XiaoMi-AI文件搜索系统
World File Search SystemMultiscale
多尺度材料建模路线图
1 格罗宁根大学泽尼克先进材料研究所，Nijenborgh 4, 9747 AG 格罗宁根，荷兰 2 桑迪亚国家实验室，新墨西哥州阿尔伯克基 87185，美国 3 劳伦斯利弗莫尔国家实验室，加利福尼亚州利弗莫尔 94551，美国 4 斯坦福大学，斯坦福，加利福尼亚州 94305，美国 5 剑桥大学工程实验室，剑桥 CB2 1PZ，英国 6 埃因霍温理工大学机械工程系，埃因霍温 5600 MB，荷兰 7 IMDEA 材料研究所，C / Eric Kandel 2，E-28906 马德里，西班牙 8 马德里理工大学材料科学系，ETS de Ingenieros de Caminos，E-28040 马德里，西班牙 9 辛辛那提大学，俄亥俄州辛辛那提45221，美国 10 苏黎世联邦理工学院，CH — 8092 苏黎世，瑞士 11 加州理工学院，帕萨迪纳，CA 91125，美国 12 洛斯阿拉莫斯国家实验室，洛斯阿拉莫斯，新墨西哥州 87522，美国 13 不列颠哥伦比亚大学物理与天文系和量子物质研究所，温哥华 BC V6T 1Z1，加拿大 14 伦敦大学学院，Gower Street，伦敦 WC1E 6BT，英国 15 桑迪亚国家实验室，利弗莫尔，CA 94551，美国 16 先进材料模拟跨学科中心（ICAMS），波鸿鲁尔大学，D-44801 波鸿，德国 17 普渡大学材料工程学院和 Birck 纳米技术中心，西拉斐特，印第安纳州 47907，美国 18 系明尼苏达大学航空工程与力学系，美国明尼苏达州明尼阿波利斯 55455
多尺度生命周期评估 - CORE
简化生命周期评估 (SLCA) 通常在成品规模上进行。但是，也可以对组件或子系统（规模向下移动）或公司的所有产品（规模向上移动）执行 SLCA。与生物生态学类似，不同规模的分析似乎会提出不同的问题并揭示不同的见解。在本研究中，通过比较子系统、产品和公司级别的高性能飞机的结果来探索多尺度简化 LCA (SLCA)。结果清楚地表明，复杂产品的主要子系统之间的 SLCA 结果存在很大差异，而这些差异无法从系统级 SLCA 中得出，并且不同级别的结果往往服务于不同的公司用户。将单个产品的结果与多个公司产品的结果进行比较时，可以获得类似的好处。因此，多尺度生命周期分析的执行可能会带来相当大的优势。
多尺度统计和量子物理学（...
多尺度统计和量子物理 (MSP) 小组 - 有关该小组的更多信息，请访问 https://qtf.fi/research MSP 小组是芬兰量子技术卓越中心的一部分，我们正在寻找有上进心和才华的学生加入我们，参加 2024 年的暑期研究。我们为学士和硕士生提供多个项目。我们希望学生对量子物理、统计力学和热力学有所了解。了解一种或多种数值工具（如 Mathematica、MATLAB/Python）是一种优势，但不是必需的。根据学生的背景、经验和兴趣，我们可以在物理学和应用数学的不同子领域提供几种类型的项目。开放量子系统的热力学（导师 Jishad Kumar 博士）量子物理学的最新技术进步可以轻松地在实验室中实现纳米机电系统、量子点（或量子阱）、纳米热机或冰箱。当系统尺寸相当小（例如纳米或中观系统）时，将它们与周围环境隔离是不可能的。这意味着小系统（或其中的一部分）与其环境有显著的耦合。经典开放系统的正则状态仍然是吉布斯状态，因为与系统相当大的热能相比，耦合能量很容易被忽略。然而，在极低的温度下，特别是当量子效应占主导地位时，这种耦合能量是不能被忽略的。这可能会引发人们对已知热力学定律的有效性以及如何在这种情况下定义热力学量的质疑。
多尺度建模和 AI/ML 高级...
材料的进步对于技术创新至关重要。在多个长度和时间尺度上对材料进行计算建模可以更深入地了解材料行为的物理机制，并为调整材料加工、结构特性以用于高级应用提供途径。使用基于物理的计算模型生成的数据为开发机器学习模型提供了独特的机会，该模型可以学习材料的固有行为，从而加速高级应用的材料发现工作。本次研讨会的目的是让参与者了解当前最先进的多尺度建模和数据科学技术，这些技术可以加速高级应用材料的开发。研讨会将涉及基于物理的模型、材料信息学、AI/ML 技术的理论和演示。
FTY720在2型糖尿病大鼠中的影响
提高锂离子电池性能的关键是精确阐明电池的时间和空间层次结构。锂离子电池由阴极和阳极和含有电解质的分离器组成。锂离子电池的阴极和阳极由由活性材料，导电材料和粘合剂组成的复合材料制成，形成复杂的三维结构。由于锂离子反复插入并从活性材料中取出时，反应进行。因此，由于离子扩散而对活性材料的晶格进行了重组，从而导致相变。在活性材料 - 电解质界面上，锂离子的插入和去插入以及电荷转移反应进行。由于多种现象的相互作用，锂离子电池的电荷 - 放电反应是一个非平衡状态。在常规电池研究中执行的灾难性电池后的分析并不能准确理解反应速率和降解机制的主要因素。本综述介绍了有关锂离子电池的时间和空间层次结构的研究结果，重点是在电荷 - 解散反应期间进行的操作测量。第1章概述了锂离子电池的分层反应机理。第2章介绍了Operando测量技术，这对于分析很有用。第3章描述了电极 - 电解质界面的反应，即反应场，第4章讨论了由有源材料中的两相反应引起的非平衡结构变化。第5章介绍了复合电极的独特反应异质性的研究，该反应异质性可以实用。了解分层反应机制将为锂离子电池和下一代电池的设计提供有用的信息。
LS-DYNA 中的 RVE 分析用于高保真多尺度...
