XiaoMi-AI文件搜索系统
World File Search System物理建模
PEM燃料电池的高级物理建模以增强其性能
氢技术提供了有前途的前景，可以在更可持续的世界中应对未来的能源需求。鉴于他们的潜力，他们的技术发展是许多政策的核心。因此，燃料电池的精确建模对于优化其控制并提高其性能至关重要。本文始于对有关物质运输的原理以及用质子交换膜（PEMFC）计算燃料电池电压的最新进展的深入分析。它通过介绍相关方程，其适用性和基本假设来详细了解这些原理，这构成了未来模型的发展。基于这项工作，已经开发了一种使用成品差异方法的PEMFC的一个维度，动态，两相和等温模型。该模型构成了功能块模型的简单性与数字流体力学模型的准确性（英语：计算流体动力学模型）之间的妥协，从而提供了内部状态的精确描述，同时对计算的需求较低。此外，在过压的计算中引入了一种新的物理参数，液体水饱和系数（S LIM）以及相应的公式。开源，基于此模型并在Python中实施的Alphapem软件，然后开发并发布。模型A此新参数将电压下降连接到高电流密度与催化层中存在的液体水量和燃料电池的工作条件。这种新建立的燃料电池内部状态及其操作条件之间的联系有望优化其控制，从而改善其性能。他提出了一个模块化体系结构，该体系结构有助于新功能的创建，并包括友好的图形界面。alphapem还结合了一种自动校准方法，可以通过研究的特定燃料电池对模型进行精确的校准。在使用此软件时，可以有效地计算有关所有当前密度的内部状态的详细信息。以极化和EIS曲线为特征的静态和动态性能也可以在不同的工作条件下进行模拟。此外，Alphapem为在车载系统中使用高级电池的高级模拟开辟了道路，因为它可以在动态操作条件下进行精确且快速的响应。
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
摘要。引入了一种用于建模肿瘤生长的新计算工具肿瘤生长。该工具允许比较标准教科书模型，例如一般的Bertalan效和Gom-Pertz，以及一些较新的模型，包括第一次是神经ODE模型。作为一种应用，我们在接受两种不同治疗方案的患者中重新审视非小细胞肺癌和膀胱癌病变的人类元研究，以确定先前报道的性能差异在统计学上是否显着，并且是否更新，更复杂的模型更为复杂。在至少四个时间体积测量的示例中，可以进行校准，平均约为6.3，我们的主要结论是，普通的bertalan杀性模型平均具有较高的性能。但是，如果有更多测量值可用，我们认为能够捕获反弹和复发行为的更复杂的模型可能是更好的选择。
组合的统计生物物理建模将离子通道基因与皮质神经元类型的生理学联系英国兽医中心的一种抗菌耐药性健康监测的宏基因组方法
。cc-by-nd 4.0国际许可证。是在预印本下提供的（未经同行评审的认证）是作者/资助者，他已授予Biorxiv的许可证，以在2025年2月14日发布的此版本中显示在版权所有的此版本中。 https://doi.org/10.1101/2025.02.12.12.636430 doi：Biorxiv Preprint
在热带气候变化下的冰川进化的物理建模
摘要。近年来，由于观察和/或计算机约束，由于全球冰川进化模型代码以及空间广泛的地理验证数据的可用性，因此，由于观察和/或计算的约束，在预先明显不可行的地区开发和验证冰川模型。热带安第斯山脉中的冰川代表了世界上观察到的一些最少和建模的冰川，使其在气候变化下的轨迹不确定。迄今为止的研究通常采用了表面能量平衡和冰流的经验模型，以模拟气候变化下的冰川进化，但是这些可能会错过未来冰川质量变化的重要非线性。我们结合了两种具有全球能力的建模代码，可提供这些过程的物理表现：（i）英国联合土地环境模拟器（Jules）解决了雪和冰的全部能量平衡，以及（ii）开放的全球冰川模型（OGGM），该模型（OGGM）解决了划定层次繁殖的shllow-ice-ice ecementing of the Hallow-ice-ace-ice equalitation equiplation equiplation cool coply cop＆repl＆repl＆repl。Jules – Oggm适用于秘鲁Vilcanota-urubamba盆地的500多个热带冰川，这是80万人的所在地，这些人主要居住在社会经济发展较低的农村社区，并且易于气候变化。该模型是针对可用的冰川和大地质量平衡观测值评估的，以实现使用建模工作流的潜力，以模拟十年时间表上的热带冰川进化。我们表明Jules -OGGM模型可以参数化
![正交表示用于估计因果量的学习
生成的AI和创造性工作：叙事，价值观和影响
triffid：提高第一响应者效率的自动机器人辅助
微守流：边缘设备的复杂性自我注意力低的视觉变压器
covid- ... 之间的不可思议和争议性溢出
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
对表示漏洞和工程强大的视觉变形金刚的机械理解
arxiv：2502.05610v1 [CS.CL] 2025年2月8日
Goproteingnn：利用蛋白质知识图蛋白表示学习
台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆
arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日
机器人引发的久坐行为的社会控制
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
arxiv：2502.07964v1 [cs.lg] 2025年2月11日
对石墨烯中振荡大声电效应的相干检测
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
将基于物理的建模与锂离子电池的机器学习相结合
Trellis BMA：DNA存储的IDS通道上的编码跟踪重建
arxiv：2502.07650v1 [stat.ml] 2025年2月11日
与Soc- ... 的多间隔能量储备合作](/simg/3/371e53cea55d57b21dc3cec4490fd2d843578c28.webp)
