XiaoMi-AI文件搜索系统
World File Search SystemOptimisation
对未来进行孪生：在优化纤维增强聚合物的优化中实施数字双技术
摘要。纤维增强聚合物（FRP）的优化对于工程可持续的未来至关重要。本评论论文探讨了数字双胞胎（DTS）在增强合成和可持续性FRP的特征，性能和可持续性方面的潜力。dts为实时监控和预测分析提供了虚拟空间，并彻底改变了FRP生产的传统局限性。最近的案例研究，例如Fastigue项目和纤维增强热塑性塑料的进步，展示了DT在解决生产过程中解决问题方面的强大作用。本文还讨论了开发可持续的“绿色”复合材料的独特挑战，这些复合材料与可持续发展目标之间的生物降解能力之间取得了平衡。它突出了利用DTS仔细检查合成和天然FRP的制造过程的好处。现代DTS已经证明了优化这些材料的固化动力学和机械性能的能力。此外，诸如3D打印的连续碳纤维复合材料，过高的纤维增强热塑性塑料以及基于可回收的Elium®的复合材料等案例研究鉴定了DTS在增强FRP的可持续生产方面的能力。承认未来的挑战，建议将生产和可持续性指标整合到现代多层DT系统中，以实现整体利益。关键字：数字双胞胎，复合材料，纤维增强聚合物
有效载荷意识到的轨迹优化针对非独立移动多机器人操纵，并带有提示避免
摘要 - 合作移动操作是机器人技术中越来越重要的主题：就像人类需要在许多任务上进行协作一样，机器人需要能够一起工作，例如，在非结构化环境中运输重型或笨拙的物体。但是，移动多机器人系统提出了独特的挑战，例如运动计划的更大配置空间，稳定性问题，尤其是对于轮式移动机器人，非全面约束。为了应对这些挑战，我们提出了一个基于用于轮式移动操作的直接转录公式的多机器人双级优化系统。我们的配方使用静态力，计算出较低级别的稳定性目标，以告知较高级别的车轮轨迹计划。这允许有效的计划，同时确保安全执行并改善实际机器人的开环绩效。我们证明了我们的模型能够解决具有挑战性的运动规划任务，并评估其在ClearPath Husky Mobile平台上改进的现实世界的能力。最后，我们将系统与先前呈现的混合真实接口集成在一起。索引术语 - 多种移动机器人或代理商的多数机器人系统，合作机器人，机器人技术和施工中的自动化的路径规划，车轮机器人
用于电源管理优化的可持续混合动力船舶动力系统：综述
摘要：由于航运业的排放，人们对环境问题的关注日益增加，这加速了人们对开发可持续能源和传统碳氢化合物燃料替代品以减少碳排放的兴趣。混合动力系统主要通过将替代能源与碳氢化合物燃料相结合来使用，因为前者的能源效率相对较小。为了使这种混合系统高效运行，必须优化多个电源的电源管理，并了解具有不同装载操作曲线的不同船舶类型的功率需求。这可以通过使用能源管理系统 (EMS) 或电源管理系统 (PMS) 和混合船舶电力系统的控制方法来实现。本综述论文重点介绍了采用的不同 EMS 和控制策略来优化电源管理以及降低燃料消耗，从而减少混合船舶系统的碳排放。本文首先介绍了常用的不同混合动力推进系统，即柴油机械、柴油电力、全电动和其他混合动力系统。然后，对不同的 EMS 和控制方法策略进行了全面回顾，随后将替代能源与柴油动力进行了比较。最后，讨论了混合动力系统的差距、挑战和未来工作。
自动过渡金属催化剂发现和优化AI和机器学习
在AI/机器学习（ML）的帮助下，自动化的化学空间探索是现代化学发现中非常重要的方法。在有机化合物的该区域中的进展已导致第一个AI发现的活性药物成分（API）进入II期试验。[1,2]通过有机金属化合物的化学空间探索，可以将相同的好处扩展到催化剂发现。但是，由于其他限制，例如协调几何和综合性，例如旋转状态，催化剂稳定性和选择性等。由于需要计算和/或估计激发态和过渡状态的属性，因此与API发现相比，与API发现相比，评估催化剂的所需功能在计算筛选中也更为需要计算。在同型催化中，诸如溶剂，温度和添加剂等其他维度可能会对反应结果产生重大影响，并且需要包括在评估方法中。合成催化反应通常涉及化学和立体选择性，竞争侧反应以及多个可能的可能性
NHS英格兰抗菌处方与药品优化（APMO）策略和愿景
战略目的 - 抗菌处方和药物优化（APMO）：为了改善患者的结局，安全地减少人类对抗菌药物的接触，降低抗菌素耐药性并减少环境影响并减少废物
自动停止流库合成，用于快速优化和机器学习指导的实验
