XiaoMi-AI文件搜索系统
World File Search SystemTwinning
数字孪生增材制造：通过将热模拟与现场熔池传感器数据相结合来检测激光粉末床熔合中的缺陷
本研究的目的是现场检测使用激光粉末床熔合 (LPBF) 增材制造工艺制造的金属部件中的缺陷形成情况。这是一个重要的研究领域，因为尽管节省了大量成本和时间，但航空航天和生物医学等精密驱动型行业仍不愿使用 LPBF 制造安全关键部件，因为该工艺容易产生缺陷。LPBF 和增材制造中的另一个新兴问题与网络安全有关——恶意行为者可能会篡改工艺或在部件内部植入缺陷以损害其性能。因此，本研究的目标是开发和应用一种物理和数据集成策略，用于在线监控和检测 LPBF 部件中的缺陷形成情况。实现此目标的方法是基于将现场熔池温度测量（孪生）与基于图论的热模拟模型相结合，该模型可以快速预测部件中的温度分布（热历史）。该方法的创新之处在于，通过现场熔池温度测量逐层更新计算热模型提供的温度分布预测。这种数字孪生方法用于检测使用商用 LPBF 系统制造的不锈钢 (316L) 叶轮形部件中的缺陷形成。生产了四个这样的叶轮，模拟了 LPBF 部件中缺陷形成的三种途径，即：加工参数的变化（工艺漂移）；机器相关故障（镜片脱层）以及故意篡改工艺以在部件内部植入缺陷（网络入侵）。使用 X 射线计算的
Ben Bhatti, JD 首席执行官 德克萨斯州人工智能协会 benbhatti@texasaiassociation.org
1. AI 机器人：与 Robot Lab 合作 我们与美国最大、历史最悠久的机器人公司之一 Robot Lab 合作。通过此次合作，德克萨斯 AI 协会正在推进 AI 驱动机器人的整合，旨在提高各个行业的运营效率。这些机器人经过精心设计，以合理的成本提供高性能，使各种规模的企业都可以使用和使用它们。 2. AI 供应链优化软件：由 Optym 提供支持 我们与 Optym 合作，正在推广 AI 驱动的供应链软件技术，以优化供应链的各个方面。该解决方案集成了高级分析和机器学习，帮助企业降低成本、缩短交货时间并增强整体供应链弹性。 3. AI Studio：与 InsignTa 合作 由我们的合作伙伴 InsignTa 提供支持的 AI Studio 为数字孪生和产品开发提供了一个全面的平台。此次合作使企业能够创建物理资产的数字副本，从而实现实时监控、模拟和优化，同时支持与 AI 相关的所有事物的端到端产品开发。 4. AI 零售：与 Digit 7 合作 我们与 Digit 7 的合作重点是将 AI 创新引入零售行业。此次合作探索了 AI 如何彻底改变购物体验，从个性化的客户互动到优化的库存管理，从而提高客户满意度和运营效率。 5. AI 政策与政府整合 德州 AI 协会积极参与制定 AI 政策，并探索为新兴技术计划提供激励的方法。我们专注于政府如何将 AI 融入其运营，确保 AI 技术以有利于公共和私营部门的方式实施，同时遵守道德标准。
职位：地球大数据分析系博士后研究员 编号：ERA-PD-BEDAD-69 类别：全职或兼职
职位：大地球数据分析部博士后研究员 编号：ERA-PD-BEDAD-69 类别：全职或兼职工作 地点：塞浦路斯利马索尔埃拉托斯顿卓越中心 埃拉托斯顿卓越中心大地球数据分析部四 (4) 个博士后研究员职位 塞浦路斯理工大学 (www.cut.ac.cy) 埃拉托斯顿卓越中心 (www.eratosthenes.org.cy) 现招聘埃拉托斯顿卓越中心大地球数据分析部最多四 (4) 个博士后研究员职位。这些职位以全职（100%）或兼职形式开放。成功的候选人将在欧盟资助的多个埃拉托斯特尼卓越中心项目下进行研究和开发产品，包括旗舰项目 Excelsior H2020 团队项目 (https://excelsior2020.eu/)。“ENFIELD”项目 (https://enfield-project.eu/) 由 HORIZON- CL4-2022-HUMAN-02 资助，将创建一个独特的欧洲卓越中心，在自适应、绿色、以人为本和值得信赖的人工智能支柱方面进行基础研究，这些人工智能是新的、战略性的，对欧洲成功开发、部署和接受人工智能至关重要，并将通过吸引来自欧洲世界一流研究和行业参与者的最优秀人才、技术和资源，并与行业挑战同步开展顶级研究活动，以加强欧盟在人工智能领域的竞争地位，并为欧洲公民和企业的利益创造重大的社会经济影响，从而进一步推进医疗保健、能源、制造和太空等垂直领域的研究。 “AI-OBSERVER”项目（https://ai-observer.eu/）由HORIZON-WIDERA-2021-ACCESS-03（结对）项目资助，旨在通过在减少灾害风险专题领域开展多项关于地球观测应用人工智能能力建设活动，显著加强和促进埃拉托斯顿卓越中心的科学卓越性和创新能力以及研究管理和行政技能。
