XiaoMi-AI文件搜索系统
World File Search SystemAllis
承包商安全手册 3.0_Allison Opalich 1
本手册旨在提醒承包商注意根据 NiSource 合同文件执行工作或在 NiSource 工作现场执行工作的承包商应遵循的安全相关工作实践。本手册并不免除承包商或其员工、代理人或分包商的安全责任以及采取适当谨慎措施或遵守合同文件条款的责任。如果合同文件与本手册发生冲突，则应以最严格的要求为准。本手册中包含的信息不应被视为所有安全规则或安全工作实践的完整指南。相反，它应被视为许多安全规则和程序的参考来源，这些规则和程序将有助于承包商实现良好的安全性能。承包商还将遵守所有适用的联邦、州和地方法规。如果适用法规发生冲突，则应以最严格的法规为准。
艾莉森麦克达德 (Allison McDade) 海军诉讼特别顾问......
麦克达德女士于 1998 年开始从事文职工作，并于 2006 年加入海军部总法律顾问办公室，担任海军设施工程司令部中大西洋地区助理法律顾问，负责采购和房地产事务。2009 年，她移居意大利那不勒斯，担任海军欧洲、非洲、西南亚地区司令助理法律顾问，负责财政和人事事务。2012 年，她返回海军中部海军工程司令部，随后担任军事海运司令部的监督律师，负责租船和运营部门。2019 年，她加入助理总法律顾问办公室（财务管理和主计长）（OAGC（FM&C））。2022 年，麦克达德女士被选为 OAGC（国家安全法）办公室特别项目部副法律顾问，负责复杂系统采购。2023 年，她重返 OAGC（FM&C），担任副 AGC。
艾莉森·阿格斯滕 (Allison Agsten) 担任南加州大学安纳伯格气候新闻与传播中心首任主任
Lauren Dennhardt 博士在明尼苏达大学莫里斯分校获得环境研究和生物学学士学位，她还担任过明尼苏达州公共利益研究小组主席，该小组致力于环境和社会公正问题，她还是环境研究楼层的住宿顾问和社区志愿者经理。她继续在北达科他州立大学获得植物学博士学位，专注于恢复生态学，同时担任生物科学研究生协会主席，并获得系教学和研究奖。获得博士学位后，她在 Valley City 州立大学的渔业和野生动物项目中教授植物学、植物系统学、恢复生态学、动物学、爬虫学、GIS 和牧场管理，同时开始每年一次的旅行，让学生出州了解草原以外的生态系统。她过去曾在美国鱼类和野生动物管理局和红杉国家公园工作过。Dennhardt 博士对恢复生态学充满热情，将物种从灭绝的边缘拯救回来，并确保荒地为子孙后代提供更好的条件。
Allison M. Okamura 的简历
我的研究重点是开发实现能够进行物理交互的先进机器人和人机系统所需的原理和工具。特别感兴趣的主题包括：(1) 远程操作：允许人类操作员操纵规模和/或距离遥远的环境的设备、模型和控制系统。(2) 触觉系统：能够与虚拟环境、计算机和远程机器人进行引人注目的触摸式交互的设备、模型和控制系统。(3) 机器人操纵：结合新颖的设计、传感器和控制系统，物理操纵其环境或自身形状的机器人。应用领域包括外科手术、模拟和训练、康复、假肢、神经力学、危险和远程环境的探索、设计和教育。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
艾莉森·G·罗斯勒
教育 化学和科学计算博士学位，2020 密歇根大学化学系，密歇根州安娜堡 多元化、公平和包容性教学研究生证书 研究生证书 化学学士，2015 斯托本维尔方济各会大学化学与物理系，俄亥俄州斯托本维尔 西班牙语辅修 海外学期 – 奥地利游戏 出版物 同行评审期刊文章 2020 Yang, X.；† Gitter, SR；† Roessler, AG；† Zimmerman, PM；和 Boydston, AJ 光氧化还原介导的无金属开环复分解聚合中的立体控制。准备中。† 这些作者对这项工作做出了同等贡献。2020 Lipinski, BM；Walker, KL；Clayman, NE；Morris, LS；Jugovic, TME；Roessler, AG；Getzler, Y. D；Macmillan, SN； Zare, RN；Zimmerman, PM；Waymouth, RM；Coates, GW 使用束缚双金属铬 salen 催化剂进行全同立构聚环氧丙烷合成的机理研究。ACS Catal，2020，10 (15)，8960-8967。DOI：10.1021/acscatal.0c02135 2018 Roessler, AG 和 Zimmerman, PM 研究使用机械化学弯曲和打破反应途径的方法。J. Phys. Chem. C，2018，122 (12)，6996-7004。DOI：10.1021/acs.jpcc.8b00467 教学经历 普通化学，奥格尔索普大学。2020 年秋季远程团队学习课堂。利用 Zoom 分组讨论室和远程投票软件实施同步问题解决会议。普通化学，密歇根大学。2015 年秋季，2016 年春季
麦卡利斯特_布拉德利_J_201105_phd_carrell 2
2.9 结论................................................................................................................66
麦卡利斯特_布拉德利_J_201105_phd_carrell 2
2.9 结论................................................................................................................66