已经确定了许多因素，包括库多样性，其中样本多样性比外围取代基 4 和库大小更相关。已经测试了许多合成组合库的方法 5 – 7 尽管很少有人考虑将它们整合到迭代 DMTA 循环中，从而研究和优化理想库的关键特性。对于单次 DMTA 迭代，合成步骤的整体效率可能与多种因素有关。从实验角度来看，合成库的工作始于组合试剂阵列以生成一组主链结构 8 例如，对于酰胺偶联衍生库，将一组羧酸与一组胺结合。9 在此阶段，反应数量很大，通常在相同反应条件下并行进行。 10 在此背景下，传统的批量方法（限于相对较大的体积和反应时间）与现代高通量方法（如孔板上的平行支架合成）（限于温和的反应条件和兼容的溶剂）相竞争，11,12 两者都留下了很大一部分参数空间未被探索。在这些系统中，平均文库成功率
利用飞轮储能技术优化风力发电场
由于风电场发电具有间歇性，发电量经常超过或未达到场地的出口限额。超过出口限额的多余发电量将被视为违规，并可能导致当地电网运营商罚款。超过出口限额的多余能源可用于补充发电量较低的时期，从而平滑风电场的产出，并提高场地的总产出。飞轮能够承受高循环率，因此非常适合在此情况下充当能量储存器。本文利用真实数据模拟与飞轮储能系统 (FESS) 协同运行的风电场，并评估不同储能容量的有效性。c ⃝ 2020 由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ )。
回顾可持续混合船舶动力系统以实现电源管理优化：综述
摘要：航运业的排放引起了人们对环境问题的日益关注，这加速了人们对开发可持续能源和传统碳氢燃料替代品以减少碳排放的兴趣。混合动力系统主要通过将替代能源与碳氢燃料相结合来使用，因为前者的能源效率相对较低。为了使这种混合动力系统高效运行，必须优化多个电源的电源管理，并了解不同类型船舶和不同装载运行曲线的功率需求。这可以通过使用能源管理系统 (EMS) 或电源管理系统 (PMS) 和混合船舶动力系统的控制方法来实现。本综述论文重点介绍了为优化电源管理以及降低燃料消耗和减少混合动力船舶系统的碳排放而采用的不同 EMS 和控制策略。本文首先介绍了常用的不同混合动力推进系统，即柴油机械、柴油电动、全电动和其他混合动力系统。然后，对不同的 EMS 和控制方法策略进行全面回顾，随后将替代能源与柴油动力进行比较。最后，讨论了混合动力系统的差距、挑战和未来工作。
通过强大的优化，可证明神经网络的强大和合理的反事实解释
反事实解释（CES）已成为解释神经网络分类器的主要方法的越来越多的兴趣。通常，输入输出对的CES定义为具有最小距离的数据点，该数据点与输入分类的输入最小距离，而该输入与输出标签相比。要解决模型参数时很容易无效的确定问题（例如，重新培训）研究提出了方法来证明在模型参数变化下由标准球界定的CES鲁棒性。但是，针对这种鲁棒性形式的现有方法并不完整，它们可能会产生令人难以置信的CES，即离群值WRT WRT训练数据集。实际上，没有现有的方法同时优化邻近性和合理性，同时保留鲁棒性保证。在这项工作中，我们提出了可证明的强大和合理的反事实表达（PREPLACE）1，这是一种利用强大优化技术来促进上述文献中限制的方法。我们制定了一种迭代算法来计算可证明可靠的CES并证明其收敛性，健全性和完整性。通过涉及六个基线的比较实验，其中五个靶向鲁棒性，我们表明，在三个评估方面，预言实现了针对指标的最新表现。关键字：可解释的AI；反事实解释；解释的鲁棒性
能量优化模型，用于未来土耳其住宅电力客户的自给自足
摘要：本文利用了典型的土耳其自助生活空间的两阶段需求响应能源管理算法。提议的能源管理模型通过根据使用静态使用时间安排在家中的富裕负载和储能系统来提供额外的收益，以实现自我耐高率的目标。在自助力，经济增长和投资表现的范围内评估了负载调度和电池优化的影响。根据结果，提议的两阶段结构在单块场景中提供了9.5％的净储蓄增加，并且在设计中使用三个电池上升至14％。另一方面，当我们通过投资回报率（ROI）计算检查能源管理方案时，我们看到，由于电池成本的增加，单电池系统的ROI高于两个或三个电池系统。此外，在拟议的家庭能源管理系统（HEMS）模型中，ROI值无需优化而无需优化的13.9％。可以从此计算中可以看出，电池的智能管理和富裕载荷可增长10％的ROI值。