XiaoMi-AI文件搜索系统
World File Search System物理建模
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
课程名称：先进半导体封装的协同设计和建模
由多物理建模（电气、热和机械）支持的芯片封装系统协同设计是先进半导体封装的关键基础技术，可满足超越摩尔定律（例如超越摩尔定律）的需求。全球半导体行业正依靠这些软件工具为消费电子、运输、航空航天、数据中心、物联网、人工智能、工业和可再生能源等市场的微电子和电力电子封装开发先进的半导体封装产品。美国、欧洲、印度和世界各地最近颁布的芯片法案证明了这一点，这些行业需要员工具备由多物理建模和仿真支持的协同设计数字技能。这是一门讲座和实践课程，包含设计、建模和仿真技术的理论和使用。课程目标/学习成果
关于使用 1g 物理模型研究地面运动和土-结构相互作用问题
关于使用 1 g 物理模型解决地面运动和土体结构相互作用问题 Marwan Al Heib 1,*、Fabrice Emeriault 2,3、Huu-Luyen Nghiem 1,2 1 INERIS，Alata 技术公园，Verneuil-En-Halatte，F-60550，法国 2 Université Grenoble Alpes，3SR，Grenoble，F-38000，法国 3 CNRS，3SR，Grenoble，F-38000，法国 摘要：本文重点关注物理建模在地面运动（由地下空洞塌陷或采矿/隧道引起）和相关的土体结构相互作用问题中的应用。本文首先概述了使用 1 g 物理模型解决与垂直地面运动有关的岩土问题和土体结构相互作用。然后说明了 1 g 物理建模应用，研究了由于下沉和空洞塌陷导致的砌体结构损坏的发展。利用三维图像相关技术，介绍了一个带有 6 m3 容器和 15 个电动千斤顶的大型 1g 物理模型。从裂缝密度和损伤程度的角度分析了结构位置对沉降槽的影响。所得结果可以改进砌体结构损伤评估的方法和实践。然而，理想的物理模型很难实现。因此，未来物理模型（模拟材料和仪器）的改进可以为 1g 物理模型在岩土和土结构应用和研究项目中的应用提供新的机会。关键词：沉降；物理建模；岩土问题；土-结构相互作用 1. 引言
2029 资本改善计划 (CIP)
项目进度表首先根据针对项目类型和规模开发的标准模板制定。然后，项目经理会细化进度表以解决项目特定问题或复杂性，例如替代交付方法、计算机或物理建模需求或广泛的 ROW 采集要求。所有进度表均在 Primavera P6 中创建和维护，并定期更新以反映剩余里程碑的当前预测完成情况。
生物物理学中的机器学习
在处理生物物理学中的复杂概率时，已经提出了机器学习作为理论建模的一种替代方法。但是，从这个角度来看，我们认为更成功的方法是这两种方法的正确组合。我们讨论了来自物理建模神经元处理的想法如何导致计算神经网络的早期表述，例如Hopfield Networks。然后，我们展示了如何通过共享的能量代表来彼此相互关联的Potts模型，Boltzmann机器和Transformer架构等模型学习方法。我们总结了最新的效果，以建立这些联系，并提供有关如何整合物理建模和机器学习如何成功解决生物分子结构，动态，功能，进化和设计方面的最新问题的示例。实例包括蛋白质结构预测；分子动力学模拟的计算复杂性和准确性的提高；更好地推断了蛋白质突变的影响，从而改善了进化建模，最后机器学习如何彻底改变了蛋白质工程和设计。超越了自然存在的蛋白质序列，讨论了与蛋白质设计的连接，其中合成序列能够折叠到由植根于物理原理的模型驱动的自然存在的基序。我们表明，该模型是“可学习的”，并提出了它在可以折叠成目标结构的独特序列的生成中的未来使用。
人工智能和高性能计算加速基于结构的药物发现
2 药物发现的生物物理学和生物化学简介 .........................................9 2.1 药用和生物化学 ......。。。。。。。。。。。。。。。。。。。。。。9 2.1.1 化学信息学和图论。...................11 2.1.2 描述符和相似性 ...........................12 2.1.3 化学空间 .....。。。。。。。。。。。。。。。。。。。。。。。。.16 2.2 蛋白质与疾病 ....................。。。。。。。。。。。18 2.3 蛋白质-配体结合 ...........................20 2.3.1 绑定模型 ...........................22 2.4 蛋白质-配体结合的计算建模 .............22 2.4.1 使用分子动力学进行生物物理建模 ............23 2.4.2 结合自由能估计 ......。。。。。。。。。。。。。24 2.5 结论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。26
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
Markus Drapalik博士
现任职位，安全/安全与风险科学研究所，水氛围 - 维也纳自然资源与生命科学大学环境，维也纳概况马库斯（Markus）是维也纳自然资源与生命科学大学安全/安全与风险科学研究所的研究员。他的主要研究领域包括能源技术，物理建模和技术风险评估的技术评估。他使用空间风险模型来量化风力涡轮机的风险，并应用技术评估方法来塑造技术来实现可持续性和降低风险。他的主要研究目标是建立一种对当前和未来技术的全面，整合分析的方法。
定向热流体的稳健面向对象公式化...
一种最为突出的应用方法是使用 Modelica 等语言通过微分代数方程系统对流体系统进行面向对象建模。例如，上文应用领域的所有参考文献均指 Modelica 实现，图 1 展示了作为飞机气候系统一部分的空气循环的 Modelica 模型图。Modelica 是一种开放且免费的建模语言 [5]，得到各种商业和免费工具的支持。此外，还有免费的 Modelica 标准库支持不同应用领域的通用物理建模基础：支持各种流体热力学性质模型的媒体库 [6] 和具有通用接口 [8] 的标准流体库 [7]，用于对流经体积元和系统边界之间各种组件的流体流进行建模。