XiaoMi-AI文件搜索系统
World File Search SystemSeismic
研究FRP外套和高级地震改造
归因于它们超过常规建筑材料的机械特性[11-15]。frp材料具有耐腐蚀性的特性并具有适应性，使其非常适合加强预先存在的混凝土元素或构建新的复合部分。这些材料具有多种优势，例如施工时间减少和降低维护成本[16,17]。近年来，FRP色谱柱的利用率显着增加。这种趋势可以归因于它们的显着机械性能以及与纤维材料相关的成本下降[18,19]。横梁和色谱柱应用中纤维增强塑料（FRP）曲线的利用是广泛的。这些轮廓可以分为三种主要类型：结合钢，混凝土和纤维增强塑料管[20-22]的FRP管，FRP轮廓和混合柱。纤维增强聚合物（FRP）柱的主要目标是利用FRP材料的固有强度，以诱导混凝土柱中的横向限制压力。同时存在着另一个旨在提供轻量级结构柱组件的FRP概况的分类[23,24]。Pultruded FRP概况的成本效益的生产程序（如今与钢轮廓相似）在最近引起了巨大的兴趣[25]。纤维增强聚合物（FRP）材料在增强结构元素的强度，刚度和延展性方面表现出了很大的希望。值得注意的是，仅在2021年就在该领域发表了1013多个出版物的出版物可以看到，研究的关注量显着增加。图1所示的增长趋势强调了FRP在土木工程应用中的兴趣和重要性日益增加。同时，地震敏感性的问题仍然是结构的持续问题，即钢筋混凝土（RC）桥梁和建筑物，位于容易受到地震事件的区域。印度RC桥的设计历史上以几种缺陷为特征，主要归因于旧建筑法规的利用。因此，这些结构的配备不足，无法忍受横向地震载荷。由于采用了使用非线性静态方法的地震分析方法，缓解地震脆弱性的重要性增加了，这些方法吸引了全球关注。
使用机器人解决方案Ezzedeen Alfataierge*，Pavel Golikov，Ahmad Ramdani，Abdulrahman Alshuhail -expe
使用机器人解决方案Ezzedeen Alfataierge*，Pavel Golikov，Ahmad Ramdani，Ahmad Ramdani，Abdulrahman Alshuhail -Expec高级研究中心，Saudi Aramco Aramco Seismic Seismic数据获取是一个劳动力密集的过程。利用机器人技术和自动化的进步，我们能够显着减少收购人员的环境足迹。本文介绍了已经开发并正在开发的技术，以实现自主地震数据采集系统的土地勘探系统。沙特阿美（Saudi Aramco）的地球物理机器人（SAGR）利用无人驾驶汽车（UAV）来扫描表面并提供准确的侦察报告。此信息用于部署一群配备了板载地震传感系统的自定义无人机，该系统称为自主地震采集设备（ASAD）。也得到了自主地震源船只的支持，以实现完全自主的采集系统。我们提出了过去几年所取得的进步，以支持自主收购系统各个组成部分的某些领域结果。引言机器人技术和人工智能/机器学习的进步使得能够开发出铺平道路数字化转型的伟大技术。这些努力在自治地震采集设备的土地和海洋探索方面很明显（Sudarshan等，2017; Chutia等，2017;Blacquiêedreand Berkhout，2013）。本文介绍了已开发的集成解决方案，这些解决方案是为了实现完全自主的地震收购人员。SAGR是一种无人飞行的飞机，旨在有效的侦察和测量（Golikov等，2023）。该技术利用AI/ML来实现自主分类和表面特征的识别，以优化有效的地震数据获取的地震调查设计（Ramdani等，2023）。SAGR系统的输出馈入ASAD的飞行和调查计划（Yashin等，2023）。目前正在开发其他技术以进一步发展这一愿景；开发可以在温和的地形（尤其是沙漠环境）中自动部署淋巴结系统的陆地漫游者。同样，陆虎可以与地震源设备耦合，这些设备将充当自主地震源船只，因此，完成了必要的工具，以在土地上实现自主地震采集系统，以高效，可持续性，更安全的地下图像和资源探索。
使用量子计算从叠后地震数据中估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心