保护我们的国家、我们的领土... - GOV.UK
是关于人工智能 (AI)、网络和数字工程，以及它们为国防带来的巨大机遇和严峻挑战。这些快速变化的技术将彻底改变设备采购、支持和制造领域。如果我们拥抱它们，我们可以让人们和平台比以往任何时候都更紧密地联系在一起，继续我们对“一个国防”的承诺，并真正为我们的武装部队提供服务。正如我们的首席数字信息官 Nigel Shaw 在他的高级领导文章中所解释的那样，我们的员工正在使用创新的数字驱动平台，这些平台位于我们 Abbey Wood 总部的三个新控制中心，以促进更好的数据共享，加快项目交付时间表并提高可用性。这些控制中心是更广泛的国防数字开发 (DX4D) 计划的一个组成部分，该计划汇集了来自整个国防部门（包括我们的武装部队和行业合作伙伴）的专注于能力部署、战役优势和业务运营的项目。数字孪生和 3D 打印等数字工程的进步对此至关重要。通过授权团队在虚拟空间中设计和压力测试套件，并快速创建真实世界的原型，我们可以更快地行动、更聪明地行动，并且更迅速、更安全地开发新设备。Script 和 Kraken 等数据处理工具将使我们能够以几年前无法想象的方式消化和解释有关供应链、库存和用户需求的大量数据（在本期后面阅读更多内容）。它们使我们对前线的支持更具战略性、一致性和效率，同时又具有动态性和响应性。我们仍在探索这些新兴技术的旅程中，我们知道还有很多东西需要学习。3D 打印
Abelkis, P. R., 257-273 声发射, 195 活化能, 130 飞机, 241, 257 铝合金, 6,16, 57, 243, 258 退火, 85, 103, 175 粗糙度, 69, 71 ASTM E 8, 215 ASTME 112,215 ASTM E 399, 178, 193, 215, 216 ASTM E 561, 242 ASTM E 647, 65, 149, 178 Attaar, M. H., 173-190 俄歇光谱, 80 自生气体钨极电弧金属 (GTAW), 175
^^^ Tanabe, Y., 121-139 致密型 (CT), 7,48,65, 104, j - ^ ^ ^ ^ ^ ^ ^ ^u g, 16, 103, 211 122, 149, 175, 193, 215, 275 ^^^j^^^ ^ L., 5-30 锁孔, 296 j ^ ^ ^ ^ j j ^ ^ j ^ ^ ^^^_^J2 光谱载荷, 246,257,261,297 j^ansgranular, 8,20, 51, 70,91, 107, 稳定性, 19 155^ 30^ 堆垛层错能, 38 转变点, 8, 98 钢透射电子显微镜奥氏体，122（TEM）34 97奥氏体不锈钢，6，16，32，175，y^联合设计，'164'^^孪生，20，56，76铸碳和低合金，142，294铁-镍，6铁-硅，64，106 4340，193Vacas-Oleas，C，140-160，293-312高锰，32，48，121真空，85，182马氏体时效，19真空熔炼，32，48，65温和，43，275Verkin，B.I.，84-101Stephens，R.I.，1-2，140-160， 293- 空洞，158 312，315-320 应变幅，32，35，143 W 应力强度因子 ^ang，C.M.，293-312 闭合（^ci）或打开（/Top），67，^^^^ 预应力，194 ^^' '^^' 2^^^ 焊缝/焊接件，8，122，175，275 有效（A^eff），67，71，181，196，^jj^gj，^ ^ 210-237 283 固有有效（AKett），114 X 阈值（AKth），65，71，87，106，152，174，178，194 ^"'"^y衍射，87 应力集中因子（^t），253，y 296 应力释放，275 屈服强度，34，69，96，142，175 拉伸区，135 Yokobori，T.，121-139 条纹，8，51，87，91，107，155，杨氏模量，7，18，77，97，133，199，287，304 184，220，278 亚晶粒，97 钇，212 取代原子，42 Yu，W.，63-83
Abelkis, P. R., 257-273 声发射，195 激活...
