XiaoMi-AI文件搜索系统
World File Search System替代模型
在人脑组织的逆粘弹性参数识别中使用基于 dropout 的主动学习和替代模型
逆向力学参数识别可以表征难以实现均匀变形状态的超软材料。但是，这通常需要很高的计算成本，而这主要取决于正向模型的复杂性。虽然有限元模型等模拟方法可以捕捉几乎任意的几何形状并实现相关的本构方程，但它们的计算成本也很高。机器学习模型（例如神经网络）在用作替代复杂高保真模型的替代模型时可以帮助缓解此问题。因此，在初始训练阶段之后，它们充当降阶模型，在此阶段它们学习高保真模型的输入和输出关系。由于需要进行模拟运行，因此生成所需的训练数据需要很高的计算成本。在这里，主动学习技术可以根据训练模型的估计获得准确度来选择“最有价值”的训练点。在这项工作中，我们提出了一个循环神经网络，它可以很好地近似粘弹性有限元模拟的输出，同时显著加快评估时间。此外，我们使用基于蒙特卡洛辍学的主动学习来识别信息量很大的训练数据。最后，我们通过识别人类脑组织的粘弹性材料参数来展示开发的管道的潜力。
替代模型驱动的物理信息
基于高斯过程 (GP) 的替代模型具有固有能力，可以捕捉数字孪生框架 Kobayashi 等人 [2022a,b]、Rahman 等人 [2022]、Khan 等人 [2022] 的建模和仿真组件中存在的由于数据有限、数据缺失、数据缺失和数据不一致（噪声/错误数据）而引起的异常，特别是对于事故容错燃料 (ATF) 概念。但是，当我们拥有有限的高保真度（实验）数据时，GP 不会非常准确。此外，使用 GP 应用高维函数（>20 维函数）来近似预测具有挑战性。此外，噪声数据或包含错误观测值和异常值的数据是高级 ATF 概念面临的主要挑战。此外，控制微分方程对于长期 ATF 候选者来说是经验性的，数据可用性是一个问题。基于物理的多保真度克里金法 (MFK) 可用于识别和预测所需的材料特性。MFK 特别适用于低保真度物理（近似物理）和有限的高保真度数据 - 这是 ATF 候选者的情况，因为数据可用性有限。本章探讨了该方法，并介绍了其在 ATF 实验热导率测量数据中的应用。MFK 方法对少量无法通过传统克里金法建模的数据显示出其重要性。用这种方法构建的数学模型可以轻松连接到后期分析，例如不确定性量化和敏感性分析，并有望应用于基础研究和广泛的产品开发领域。本章的总体目标是展示可以嵌入 ATF 数字孪生系统的 MFK 替代品的能力。
一种加速裂纹钢结构非侵入式全局-局部模拟的替代模型
摘要 基于物理的数字孪生通常需要大量计算来诊断结构中的当前损伤状态并预测未来的损伤状态。本研究提出了一种新颖的迭代全局局部方法，其中局部数值模型被替代模型取代，以快速模拟大型钢结构的开裂。迭代全局局部方法将尺度从大型钢结构的操作层面扩展到开裂部件的层面。使用静态凝聚可以有效地模拟线性全局域，使用本文提出的自适应替代建模方法可以快速模拟开裂的局部域。本研究将所提出的替代迭代全局局部方法与参考模型、子模型和没有替代模型的迭代全局局部方法的求解时间和准确性进行了比较。研究发现，替代迭代全局局部法求解速度最快，结果也相对准确。
替代模型选择对蛋白质祖先序列重建的后果
分子进化的最佳拟合替代模型是系统发育感（包括祖先序列重建（ASR））的传统步骤。然而，最近的一些研究表明，应用此过程不会影响系统发育重建的准确性。在这里，我们通过分析蛋白质演化替代模型的选择的影响，重点介绍了使用模拟和真实数据的ASR的准确性。我们发现所选最佳拟合取代模型会产生最准确的祖先序列，尤其是在数据呈现较大的遗传多样性的情况下。的确，在具有相似交换性生存性的替代模型下重建的祖先序列相似，这表明如果所选的最佳拟合模型不能用于重建，则采用类似于所选模型的模型是首选的。我们得出的结论是，建议在蛋白质探测的替代模型之间进行选择，以重建准确的祖先序列。
通过物理增强动态模式分解方法启用具有替代模型的替代预后学
计算模型提供了评估和预测物理系统健康和性能的基本定量工具。但是，由于其时间密集型的性质，高实现模型很少用于实时操作或大型优化循环。提高预后计算效率的一种常见方法是采用表面模型。这样的模型可以显着减少计算时间，以获得一些准确的损失。在这种情况下，提出了动态模式分解（DMD）的使用，以对锂离子（Li-ion）电池电量进行替代模型。dmd，但是尚未应用于PHM域，在PHM域中，非线性行为的远面预测对于传播断层或剩余有用的使用寿命至关重要。对于锂离子电池健康管理，DMD的标准应用仅使用可观察到的兴趣量无法捕获实验室测试中展示的电池的非线性排放。Koopman理论提供了一种机制，可以通过将非线性状态变量扩展到系统表示中，以在DMD框架中以高维线性模型进行高维线性模型进行交易。通过这种方式，DMD允许根据Koopman运算符的维度提供可配置的模拟精度。为了进行电池健康管理，我们使用了更高的物理模型的隐藏状态增强了可观察到的变量，以构建DMD代理。与高实现模型相比，替代物提高了计算效率，仅损失准确性，并实现了长期prog-
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
基于傅里叶的替代模型中的窗口补偿...