正交表示用于估计因果量的学习 生成的AI和创造性工作：叙事，价值观和影响 triffid：提高第一响应者效率的自动机器人辅助 微守流：边缘设备的复杂性自我注意力低的视觉变压器 covid- ... 之间的不可思议和争议性溢出 arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日 对表示漏洞和工程强大的视觉变形金刚的机械理解 arxiv：2502.05610v1 [CS.CL] 2025年2月8日 Goproteingnn：利用蛋白质知识图蛋白表示学习 台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆 arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日 机器人引发的久坐行为的社会控制 增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控 arxiv：2502.07964v1 [cs.lg] 2025年2月11日 对石墨烯中振荡大声电效应的相干检测 arxiv：2502.09316v1 [CS.CL] 2025年2月13日 将基于物理的建模与锂离子电池的机器学习相结合 Trellis BMA：DNA存储的IDS通道上的编码跟踪重建 arxiv：2502.07650v1 [stat.ml] 2025年2月11日 与Soc- ... 的多间隔能量储备合作
表示学习被广泛用于观察数据的因果量（例如，有条件的平均治疗效应）。尽管现有的表示学习方法具有允许端到端学习的好处，但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性，例如Double Ro-Busberness和Quasi-Oracle效率。此外，这种表示的学习方法通常采用诸如平衡之类的规范约束，甚至可能导致估计不一致。在本文中，我们提出了一类新型的Neyman-Ottrodonal学习者，以在代表水平上定义的因果数量，我们称之为或称为校友。我们的旅行者具有几个实际的优势：它们允许基于任何学习的表示形式对因果量进行一致的估计，同时提供了有利的理论属性，包括双重鲁棒性和准门的效率。在多个实验中，我们表明，在某些规律性条件下，我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知，我们的或学习者是第一批提供代表学习方法的统一框架，而Neyman-ottrol-ottrodenal学习者进行因果量估计。
对盐孢胺的结构见解介导的抑制人类20S蛋白酶体 组合的统计生物物理建模将离子通道基因与皮质神经元类型的生理学联系
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是制作
面向大众的神经质量建模：利用 FastDMF 实现全脑生物物理建模的民主化
最近，人们开发了不同的全脑计算模型来研究与大脑机制相关的假设。其中，动态平均场 (DMF) 模型尤其引人注目，它结合了通过平均场方法扩展的生物物理现实模型和多模态成像数据。然而，DMF 模型广泛使用的一个重要障碍是，当前的实现在计算上成本高昂，仅支持对考虑不到 100 个大脑区域的大脑分区进行模拟。在这里，我们介绍了一种高效且易于理解的 DMF 模型实现：FastDMF。通过利用分析和数值方面的进步（包括对反馈抑制控制参数的新型估计和贝叶斯优化算法），FastDMF 绕过了以前实现的各种计算瓶颈，提高了可解释性、性能和内存使用率。此外，这些进步使 FastDMF 能够将模拟区域的数量增加一个数量级，这一点已通过与 90 和 1,000 个区域划分的 fMRI 数据的良好拟合得到证实。这些进展为广泛使用基于生物物理的全脑模型开辟了道路
整合生成机器学习模型和基于物理的构建能量模拟的模型 /作者= vanfretti，luigi; Laughman，Christopher R。； Chakrabarty，Ankush /creationDate = 2024年10月8日 /主题=机器学习，多物理建模，优化< /div < /div>
建筑模拟工具在设计阶段经常用于尺寸设备并进行基于模拟的研究，以帮助估计年度能源使用或销售。对此类仿真研究的需求，再加上新设计方案（例如建筑电气化）的出现，促使创建基于高级物理的建筑模型。Modelica建筑物库（Wetter，Wangda Zuo，T。S. Nouidui等人等2014）是此类模型中最著名的集合之一，它可以模拟建筑信封和供暖，通风和空调系统的动态行为（Chakrabarty，Maddalena，Qiao等）2021; Zhan，Wichern，Laughman等。2022）。基于Modelica的工具在分析建筑物的性能方面具有明显的好处，因为它们促进了系统控制器设计（Wetter，Ehrlich，Gautier等人。2022）和现实的闭环控制性能（Stoffel，Maier，Kümpel等）2023）。尽管这种基于物理的模型模型可以有效地模拟建筑包膜的能量和传质过程，以及HVAC系统的热流体物理学，但还有其他一些过程会影响HVAC Sys-TEM会影响HVAC Sys-TEM的加热和冷却负载，而这些过程并非由人类而受到人为动作。建筑物乘员会产生并吸收潜在的，明智的和辐射的热量，其Ac-
电动机轴承故障检测的监督对比度学习 /作者=张，亨格鲁伊； Wang，Bingnan /CreationDate = 2024年9月4日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
抽象的各种故障会导致电动机故障，从而导致停机时间和资产损失。故障检测技术在行业中非常需要预测和防止此类故障。机器学习的最新进展已启用数据驱动的模型，这些模型可以从电动机中监视的信号中识别故障。但是，这些信号可能很复杂，并且表明故障的特征是微妙的。因此，需要提取与信号故障相关的信息特征的有效方法。在本文中，我们探讨了对比度学习在检测相位电流信号的轴承断层中的使用。我们开发了一个模型架构，该模型结构由两个部分，一个特征提取器和一个分类器组成，其中特征提取器使用监督的对比度学习进行了预训练。在Pader-Born University轴承故障数据集上进行了测试，我们的模型达到了87％的高故障分类精度，这表现优于常规机器学习模型。我们还进行了消融测试，以证明该模型中基于对比的学习培训的重要性。通过研究模型的分类结果和提取的特征，我们进一步探讨了对比度学习在提取区分不同类别的特征中的效果。我们预计对比度学习可以奠定更准确的故障检测模型的基础，并将其扩展到其他实际的故障检测任务。
