XiaoMi-AI文件搜索系统
World File Search SystemAided
空中多天线辅助航空通信...
摘要 — 为了在所有飞行阶段提供无缝覆盖，航空通信系统 (ACS) 必须整合天基、空基和地面平台，以形成面向航空的天空地一体化网络 (SAGIN)。在大陆地区，L 波段航空宽带通信 (ABC) 因支持空中交通管理 (ATM) 现代化而越来越受欢迎。然而，由于传统系统，L 波段 ABC 面临着频谱拥塞和严重干扰的挑战。为了解决这些问题，我们提出了一种新颖的多天线辅助 L 波段 ABC 范式来解决可靠和高速率空对地 (A2G) 传输的关键问题。具体而言，我们首先介绍 ABC 的发展路线图。此外，我们讨论了 L 波段 ABC 传播环境的特殊性以及相关多天线技术的独特挑战。为了克服这些挑战，我们从信道估计、可靠传输和多址接入的角度提出了一种先进的多天线辅助 L 波段 ABC 范式。最后，我们阐明了 SAGIN 航空部分的引人注目的研究方向。
机器人本地化由量子算法帮助
本地化是移动机器人技术的关键方面，使机器人能够有效地导航其环境并避免障碍。当前的概率定位方法，例如自适应蒙特卡洛定位（AMCL）算法，是计算密集的，可能会在大图或高分辨率传感器数据中遇到困难。本文探讨了量子计算在机器人技术中的应用，重点是使用Grover的搜索算法来提高移动机器人的本地化效率。我们提出了一种新的方法，可以在2D地图中利用Grover的算法，从而更快，更有效地定位。尽管当前的物理量子计算机存在局限性，但我们的实验结果表明，对经典方法的速度显着，强调了量子计算改善机器人定位的潜力。这项工作弥合了量子计算和机器人技术之间的差距，为机器人定位提供了实用的解决方案，并为未来的量子机器人技术铺平了道路。
计算机辅助药物设计综述
药物设计、发现和评价中的计算方法。一般来说，药物发现需要很长的时间（约 12 年）和数十亿美元的资金。它包括创建新分子、将分子对接至靶蛋白、分析分子相互作用、估计结合强度和药物特性。计算机辅助药物设计 (CADD) 具有成本效益，并且无需进行一些生物学试验。它主要包括两种类型的药物设计，即基于结构的药物设计和基于配体的药物设计。通过它，我们可以了解药物受体相互作用。基于结构的药物设计包括结合位点识别、对接和储存、虚拟筛选、化合物选择、先导优化。基于配体的药物设计包括定量结构活性关系、药理学建模和基于结构的药物设计所遵循的步骤。我们可以看到，CADD 有助于识别药物的合适特性及其兼容性，从而轻松进行临床前试验。
数字孪生辅助脆弱性评估和风险 - Pure
摘要：在过去的几个世纪中，全球已建成数以百万计的桥梁基础设施。其中许多桥梁已老化并表现出巨大的潜在风险。基于风险的公路桥梁频繁检测和维护管理对于公共安全尤为重要。目前，大多数桥梁依靠人工检查方式进行管理。效率极低，导致桥梁劣化和缺陷风险日益增加，降低了桥梁的承载能力，制约了桥梁的正常和安全使用。目前，数字孪生在建筑行业的应用势头强劲，行业逐渐进入信息时代。为了获取和共享相关信息，工程师和决策者在项目的整个生命周期中都采用了数字孪生，但其应用仍然局限于数据共享和可视化。本研究进一步展示了数字孪生在可持续性和脆弱性评估方面的前所未有的应用，这可以实现下一代基于风险的检查和维护框架。本研究以中国浙江省中城村大桥施工人员获得的数据为案例研究。重点介绍了数字孪生在桥梁模型建立、信息收集和共享、数据处理、检查和维护规划中的应用。然后，建立了“数字孪生（或建筑信息模型，BIM）+桥梁风险检查模型”的集成，这将成为所有利益相关者在整个生命周期内减轻极端天气条件下的风险和不确定性的更有效的信息平台。
朝向视觉和语言模型辅助对象导航
图3.2布局映射中边界计算过程的可视化。红色圆圈表示代理的位置，而虚线则在探索环境时构成了代理路径的轨迹。蓝色阴影区域代表了从不同位置覆盖的三角形区域。'Frontier X'标记了一个脱落的边界群集的一个示例，展示了观察如何在空间上相关并与地图中的潜在探索目标相关联。。。。。。。。。。9
人工智能辅助工程教育：现状...