使用量子计算从叠后地震数据估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心 摘要 量子计算越来越被认为是地球物理学的一项变革性技术，它有可能显著提高计算能力和效率。这一进步有望以前所未有的速度模拟和处理复杂的地质数据。最近的研究已经开始探索将量子计算方法应用于简化版本的地震反演问题，强调该技术解决现实世界逆问题的能力。本研究的主要目的是通过使用量子计算机从地震轨迹数据估计声阻抗来解决一个现实、可扩展且与业务相关的问题。据我们所知，这是第一次通过量子计算从地震数据预测地震阻抗，并讨论了在量子处理单元 (QPU) 上解决逆问题的优势。在本文中，我们利用 D-Wave 量子退火器来解决叠后地震反演问题，采用了一种新颖的两步工作流程。在第一步中，我们利用量子退火器从地震数据中估计反射率。随后，这些估计的法向入射反射率作为使用相同量子技术预测声阻抗的基础。为了验证我们方法的有效性，我们提供了五个示例，将 D-Wave 量子退火器的阻抗预测与通过模拟退火（传统上用于地震反演的随机全局优化器）获得的阻抗预测并列。值得注意的是，从量子退火器得出的阻抗仅在一个时期内就与真实值紧密匹配，而模拟退火需要 10 个时期才能达到类似的精度。此外，我们的混合求解器中的 QPU 仅花费约 0.08 秒即可估计这些地震阻抗。与混合求解器的经典组件和模拟退火所需的时间相比，这非常高效，后两者均需要超过 10 秒。这凸显了 QPU 可以在不到一秒的时间内完全解决地震逆问题，凸显了量子计算对地球物理学领域的变革性影响。 引言 量子计算是一个新兴领域，它利用量子力学原理来处理信息，为传统计算带来了范式转变。与以比特为信息基本单位的传统计算机相比，量子计算机
通过无监督的机器学习快速生成储层模型，这与地震，井和地层概念一致
评估地下储层连接的方案对于整个项目生命周期的现场耗竭计划，生产历史匹配和现场管理至关重要。连通性场景受到地质特征（例如挡板和高渗透率条纹）的存在挑战，这些条纹低于地震成像的分辨率。在这里，我们提出了一种新颖的，综合的和快速的无监督的机器学习方法，用于构建具有地震分辨率的一套储层模型，这些模型与地震数据，井原木和地层概念一致。首先，我们使用称为方向扩散的良好计算机图形方法将井的日志（垂直或横向）与地震倒的Vclay和孔隙率集成在一起。我们使用无监督的机器学习方法（称为扩散概率建模（DPM））对机器学习模型进行训练。一旦受过训练，该方法就会生成一套允许的地质场景（模型），具有替代分辨率的特征，这些特征是由基于地层概念的输入训练图像指导的，并且与地震和良好的日志数据一致。以后，我们将推断的方案采样到储层模型中，该场景允许以显着改善分辨率的流量模拟。对生产模型集的储层模拟在其动态性能上显示出显着差异，尽管如此，与地震和井原木等地面真相数据保持一致。这种方法的结果通过空间有限的数据分辨率对地下储层表征产生更广泛的影响，尤其是通过添加亚观察地质特征来加速和整合储层模型的过程。
Farside地震套件
Farside Seispoom Suite：更新了月球范围内第一个阴蒂站的状态。M. P. P. P. P. Panning 1，Sharon Keedar 1，Asad Aboobaker 1，Glenn Aveni 2，Kevin Biernacki 3，Neil Bowles 4，Simon Calcutt 4，Gabrielle Chabaud 2，Melanie Drilleau 2夏洛特·格劳德6，阿兰·吉瓦杜丹3，安娜·霍森7，莫里斯·卡拉卡克3，坦尼·尼布特2，坦尼·尼布特2，坦吉·尼布特2，坦泰nebut 2 Nunn 1，Sreejaya Kizhaekke Parkhillam 2,9，Constanza Pardo 2，W。TomPike 10，Gabriel Poont 11，Sebasten de Raucourt 2，Olivier Robert 2，Daniel Sheward 12，Daniel Sheward 12，Sylvain Tillier，Sylvain Tillier Arnaud Wilhelm 5 1加利福尼亚理工学院的喷气推进实验室，4800 Oak Grove Dr.宇宙学（APC），法国，英国牛津大学4号，法国5号，法国伊萨尔·苏帕罗（Isae Supaero），法国6，英国布里斯托尔大学7号，布里斯托尔大学7 Hensold Space Consulting 8，布里斯特大学9英国伦敦学院，法国11 CNES，optervatire delaCôted'Azur，法国，13 NASA MARSHALL太空飞行中心
关于RCC地震弹性的技术综述...关于RCC地震弹性的技术综述...
