XiaoMi-AI文件搜索系统
World File Search System设计程序
裂纹修复的新型设计和性能评估工具 ...
裂纹抑制器增强型铝制海洋结构的新设计和性能评估工具 1.0 目标。 1.1 本研究项目的目标是改进现有的建模能力，以有效可靠地捕捉裂纹抑制器对焊接铝制海洋结构疲劳和断裂性能的影响，并探索裂纹抑制器的最佳设计以满足设计要求。在恶劣的操作环境下设计大型铝制高速船需要焊接结构能够承受制造缺陷和服务引起的缺陷的亚临界增长而不会失效。研究表明，可以通过插入局部高断裂韧性材料或降低裂纹扩展驱动力来阻止裂纹扩展。由于缺乏用于铝结构的裂纹抑制器设计程序，因此无法选择最佳的机械抑制器装置来在裂纹达到临界状态之前阻止其扩散。本研究的目的是开发和实施一种新型计算工具，用于模拟存在裂纹抑制器、残余应力和焊接引起的材料异质性和非线性的情况下焊接铝制海洋结构的曲线裂纹扩展及其相关的残余强度和寿命。 2.0 背景。 2.1 当前和未来船舶制造商对重量和性能的需求要求最佳的轻质铝制船舶
面向数据的架构： - RTI 社区
摘要 随着越来越多的设备和系统融入到我们网络世界的结构中，集成的规模和复杂性正在快速增长。我们现有的系统软件设计方法和培训，以面向对象设计原则为基础，对小规模系统非常有效，但随着我们发现操作限制，需要逐年频繁且无意地重新设计程序，这些方法和培训开始失效。从根本上讲，面向对象的思维使我们以紧密耦合的交互方式思考，其中包括强状态假设。大型分布式系统通常是由独立方创建的子系统的混合体，这些子系统通常使用不同的中间件技术，接口不一致。使用面向对象的思维集成此类子系统带来了一些根本挑战：（1）它对于增量和独立开发来说很脆弱，因为接口可能会在不经通知的情况下发生变化；（2）子系统之间在双方必须交换的信息的数量和质量方面通常存在“阻抗不匹配”； (3) 确实需要实时动态适应网络拓扑重新配置和故障；(4) 在这种动态环境中，可扩展性、性能和正常运行时间不能总是受到损害。需要一种不同的范式来系统地应对这些新挑战。随着集成规模和复杂性的增长，唯一的统一共同点是
风力涡轮机转子风洞试验的气动设计方法
风力涡轮机比例模型的风洞试验是评估风力涡轮机空气动力学的一种经济有效的方法，可节省时间、成本并避免与全尺寸试验相关的不确定性。然而，风洞试验转子缩放程序的主要限制是无法将雷诺数与全尺寸相匹配。本文介绍了 DTU 10 MW 风力涡轮机风洞 1/75 比例转子的非平凡气动弹性优化设计、实现和实验验证。更具体地说，这项工作是为浮动式海上风力涡轮机 (FOWT) 应用而开发的（Lifes50+，Bayati 等人，2013 年，2014 年）；尽管如此，所报告的方法和得出的结论在风力涡轮机转子缩放方面具有普遍有效性。最近也在风力涡轮机缩放方面做出了类似的努力（Bredmose，2014 年）。此外，在（Bottasso 等人，2014 年）中可以找到对缩放效应的深入分析，该分析涉及米兰理工大学风洞的先前活动：这项工作涉及气动弹性模型设计程序的定义，并且在推力和扭矩值匹配方面获得了良好的结果，并且正确缩放了叶片结构行为，同时考虑了弯曲 - 扭转缩放（Campagnolo 等人，2014 年）。
思想、大脑和程序
