XiaoMi-AI文件搜索系统
World File Search SystemSimulation
海面上拉格朗日漂移模拟的深度学习
引言在海面上的Lagrangian轨迹模拟对于各种应用领域非常重要，包括监测塑料和碎屑运动[Maximenko等，2012]，研究Algae和Plankton Dynamics [Son等，2015]，或轨迹预测对搜索和救援作业的搜查至关重要[Breivik et al。此外，对拉格朗日漂移的研究允许评估海洋数值模型准确地代表小规模动力学的能力[Barron等，2007； Botvynko等，2023]。尽管如此，在海面上产生逼真的轨迹，在操作海洋学领域中提出了一个显着的科学挑战[Rérs等，2021]。基于模型的拉格朗日轨迹数值模拟的方法依赖于使用海面速度场的分步对流程序[Lange and van Sebille，2017a]。然而，基础速度场中的微小差异或缺乏精细空间分辨率的速度场的使用可能导致Lagrangian轨迹建模不正确，从而使这些方法不切实际地用于操作应用。基于数据驱动的学习方法，例如卷积神经网络（CNN），复发性神经网络（RNN），长期记忆（LSTM）网络以及生成性模型，例如变异自动编码器（VAE）（VAES）或诸如捕获的捕获范围内的既定能力（GANS），表现出巨大的能力，表现出促成的Spat-temers Incorport [spat-tempor pender] [等，2020，Jiang等，2019，Jenkins等，2023，Julka等，2021，Dan，2020年]。然而，只有限制数量的先前研究应用于单个拉格朗日轨迹的条件模拟[Quinting and Grams，2022]。由于上述局限性，本研究的目的是提出一个原始的深度学习框架，称为漂移网，用于对海面上各个轨迹的有条件模拟。所提出的模型可以用任何包含有关海洋动力学信息的地球物理场吞噬，并在海面上产生漂移物体的轨迹。Driftnet是完全卷积的，包括对靶向轨迹的空间解释的潜在编码，这是受到漂移的Eulerian Fokker-Planck形式的启发[Botvynko等，2023年]。在此表示形式中，该轨迹是通过从条件输入字段中提取的非本地特征提取的，这意味着模拟轨迹的动力学是通过考虑周围区域的整个动力学来建模的。
基准进行经典分子动力学模拟...
图2：（a）实验离子电导率的奇偶校验图对计算上的相似。红点带有液化石油气电荷，蓝色的指控带有DFT电荷。最左侧的离子电导率，使用nernst-Einstein方法计算。中心，用nernst-Einstein方法计算的离子电导率。用惠勒 - 纽曼方法计算的最直接的离子电导率。（b）实验玻璃传输温度的奇偶校验图针对计算计算的温度。金点是对纯聚合物的模拟，而绿色的聚合物与LITFSI的聚合物。（c）实验离子电导率对计算模拟的奇偶校验图，其中每个聚合物在经过验证测得的玻璃转变温度下模拟，并由玻璃转变偏移温度从纯聚合物（金）或用盐（绿色）计算的聚合物计算出的玻璃过渡偏移温度。（d）Spearman and Pearson等级相关指标，用于t exp的模拟。（e）在实验温度下模拟的最佳结果与离子电导率变化下的结果相比。
增强培训，技能获取和机器人模拟
在混合现实（MR）设置中使用触觉反馈的引言是改善培训，技能学习和机器人模拟的一种新方法。随着虚拟和增强现实的发展，触摸互动已经变得越来越重要，连接物理和数字体验。触觉反馈通过创建模仿触摸的现实感觉，并有助于学习，尤其是对于复杂的任务来增强用户参与。在培训情况下，这种感官增加有助于受训者立即对其工作进行反馈，从而通过反复练习来支持技能发展。此外，机器人模拟中的触觉信号可以增强人类和机器人如何共同工作，从而创建一种对良好的远程操作和自主系统至关重要的伙伴关系。因此，在MR环境中使用触觉反馈具有改变教学方法并提高各个领域效率的许多潜力。
使用未配对的图像到图像翻译网络纠正气候模型模拟
摘要：我们评估了未配对的图像到图像翻译网络的适用性，以纠正通过全球大气循环模型模拟的数据。我们使用无监督的图像对图像翻译（单元）神经网络体系结构来映射在以南亚季风为中心的地理区域中的HADGEM3-A-N216模型和ERA5重新分析数据之间的数据，该区域中具有充分记录的严重偏见。单位网络构建了跨变量的相关性和空间结构，但产生的偏置校正比目标分布少。通过将单位神经网络与经典的分位数映射技术（QM）相结合，我们可以制定比任何一个单独的偏差校正。单元1 QM方案显示可以纠正单个变量的跨变量相关性，空间模式和所有边际分布。对这种联合分布的仔细校正对于化合物极端研究至关重要。
