XiaoMi-AI文件搜索系统
World File Search System技术预测
第一性原理密度泛函理论和机器学习技术预测 PtPd 基高熵合金催化剂上的水吸附位点
该期刊文章的自存档后印本可在林雪平大学机构知识库 (DiVA) 找到：http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-192317 注意：引用该作品时，请引用原始出版物。 Rittiruam, M., Setasuban, S., Noppakhun, J., Saelee, T., Ektarawong, A., Aumnongpho, N., Boonchuay, S., Khajondetchairit, P., Praserthdam, S., Alling, B., Praserthdam, P., (2023)，第一原理密度泛函理论和机器学习技术用于预测 PtPd 基高熵合金催化剂上的水吸附位点，高级理论与模拟，6(4)，2200926。https://doi.org/10.1002/adts.202200926
基于新型特征描述符和特征选择技术预测谷氨酸棒状杆菌启动子
启动子是重要的非编码DNA调控元件，与RNA聚合酶结合激活下游基因的表达。工业上人工精氨酸主要由谷氨酸棒杆菌合成，特定启动子区域的复制可增加精氨酸的产量，因此需要对谷氨酸棒杆菌中的启动子进行准确定位。在湿实验中，启动子的识别依赖于sigma因子和DNA剪接技术，这是一项费力的工作。为了快速方便地识别谷氨酸棒杆菌中的启动子，我们发展了一种基于新型特征表示和特征选择的方法来完成这项任务，通过多种理化性质的统计参数描述DNA序列，结合方差分析和层次聚类过滤冗余特征，其预测准确率高达91.6%，灵敏度91.9%可以有效识别启动子，特异性91.2%可以准确识别非启动子。此外，我们的模型可以在400个独立样本中正确识别181个启动子和174个非启动子，证明了所开发的预测模型具有良好的稳健性。
2022 年技术预测 – 未来军事效用...
在最后的研讨会上，目标是就重点技术的潜在军事效用达成共识。这是通过使用德尔菲法的变体来实现的，在该法中，小组集思广益、讨论和投票，直到他们达成令人满意的程度的一致意见。还讨论了军事研发的必要性。得出关于潜在军事效用的结论，并将其记录为重大、中等、不确定或可忽略不计。对军事参与者（这里是瑞典武装部队）的建议通常分为三类：利用可能提供重大军事效用的技术、监控具有中等或不确定军事效用的技术以及建议不要投资于具有可忽略不计军事效用的技术。
经验扎根的技术预测和能源...
迅速脱碳的全球能源系统对于解决气候变化至关重要，但对成本的担忧一直是实施的障碍。大多数能源经济模型历史上低估了可再生能源技术的部署率，并高估了其成本1,2,3,4,5,6。这些模型的问题激发了对更好方法的要求7,8,9,10,11,12，而最近的e↵Orts在这个方向上取得了进展13,14,15,16。在这里，我们采用了一种基于概率成本前铸造方法的新方法，该方法在经验测试了50多种技术17,18时进行了可靠的预测。我们使用这些方法来估计未来的能源系统成本，并发现该方法与继续基于化石燃料的系统相比，快速的绿色能源过渡可能会导致总体净储蓄数万亿美元 - 即使不考虑气候损害或气候政策的共同利益。我们表明，如果太阳能光伏，风能，电池和氢电解器继续遵循其当前的十年来呈指数增长的部署趋势，我们在二十五年内实现了接近零的排放能量系统。相比之下，较慢的过渡（涉及部署增长趋势低于当前利率）更昂贵，并且核驱动的过渡要昂贵得多。如果无法控制碳排放的非能源，我们的分析表明，快速的绿色能源过渡可能会产生可观的生态储蓄，同时还满足巴黎1.5度的协议目标。
已发表版本的引用（APA）：JET 贡献者、Vega、J.、Citrin、J.、Ho、A.、Huijsmans、G.T.A.、Marin、M. 和 van de Plassche、K.L. (2022)。利用人工智能技术预测托卡马克等离子体中的中断。自然物理，18(7)，741-750。 https://doi.org/10.1038/s41567-022-01602-2
奥卡马克是目前最有前途的商业化聚变反应堆配置，但与仿星器相反，它们很容易发生中断。由于它们也是非常复杂的设备，因此中断取决于许多影响以及它们之间的非线性相互作用。脉冲托卡马克实验包括数百万安培数量级的电流放电。这些放电的正常演变可能会被各种类型的不稳定性 1 突然打断。与过度辐射（从可见光到 X 射线光谱区域）、过高的等离子体密度或异常电流分布有关的不稳定性尤为常见和危险。中断发生在两个阶段，即热猝灭和电流猝灭。在热猝灭期间，等离子体的大部分内部能量会在 1 毫秒数量级的时间尺度上损失。热猝灭之后立即是电流猝灭，在此期间等离子体电流会在几毫秒到几百毫秒的时间间隔内熄灭，在当今的托卡马克中这一点尤为明显。中断的前兆通常表现为几个诊断信号异常，例如电子温度异常（图1）。然而，这些所谓的前兆信号也可能出现在非中断等离子体中，这使得中断预测成为一个复杂的多目标问题。由于缓解中断需要立即终止放电，因此误报会浪费大量的资源，而且有损坏设备的风险。因此，需要将误报和漏报保持在最低限度。准确预测中断对于下一代托卡马克来说将更加重要，因为它们将使用面向等离子体的金属部件。金属有几个优点。首先，它可以承受负载且腐蚀程度可接受，这意味着它对面向等离子体的部件的寿命以及托卡马克的效率的影响较小。其次，等离子体燃料的滞留率相对较低。滞留率高，即放射性燃料在壁内积聚，是一种安全威胁
利用遥感技术预测作物产量...
