XiaoMi-AI文件搜索系统
World File Search System结构设计
从疏散角度进行列车车辆结构设计
摘要 列车作为一种高效的交通运输方式，其安全性受到广泛关注。在列车车辆结构设计中，需要对旅客疏散时间进行评估。建立仿真模型是实现此目标最快、最方便、最实用的方法。但很少有学者关注旅客列车疏散仿真模型的可靠性。本文提出了一种基于动态时间扭曲和多维缩放的新验证方法。所提方法验证了仿真模型的动态过程，提供了统计结果，可用于列车疏散场景等小样本场景。案例研究的结果表明，所提方法是一种有效且量化的动态过程中仿真模型验证方法。因此，本文基于仿真实验结果描述了列车结构尺寸对疏散的影响。结构尺寸因素包括门宽度、通道宽度和座位间距。实验结果表明，较宽的通道和合理的座位间距可以促进适当的疏散。此外，正常的列车门宽度对疏散没有影响。关键词：仿真，旅客列车疏散，结构尺寸，验证
基于脑电信号的智能结构设计与实现
摘要：最近有研究表明，需要设计智能结构，例如智能房屋，以便以不同的方式进行控制。由于它对某些无法接触需要与人类直接交互的控制单元的人很有用，因此需求量很大。在本文中，我们提出并开发了一种新的基于增强型脑电图 (EEG) 的智能结构设置，可用于帮助有或无疾病的人以轻松舒适的方式控制设备。十个年龄范围广泛（20-65 岁）且男女不限的人积极参与了这项研究。因此，本研究采用了八个 EEG 通道来覆盖大脑的大部分区域，所采用的协议适用于残疾人和行动不便的人。为广泛的参与者找到标准或共同特征是一项挑战。为了缓解这种情况，使用重建独立成分分析 (RICA)（传统独立成分分析 (ICA) 的改进技术）来获得最佳特征。此外，所提出的改进型支持向量机 (SVM) 模型将选定的特征分为不同的类别，能够消除导致错误分类的高噪声和重叠。所识别的类别负责根据参与者状态启动智能房屋的执行器。使用 MATLAB 和嵌入式系统实时将多通道 EEG 数据分类为脑电波成分、结果可视化和设备控制。使用所提出的模型，类别之间只有一种重叠情况，而使用传统 SVM 则有 74 种重叠情况。因此，错误分类的结果达到零，所提出的模型能够基于脑电波控制智能房间，总体准确率达到 98%。随着未来的改进，所获得的研究结果将促使使用所建议的基于 EEG 的智能结构，这可能对不动的人有帮助。
初步翼盒结构设计中刚性的随机建模
本文介绍了一种利用自动化工具在概念设计过程早期考虑机翼结构刚度和气动弹性的方法。由于机翼非结构质量（如燃油负荷和控制面）的不确定性和可变性很高，因此在概念设计过程中，可以用随机模型很好地表示刚度和气动弹性。为了实现这一点，我们改进了现有的设计工具，利用基于规则的自动化设计从特定的机翼外模线生成机翼扭矩盒几何形状。对挠度和推断刚度的简单分析表明，早期概念设计选择会强烈影响结构刚度。本文讨论了设计选择的影响以及屈曲约束如何在特定示例中驱动结构重量。本文为未来进一步研究的模型做准备，包括有限元模型 (FEM)，用于分析所得的模态形状和频率，以用于气动弹性分析。
针对 SARS-CoV-2 主蛋白酶的抗病毒候选药物的结构设计
2019 年 12 月下旬，中国武汉市报告了由新型冠状病毒 (CoV) 引起的聚集性肺炎病例（1-3）。基因组测序表明，这种致病冠状病毒与蝙蝠冠状病毒的序列同源性为 96.2%，与 SARS-CoV 的序列同源性为 79.5%（4-6）。国际病毒分类委员会将这种新型冠状病毒命名为严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2)，世界卫生组织 (WHO) 于 2020 年 2 月 11 日将这种肺炎命名为 COVID-19（7）。疫情迅速蔓延至 212 多个国家，世卫组织宣布其为全球卫生紧急事件（8）。目前尚无临床有效的疫苗或特异性抗病毒药物可用于预防和治疗 COVID-19 感染。 α-干扰素与抗 HIV 药物洛匹那韦/利托那韦（Kaletra®）的组合已被使用，但疗效仍然非常有限，并且可能存在毒性副作用（9）。吉利德科学公司开发的广谱抗病毒药物瑞德西韦也正在被探索用于
合理的催化剂结构设计促进可逆锂二氧化碳电池
图 1. Pt 电催化剂的设计和表征。（a）Pt 基 LCB 中 CO 2 转化过程示意图。（b）CO 2 、Li 和 Li 2 CO 3 在 Pt 表面不同取向上的吸附行为侧视图和（c）相应吸附能的比较。（d）Li 2 CO 3 在 Pt 表面不同取向上的分解能。（e）不同电极的 XRD 分析。（f）HTS 后电极的详细表面结构和 TEM 观察（比例尺 = 200 nm）。
使用加固学习的自动化RISC-V微体系结构设计
