XiaoMi-AI文件搜索系统
World File Search System物理的
利用深度信念网络和 Fire Fly 算法进行绿色建筑能源成本优化
建筑业是创造就业机会的最大行业之一，对经济产生了巨大影响。同时，建筑物消耗大量的水和电等自然资源，其不利的环境影响受到广泛关注。根据世界可持续发展工商理事会的数据，建筑物贡献了总能源消耗的 40% 以上（Mull，1998）和温室气体排放的 30%（Payne 等人，2012）。因此，建筑物的高能源成本和环境影响正成为一个主要问题（Li 等人，2021a）。新概念绿色建筑（GB）被认为是减少建筑物对环境和能源成本不利影响的机会。GB 被定义为一个可以与具有高效能源利用和高可持续性的建筑物互换的术语。在过去十年中，对 GB 的研究越来越多，一个主要研究方向是降低能源成本。供暖、通风和空调 (HVAC) 系统是商业建筑的主要能源消耗来源，占年总能源使用量的 60% 以上。先前的文献已投入大量研究精力来建模和优化 HVAC 系统。它们可以分为两类方法：基于物理的方法和数据驱动的方法。基于物理的方法通常是通过数学方程来开发的，以描述 HVAC 系统模块，并已广泛应用于 HVAC 相关研究。Sakulpipatsin 等人 (2010) 提出了扩展的基于物理的 HVAC 系统模型，并使用 TRNSYS 软件进行优化研究的模拟。Zhang 等人 (2013) 引入了一种新的基于物理的模型来研究 HVAC 能耗机制，并在模型中包含了一个新的模型参数，即进入者。Teodosiu 等人 (2003) 开发了一个分析模型来
多尺度建模和 AI/ML 高级...
材料的进步对于技术创新至关重要。在多个长度和时间尺度上对材料进行计算建模可以更深入地了解材料行为的物理机制，并为调整材料加工、结构特性以用于高级应用提供途径。使用基于物理的计算模型生成的数据为开发机器学习模型提供了独特的机会，该模型可以学习材料的固有行为，从而加速高级应用的材料发现工作。本次研讨会的目的是让参与者了解当前最先进的多尺度建模和数据科学技术，这些技术可以加速高级应用材料的开发。研讨会将涉及基于物理的模型、材料信息学、AI/ML 技术的理论和演示。
Mayur P. Bonkile -
[J1] M. P. Bonkile和V. Ramadesigan，“使用基于物理的电池模型在独立的PV-Battery Hybrid Systems中使用基于物理的电池模型”，《储能杂志》，23，258-268，2019。[J2] M. P. Bonkile和V. Ramadesigan，“基于PV-Battery Hybrid Systems的物理模型：热管理和降解分析”，《储能杂志》，31，1014585，2020。[J3] M. P. Bonkile，A。Awasthi，C。Lakshmi，V。Mukundan和V.S.ASWIN“汉堡方程式的系统文献评论以及最近的进步”，Pramana-of Physics，90，69，2018。[J4] M. P. Bonkile，A。Awasthi和S. Jayaraj，“有或没有Hopf-Cole转换的汉堡方程的比较数值调查”，国际融合计算杂志，2（1），54-78，2016。[b1] M. P. Bonkile，A。Awasthi和S. Jayaraj，“基于用于修改的凯勒盒子方案的数值模拟：不稳定的粘性汉堡方程”，数学分析，应用程序及其应用及其应用及其应用程序，Springer（143）565-575-575，2015，M.P.15，2015 c1 [c1] [C1] [C1] [C1] [C1] [C1] [C1] [C1] [C1] [C1]] “ PV-Wind-Battery混合动力系统：使用P2D电池模型的电力管理控制策略”，第236电化学协会（ECS）会议，美国亚特兰大，2019年。[C2] M. P. Bonkile，V。Ramadesigan和S. Bandyopadhyay，“使用基于物理的电池模型在具有不确定性的混合动力系统中使用基于物理的电池模型”，第236届ECS会议，Atlanta USA，2019年。[C4] M. P. Bonkile，V。Ramadesigan和S. Bandyopadhyay，“使用基于物理模型的储能设计在独立的PV-Battery Hybrid Systems中使用物理模型”，印度印度Pandit Deendayal Petroleum University，Icteta 12 The Icteta，2019年，2019年。[C3] M. P. Bonkile和V. Ramadesigan，“使用基于物理的电池模型的独立光伏电池式混合系统建模”，第2届国际国际大会在印度的大规模可再生能源集成在印度和可再生能源部，印度新德尔希，2019年，印度和可再生能源部的大规模可再生能源整合。[C5] M. P. Bonkile，K。S。Pavan和V.Ramadesigan，“使用基于物理的电池模型的独立PV玻璃系统模拟”，计算科学研讨会，印度科学研究所（IISC）印度，2017年，2017年。[C6] M. P. Bonkile，A。Awasthi和S. Jayaraj，“基于与时间依赖边界条件的不稳定，二维的二维不同使用方程的隐式方案的数值研究”，第61 ISTAM，Vellore India，2016年。[C7] M. P. Bonkile，A。Awasthi和S. Jayaraj，“在Unsteady Burgers'方程式上的高阶时间集成算法的数值实施”，ICMMCS，印度技术学院Madras India India India，2014年，2014年。[C8] M. P. Bonkile，A。Awasthi和S. Jayaraj，“通过Mol on Mol on Steady Burgers'方程式实施了第四阶订单时间集成公式的数值”，印度ISTAM 59，2014年，ISTAM，2014年。