（4＃$！％＃$＃）！％＃％2＆！ ＃“ $ 4” $'$'。 <＆！ +，“％！$＃！％2％＆！％＃）$ 4＃％$ 4＃％$＃％！”％！ “％!! div>％！％2＆！％$！％＃!!％＆！％！％！％！％＃％2！ div>＃ div>
AI-ML 技术有助于缩短地震解释周期
LTIMindtree 是一家全球技术咨询和数字解决方案公司，通过利用数字技术，帮助各行各业的企业重塑商业模式、加速创新并实现增长最大化。作为 700 多家客户的数字化转型合作伙伴，LTIMindtree 拥有广泛的领域和技术专业知识，可帮助在融合的世界中推动卓越的竞争差异化、客户体验和业务成果。LTIMindtree 是 Larsen & Toubro 集团旗下的子公司，由来自 30 多个国家的 84,000 多名才华横溢的创业型专业人士提供支持，结合了前 Larsen and Toubro Infotech 和 Mindtree 在解决最复杂的业务挑战和实现大规模转型方面业界公认的优势。欲了解更多信息，请访问 https://www.ltimindtree.com/
地震成像量子样式
量子计算的优点之一是量子并行性，它在于在单个运行中解决许多相同问题的实例。这可以通过在状态叠加中设置量子系统，因此可以执行此操作。尽管其主要限制是最终只能阅读其中一个州，但有可能增加我们正在寻找的国家的机会。我们展示了一个框架来提出一个地震成像问题，通常是使用梯度方法作为量子计算算法解决的。该算法使用量子并行性对模型空间进行全局探索，然后操纵其状态的量子阶段，以增加读取产生全局最小值的模型的机会。这样，我们可以在量子计算结束时阅读模型答案。重要的是要注意的是，不需要计算梯度或黑姐妹，而只需进行正向建模和剩余计算。我们用层析成像问题的小实例说明了这种算法。我们介绍了解决逆问题所需的基本概念，我们逐步展示了一个小示例，以说明量子算法如何工作。该算法已被编码并在量子模拟器中运行。
人才格局发生重大变化： - TechPoint
1. 技术人才需求创历史新高且不断增长：印第安纳州经济所有领域的数字化转型和自动化使熟练的技术人才成为当前和未来经济增长和就业的基础驱动力，并成为全州劳动力的重要组成部分，包括先进制造业、农业、医疗保健、生命科学和物流行业。预计对这些工人的需求将创下历史新高，尤其是在智能系统和自动化、云平台、互联网络和大数据等新兴技术领域。印第安纳州对技术人才的需求不断增长和竞争激烈，这与全国的模式如出一辙。随着远程工作的兴起，印第安纳州的雇主正在全国人才市场上展开竞争。研究表明，2021 年，近 1,500 名印第安纳州技术工人在总部位于州外的公司工作，预计这一数字还会增长。