XiaoMi-AI文件搜索系统
World File Search System设计目标
建筑物分析的人工智能方法
理解和创建具有智力的计算机的研究被称为人工智能或AI。人工智能模拟属于大脑仿真的类别。人工智能（AI）算法可以通过分析各种因素和局限性来帮助结构工程师创建最佳设计。它可能会研究各种设计选择，同时考虑到结构性绩效，成本效益，物质利用和能源效率等要素。本研究讨论了结构工程师软件的使用，例如机器人结构分析，Staad Pro和皮带，用于建筑物的建模，分析和设计。本文提供了各种工具如何将输入解释为建模，分析和设计中的结构成员的示例。采用了三个不同的软件程序，所有这些程序都可以很好地运行。研究表明，由于BIM与任何特定的工具无关，因此软件只是产生出色效果，高效率和正确构造的工具，并且挑战和错误更少。印度标准是456-2000用于验证软件的设计输出和设计目标。总而言之，AI在结构工程中的应用对该行业具有巨大的潜力。人工智能（AI）正在提高生产力，并以其自动化分析和设计过程的能力，提高准确性并提供实时监控的能力将结构工程带入现代时代。
太赫兹超材料微生物传感器的开发......
摘要 — 本研究介绍了一种基于超材料 (MTM) 的紧凑型多波段生物传感器的创新设计，旨在检测早期宫颈癌。该设备在太赫兹 (THz) 频率范围内工作，具体来说是 0 至 6 THz。所提出的传感器架构采用 MTM 层，该层由沉积在聚酰亚胺基板上的图案化铝结构组成。主要设计目标是优化几何参数，以在整个工作带宽内实现近乎完美的电磁 (EM) 波吸收。设计过程利用全波 EM 仿真工具。本文详细介绍了传感器拓扑开发的所有中间步骤，并以连续架构变化的吸收特性为指导。它还分析了基板和谐振器材料的影响。使用包含该设备的微波成像 (MWI) 系统证明了所提出的传感器适用于早期癌症诊断。大量的模拟研究证实了该传感器区分健康和癌变宫颈组织的能力。为了进一步验证，我们针对近期文献中报道的众多先进传感器设计进行了全面的基准测试。这些比较研究表明，所提出的传感器在吸光度水平和工作带宽宽度方面均具有优异的性能，这两者都提高了癌症检测的灵敏度。
报告文档页面 - 海军研究生院
13.摘要（最多 200 个字）本报告记录了一项系统工程和设计顶点项目，该项目由总舰船系统工程 (TSSE) 教员指导，由海军研究生院 TSSE 项目的学生承担，历时两个学期。它重新审视了现代航空母舰的基本设计和运行，假设有短距起飞和垂直着陆 (STOVL) 飞机，采用燃气涡轮船舶推进，并提供强大的能力来支持人道主义行动。在此处报告的设计研究中，作者采用系统工程方法进行全新的航母设计，这可能最适合下一代航空母舰的要求。主要目标是提供一艘满足现有尼米兹级航母所有当前任务要求的舰船，但平台的生命周期成本要低得多。最终成果是一艘基于“超级岛”概念的舰船；大型岛屿结构，可为飞机加油、重新武装以及其他主要功能提供直通“维修站”。其他主要创新领域包括：武器处理、信息处理和分发、工程布局和人员配备。报告概述了主要船舶系统，并详细讨论了选定的设计领域，以说明对实现设计目标影响最大的系统。14.主题术语船舶设计、航空母舰、STOVL、短距起飞垂直着陆；燃气轮机 15.页数 285
Yolov9：使用可编程梯度信息学习要学习的内容
摘要。今天的深度学习方法着重于如何设计目标函数以使预测尽可能接近目标。同时，必须设计适当的神经网络体系结构。现有方法忽略一个事实，即当输入数据逐层特征转换时，会丢失大量信息。本文深入研究了信息瓶颈和可逆功能的重要问题。我们提出了可编程梯度信息（PGI）的概念，以应对深网所需的各种更改以实现多个目标。PGI可以为目标任务提供完整的输入信息来计算目标函数，以便可以获取可靠的梯度信息以更新网络参数。此外，设计了轻巧的网络体系结构 - 一般有效的层聚合网络（GELAN）。Gelan确认PGI在轻量级模型上取得了卓越的成绩。我们在MS可可对象检测数据集上验证了所提出的Gelan和PGI。结果表明，与基于深度卷积开发的状态方法相比，Gelan仅使用常规召集操作员来实现更好的参数利用。PGI可用于从轻量级到大型的各种型号。它可用于获取完整的信息，因此，与使用大型数据集进行预训练的最新模型可以实现训练范围的模型，比较结果如图1。源代码在https://github.com/wongkinyiu/yolov9上发布。