农业是印度经济的重要部门，在确保粮食安全方面发挥着至关重要的作用。印度是世界上少数几个使用陆基观测和空间技术定期更新以帮助农民的国家之一，这有助于提高农作物产量，并为实现可持续农业提供投入。这些技术有助于在粮食安全问题上做出明智的决定，合法仓储，及时提供农业信息。为了确保粮食安全，政府不时强调农业，并推出计划。最近推出了一些重大计划，以提高每滴农作物的产量，增加农作物，农作物保险，Rashtriya Krishi Vikas Yojna。小麦是印度种植面积第二大的粮食作物，仅次于大米，每天为数百万印度人提供食物。印度的小麦产量约占世界总产量的 8.7%。它是该国北部和西北部各邦特别重要的主粮。北方邦、旁遮普邦、哈里亚纳邦和中央邦是该国的主要小麦产区。哈里亚纳邦位于印度北部地区，以小麦产量和消费量巨大而闻名。该邦在全邦 250 万公顷的土地上种植了约 116.30 万吨净小麦。修订稿于 2020 年 2 月 5 日收到。
请引用原文：Du, B., Lund, PD, & Wang, J. (2021). 结合 CFD 和人工神经网络技术预测全玻璃直真空管太阳能集热器的热性能。能源，220，文章 119713。https://doi.org/10.1016/j.energy.2020.119713
本文分析了一种新型全玻璃直通真空管集热器的热性能建模和性能预测。开发了管的数学模型，并将其纳入 CFD 软件进行数值性能模拟。为了提高集热器的热性能预测，考虑了不同的人工神经网络 (ANN) 模型。采用包含 200 多个样本的综合实验数据集对模型进行测试。将热模拟模型与 ANN 模型相结合，使用建模的集热器输出作为输入模型之一，显著提高了 ANN 模型的预测精度。与 ANN 模型相比，仅基于 CFD 模型的预测精度最差。卷积神经网络 (CNN) 模型被证明是预测精度最好的 ANN 模型。关键词：太阳能集热器；真空管；神经网络；多元线性回归；CFD；热性能；预测
与能源领域相关的技术预测
技术监测、监视和警报（收集和解释信息）； 竞争情报（将信息转换成可用情报）； 技术预测（预测变化的方向和速度）； 技术路线图（将预期的技术和产品进步联系起来制定计划）； 技术评估（预测技术变化的意外、间接和延迟影响）； 技术预见（影响发展战略，通常涉及参与机制）。 近几十年来，著作 [3] 和 [4] 回顾了技术预测方法的种类、它们之间的关系和应用。然而，还没有对应用于能源领域的技术预测演变的一般概述。本研究试图调查能源技术预测在科学文献中的影响。
使用机器学习技术预测遗忘型轻度认知障碍患者的淀粉样蛋白-β 水平
为了解决其中的一些限制，新的 NIA-AA 研究框架已提议使用 A β 沉积、病理性 tau 和神经变性 [AT(N)] 的生物标志物来诊断 AD 并降低研究样本的异质性。同样，最近的临床试验已经使用了在脑脊液 (CSF) 或脑中使用正电子发射断层扫描 (PET) 测量的淀粉样蛋白状态的生物标志物 [7]。虽然淀粉样蛋白 PET 被认为是非侵入性的，并且可能比 CSF 生物标志物更可靠 [8]，但其在研究和临床实践中的实用性有限。阻碍 PET 成像在研究和实践中广泛使用的因素包括可用性、经济因素（高成本、不在保险范围内）以及患者或护理人员的担忧（安全性、负担、耐受性和辐射暴露）[9]。