摘要：本文可视为对两个命题后果的探索。（1）人类（和动物）的意向性是大脑因果特征的产物。我认为这是关于心理过程和大脑之间实际因果关系的经验事实。它简单地说，某些大脑过程足以产生意向性。（2）实例化计算机程序本身永远不是意向性的充分条件。本文的主要论点是针对建立这一主张。论证的形式是展示人类代理如何实例化程序而仍然不具有相关的意向性。这两个命题有以下后果：（3）大脑如何产生意向性的解释不能是它通过实例化计算机程序来实现。这是1和2的严格逻辑结果。（4）任何能够产生意向性的机制都必须具有与大脑相等的因果能力。这应该是 1 的一个微不足道的结果。（5）任何试图人为地创造意向性（强人工智能）的尝试都不可能仅通过设计程序而成功，而必须复制人脑的因果能力。这从 2 和 4 中得出。“机器能思考吗？”根据这里提出的论点，只有机器才能思考，而且只有非常特殊的机器，即大脑和具有与大脑相当的内部因果能力的机器。这就是为什么强人工智能很少能告诉我们关于思考的事情，因为它不是关于机器而是关于程序，而没有一个程序本身足以进行思考。
SSC-297 - 船舶结构委员会
本报告对松弛 LNG 货舱中的动态晃动载荷进行了评估。全面回顾了世界范围内的比例模型晃动数据。将数据简化为通用格式，以便定义设计载荷系数。回顾了 LNG 舱的结构细节，重点放在定义独特的设计特征上，这些特征在设计 LNG 舱以承受动态晃动载荷时必须考虑。进行了额外的比例模型实验室实验以补充可用的模型晃动数据。实验以组合自由度进行，以确定多自由度激励的可能性，以增加动态晃动载荷。还进行了实验以建立结构响应分析所必需的晃动动态压力-时间变化曲线。还对全尺寸 LNG 船舶舱结构的代表性段进行了实验，该舱结构装载了根据模型结果预测的典型全尺寸动态晃动压力。开展分析研究，提供确定壁结构对动态晃动载荷响应的技术。最后，介绍了膜式和半膜式油箱、重力油箱和压力油箱的设计方法，设计程序从比较共振晃动周期与船舶周期开始，定义设计载荷，然后根据随油箱类型变化的划定程序设计受动态晃动载荷影响的油箱结构。
使用进化增强学习的无知识的生物序列设计
使用所需的适当设计设计新型的生物学序列是生物科学中的重大挑战，因为较大的搜索空间超大。传统的设计程序通常涉及多轮昂贵的湿实验室评估。为了减少对昂贵的湿实验实验的需求，使用机器学习方法来帮助设计双学序列。然而，具有已知特性的双学序列的有限可用性阻碍了机器学习模型的训练，从而极大地限制了它们的适用性和性能。为了填补这一空白，我们提出了Erlbioseq，这是一种用于生物序列设计的进化增强学习算法。erlbioseq杠杆可以在没有先验知识的情况下学习学习的能力，以及进化算法的潜力，以增强生物序列较大的搜索空间中强化学习的探索。另外，为了提高生物序列设计的效率，我们在生物序列设计过程中删除了序列筛选的预测因子，该过程既包含了局部和全局序列信息。我们在三种主要类型的生物序列设计任务上评估了提出的方法，包括DNA，RNA和蛋白质的设计。结果表明，与现有的最新方法相比，所提出的方法可以取得显着改进。
SSC-297 - 船舶结构委员会
本报告对松弛液化天然气货舱中的动态晃动载荷进行了评估。全面回顾了全球比例模型晃动数据。数据被简化为通用格式，以便定义设计载荷系数。回顾了液化天然气储罐的结构细节，重点是定义在设计液化天然气储罐以承受动态晃动载荷时必须考虑的独特设计特征。进行了额外的比例模型实验室实验，以补充可用的模型晃动数据。以组合自由度进行实验，以确定多自由度激励的潜力，以增加动态晃动载荷。还进行了实验以建立结构响应分析所必需的晃动动态压力-时间历史。还对全尺寸 LNG 船舶储罐结构的代表性段进行了实验，该储罐装载了模型结果预测的典型全尺寸动态晃动压力。进行了分析研究，以提供确定壁面结构对动态晃动载荷响应的技术。最后，介绍了膜式储罐和半膜式储罐、重力储罐和压力储罐的设计方法，其中设计程序从比较共振晃动周期与船舶周期开始，定义设计载荷，然后根据随储罐类型变化的划定程序设计受动态晃动载荷影响的储罐结构。