电动汽车电池热量管理的数值优化
摘要。现代汽车行业中的锂离子电池技术利用了高度敏感的电池。在这里，基于温度控制策略，空气冷却策略最适用于所选示例。模拟已用于评估不同的热管理策略。使用计算流体动力学（CFD）模拟技术提供的解决方案开发了电池模型。它利用电池电池排放产生的热量。由于模拟的计算能力有限，能量传输模型是通过简化但足够复杂的物理网格实现的。在实验室中进行了十项实际测量，以调查在18650型电池充电和排放期间细胞的加热。将结果应用于验证模拟模型。比较了模拟结果和热摄像机读数。然后扩展细胞级数值模型，以检查系统级别的温度变化。主要的设计目标是达到可能的最高能量密度，这需要使细胞尽可能接近构建。但是，增加细胞之间的距离可以从热管理的角度提供优质的冷却。分析了各个细胞之间的距离对系统加热的影响。更大的距离导致更有效的传热。还发现，在某些情况下，与邻近构造相比，细胞之间的距离很小。基于这些模拟建立了临界距离范围，从而促进了细胞的位置。
离心微流体“盘上实验室”系统的设计优化，面向流体大规模集成
摘要：提高功能复用程度，同时确保具有竞争力的成本下的操作可靠性和可制造性，是实现全面的样本到答案自动化的关键因素，例如，用于常见的、分散的“即时护理”或“即时使用”场景。本文展示了一种基于模型的“数字孪生”方法，该方法有效地支持了示例性离心气动 (CP) 可溶解膜 (DF) 虹吸阀的算法设计优化，以实现成熟的“盘上实验室” (LoaD) 系统的更大规模集成 (LSI)。显然，阀门及其上游实验室单元操作 (LUO) 的空间占用空间必须适合在测定方案中出现的给定径向位置，进入本地可访问的盘空间。同时，旋转驱动的 CP-DF 虹吸阀的保留率以及最具挑战性的带宽（与实验输入参数不可避免的公差有关）需要插入实际允许的频率包络的定义间隔内。为了实现特定的设计目标，定义了一组参数化指标，这些指标必须在其实际边界内满足，同时（在数值上）最小化频域中的带宽。虽然每个 LSI 场景都需要根据数字孪生单独解决，但提出了一套定性设计规则和指导性展示结构。
![arXiv:1808.07478v1 [physics.comp-ph] 2018 年 8 月 22 日](/simg/g:\will\search\icon\source\3\31b559ea7e16b975d42434e32673aee842b0ea1f.webp)
arXiv:1808.07478v1 [physics.comp-ph] 2018 年 8 月 22 日
数值模拟在现代燃烧系统的设计中发挥了至关重要的作用。在过去的二十年里，研究的重点是开发大涡模拟 (LES) 方法，该方法利用计算能力的大幅提升来显著提高预测精度。即使预计超级计算能力会有所提高，LES 在设计中的使用仍受到其高计算成本的限制。此外，为了帮助决策，必须增强此类 LES 计算以估计模拟组件中潜在的不确定性。与此同时，制造或使用燃烧设备的行业也在发生其他变化。虽然效率和减排仍然是主要的设计目标，但通过优化维护和维修来降低运营成本正成为企业的一个重要部分。后者的探索得益于燃烧室的数字化，它允许通过一系列设备从大量传感器收集和存储运行数据。此外，包括燃烧系统上的低功耗硬件在内的多个计算级别也正在变得可用。如果有适当的数值工具可用，如此大的数据集将为设计和维护创造独特的机会。由于 LES 通过利用超级计算彻底改变了计算引导设计，因此需要新一代数值方法来利用如此大量的数据和计算硬件的多样性。在本文中，我们回顾了这种异构数据驱动环境的新兴计算方法。有案例表明，在这个领域存在基于物理的燃烧建模的新但非常规的机会。