利用数据和人工智能增强材料加工和性能
第三个千年工程正在应对材料科学和工程领域的新挑战。特别是，材料工程的进步，加上数据采集、处理和挖掘以及人工智能的进步，为设计新材料和新产品提供了新的思维方式。此外，这还催生了将原材料数据和加工与诱导特性和性能联系起来的新范式。一方面，这种联系可以完全基于数据驱动，即仅基于获得的实验数据从头开始创建模型，例如使用统计方法或高级机器学习方法。这类模型特别明显的优势是不需要先验地纳入任何简化或假设，并且可以实时预测，从而实现特定材料/工艺的所谓数字孪生。然而，这种方法通常面临一些普遍的挑战，例如需要（可能不必要地）庞大而全面的数据集，因为它们仅依赖于数据本身，并且只允许在调查/训练的数据空间内进行预测。应对预测材料中复杂的加工-结构-性能关系的挑战的另一种方法是通过数据和机器学习工具增强现有的基于物理的模型，即将基于物理的模型（通常称为虚拟孪生）与基于数据的模型结合起来，得到所谓的混合孪生 [1]。在这方面，基于物理的模型可能存在的偏差依赖于大量的简化和假设，可以通过基于数据驱动的方法修正模型来弥补，即结合两种模型的优点。本专题汇集了有关新颖的想法和概念的贡献，利用数据和人工智能解决了几个关键挑战： • 提出新的数据生成和数据挖掘技术； • 提出新的数据和数据驱动模型的可视化、分类、建模、提取知识、解释和认证技术； • 处理数据，当其他模型不存在、太复杂或太差而无法做出有价值的预测时，从头创建数据驱动模型； • 处理数据以增强现有的基于物理的模型，提高预测能力的质量，同时使数据更加智能。
推荐引用 推荐引用 唐建安，“深度学习引导的材料微观结构预测及其在先进制造中的应用”
1.1 工艺-微观结构关系 ...................................................................... 1 1.2 基于物理的建模 ...................................................................... 4 1.3 微观结构预测中的机器学习 ...................................................... 6 1.4 生成对抗网络 ...................................................................... 8 1.5 激光烧结 ...................................................................................... 9 1.6 基于激光的先进制造中的现场监测
在循环经济的背景下，关于锂离子电池的健康状况估计方法的审查
图2：从基于物理的电池模型中检索的特征的SOH估计方法。这些技术的缩写项是库仑计数（CC），电化学阻抗光谱（EIS），开路电压（OCV），Kalman滤波器及其扩展（KF）和遗传算法（GA）。
快速行驶车辆产生的灰尘行为的实时模拟
模拟物理上逼真的复杂尘埃行为在培训、教育、艺术、广告和娱乐中非常有用。目前还没有公开的模型可以实时模拟行驶车辆产生的尘埃行为。在本文中，我们使用粒子系统、计算流体力学和行为模拟技术来实时模拟尘埃行为。首先，我们分析影响尘埃产生的力和因素以及尘埃粒子产生后的行为。然后，我们构建基于物理的经验模型来生成尘埃粒子并相应地控制行为。我们通过将尘埃行为分为三个阶段并为每个阶段建立简化的粒子系统模型来进一步简化数值计算。我们采用运动模糊、粒子混合、纹理映射和其他计算机图形技术来实现最终结果。我们的贡献包括构建基于物理的经验模型来生成尘埃行为并实现对行为的实时模拟。
1调查收费计划，车队管理和...
尖端检测器通过进一步改善空间和时间分辨率，增加检测器面积和体积以及通常减少背景和噪声来推动传感技术。这导致了下一代实验中越来越多的数据的爆炸。因此，在数据源上，对近传感器的需求对于更有效地捕获正确的实验数据，降低下游系统的复杂性并启用更快，更低功率的后回路变得越来越重要。在本文中，我们讨论了探索器AI的动机和潜在应用。此外，粒子物理的独特要求可以独特地推动新颖的AI硬件和设计工具的开发。我们描述了该领域粒子物理的现有现代作品。最后，我们超越了许多机会领域，我们可以推进机器学习技术，代码工程工作以及未来的微电子技术，这些技术将加速下一代实验的设计，性能和实现。