现代工程设计中，先进材料（如纤维/颗粒增强聚合物、金属合金、层状复合材料等）被广泛使用，其中晶粒、夹杂物、空隙、微裂纹和界面等微尺度异质性显著影响宏观本构行为。显然，准确描述材料的多尺度行为对于材料设计和结构分析的成功至关重要。代表性体积元 (RVE) 分析方法提供了一种严格的方法，可以从较低长度尺度的材料成分和结构特性中获得较高长度尺度上均匀的宏观材料特性。最近，我们在多物理场仿真软件 LS-DYNA 中开发了一个 RVE 模块（关键词：*RVE_ANALYSIS_FEM），可以在用户指定的特征长度尺度上对数值重建的材料样品进行高保真虚拟测试。在本文中，我们将简要介绍这一新功能。
实验磨损的多尺度设计方法
WC-Co 金属陶瓷，也称为硬质合金，是摩擦学应用中最广泛使用的硬质材料。W 和 Co 价格的不断上涨以及经济方面的不利因素提醒人们 WC 和 Co 需要被取代。WO 3 是一种有毒物质，在碳化钨应用过程中在空气中形成，在 750°C 以上升华，在室温下可溶于水。Co 的取代还受到其活性氧化物 Co 3 O 4 的潜在致癌性质的驱动。铌是一种与钨类似的难熔金属，可以部分甚至完全取代硬质合金中的钨。NbC 是一种熔点为 3522°C 的难熔碳化物，它具有热稳定性，在 Fe、Ni 和 Co 中的溶解度非常低。此外，相关氧化物 Nb 2 O 5 具有热力学稳定性，熔点为 1512°C。由于 Co 和 NbC 的润湿性相对较差，在 WC-Co 中用 NbC 替代 WC 必然需要同时替换 Co 粘合剂。NbC-Ni 和 NbC-Fe 或 NbC-Mo 基材料将成为 WC-Co 材料的“非关键且无害”替代品。
多尺度建模与机器学习相结合
摘要 机器学习越来越被认为是生物、生物医学和行为科学领域一项很有前途的技术。毫无疑问，这项技术在图像识别方面取得了巨大的成功，并可直接应用于电生理学、放射学或病理学等诊断领域，在这些领域我们可以获得大量带注释的数据。然而，机器学习在预后方面往往表现不佳，尤其是在处理稀疏数据时。在这个领域，基于经典物理的模拟似乎仍然无法替代。在这篇综述中，我们确定了机器学习和多尺度建模在生物医学科学中可以相互受益的领域：机器学习可以以控制方程、边界条件或约束的形式整合基于物理的知识，以管理不准确问题并稳健地处理稀疏和噪声数据；多尺度建模可以整合机器学习来创建代理模型，识别系统动态和参数，分析敏感性，并量化不确定性以弥合尺度并理解功能的出现。着眼于生命科学领域的应用，我们讨论了机器学习与多尺度建模相结合的最新技术，确定了应用和机会，提出了未解决的问题，并解决了潜在的挑战和局限性。我们预计它将激发计算力学界的讨论，并触及数学、统计学、计算机科学、人工智能、生物医学、系统生物学和精准医学等其他学科，共同努力为生物系统创建强大而高效的模型。
有效药物的多尺度分析与验证......
药物基因组学是一个快速发展的领域，其目标是为每位患者提供个性化的治疗。此前，我们开发了新型药物机会计算分析 (CANDO) 平台，用于多尺度治疗发现，通过分析化合物与大型蛋白质库的相互作用，筛选出针对任何适应症/疾病的最佳化合物。我们在 CANDO 平台内实施了全面的精准医疗药物发现流程，以确定哪些药物最有可能对非小细胞肺癌 (NSCLC) 的突变表型有效，其依据的假设是具有相似相互作用特征（或特征）的药物将具有相似的行为，因此具有协同作用。 CANDO 预测，奥希替尼（一种 10 EGFR 抑制剂）最有可能与四种 KRAS 抑制剂产生协同作用。通过细胞毒性试验进行的验证研究 11 证实，奥希替尼与 KRAS G12C 抑制剂 ARS-1620 12 和泛 KRAS 抑制剂 BAY-293 联合使用，通过作用于突变型 KRAS 表现出协同作用 13，从而降低细胞增殖。基因表达研究 14 表明，MAPK 抑制是使用 KRAS 抑制剂 BAY-293 治疗后细胞增殖减少的关键相关因素 15，但使用 ARS-1620 或 16 奥希替尼治疗后则不是。我们的精准医疗管道可用于识别能够与 KRAS G12C 抑制剂产生协同作用的化合物，并通过了解它们在蛋白质组学/相互作用组学尺度上的行为来评估它们成为药物的可能性。