XiaoMi-AI文件搜索系统
World File Search System模型描述
考虑大规模电池储能热致事故的可再生能源系统可靠性评估
摘要 — 电池储能系统 (BESS) 被认为是电力系统中可再生能源容纳的有效解决方案。然而，大型 BESS 的剩余容量和最大功率受到电池性能下降和热失控 (TR) 传播等热诱发事件的严重影响。在现有技术研究中，热诱发事件对 BESS 服务性能的影响尚未得到很好的建模，导致电力系统的可靠性估计相对过于乐观。本文研究了考虑电池性能下降和 TR 传播的大型并网 BESS 的可靠性及其对电力系统整体可靠性的影响。为了量化 BESS 的时变性能，构建了一个多状态模型。所提出的模型描述了 BESS 内部电池的老化过程，结合了连续 TR 和周围电池因吸热而导致的性能下降的综合影响。基于蒙特卡罗方法，模拟了反映间歇性风力发电和波动负载不确定性的场景。建立了储能系统最优调度模型，提出了求解算法，计算了储能系统在实时性能范围内考虑热工条件的调度结果，并通过实例验证了所提模型和技术的有效性。
Dicke 模型简介
Dicke 模型描述了量化腔场与大量两能级原子之间的耦合。当原子数量趋于无穷大时，该模型可以转变为超辐射相，属于平均场 Ising 普适性类。超辐射跃迁首次预测是在热平衡原子中发生的，最近利用光腔中原子制成的量子模拟器实现了这一转变，该模拟器既受到耗散也受到驱动。除了这种原子实现之外，Dicke 模型的量子模拟还在许多其他实验系统中得到提出，包括超导量子比特、囚禁离子以及对冷原子使用自旋轨道耦合。在本进度报告中，我们介绍了一些与 Dicke 模型相关的理论概念，回顾了超辐射相变的临界性质，以及平衡和非平衡条件的区别。此外，我们解释了超辐射相变与更常见的激光跃迁之间的根本区别。我们的报告主要关注单模光学腔中原子的稳定状态，但我们也提到了实时动力学的一些方面，以及其他量子模拟器，包括超导量子比特、捕获离子和对冷原子使用自旋轨道耦合。这些实现在描述平衡系统还是非平衡系统方面有所不同。
设计行为感知人工智能，提高人机团队在人工智能辅助决策中的表现
随着人工智能模型驱动的决策辅助工具的快速发展，人工智能辅助决策的实践越来越普遍。为了提高人机团队的决策能力，早期的研究多集中于提高人类更好地利用给定的人工智能驱动的决策辅助工具的能力。在本文中，我们通过一种互补的方法来应对这一挑战——我们旨在通过调整决策辅助工具背后的人工智能模型来训练“行为感知人工智能”，以考虑人类在采纳人工智能建议时的行为。具体来说，由于人们观察到当人类对自己的判断信心较低时，他们会更容易接受人工智能的建议，因此我们建议使用基于人类信心的实例加权策略来训练人工智能模型，而不是解决标准的经验风险最小化问题。在一个假设的、基于阈值的模型下，该模型描述了人类何时会采纳人工智能建议，我们首先推导出用于训练人工智能模型的最佳实例加权策略。然后，我们通过在合成数据集上进行系统实验，验证了我们提出的方法在提高人机联合决策性能方面的有效性和稳健性。最后，通过对真实人类受试者的随机实验以及他们采纳人工智能建议的实际行为，我们证明了我们的方法在实践中可以显著提高人机团队的决策性能。
标准化多-UCL发现的神经元生态系统
神经元和电路的抽象数据驱动模型对于理解膜电导，突触，树突和神经元之间的解剖连通性如何产生健康和疾病中脑电路的复杂动力学行为。然而，这些生物过程的固有复杂性使生物学上详细的模型的构建和重复使用具有挑战性。已经开发了广泛的工具来帮助他们的构建和模拟，但是设计和内部代表的差异是希望在其研究工作流程中使用数据驱动模型的人的技术障碍。Neuroml是一种模型描述计算神经科学的语言，是为了解决建模工具中的这种分裂而开发的。自成立以来，Neuroml已演变为一个成熟的社区标准，该标准涵盖了计算神经科学中广泛的模型类型和方法。它已启用了可互操作的开源软件工具的大型生态系统，用于创建，可视化，验证和模拟模型。在这里，我们描述了如何将神经生态系统纳入研究工作流程中，以简化神经系统的标准化模型的构建，测试和分析，并支持公平的（可发现性，可访问性，互操作性和可重复性）原理，从而促进开放，透明，透明，透明，透明和可重复的科学。