Microsoft Word - 陆军 ACP 标准设计 2022 年 9 月_Final.docx
1 简介 1.1 标准设计 本标准设计取代了此设施类型的所有先前版本。它应用于所有新 ACP 项目的建设和现有 ACP 项目的翻新。它旨在用于美国大陆 (CONUS) 或海外地区 (OCONUS) 的任何地方。本标准设计中包含的设计程序和图纸为陆军 ACP 设计师提供了灵活性，使其能够满足陆军的基本物理安全要求和陆军设施的各种部队保护条件。本标准设计符合陆军设施标准化委员会于 2012 年 4 月 13 日批准的陆军访问控制点 (ACP) 标准 (AS)。它还符合美国陆军工程兵团总部 (HQUSACE) 制定的建筑和工程设计标准。当地标准化中心 (COS) 必须批准对标准设计的所有更改、偏差或豁免。除了这些要求之外，附录 D 还包含设计指南和说明，这些指南和说明仅供参考，旨在进一步提供有关进行 ACP 设计时经常出现的问题的信息。1.2 ACP 定义 访问控制点（此处称为 ACP）是设施驻扎区周边的走廊，所有车辆和/或行人在进入或离开设施驻扎区时都必须通过该走廊。ACP 提供了第一个物理安全边界层，
黑客胰腺癌：个性化医学的当前和未来
在可渗透的岩石质量和高的沉降水平下进行的深隧道会耗尽大量的温水，这些温水是在重力下在特定导管的重力下收集的，可以利用热量。该能源的利用通常会因门户附近的最终用户的有限存在而缩小，而其他有希望的加热和冷却需求可以直接沿隧道长度找到。这项工作介绍了地热系统原型的设计，构建和安装，该原型直接在隧道内部开发排水热。该原型由于其热交换过程的特殊性而被命名为智能流动。该系统已实现并安装在意大利和奥地利之间边界附近的布伦纳基座隧道的探索性隧道内。智能流动的模块是在外部建造的，后来又移动到隧道内，将它们放置并同时组装到隧道钻孔机的发展中。提出了一个设计程序，并针对测试和监视活动进行了验证。实验活动的数据证实，引流水流保证了循环水温和快速恢复的长期稳定，从而确保了连接到系统的水水热泵的可观功率和性能值。灵敏度分析允许复制不同的工作场景，以概括超出特定安装上下文的智能流动的应用。
思维，大脑和程序
摘要：可以将本文视为探索两个命题的后果的一种尝试。（1）人类（和动物）的意图是大脑因果特征的产物。我认为这是关于心理过程与大脑之间实际因果关系的经验事实。它简单地说，某些大脑过程就足以实现故意。（2）实例化计算机程序本身绝不是故意的充分条件。本文的主要论点旨在建立这一主张。该论点的形式是展示人类代理如何实例化该程序而仍然没有相关意图。这两个命题具有以下后果：（3）对大脑如何产生意图的解释不能因为它通过实例化计算机程序来做到这一点。这是1和2的严格逻辑结果。（4）任何能够产生故意性的机制都必须具有与大脑的因素相等的因素。这是1。（5）任何试图人为地创建意图的任何尝试（强AI）不能仅仅通过设计程序来成功，而是必须复制人脑的因果力量。这是2和4。“机器可以思考吗？”在这里提出的论点上只有一台机器才能思考，只有非常特殊的机器，即具有内部因果力量与大脑相当的机器。这就是为什么强大的AI几乎没有什么可以告诉我们思考的原因，因为它不是关于机器，而是关于程序的，而且没有程序本身就足以思考。