^^^ Tanabe, Y., 121-139 致密型 (CT), 7,48,65, 104, j - ^ ^ ^ ^ ^ ^ ^ ^u g, 16, 103, 211 122, 149, 175, 193, 215, 275 ^^^j^^^ ^ L., 5-30 锁孔, 296 j ^ ^ ^ ^ j j ^ ^ j ^ ^ ^^^_^J2 光谱载荷, 246,257,261,297 j^ansgranular, 8,20, 51, 70,91, 107, 稳定性, 19 155^ 30^ 堆垛层错能, 38 转变点, 8, 98 钢透射电子显微镜奥氏体，122（TEM）34 97奥氏体不锈钢，6，16，32，175，y^联合设计，'164'^^孪生，20，56，76铸碳和低合金，142，294铁-镍，6铁-硅，64，106 4340，193Vacas-Oleas，C，140-160，293-312高锰，32，48，121真空，85，182马氏体时效，19真空熔炼，32，48，65温和，43，275Verkin，B.I.，84-101Stephens，R.I.，1-2，140-160， 293- 空洞，158 312，315-320 应变幅，32，35，143 W 应力强度因子 ^ang，C.M.，293-312 闭合（^ci）或打开（/Top），67，^^^^ 预应力，194 ^^' '^^' 2^^^ 焊缝/焊接件，8，122，175，275 有效（A^eff），67，71，181，196，^jj^gj，^ ^ 210-237 283 固有有效（AKett），114 X 阈值（AKth），65，71，87，106，152，174，178，194 ^"'"^y衍射，87 应力集中因子（^t），253，y 296 应力释放，275 屈服强度，34，69，96，142，175 拉伸区，135 Yokobori，T.，121-139 条纹，8，51，87，91，107，155，杨氏模量，7，18，77，97，133，199，287，304 184，220，278 亚晶粒，97 钇，212 取代原子，42 Yu，W.，63-83
液晶蓝相结构转化的动力学研究人员探索了立方液晶的转化动力学
###有关这项研究的更多信息，请参见“直接模拟和机器学习结构识别揭示软马心和孪生动态”，Jun-Ichi Fukuda和Kazuaki Z. Takahashi，PNAS，doi：自1911年成立以来，以研究为导向的高等教育机构。京都大学的世界一流研究中心拥有约19,000名学生和8,000名教职员工，涵盖了从人文和艺术到工程和医学科学的广泛研究领域和研究领域。它的多个校园（包括日本最大的校园之一）位于福冈市，这是日本九州西南部的沿海大都市，经常被排名世界上最宜居的城市，历史上被称为日本的亚洲门户。通过其2030年的愿景，Kyushu U将“通过综合知识推动社会变革”。其协同应用知识的应用将涵盖所有学术界，并解决社会中的问题，同时创新新系统，以实现更美好的未来。关于日本最大的公共研究组织之一，美国国家先进工业科学技术研究所（AIST）的重点是对日本工业和社会有用的技术的创建和实际实现，以及“弥合”创新技术种子和商业化之间的差距。为此，AIST被组织成5个部门和2个中心，这些部门将核心技术融合在一起，以发挥其全面的力量。AIST作为国家创新体系的核心和开拓性存在，在全国范围内有2300名研究人员在12个研究基地进行研究和发展，这是基于国家制定的国家战略，考虑到不断变化的创新环境。AIST还通过例如与世界各地的主要研究机构签署了综合研究合作（MOUS）的理解备忘录，从而积极建立全球网络。
DE-FOA-0003458 NOFO 类型 - 能源部科学办公室
I.基本信息 美国能源部 (DOE) 科学办公室 (SC) 执行摘要 DOE 核物理 (NP) SC 项目特此宣布其有意接收针对人工智能 (AI) 和机器学习 (ML) 的研发 (R&D) 申请，用于自主优化和控制与当前或下一代 NP 加速器设施和科学仪器相关的加速器和探测器，以及应用 AI/ML 推进核物理计算的应用。当前和计划中的 NP 设施和科学仪器在理论、模拟、控制、数据采集和数据分析方面面临各种技术挑战。AI 方法和技术有望解决这些挑战并缩短实验和计算发现的时间表。此 NOFO 的方法是支持 AI/ML 在 NP 所有研究领域的开发和应用，以扩大和加速科学范围和发现。机遇包括利用 AI 应对自主控制方面的挑战、提高加速器和科学仪器的运行效率、为未来对撞机实现数字孪生、从大型复杂数据集中高效提取关键信息以及实现数据驱动的新物理发现。主要研究领域可能包括： • 从大型复杂数据集中高效提取关键和战略信息： • 为未来对撞机开发和实施数字孪生； • 努力应对自主控制和实验的挑战， • 提高加速器和科学仪器的运行效率， • 部署 AI 以减少大型和/或复杂的实验数据， • 开发软件以实现数据驱动的新物理发现 上面列出的每个研究领域的描述可参见第 III 节（补充信息）。此 NOFO（第 IX 节）需要意向书 (LOI)。此 NOFO（第 IX 节）接受新申请和续签申请。所有类型的国内申请人均有资格申请，但第 II.A 节中概述的例外情况除外。DOE/NNSA 国家实验室有资格根据本 NOFO 提交申请，并可根据其他组织的申请（第 II 节）被提议为次级接受者。