在独立衬底上生长的 GaN 外延层上的 Ni 肖特基势垒中的电流传输
本文对在独立衬底上生长的 GaN 外延层上的 Ni 肖特基势垒进行了表征。首先，通过对裸材料进行透射电子显微镜 (TEM) 图像和导电原子力显微镜 (C-AFM) 的纳米级电学分析，可以看到晶体中的结构缺陷以及电流传导的局部不均匀性。在外延层上制造的 Ni/GaN 垂直肖特基二极管的正向电流-电压 (IV) 特性给出的肖特基势垒高度平均值为 0.79 eV，理想因子为 1.14。对一组二极管的统计分析，结合温度依赖性测量，证实了在该材料中形成了非均质肖特基势垒。从 Φ B 与 n 的关系图中可以估算出接近 0.9 eV 的理想均质势垒，与通过电容-电压 (C – V) 分析推断出的势垒相似。通过 C-AFM 获得的局部 IV 曲线显示了电流传导开始点的不均匀分布，这又类似于在宏观肖特基二极管中观察到的电流传导开始点。最后，在不同温度下获得了在无缺陷区域制造的二极管的反向特性，并通过热电子场发射 (TFE) 模型描述了其行为。
抗菌药物的模型信息开发：转化PK和PK/PD建模，以预测APRAMYCIN的有效人剂量
apramycin代表了氨基糖苷抗生素的一个亚类，该类别已证明可以逃避几乎所有与临床相关的氨基糖苷耐药性的机制。模型的药物发育可能有助于其从临床前阶段过渡到临床阶段。这项研究探讨了药代动力学/药效学（PK/PD）建模的潜力，以最大程度地利用体外时间杀伤和体内临床前数据来预测APRAMYCIN的人体有效剂量（HED）。PK模型参数来自四种不同物种（小鼠，大鼠，豚鼠和狗）的 pk模型参数。 从四个大肠杆菌菌株的丰富体外数据中开发了一种半机械PK/PD模型，随后集成了相同菌株的稀疏体内疗效数据。 通过PK/PD模型预测了有效的人剂量，并将其与经典的PK/PD指数方法和氨基糖苷剂量相似性进行了比较。 一个门交模型描述了清除率和分布量的PK数据和人类价值，分别为7.07 l/小时和26.8 L。 在大腿模型中，所需的F AUC/MIC（在未结合的药物浓度时曲线与MIC比率下的面积相比MIC比率）分别为34.5和76.2。 开发的PK/PD模型可以很好地预测疗效数据，其易感性，最大细菌负荷和耐药性发展的菌株特异性差异。 所有三种剂量预测方法均支持典型的成年患者的APRAMYCIN每日剂量为30 mg/kg。pk模型参数。从四个大肠杆菌菌株的丰富体外数据中开发了一种半机械PK/PD模型，随后集成了相同菌株的稀疏体内疗效数据。通过PK/PD模型预测了有效的人剂量，并将其与经典的PK/PD指数方法和氨基糖苷剂量相似性进行了比较。一个门交模型描述了清除率和分布量的PK数据和人类价值，分别为7.07 l/小时和26.8 L。在大腿模型中，所需的F AUC/MIC（在未结合的药物浓度时曲线与MIC比率下的面积相比MIC比率）分别为34.5和76.2。开发的PK/PD模型可以很好地预测疗效数据，其易感性，最大细菌负荷和耐药性发展的菌株特异性差异。所有三种剂量预测方法均支持典型的成年患者的APRAMYCIN每日剂量为30 mg/kg。结果表明，机械PK/PD建模方法可以适用于HED预测，并有效地整合了所有可用的效力数据，并有可能提高预测能力。
用于神经科学标准化多尺度建模的 NeuroML 生态系统