微结构结构确定了微处理器的实现。设计一个微体系结构以实现更好的性能，权力和区域（PPA）权衡，这是非常困难的。以前的数据驱动方法具有不适当的假设，并且缺乏与专家知识相结合的。本文提出了一种基于新颖的实施学习（RL）解决方案，以解决这些局限性。随着微体系结构缩放图，PPA偏好空间嵌入以及RL中提出的轻巧环境的整合，使用商业电子设计自动化（EDA）工具的实验表明，我们的方法可以实现平均PPA权衡改善16。03％比以前的最新方法4。07×较高的效率。解决方案质量最多要超过人类实施。03×PPA权衡。03×PPA权衡。
使用均质化方法在结构设计中生成最佳拓扑
拓扑优化是功能最广泛的结构优化方法之一。但是，为了换取其高水平的设计自由，典型的拓扑优化无法避免存在多个本地Optima的多模态。这项研究的重点是开发无梯度拓扑优化框架，以避免被捕获不良的本地Optima。它的核心是数据驱动的多项性拓扑设计（MFTD）方法，其中通过求解低指标拓扑优化概率生成的设计候选者通过深入的生成模型和高级授权评估进行了更新。作为其关键组件，深层生成模型将原始数据压缩为低维歧管，即潜在空间，并随机将新的设计候选者安排在整个空间上。尽管原始框架是无梯度的，但其随机性可能导致结合变异性和过早收敛性。受到进化算法的流行跨界操作（EAS）的启发，本研究合并了数据驱动的MFTD框架，并提出了一种新的交叉操作，称为潜在交叉。我们将提出的方法应用于2D结构机械的最大应力最小化问题。结果表明，潜在跨界改善了与原始数据驱动的MFTD方法相对的收敛稳定性。此外，优化的设计表现出与使用p-norm测量的常规基于梯度的拓扑优化相当或更好的性能。[doi：10.1115/1.4064979]
使用量子密码探索量子密码，可持续移动网络体系结构设计
移动网络的扩散及其对现代生活的重要性，再加上量子计算的新兴威胁，提出了网络安全的新挑战和机遇。本文介绍了保护这些关键基础设施免受未来量子攻击的复杂性，同时考虑了运营可持续性。我们从当前景观的概述开始，确定莫比尔网络中的主要漏洞，并使用新的量子后加密术（PQC）方法评估现有的安全解决方案。然后，我们使用PQC和量子密钥分布（QKD）介绍了针对可持续移动网络量身定制的量子安全体系结构，并用几种用例说明了其适用性，这些用例（在这个新时代都强调了对高级保护措施的需求。此外，还提供了对PQC算法系列的全面分析，重点是他们在移动环境中集成的适合性，特别关注能源消耗和安全性改善之间的权衡。最后，通过详细检查当前的挑战和机遇，提供了加强移动网络抵抗量子威胁的建议。
引导 RNA 结构设计使组合 CRISPRa 程序能够进行生物合成分析
改造细菌代谢以有效地从多步骤途径产生化学物质和材料需要优化多基因表达程序以实现酶平衡。CRISPR-Cas 转录控制系统正在成为编程多基因表达调控的重要代谢工程工具。然而，向导 RNA 折叠的可预测性较差会通过不可靠的表达控制破坏酶平衡。我们设计了一组可以描述向导 RNA 折叠的计算参数，我们预计它们可以广泛适用于 CRISPR-Cas9 系统。在这里，我们将修饰的向导 RNA (scRNA) 对大肠杆菌中 CRISPR 激活 (CRISPRa) 的功效与描述折叠成活性结构的速率的动力学参数相关联。此参数还支持正向设计新的 scRNA，在我们的筛选中没有观察到失败。我们使用来自该组的 CRISPRa 靶序列来设计一个由三个合成启动子组成的系统，该系统可以在 >35 倍的动态范围内正交激活和调整所选输出的表达。独立的激活调节允许通过 64 个成员的组合三重 scRNA 库对三维表达设计空间进行实验探索。我们将这些 CRISPRa 程序应用于两种生物合成途径，证明了大肠杆菌中有价值的蝶啶和人乳寡糖产品的生产。对这些设计空间进行分析表明，表达组合产生的滴度比最大表达产生的滴度高出 2.3 倍。映射生产还可以确定瓶颈作为途径重新设计的目标，将寡糖乳糖-N-四糖的滴度提高 6 倍。在计算 scRNA 功效预测的帮助下，组合 CRISPRa 策略能够有效优化多步骤代谢途径。更广泛地说，这里揭示的引导 RNA 设计规则可能使有效的多引导程序的常规设计成为可能，用于细菌宿主中 CRISPR 基因调控的广泛模型和数据驱动应用。
DNA结构设计通过人工扩展的基本对（包括循环和不匹配热力学参数）进行改进
阿尔巴尼亚人民的起源几个世纪以来，阿尔巴尼亚人和历史学家都感到烦恼，阿尔巴尼亚人首次出现在公元11世纪的历史记录中，而他们的语言是印度 - 欧洲家庭中最神秘的分支之一。确定有助于阿尔巴尼亚人血统的人群，我们在过去的8000年中进行了巴尔干的基因组横除，在那里我们分析了6000多个先前使用先前的生物信息知识工具和算法来量化时空人类流动性的古代基因组。我们发现，现代阿尔巴尼亚人从罗马时代西巴尔干人口降临，并与斯拉夫相关的群体进行了额外的混合。值得注意的是，阿尔巴尼亚的父亲血统显示了巴尔干的青铜时代人口的连续性，包括那些被称为伊利里人的人。我们的结果提供了对导致现代阿尔巴尼亚人形成的历史和人口过程的前所未有的理解，并有助于定位阿尔巴尼亚语言发展的领域。