摘要 — 本文展示了如何在每次相位随机化之后添加第二步窗口来降低基于傅里叶的替代分析中的错误拒绝率。窗口技术减少了傅里叶级数中周期性扩展数据序列边界处的不连续性。然而，它们增加了时间域非平稳性，从而影响替代分析。这种影响对于短低通信号尤其成问题。将相同的窗口应用于替代数据允许具有相同的非平稳性。该方法通过蒙特卡罗模拟在 1 阶自回归过程零假设上进行测试。以前的方法无法同时对左侧和右侧测试产生良好的性能，对双边测试更是如此。结果表明，新方法对于单侧测试和双边测试都是保守的。为了证明所提出的窗口方法在现实环境中是有用的，在这篇扩展论文中，它被应用于 EEG 诊断问题。数据集包含 15 名受试者的 EEG 测量数据，这些受试者分为三组：注意力缺陷障碍主要为多动冲动型 (ADHD)、注意力缺陷障碍主要为注意力不集中型 (ADD)；焦虑症和注意力脆弱型 (ANX)。统计和机器学习 (朴素贝叶斯) 方法均被考虑。平均短窗口 SA (MSWSA) 被用作信号特征，并研究了其相对于窗口系统的性能。主要发现是：(i) MSWSA 特征对于 ADD 的变异性小于对于 ADHD 或 ANX 的变异性，(ii) 所提出的窗口方法降低了 SA 特征的偏差和非正态性，(iii) 使用所提出的方法和朴素贝叶斯分类器，通过留一交叉验证将 ADD 与 ADHD 和 ANX 区分开来的成功率为 93%，以及 (iv) 如果没有所提出的窗口系统，新特征不可能产生有趣的结果。
面向金属增材制造数字孪生的开发多尺度多物理模型及其替代模型
嵌入制造过程数字模型的人工智能 (AI) 可用于显著提高过程生产率和产品质量。此类先进功能的应用，特别是应用于金属增材制造 (AM) 等高度数字化的过程，可能会使这些过程在商业上更具吸引力。AI 功能将驻留在数字孪生 (DT) 中，数字孪生是物理过程的虚拟副本。DT 将能够以诊断控制能力自主运行以监督过程，并且可以由从业者查询以告知任何给定产品的最佳处理路线。从 DT 获得的信息的效用将取决于数字模型的质量，更重要的是，它们更快的解决替代品，这些替代品驻留在 DT 中，以便在快速决策期间进行咨询。在本文中，我们指出了 DT 在 AM 中的特殊价值，并重点关注了为 AM 流程创建高保真多尺度多物理模型以支持 AI 功能的必要性。我们确定了其开发的技术障碍，包括由模型的多尺度和多物理特性引起的障碍、跨尺度和物理链接子过程模型的困难以及实验数据的稀缺性。我们讨论了使用机器学习方法创建代理模型以实时解决问题的必要性。我们进一步确定了非技术障碍，例如标准化的需要和跨不同类型机构合作的困难。在反思和研究了 2019 年国际研讨会上关于该主题的讨论后，我们为所有这些挑战提供了潜在的解决方案。我们认为，与分散的努力相比，协作方法不仅可以帮助加速其发展，而且还可以通过允许模块化开发和考虑 AM 中各个子流程之间相互作用的链接来提高模型的质量。建议制定一个高级路线图来开始这样的合作。
量子退火优化PWR燃料加载的启发式替代模型
核心PWR燃料管理的核心任务是创建负载模式（LP）。在进行许可当局要求的详细设计研究之前，要确保LP的选择符合从安全，运营和其他条件衍生出的限制。同时，经济因素促使操作员发现功率峰值因子（PPF），较长的周期时间和较低的富集以发现燃料排列。这项任务长期以来一直被认为是燃料周期优化的重要组成部分[1] [2]。然而，PWR燃料LPS的组合属性（高维，高非线性，缺乏直接导数信息和多个最小值）描述了一个极为困难的优化问题[3]。一段时间以来，投入的高维度已被认为是一个特殊的问题：“这项工作的主要结论是，重新加载配置设计的基本挑战是由于搜索空间非常大。” [4]
替代模型在数字技术发展中的作用...
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的例子。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。