数字双胞胎大脑：生物智能与人工智能之间的桥梁hui xiong 1，Tengying Chu 1，Lingzhong粉丝12，Ming Song
Digital twin brain: a bridge between biological intelligence and artificial intelligence Hui Xiong 1 , Congying Chu 1 , Lingzhong Fan 12 , Ming Song 1 , Jiaqi Zhang 12 , Yawei Ma 12 , Ruonan Zheng 3 , Junyang Zhang 3 , Zhengyi Yang 1 , Tianzi Jiang 123* 1 Brainnetome Center, Institute of Automation, Chinese Academy of Sciences, 100190, Beijing, China 2 School of Artificial Intelligence, University of Chinese Academy of Sciences, 100049, Beijing, China 3 Research Center for Augmented Intelligence, Zhejiang Lab, 311100, Hangzhou, China * Corresponding author: jiangtz@nlpr.ia.ac.cn Abstract In recent years, advances in neuroscience and artificial intelligence have paved the way for通过计算系统理解大脑复杂性及其仿真的空前机会。神经科学研究中的最先进的进步揭示了大脑结构与功能之间的复杂关系，而人工神经网络的成功突出了网络体系结构的重要性。现在是时候将它们聚集在一起，以更好地解开智力如何从大脑的多尺度存储库中出现。在这篇综述中，我们提出了数字双胞胎大脑（DTB）作为一个变革性平台，它弥合了生物学和人工智能之间的差距。它由三个核心元素组成：大脑结构，这是孪生过程至关重要的，底层模型以生成大脑功能以及其广泛的应用。至关重要的是，大脑图书馆提供了一个重要的限制，可以保留DTB中大脑的网络组织。此外，我们强调了开放的问题，这些问题引发了跨学科领域的共同努力，并强调了DTB的深远影响。DTB可以为智力和神经系统疾病的出现提供前所未有的见解，这在推进我们对生物学和人工智能的理解方面具有巨大的希望，并最终推动人工通用智力的发展和促进精神上的精神保健。1引言揭开解释人类智能行为的原则，例如认识面孔和做出决定，一直在吸引大量的跨学科努力，并且也是人工智能繁荣的推动力。我们越接近智力的内在性，我们可以掌握智力的出现的可能性就越高。
钛引起的化学不均匀性对晶体的影响...
摘要：调整宽带隙 β - Ga 2 O 3 的光学和电子特性对于充分利用该材料在电子、光学和光电子领域现有和新兴技术应用中的潜力至关重要。在本研究中，我们报告了 Ti 掺杂剂不溶性驱动的化学不均匀性对 Ga 2 O 3 多晶化合物的结构、形态、化学键合、电子结构和带隙红移特性的影响。采用传统的高温固相反应路线在可变的煅烧温度（1050 − 1250 ° C）下合成了 Ga 2 − 2 x Ti x O 3（GTO；0 ≤ x ≤ 0.20）化合物，烧结温度为 1350 ° C。GTO 样品的 X 射线衍射分析表明，仅在非常低的 Ti 掺杂浓度（<5 at. %）下才会形成单相化合物，而较高的 Ti 掺杂会导致形成复合材料，其中含有大量未溶解的 TiO 2 金红石相。然而，在烧结样品中，未溶解的金红石相的一部分转化为单斜 TiO 2。 Rietveld 对本征 Ga 2 O 3 和单相 Ti 掺杂化合物（x = 0.05）进行细化，证实样品在具有 C 2/m 空间群的单斜对称性中稳定存在。样品的表面形貌表明，本征 Ga 2 O 3 呈现棒状形貌，而 Ti 掺杂化合物呈现球形形貌。此外，在具有异常晶粒生长的掺杂化合物中，与本征 Ga 2 O 3 相比，可以注意到晶格孪生引起的条纹。Ga 2p 的高分辨率 X 射线光电子能谱分析显示，由于相邻离子的电子云之间的相互作用，与金属 Ga 相比发生了正向偏移。由于 Coster − Kronig 效应，Ti 2p 1/2 光谱显示出异常增宽。采用混合密度泛函理论的第一性原理计算表明，Ti 优先取代八面体 Ga 位点，并在 Ga 2 O 3 中表现为深层施主。从光吸收光谱可以看出，光学带隙发生了红移。Ga 2 O 3 带隙内的吸收归因于未溶解的 TiO 2 的夹杂，因为 TiO 2 在 Ga 2 O 3 带隙内具有 I 型排列。此外，还研究了 GTO 化合物的电催化行为。从电催化研究中可以明显看出，与本征 Ga 2 O 3 相比，掺杂化合物表现出明显的电催化活性。