XiaoMi-AI文件搜索系统
World File Search System替代模型
Xin YuXin Yu
•视觉：图像分类，单视3D建模和自主驾驶（SLAM）•语言：语言生成和零拍的大型语言建模•科学的AI：用于物理模拟的数据驱动方法（替代模型，操作员学习，操作员学习），时间序列学习（时间序列学习）
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日](/simg/g:\will\search\icon\source\d\d218e1fe75ebf62623e6767a32680742b198a723.png)
arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日
识别产生破坏性风暴潮的热带气旋以进行风险评估（例如从用于气候研究的大型降尺度风暴目录中识别），通常很棘手，因为它需要进行许多昂贵的蒙特卡罗流体动力学模拟。在这里，我们表明替代模型从准确度、召回率和精确度的角度来看很有前景，并且它们可以“推广”到新的气候情景。然后，我们提出了一种信息丰富的在线学习方法，仅使用一些流体动力学模拟即可快速搜索产生极端风暴潮的气旋。从具有详细风暴潮流体动力学模拟的最小 TC 子集开始，替代模型选择信息丰富的数据进行在线重新训练，并迭代改进其对破坏性 TC 的预测。对大量降尺度 TC 目录的结果表明，使用不到 20% 的模拟作为训练，检索罕见的破坏性风暴的精确度为 100%。信息丰富的采样方法高效、可扩展到大型风暴目录，并可推广到气候情景。
机器学习引导 - aqfep-a-fast-fast-fastic-absolute- ...
输入：目标函数f（x），采集函数α，替代模型ˆ f（x）和某些化学库d选择随机批次s⊂d评估目标f（x），以生成s∈S初始化的标签y s初始化，标记的数据（y y s）的标签集（y y s）用于t←1 to
安德烈亚斯·阿德尔曼
粒子加速器物理与建模 II 2V 1U 加速器将被视为一个抽象的动态系统，我们将讨论非线性对带电粒子束动力学的影响。我们将介绍 Lie 方法与微分代数 (DA) 和截断幂级数 (TPS) 的结合。在第二部分中，我们将讨论使用神经网络和多项式混沌展开来构建此类非线性动态系统的替代模型。
冲动性和障碍症的介导对被监禁男性创伤性脑损伤与攻击性之间的关联
图2探索性SEM多个调解结果。该图显示了探索性模型的SEM多个中介结果：（a）包括障碍症对冲动性和aggresison之间关联的调节作用，以及（b）将攻击性建模为TBI原因的替代模型。路径系数是不可分割的，并且从图表中省略了协变量和教育。* p <.05，*** p <.001。sem，结构方程建模； TBI，创伤性脑损伤。
对电动机设计优化的数据驱动的替代模型的评论
摘要 - 电动机是电子推进系统的核心组成部分之一，在该行业中起着至关重要的作用。电动机的最佳设计提出了一个复杂的非线性问题，通常会挑战传统方法，以在准确性和效率之间取得平衡。实现准确的分析和整体优化通常需要大量的计算要求，尤其是在与大型个人打交道时。结果，研究人员开始探索数据驱动的替代模型来解决这一困境的利用。本评论论文着重于研究用于构建数据驱动的替代模型的领先技术，以协助和促进电动机的设计优化过程。这些技术包括统计模型，机器学习模型，深度学习模型和其他基于人工智能的技术。本文对基本原则进行了全面的调查，并提供了利用这些不同模型的研究的详细示例。此外，这些模型的性能和潜力都以评论为强调，从而阐明了它们各自的优势和局限性。此外，讨论了在此主题下提出的研究挑战，并有望在此主题下进行改进的途径。索引术语 - 手工智能，数据驱动的模型，深度学习，电动机，机器学习，优化，替代模型。
在低反应等离子体环境中Cu纳米线的降解
建筑部门在所有部门的运营能源消耗和温室气体排放中的份额最高。许多国家设定的环境目标迫使需要改善现有建筑股票的环境足迹。建筑改造被认为是该方向的最有希望的解决方案之一。在本文中，提出了用于评估必要的建筑包络和能源系统改造的替代模型。人工神经网络被利用以建立此模型，以在准确性和计算成本之间取得良好的平衡。对所提出的模型进行了培训和测试，用于瑞士苏黎世市的案例研究，并将其与使用构建模拟和优化工具的建筑改造最先进的模型之一进行了比较。替代模型在较小的输入集上运行，而推导改造溶液所需的时间从3.5分钟减少到16.4μsec。结果表明，所提出的模型可以显着降低计算成本，而无需大多数改造维度的误差准确性。例如，改装成本和能源系统SE部门的平均精度为r 2 = 0。9408和F 1得分= 0。9450。最后，重要的是，这种替代改造模型可以有效地用于宽面积的自下而上的改造分析，并有助于加速采用改造措施。
AI增强的数据同化和不确定性定量应用于地质碳存储
这项研究研究了机器学习（ML）和数据同化（DA）技术的整合，重点是实施用于地质碳储存（GCS）项目的替代模型，同时保持后状态的高富达物理结果。最初，在通道储层中的CO 2注射模拟的背景下，我们评估了两个不同的机器学习模型（FNOS）和变压器UNET（T-UNET）的替代建模能力。我们介绍了基于替代物的混合ESMDA（SH-ESMDA），这是传统的合奏对多种数据同化（ESMDA）的改编。此方法将FNO和T-UNET用作替代模型，并有可能使标准的ESMDA过程至少更快或更高，具体取决于同化步骤的数量。此外，我们引入了基于替代的混合RML（SH-RML），这是一种差异数据同化方法，依赖于随机最大似然（RML），在该方法中，FNO和T-UNET都可以计算梯度以优化目标函数，以及用于计算较高的状态模型来进行计算。我们的比较分析表明，与案例研究的常规ESMDA相比，SH-RML提供了更好的不确定性量化。
使用高数据效率深度学习的光子结构优化：应用于纳米蛋白和环形河流相位掩码
metasurfaces为在薄膜光学元件的领域中操纵光特性提供了一个灵活的框架。特别是，可以通过使用薄相板有效地控制光的极化。本研究旨在为这些设备引入替代优化框架。该框架用于开发针对天文学高对比度成像应用的两种涡旋相口罩（VPM）。计算智能技术被利用以优化这些设备的几何特征。较大的设计空间和计算限制需要使用替代模型，例如部分最小二乘Kriging，径向基函数或神经网络。但是，我们证明了这些方法在建模VPM的性能时的不足。为了解决这些方法的缺点，提出了使用深神经网络作为高度准确且有效的替代模型的数据效率进化优化设置。本研究中的优化过程采用了强大的粒子群进化优化方案，该方案在光子设备的显式几何参数上运行。通过这种方法，为两个候选人开发了最佳设计。在最复杂的情况下，进化优化可以优化设计原本不切实际的设计（需要太多的模拟）。在这两种情况下，替代模型都提高了程序的可靠性和效率，与常规优化技术相比，所需的模拟数量最多可将所需数量的仿真数量减少高达75％。