XiaoMi-AI文件搜索系统
World File Search SystemVinuesa
出版物清单-Ricardo Vinuesa
[80] S. Rezaeiravesh，R。Vinuesa和P. Schlatter。一个不确定性定量框架，用于评估计算流体动力学中的准确性，灵敏度和鲁棒性。J. Comput。SCI。 ，62，101688，2022。 [81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。 基于神经网络的流体流量估计中的模型形式的不存在定量。 Nagare J. JPN。 Soc。 流体机械。 ，41，2022。 [82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。 下车！ AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。 J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。SCI。，62，101688，2022。[81] M. Morimoto，K。Fukami，R。Maulik，R。Vinuesa和K. Fukagata。基于神经网络的流体流量估计中的模型形式的不存在定量。Nagare J. JPN。Soc。流体机械。，41，2022。[82] R. T. Javed，O。Nasir，M。Borit，L。Vanh´ee，E。Zea，S。Gupta，R。Vinuesa和J. Qadir。下车！AI伦理教育中的孤岛：全球AI课程的无监督主题建模分析。J. Artif。 Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。J. Artif。Intell。 res。 ，73，933–965，2022。 [83] Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Intell。res。，73，933–965，2022。[83]Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。 机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。 IEEE机器人。 Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Moon，R。Murphy，Y。Nakauchi，E。Prestes，B。RaoR.，R。Vinuesa和C.-M。 m orch。机器人技术在实现联合国可持续发展目标中的作用 - 专家在2021 IEEE/RSJ IROS研讨会上的会议。IEEE机器人。Autom。 mag。 ，29，92–107，2022。 [84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。 翅膀中的流量控制和通过深度加强学习发现新方法。 流体，7，62，2022。 [85] R. Vinuesa和S. Le Clainche。 用于复杂流的机器学习方法。 Energies，15，1513，2022。 [86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。Autom。mag。，29，92–107，2022。[84] R. Vinuesa，O。Lehmkuhl，A。Lozano-Dur´an和J. Rabault。翅膀中的流量控制和通过深度加强学习发现新方法。流体，7，62，2022。[85] R. Vinuesa和S. Le Clainche。用于复杂流的机器学习方法。Energies，15，1513，2022。[86] N. Tabatabaei，R。Vinuesa，R。Orléu和P. Schlatter。在rans模拟中，边界层的湍流跳闸技术。流湍流。燃烧。，108，661–682，2022。[87] N. Tabatabaei，M。Hajipour，F。Mallor，R。Orloul - Orl u，R。Vinuesa和P. Schlatter。使用风洞测量值对NACA4412唤醒建模。流体，7，153，2022。[88] G. R. McPherson，B。Sirmacek和R. Vinuesa。质量灭绝事件的环境阈值。结果工程。，13，100342，2022。[89] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。用于非侵入对象检查的射线照相和新技术的应用和进步。传感器，22，2121，2022。[90] R. Raman，P。Singh，V。K. Singh，R。Vinuesa和P. Nedungadi。了解IEEE访问中出版物的文献计量模式。IEEE访问，10，35561–35577，2022。[91] M. Atzori，W。Kéopp，S。W. D. Chien，D。Massaro，F。Mallor，A。Peplinski，M。Rezaei，N。Jansson，S。Markidis，R。Vinuesa，E。Laure，P。Schlatter，P。Schlatter和T. Weinkauf。用paraview催化剂在NEK5000中大规模湍流模拟的原位可视化。J.超级计算。，78，3605–3620，2022。[92] D. Mamchur，J。Peksa，S。LeClainche和R. Vinuesa。对非侵害对象筛查技术的艺术状态分析。prz。elektrotech。，98，168–173，2022。[93] S. Singh Gill，R。Vinuesa，V。Balasubramanian和S. K. Ghosh。创新的软件系统，用于管理COVID-19大流行的影响。nat。软件。：实践。实验。，52，821–823，2022。[94] R. Vinuesa和B. Sirmacek。可解释的深度学习模型，以帮助实现可持续发展目标。马赫。Intell。 ，3，926，2021。 [95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。 卷积网络模型，以预测壁数量的壁湍流。 J.流体机械。 ，928，A27，2021。 [96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。 从粗壁测量到湍流速度场，通过深度学习。 物理。 流体，33，075121，2021。Intell。，3，926，2021。[95] L. Guastoni，A。Guemes，A。Ianiro，S。Decetti，P。Schlatter，H。Azizpour和R. Vinuesa。卷积网络模型，以预测壁数量的壁湍流。J.流体机械。，928，A27，2021。[96] A. Guemes，S。Decetti，A。Ianiro，B。Sirmacek，H。Azizpour和R. Vinuesa。从粗壁测量到湍流速度场，通过深度学习。物理。流体，33，075121，2021。
数据科学应用程序对绿色的贡献...
