XiaoMi-AI文件搜索系统
World File Search SystemSurrogate
在低反应等离子体环境中Cu纳米线的降解
建筑部门在所有部门的运营能源消耗和温室气体排放中的份额最高。许多国家设定的环境目标迫使需要改善现有建筑股票的环境足迹。建筑改造被认为是该方向的最有希望的解决方案之一。在本文中，提出了用于评估必要的建筑包络和能源系统改造的替代模型。人工神经网络被利用以建立此模型，以在准确性和计算成本之间取得良好的平衡。对所提出的模型进行了培训和测试，用于瑞士苏黎世市的案例研究，并将其与使用构建模拟和优化工具的建筑改造最先进的模型之一进行了比较。替代模型在较小的输入集上运行，而推导改造溶液所需的时间从3.5分钟减少到16.4μsec。结果表明，所提出的模型可以显着降低计算成本，而无需大多数改造维度的误差准确性。例如，改装成本和能源系统SE部门的平均精度为r 2 = 0。9408和F 1得分= 0。9450。最后，重要的是，这种替代改造模型可以有效地用于宽面积的自下而上的改造分析，并有助于加速采用改造措施。
量子退火优化PWR燃料加载的启发式替代模型
核心PWR燃料管理的核心任务是创建负载模式（LP）。在进行许可当局要求的详细设计研究之前，要确保LP的选择符合从安全，运营和其他条件衍生出的限制。同时，经济因素促使操作员发现功率峰值因子（PPF），较长的周期时间和较低的富集以发现燃料排列。这项任务长期以来一直被认为是燃料周期优化的重要组成部分[1] [2]。然而，PWR燃料LPS的组合属性（高维，高非线性，缺乏直接导数信息和多个最小值）描述了一个极为困难的优化问题[3]。一段时间以来，投入的高维度已被认为是一个特殊的问题：“这项工作的主要结论是，重新加载配置设计的基本挑战是由于搜索空间非常大。” [4]
机器学习在电动机驱动优化中的替代作用
抽象电动机驱动器构成了电动飞机（MEA）中电动压缩机，泵，制动和驱动系统的重要组成部分。在本文中，研究了机器学习（ML）在电机驱动设计和优化过程中的应用。使用ML的一般思想是训练替代模型进行优化。此训练过程基于从详细的模拟或电动机驱动器实验收集的样本数据。但是，对于不同应用，ML的替代角色（SR）可能会有所不同。本文首先介绍了ML的原理，然后在电动机驱动优化过程中提出了ML的两个SR（直接映射方法和校正方法）。为ML SRS的方法比较和验证提供了两种不同的情况。第一种情况是使用实验中的示例数据来训练ML替代模型。对于第二种情况，联合模拟数据用于多目标运动驱动优化问题。发现，ML的两个替代作用均可为情况提供良好的映射模型，在第二种情况下，对两个SR进行了三个可行的设计方案，并验证了两个SRS。关于Optimizaiton的时间消耗，配置的ML模型可以给出一个最高0.044 s的电动机设计点，而基于使用的基于模拟的模型则需要超过1.5分钟。2022中国航空和宇航学会。Elsevier Ltd的生产和托管。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
揭示了代谢健康评估中胰岛素抵抗的替代标志物的重要性
近年来，糖尿病（DM）和其他代谢性疾病的发生率令人震惊。快速的城市化和生活方式的改变一直是这种增加的主要因素。早期诊断是更好地风险分层和迅速管理这些患者的关键。胰岛素抵抗（IR）在各种代谢性疾病的发病机理中起关键作用。因此，在初始阶段评估IR将有助于早期发现容易患有代谢疾病的患者。高胰岛素血糖夹具技术一直是评估IR的黄金标准方法。该技术的主要局限性是它具有侵入性，需要专门的设置。因此，确定评估IR的可靠替代标记是在临床和研究环境中需要小时的。本评论深入研究了用于评估IR的替代标记的当前知识，提供了对其优势，局限性和新兴趋势的全面概述。我们探索常用的替代标记物，例如禁食胰岛素，稳态模型评估 - 胰岛素抵抗（HOMA-IR），脂联素，甘油三酸酯到葡萄糖指数等。寻找准确且具有成本效益的替代标记物对早期发现，风险分层和有针对性的干预措施具有重要的希望。本评论旨在为IR的现有知识做出贡献，并突出未来的方向，以寻求IR的有效标记。印度医学生物化学杂志（2024）：10.5005/jp-journals-10054-0227关键词：脂联素，稳态模型评估 - 胰岛素抵抗，胰岛素抵抗，代谢健康评估，替代标记，甘油三酸酯和葡萄糖指数。
