了双目标策略的影响，以优化配备了光伏（PV）发电机的Rec sopumers的电池储能系统（BESS）的容量。通过自定义实施非主导的分类遗传算法-II（NSGA-II）来解决优化问题，并具有两个对比目标：从主要网格中最大化REC的自给自足，同时最大程度地减少所有REC成员的BESS容量。这项研究的关键新颖性是Prosumer驱动的观点，它允许排除不想通过线性优化约束安装BES的REC成员。此外，提出的方法确保过电压或底电压的概率符合分配系统运营商（DSOS）指定的限制。通过在OPENDS中执行的网格级仿真在优化循环中估算了这种概率以及线路和BES损失。分析了标准的对等网格（P2G）和更面向接收的对等（P2P）能量共享政策，并在不同季节中评估其性能，并考虑当前的能源需求和可能的未来情况，其中电气热泵被广泛使用。基于IEEE 906-BUS欧洲低压分配网格的修改版本的案例研究结果表明，如果分配给所有Recumumers的总Bess容量超过给定的阈值，则REC的收益将变得较小。假设选择与夏季阈值相对应的最佳BESS能力解决方案（即，当PV和BESS最多被利用时），P2G和P2P电池对照组的总能量损失均大约降低20％–40％。CO 2的排放量将P2P策略比P2G降低10％至50％。P2P能源共享政策在REC成员中更均匀地传播能源节省的经济利益，如果电力需求增加，投资回报率通常会更高。
基于规则的多目标蚱蜢优化算法优化的独立于电网的微电网长期最优容量规划能量管理方案
使用可持续能源系统 (SES) 为偏远社区提供离网电气化是实现可持续发展目标的必要条件。尽管如此，SES 的容量规划仍具有挑战性，因为它需要从长期角度满足波动的需求，此外还具有可再生能源 (RES) 的间歇性和不可预测性。由于容量规划问题的非线性和非凸性，必须采用有效的技术来实现具有成本效益的系统。现有技术受到目标函数可导性和连续性方面的一些限制，容易过早收敛，计算要求高，在不同应用中遵循严格的程序来微调算法参数，并且通常无法在优化过程的开发和探索阶段提供公平的平衡。此外，文献综述表明，研究人员在计算微电网容量规划问题时通常不会实施和检查微电网的能源管理方案 (EMS)。本文提出了一种基于规则的 EMS (REMS)，它由受自然启发的草跳优化算法 (GOA) 优化，用于独立于电网的微电网的长期容量规划，该微电网包含风力涡轮机、光伏发电、电池 (BT) 组和柴油发电机 (D gen)。其中，基于规则的算法用于实施 EMS，以优先使用 RES 并协调所提议微电网组件的功率流。随后，尝试探索和确认与 GOA 结合的所提议 REMS 的效率。目标函数的最终目标是最小化能源成本 (COE) 和供电概率不足 (DPSP)。通过长期模拟研究检查 REMS 的性能，以确定 REMS 的弹性并确保不违反 BT 存储的运行限制。将 GOA 的结果与粒子群优化 (PSO) 和布谷鸟搜索算法 (CSA) 进行了比较。模拟结果表明，所提出的技术在收敛到最优解方面具有优越性。模拟结果证实，所提出的 REMS 有助于更好地采用更清洁的能源生产系统，因为与传统的 D gen 相比，该方案分别显着降低了燃料消耗、二氧化碳排放量和 COE 92.4%、92.3% 和 79.8%。算法的比较评估表明，REMS-GOA 的结果更佳，因为它提供的 COE（目标函数）最低，为 0.3656 美元/千瓦时，而 REMS-CSA 为 0.3662 美元/千瓦时，REMS-PSO 为 0.3674 美元/千瓦时，对于期望的 DPSP 为 0%。最后，进行敏感性分析，以突出未来可能出现的不确定性对系统输入的影响。
创建和控制高维多目标的经典纠缠光
在空间模式和极化下不可分割的抽象矢量梁已成为从通信到成像的许多不同应用中启用工具。通过控制旋转和轨道角动量的复杂激光设计实现了这种适用性，但到目前为止仅限于二维状态。在这里，我们演示了在八个维度上创建和完全控制的第一个矢量结构化的光，这是一种新的最新最新。我们首次将外部调节光束以控制偏执的结构光束中的古典格林伯格 - 霍恩林格（GHz）状态的完整集，类似于具有高维度的多面量子纠缠状态，并引入了一种新的Somagraphy方法，并引入了一种新的验证方法。我们的完整理论框架揭示了一个丰富的参数空间，可进一步扩展自由度和自由度，为经典和量子制度中的矢量结构光提供新的途径。
海胆（Arbacia lixula）肽的分子对接研究是非小细胞肺癌（NSCLC）相关蛋白的多目标抑制剂
Epidermal growth factor receptor (EGFR), phosphoinositide 3-kinase (PI3K), Janus kinase 3 (JAK3) and B-type Raf kinase (BRAF) are proteins that play a role in the growth and development of lung cancer, NSCLC subtype (Lee et al., 2011; El- Telbany and Ma, 2012; Hu et al., 2014).eGFR是一种酪氨酸激酶受体的蛋白质家族，在40-80％的NSCLC病例中过表达（Suzuki等，2005）。与EGF配体结合后，EGFR将激活PI3K/AKT/MTOR途径，BRAF途径和JAK-STAT途径，该途径在细胞增殖和生长中起着至关重要的作用（Andl等，2004; Liu等，2013; Singh等，2019）。因此，可以抑制与癌症作斗争的EGFR活性的化合物，例如Gefitinib和Lapatinib（Brehmer等，2005； Wainberg等，2010）。PI3K是PI3K/AKT1/MTOR途径中的中心蛋白。该途径在肺癌特征中过度活跃 - 在50-70％的NSCLC病例中磷酸化的Akt1过表达（YIP，2015）。PI3K-AKT途径通过灭活下游凋亡因子在细胞表面中起重要作用（Zhuang等，2011）。BRAF是调节细胞生长的BRAF途径中的中央蛋白。大约50％的NSCLC肺癌Paptents在BRAF蛋白中具有V600E突变（Bustamante and Otterson，2019年）。BRAF V600E CAN