模拟神经网络南极冰架上熔体速率的当前和未来模拟
在过去的几十年中，南极冰盖对海平面上升的贡献一直在增加，预计这种增加会随着温室气体排放的增加而持续（Fox-Kemper等人，2021年）。大部分质量损失发生在冰盖的边缘，通过从接地冰盖到海洋的冰块流动，主要是在南极西部（Khazendar等，2016; Mouginot等，2014; Mouginot et al。，2014; Rignot et al。这是因为冰盖边缘的浮冰搁架（通常是支撑冰流的支撑）迅速变薄并由于其底部的海洋引起的融化而撤退（Adusumilli等，2020; Paolo等，2015; Rignot et al。，2013）。在某些基岩配置中，增加了海洋诱导的熔体甚至会触发海洋冰盖不稳定性（Gudmundsson等，2012; Schoof，2007; Weertman，2007; Weertman，1974），这有可能强烈增加南极质量损失，在一个世纪以下的时间范围内（Fox-Kemper等人，20221年）。这使海洋引起的子架融化或基底融化是未来海平面上升的未来预测的主要不确定性之一。
模拟管道促进现实世界的机器人增强学习应用
摘要 - 提升学习（RL）在解决机器人应用程序中的复杂任务方面已获得了吸引力。但是，由于安全风险和培训成本相对较高，其在物理机器人上的部署仍然具有挑战性。为了避免这些问题，RL代理通常会在模拟器上训练，这引入了与模拟与现实之间的差距有关的新问题。本文介绍了一条RL管道，旨在帮助减少现实差距，并促进对现实世界机器人系统的开发和部署RL策略。管道将RL培训过程组织到系统识别和三个培训阶段的初始步骤：核心模拟培训，高保真模拟和现实世界的部署，每个培训都增加了现实主义的水平，以减少SIM卡之间的差距。每个培训阶段都采用输入策略，改进它，然后将改进的政策传递给下一阶段，或者将其循环回去以进一步改进。这个迭代过程一直持续到政策达到所需的绩效为止。通过在监视应用程序中使用的波士顿动力学机器人的案例研究显示了管道的有效性。案例研究介绍了每个管道阶段所采取的步骤，以获取RL代理以控制机器人的位置和方向。
SRGAP2的人类特异性旁系同源于诱导新苯二醇特征 2025.01.29.634372.full.pdf
图1：可编程医学框架的概述，该框架将多种多样和临床数据与文献支持的疾病知识图，宠物建模管道和Geneterrain分析相结合。该过程始于基因组的疾病基因策略，包括遗传变异，差异表达和药物靶标（步骤0-1）和知识图构造（步骤2），然后进行宠物模型产生（步骤3）和参数优化（步骤4）。然后，将优化的模型用于宠物实验（步骤5），以预测新型的治疗靶标，最终导致Geneterrain知识图的产生（步骤6），以全面可视化多量表疾病机制和药物效应。这种综合方法旨在完善目标发现，指导药物重新利用和加速临床翻译。
1 CRISPR/CAS9介导的Frankliniella的基因组编辑...
摘要动物运动和神经力学控制的研究提供了有价值的见解9，用于推进神经科学，生物力学和机器人技术的研究。我们开发了农场10（动物和机器人建模和模拟框架），开源，跨学科11框架，旨在促进对动物12运动和生物启发的机器人系统的建模，模拟和分析。通过提供一个可访问且用户友好的13个平台，农场旨在降低研究人员探索神经系统，肌肉骨骼结构及其环境之间复杂相互作用的障碍。以模块化的方式整合15个Mujoco物理引擎，农场可以实现现实的模拟，并促进16神经科学家，生物学家和机器人主义者之间的合作。农场已经被广泛用于研究动物的运动，例如小鼠，果蝇，鱼，sal和18个cent，是研究中央模式发生器和19个感觉反馈的作用的平台。本文提供了农场框架的概述，讨论了其20种跨学科方法，通过特定的案例研究展示了其多功能性，并强调了21在促进我们对运动的理解方面的有效性。总体而言，农场的目标是22个有助于更深入地了解动物运动，创新23个生物启发的机器人系统的发展，并促进神经力学研究中的可及性。24
报告行动模拟研究指南（GRASS）
查询：如果您对此文档有疑问，请联系openresearch@mmu.ac.uk。请在e空间中删除记录的URL。如果您相信您或第三方的权利已通过本文档妥协，请参阅我们的取消政策（可从https://www.mmu.ac.uk/library/library/using-library/using-library/using-library/polary/policies-and-guidelines）