Kortfattet课程Vitae for Christian Hassager
彼得·莫尔（Peter Mol）是荷兰药品评估委员会的人类使用药品委员会（CHMP）成员，从20123年到2023年成员（副主席2016-2022）科学咨询工作组，均为欧洲药品局。
SmOOD：基于平滑度的飞机设计替代神经网络的分布外检测方法
航空工业一直在寻求在人力、计算时间和资源消耗方面更高效的设计优化方法。当代理模型和最终过渡到 HF 模型的切换机制都经过适当校准时，混合代理优化可以在提供快速设计评估的同时保持高质量结果。前馈神经网络 (FNN) 可以捕获高度非线性的输入-输出映射，从而产生有效的飞机性能因素替代品。然而，FNN 通常无法推广到分布外 (OOD) 样本，这阻碍了它们在关键飞机设计优化中的应用。通过基于平滑度的分布外检测方法 SmOOD，我们建议使用优化的 FNN 替代品对模型相关的 OOD 指标进行编码，以生成具有选择性但可信预测的可信代理模型。与传统的基于不确定性的方法不同，SmOOD 利用 HF 模拟固有的平滑特性，通过揭示其可疑的敏感性来有效地暴露 OOD，从而避免对 OOD 样本的不确定性估计过于自信。通过使用 SmOOD，只有高风险的 OOD 输入才会被转发到 HF 模型进行重新评估，从而以较低的间接成本获得更准确的结果。研究了三种飞机性能模型。结果表明，基于 FNN 的替代方法优于高斯过程替代方法
气体附录：为自动驾驶汽车系统生成快速准确的替代模型
图1显示了在玉米田中车辆相机收集的现实世界图像的原始验证数据集上，作物 - 监测工具[1]使用的RESNET-18网络的错误分布。左右图分别用于标题和距离感知误差。直方图显示实际误差频率，而线路显示拟合的正态分布。分布与直方图非常匹配，表明神经网络的误差是正态分布的。图2从视觉上比较了神经网络输出分配与凉亭内捕获的图像预测的分布。红色虚线椭圆和蓝色实心椭圆显示了神经网络输出分布的3σ置信边界和感知模型预测的分布。这两个分布彼此紧密匹配，尤其是当车辆在中心附近并直接指向前方时。
一种加速裂纹钢结构非侵入式全局-局部模拟的替代模型
摘要 基于物理的数字孪生通常需要大量计算来诊断结构中的当前损伤状态并预测未来的损伤状态。本研究提出了一种新颖的迭代全局局部方法，其中局部数值模型被替代模型取代，以快速模拟大型钢结构的开裂。迭代全局局部方法将尺度从大型钢结构的操作层面扩展到开裂部件的层面。使用静态凝聚可以有效地模拟线性全局域，使用本文提出的自适应替代建模方法可以快速模拟开裂的局部域。本研究将所提出的替代迭代全局局部方法与参考模型、子模型和没有替代模型的迭代全局局部方法的求解时间和准确性进行了比较。研究发现，替代迭代全局局部法求解速度最快，结果也相对准确。
使用替代模型通过不确定性和敏感性分析评估 Vircators 的可靠性
摘要 不同的研究报告了 Vircator 的性能，结果表明模拟和测量的输出峰值功率和辐射频率之间存在很大差异。应用一次一个变量的方法的研究很少。进行全面分析需要在大量实验（模拟或测量）中应用统计方法，这是一个挑战，因为模拟 Vircator 需要大量的计算时间。最近，有人提出了一种替代模型来大幅缩短计算时间。在本文中，我们建议评估 Vircator 的性能变化，同时考虑机械制造公差以及脉冲电源的变化。分析是通过广为传播的随机方法（经典蒙特卡罗、谱技术）和其他灵敏度分析方法进行的。
在卫生技术评估中使用的成本效益分析中的替代终点（主要报告）
得到强大的机械和或流行病学理性的支持，因此对替代端点的影响有望与旨在评估临床试验中临床益处的端点相关，但没有足够的临床（随机）数据以表明它是验证的替代端点。围绕什么是合理的替代终点的决定，通常是通过评估个人理由和可用证据的持续讨论来做出的。合理的代孕端点可能用于加速药物批准（临床开发计划的党），也可能用于批准或清除医疗设备。在加速批准药物的情况下，需要进行营销后验证试验，以验证和描述预期对发病率或死亡率或其他临床益处的预期影响。众所周知的例子是某些癌症类型中肿瘤收缩（反应率）和无进展生存的影像学证据。（美国食品和药物管理局，2018年）