NextG 蜂窝无线网络量子退火的成本和功率可行性分析
摘要 为了满足移动蜂窝用户不断增长的数据需求，当今的 4G 和 5G 无线网络主要以最大化频谱效率为设计目标。虽然他们在这方面取得了进展，但控制此类网络的碳足迹和运营成本仍然是网络设计人员长期面临的问题。本文对这一问题进行了长远考虑，设想了一个 NextG 场景，其中网络利用量子退火进行蜂窝基带处理。我们收集并综合了有关量子退火技术的功耗、计算吞吐量和延迟、频谱效率、运营成本和可行性时间表的见解。利用这些数据，我们预测了未来量子退火硬件必须满足的定量性能目标，以便提供比 CMOS 硬件更具计算和功率优势，同时匹配其全网络频谱效率。我们的定量分析预测，在问题延迟为 82.32 µ s 和 2.68M 量子比特的情况下，量子退火将实现与 CMOS 相同的频谱效率，同时在具有 400 MHz 带宽和 64 根天线的大型 MIMO 基站中将功耗降低 41 kW（降低 45％），在具有三个大型 MIMO 基站的 CRAN 设置中使用 8.04M 量子比特将功耗降低 160 kW（降低 55％）。
arXiv:1808.07478v1 [physics.comp-ph] 2018 年 8 月 22 日
数值模拟在现代燃烧系统的设计中发挥了至关重要的作用。在过去的二十年中，研究的重点是开发大涡模拟 (LES) 方法，该方法利用计算能力的大幅提升来显著提高预测精度。即使超级计算能力有望提升，LES 在设计中的应用仍受到高计算成本的限制。此外，为了帮助决策，必须增强此类 LES 计算以估计模拟组件中潜在的不确定性。与此同时，制造或使用燃烧设备的行业也发生了其他变化。虽然效率和减排仍然是主要的设计目标，但通过优化维护和维修来降低运营成本正成为企业的一个重要部分。燃烧室的数字化有助于实现后者，它允许从一系列设备上的大量传感器收集和存储运行数据。此外，包括燃烧系统上的低功耗硬件在内的多个计算级别也正在变得可用。如果有适当的数值工具可用，如此大的数据集将为设计和维护创造独特的机会。由于 LES 利用超级计算彻底改变了计算引导设计，因此需要新一代数值方法来利用如此大量的数据和计算硬件的多样性。本文回顾了这种异构数据驱动环境的新兴计算方法。有案例表明，在这个领域存在基于物理的燃烧建模的新但非常规的机会。
arXiv:1808.07478v1 [physics.comp-ph] 2018 年 8 月 22 日
数值模拟在现代燃烧系统的设计中发挥了至关重要的作用。在过去的二十年里，研究的重点是开发大涡模拟 (LES) 方法，该方法利用计算能力的大幅提升来显著提高预测精度。即使预计超级计算能力会有所提高，LES 在设计中的使用仍受到其高计算成本的限制。此外，为了帮助决策，必须增强此类 LES 计算以估计模拟组件中潜在的不确定性。与此同时，制造或使用燃烧设备的行业也在发生其他变化。虽然效率和减排仍然是主要的设计目标，但通过优化维护和维修来降低运营成本正成为企业的一个重要部分。后者的探索得益于燃烧室的数字化，它允许通过一系列设备从大量传感器收集和存储运行数据。此外，包括燃烧系统上的低功耗硬件在内的多个计算级别也正在变得可用。如果有适当的数值工具可用，如此大的数据集将为设计和维护创造独特的机会。由于 LES 通过利用超级计算彻底改变了计算引导设计，因此需要新一代数值方法来利用如此大量的数据和计算硬件的多样性。在本文中，我们回顾了这种异构数据驱动环境的新兴计算方法。有案例表明，在这个领域存在基于物理的燃烧建模的新但非常规的机会。