人工智能 (AI) 已经开始改变工程系统的构思、设计和管理方式，帮助最大限度地提高成功实现目标的机会。工程科学、技术和研究显然受益于人工智能，工程教育者应该能够让学生意识到人工智能的潜力，教他们该研究领域的必要基础知识，并指导他们将这些算法和技术应用于实际工程项目的开发，这是现代工程学习计划的必要方面。然而，人工智能在工程教育中更相关的影响超出了将一组新资源应用于解决特定工程问题的范围：事实上，“人工智能辅助工程教育”的概念是指利用人工智能技术和资源来改进高等教育中的教学过程，特别是与科学技术研究相关的教学过程。在这项研究中，我们专注于人工智能技术如何支持工程中的教学过程，并描述如何将人工智能迅速引入任何工程计划。我们还分析了人工智能对改善大学整体运作的潜在影响，因为大学是一个管理大量数据和无数流程和交互的极其复杂的系统。
LACIE 卫星辅助监测实验... - 范围
计算机处理数据和使用数学模型及时获取信息。1977 年 8 月，该实验得出了后来被证明是准确的苏联春小麦缺口估计值。这一观察结果远早于苏联公布有关该作物的确切信息。此外，对苏联另外两个作物年度的春小麦和冬小麦产量的分析得出的估计值支持了该实验的绩效目标。LACIE 实验的成功得到了对美国冬小麦地区三个作物年度产量的准确估计的支持。该实验在预测加拿大小麦产量方面不太成功，但原因很容易理解。原因是加拿大的有效田地面积通常非常接近 LANDSAT 的分辨率极限，而且春小麦很难与某些其他作物区分开来。LACIE 导致开发了一种基于面积和产量估计来估计小麦总产量的技术、一种在不使用地面数据的情况下估计作物面积的可接受精度的技术以及一种估计作物产量的可接受精度的技术。改进 LANDSAT 数据分析程序可以进一步提高卫星识别小麦种植面积的准确性。通过结合使用 LANDSAT 数据和天气数据，可以改进产量模型，以更好地定义作物对自然条件的反应。还可以改进估计作物生长阶段的模型，以提供有助于区分小麦和类似作物（如大麦）的数据，从而改善预测。LACIE 是对已确定的国家需求和特定需求的及时响应。它是十多年研究和开发的成果，它汇集了一批特殊的人员和设备，并进行了大规模的严格测试。LACIE 令人鼓舞的结果促使人们进一步努力确定美国农业部和其他用户的需求，并将该能力扩展到其他重要问题。该实验于 1974 年启动，旨在将卫星遥感及其相关通信技术融入实验系统，并使用该系统对重要作物的产量进行估计。之所以选择小麦作为实验对象，一方面是因为小麦具有重要的经济价值，另一方面也因为它与太空技术的发展相契合。美国和苏联大片地区都种植小麦，印度和中国也有小块土地种植。世界上某些地区一年四季都有小麦生长。从农业角度来看，小麦是最简单的作物之一，也是最适合遥感的作物之一。为更准确地预测小麦产量而开发的技术似乎也适用于其他作物。农业生产变化很大，因为它取决于
机翼形状的辅助惯性估计 - oatao
先进的大翼展飞机具有更大的结构灵活性，但可能出现不稳定或操纵性差。这些缺点需要稳定性增强系统，该系统需要主动结构控制。因此，飞行中机翼形状的估计有利于控制非常灵活的飞机。本文提出了一种基于扩展卡尔曼滤波估计柔性结构状态的新方法，该方法利用了辅助惯性导航系统中采用的思想。将不同机翼位置的高带宽率陀螺仪角速度集成在一起，以提供短期独立惯性形状估计解决方案，然后使用额外的低带宽辅助传感器来限制发散估计误差。所提出的滤波器实现不需要飞机的飞行动力学模型，简化了通常繁琐的卡尔曼滤波调整过程，并允许在机翼偏转较大和非线性的情况下进行准确估计。为了说明该方法，通过使用瞄准装置作为辅助传感器的模拟来验证该技术，并进行可观测性研究。与文献中基于立体视觉的先前研究相比，我们发现了一种传感器配置，仅使用一个摄像头和多个速率陀螺仪分别用于卡尔曼滤波更新和预测阶段，即可提供完全可观察的状态估计。
计算机辅助工业设计系统的优化...
摘要：客机概念设计系统可以辅助设计人员提高设计质量、提高工作效率、缩短设计周期、降低研发成本。针对现有客机概念设计系统TADAO存在技术路线不足、设计辅助能力弱、部分模块缺乏理论推导、系统鲁棒性弱等不足，本文对客机基本参数估算模块、客舱布局模块、机翼尾翼外形初步设计模块进行了更新，并增加了总体参数灵敏度分析模块。参考相关飞机总体设计文献及理论推导，总结出一套基本参数初步估算方法，能够以较少的输入参数估算出主要基本参数。参考相关飞机总体设计文献，总结出一套机翼尾翼外形初步设计方法，可用于快速外形设计；通过比较不同的技术路线，确定了总体参数灵敏度分析方法。
当前辅助/自动目标获取方法综述...
摘要。辅助和自动目标识别 (Ai/ATR) 能力是现代战斗中军事服务所需的一项关键技术。然而，目前可用的性能水平与要求相比远远不够。这主要是由于在现实环境中获取目标的难度，但也是由于由于机密数据分发的限制，从学术界等机构获取新概念的难度。所需性能的难度限制了作战人员所期望的承诺的实现。我们回顾了与 Ai/ATR 性能相关的指标、图像数据库和传感器，并提出了可能的技术方法，这些方法可以实现军事相关性能的新进步。C ⃝ 2011 光学仪器工程师协会 (SPIE)。[DOI：10.1117/1.3601879]