XiaoMi-AI文件搜索系统
World File Search SystemPengfei
Pengfei Cai
•朝着局部关注和流动匹配风格的校正的长期推出：额叶聚合PDES中的一个例子。Pengfei Cai，Sulin Liu，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。在ML关于物理科学的ML的Neurips 2024研讨会上介绍。预印本。•使用可区分的模拟学习额叶聚合PDE的治疗动力学。Pengfei Cai，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。ICML 2024 AI科学研讨会；关于数据驱动和可区分模拟，替代物和求解器的神经研讨会。预印本。•基于额叶聚合制造中形态学模式设计的单变量变异自动编码器。Qibang Liu，Pengfei Cai，Diab Abueidda，Seid Koric，Rafael Gomez-Bombarelli，Philippe Geubelle。（2024）。提交：应用机制和工程中的计算机方法。预印本。•具有准确的混合功能的无机化合物的计算的拉曼光谱数据库。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。 （2024）。 科学数据。 纸链接。 •从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。 Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。 （2023）。 纳米研究。 纸链接。 （2022）。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。（2024）。科学数据。纸链接。•从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。（2023）。纳米研究。纸链接。（2022）。•通过第一原则理解和机器学习加速了近红外II分子荧光团的设计。Shidang Xu*，Pengfei Cai*，Jiali Li，Xianhe Zhang，Xianglong Liu，Xiaonan Wang，bin liu。ChemRXIV预印本（实验验证正在进行）。预印本。•聚集时机器学习辅助准确预测分子光学性能。Shidang Xu*，小刘*，Pengfei Cai，Jiali Li，Xiaonan Wang，bin liu。（2022）。高级科学。纸链接。•通过贝叶斯搜索进行第一原则模拟的贝叶斯搜索自我提出的光敏剂发现系统。Shidang Xu*，Jiali li*，Pengfei Cai，小刘，本·刘，小王。（2021）。美国化学学会杂志。纸链接。
Machine Learning Technologies for Semiconductor Manufacturing Lifei Sun * , Pengfei Lyu, Xiao Zhang, Junjie Wu, Qingpeng Wang, Joseph Ervin, Yushan Ch
摘要随着半导体设备的大小减小，结构和材料变得越来越复杂，因此制造这些设备变得越来越困难。IC研发（R＆D）的复杂性和大容量制造（HVM）的规模大大增加了达到最终产量所需的成本和时间。芯片制造商，设备制造商和软件公司正在广泛的应用程序中探索和部署机器学习（ML）技术，包括流程开发，生产维护，计量和收益率改善，以解决这些扩展问题。拥有十多年的专业知识为半导体制造部署ML技术，LAM Research已开发了多种智能工具和ML解决方案，以优化半导体制造中的质量，效率以及生产力以及加速创新。在本文中，LAM的两个智能工具 - Semulator3D®和设备智能®DATAANALYZER（EI-DA） - 介绍了用于演示在R＆D和HVM期间如何使用LAM的先进技术来有效地生产最先进的微芯片。
Pengfei Wang
蒙彼利埃计算机科学、机器人和微电子实验室 (LIRMM) 860 rue de St Priest Montpellier cedex 5 法国 +33 695978968 pengfei.wang@lirmm.fr 最后更新：12.2023
基于自适应小波包分解的光伏混合储能系统控制策略 朱万璐，杨叶，支鹏飞 *，Zh
江苏科技大学自动化系，镇江 212000 * E-mail: zhipengfei@just.edu.cn 收稿日期: 2022年8月23日 / 接受日期: 2022年9月22日 / 发表日期: 2022年10月10日 本文基于频域分析了光电场输出功率波动特性，并提出了一种基于自适应小波包分频的光电功率分配方法，该方法合理分配了低频、中频和高频能量在不同储能元件之间的分布。结合超级电容器和锂电池的储能特性，设计了一种超级电容器和锂电池的协调控制策略，有效抑制了光伏功率波动对电网的影响。与光伏原有功率相比，本文提出的方法大大降低了光伏功率的波动，从而使最终并网功率区域平滑，从而使电网和储能组件稳定安全发展。最后通过某光电场实测数据的半实物仿真验证了该方法的有效性。关键词：混合储能；协调控制策略；自适应小波包分解1.引言