神经元和电路的数据驱动模型对于理解膜电导、突触、树突和神经元之间的解剖连接的特性如何产生健康和疾病状态下的脑回路的复杂动态行为非常重要。然而，这些生物过程固有的复杂性使得构建和重复使用生物学详细模型具有挑战性。已经开发了各种各样的工具来帮助构建和模拟它们，但设计和内部表示的差异对那些希望在研究工作流程中使用数据驱动模型的人来说是技术障碍。NeuroML 是一种用于计算神经科学的模型描述语言，它的开发就是为了解决建模工具中的这种碎片化问题。自成立以来，NeuroML 已经发展成为一个成熟的社区标准，涵盖了计算神经科学中的各种模型类型和方法。它促成了一个大型生态系统的开发，该生态系统由可互操作的开源软件工具组成，用于创建、可视化、验证和模拟数据驱动模型。在这里，我们描述了如何将 NeuroML 生态系统纳入研究工作流程，以简化神经系统标准化模型的构建、测试和分析，并支持 FAIR（可查找性、可访问性、互操作性和可重用性）数据原则，从而促进开放、透明和可重复的科学。
大规模人工智能运营平台的实验与分析框架
人工智能的操作化已成为研究和工业领域的一项重大努力。管理人工智能应用程序生命周期的自动化、操作化的管道将成为基础设施工作负载的重要组成部分 [6]。人工智能工作流平台 [1、6] 协调了操作大量客户特定人工智能管道所需的异构基础设施。调整运营策略以实现特定应用的成本效益权衡，同时满足机器学习模型的特定领域特征（例如准确性或鲁棒性）是一项挑战。一个关键挑战是确定与执行管道相关的成本权衡以及潜在的模型性能改进 [5-7]。我们提出了一个跟踪驱动的实验和分析环境，使研究人员和工程师能够设计和评估用于大规模人工智能工作流系统的此类运营策略。 IBM 开发的生产级 AI 平台的踪迹记录了一年内数千次管道执行，可用于构建综合模拟模型。我们的模拟模型描述了管道与系统基础架构之间的交互，以及管道任务如何影响不同的 ML 模型指标。我们在独立的随机离散事件模拟器中实现该模型，并提供运行实验的工具包。通过集成时间序列数据库和分析前端，我们可以进行临时探索以及实验的统计分析。
支持区块链的可持续供应链，在信息共享和恢复质量努力下
摘要：这项研究的目的是建立一个有效的合同协调模型，以通过区块链技术将供应链（SC）推进可持续性。在区块链技术中对恢复质量和信息共享的努力的影响下，研究了SC未售出产品再制造的问题。首先，一个功能模型描述了由价格影响的恢复质量如何受到价格影响的恢复质量和需求。其次，下游SC面对市场不确定性，分析了消费者敏感性，并重新考虑了SC信息共享系统，以提高消费者满意度。然后，在信息共享和恢复质量努力的条件下，讨论了分散的SC决策模式。以上表明在分散决策模式下再制造SC未售出的产品无法协调。为了证明未售出产品的效率再制造，我们将集中式SC模式作为基准，这被称为最有效的系统。最后，为了有效地协调整个链，提出了一种“成本和收入共享”的机制，并给出了供应商选择再制造的限制。结果表明，“成本和收入共享”机制可以有效地协调SC，并且下游和上游的预期利润将处于Win -Win条件下。此外，可持续SC未售出产品的“成本和收入共享”机制基本上建立了成员之间提高现有资源使用情况和环境含义的效率的动机。
视觉特征前额编码的个体差异
摘要：外侧前额叶皮层 (LPFC) 通常与高级认知有关，例如注意力、语言和认知控制。然而，最近的研究表明，它对于包括物体识别在内的基本感知功能也至关重要。在这里，我们用计算模型描述了 LPFC 在视觉处理中的作用。使用 7T 的人类 fMRI 数据数据集，我们建立了编码模型，将从深度神经网络（CLIP [对比语言-图像预训练] 网络的图像编码器）中提取的视觉特征与大脑对数千张自然图像的反应联系起来。在八个受试者中，我们能够稳健地预测 LPFC 斑块中的反应，最明显的是 FEF（额叶眼场）和 vlPFC（腹外侧 PFC）区域。利用这些强大的编码模型，我们随后探索了表征结构并筛选了 LPFC 中具有高预测反应的图像。我们发现 LPFC 的编码方案存在显著的个体差异。相比之下，腹侧视觉流的编码方案在个体之间保持更一致。总体而言，我们的研究证明了 LPFC 在视觉处理中的作用未被充分重视，并表明 LPFC 可能是不同个体体验视觉世界的独特之处的基础。从方法论上讲，这些发现也可能解释了为什么以前的团体研究往往未能观察到 LPFC 中强大的视觉功能，因为受试者的反应可能需要单独校准。