过去十年的一个重大发展是各种方式以及对其进行分析的技术的可用性的增长。这些包括人工智能（AI）和“大数据”以及更标准的统计和描述性方法，通常被称为“数据科学”。这种“数据革命”被广泛认为可以承诺大量的经济和福利收益（Monika等人2011）。一个重要的问题是数据科学以及一般的数字技术是否也支持对绿色经济的转移。越来越多的关于该主题的文献可以分为几个链。一条链研究数字技术增长对能源和资源使用的影响（Lange等人2020，Kern等。 2018，Bordage等。 2021）。 另一股涉及相关国家政策的话语分析（Ket-Tenburg 2019）。 最后，许多研究对环境潜力以及数字化和数据科学技术的风险进行分类（Rolnick等人。 2019，Cowls等。 2021，Vinuesa等。 2020，WBGU 2019）。 这些研究主要是基于对发表的科学工作和专家的文献综述。 到目前为止，关于公司和其他参与者如何将数据科学用于可持续性目的的公司和其他参与者如何进行实证研究。 2022）。 以下内容总结了这项更大的工作的一些结论，重点是与启动相关的数据科学使用。2020，Kern等。2018，Bordage等。2021）。另一股涉及相关国家政策的话语分析（Ket-Tenburg 2019）。最后，许多研究对环境潜力以及数字化和数据科学技术的风险进行分类（Rolnick等人。2019，Cowls等。2021，Vinuesa等。2020，WBGU 2019）。这些研究主要是基于对发表的科学工作和专家的文献综述。到目前为止，关于公司和其他参与者如何将数据科学用于可持续性目的的公司和其他参与者如何进行实证研究。2022）。以下内容总结了这项更大的工作的一些结论，重点是与启动相关的数据科学使用。这是我们作为德国环境机构（UBA）项目的一部分进行检查的关键问题 - 挖掘过程与向绿色经济的过渡之间的相互作用（Gotsch等人。
人工智能和新兴技术
人工智能和新兴技术的开发和部署取得的突破通常被称为第四次工业革命 (4IR) 的标志，1 这些突破成为头条新闻，并在科学界和政策界引起兴奋和焦虑。然而，直到最近才有人尝试系统地分析人工智能和新兴技术如何影响发展目标和成果。最新预测估计，到 2030 年，非洲将无法实现联合国可持续发展目标 (SDG) 的 6%2，国际发展界和政策制定者都在寻找能够最大限度发挥影响并最终实现 2063 年议程目标的发展加速器。很明显，人工智能和新兴技术可以在实现发展成果方面发挥催化作用，但在不同发展领域如何以及在多大程度上发挥催化作用方面，需要牢记一些重要的细微差别。这些技术也存在必须研究的潜在陷阱。Vinuesa 等人最近进行的一项研究。等人评估了人工智能对实现可持续发展目标的影响，发现总体而言，人工智能可以实现 134 个目标，同时抑制 59 个目标。3 人工智能和新兴技术对经济、社会、环境和治理等几个关键发展成果领域的预计影响将在下文详细讨论。
人工智能在实现可持续发展目标中的作用
1. P. Zhang 等人，纳米技术和人工智能实现可持续精准农业。《自然植物》7，864–876 (2021)。2. A. Bozkurt、A. Karadeniz、D. Baneres、AE Guerrero-Roldán、ME Rodríguez，人工智能与教育领域的反思：半个世纪以来人工智能研究的回顾。《可持续发展（瑞士）》13，1-16 (2021)。3. A. Di Vaio、F. Boccia、L. Landriani、R. Palladino，农业食品系统中的人工智能：在新冠疫情情景下重新思考可持续商业模式。《可持续发展（瑞士）》12，(2020)。4. R. Vinuesa 等人，人工智能在实现可持续发展目标中的作用。自然通讯 11 ，233 (2020)。5. S. Gupta、M. Motlagh、J. Rhyner，数字化可持续性矩阵：一种用于调查数字化可持续性的参与式研究工具。可持续性（瑞士）12 ，1-27 (2020)。6. T. Hagendorff，人工智能伦理：对指导方针的评估。心智与机器 30 ，99-120 (2020)。7. D. Le Blanc，最终走向融合？可持续发展目标作为目标网络。可持续发展 23 ，176-187 (2015)。8. SH Ebrahimi、M. Ossewaarde、A. Need，智能渔业：人工智能时代可持续渔业的系统评价和研究议程。可持续性（瑞士）13 ，(2021)。 9. M. Massaoudi、H. Abu-Rub、SS Refaat、I. Chihi、FS Oueslati，《智能电网技术中的深度学习：近期进展回顾和未来前景》。IEEE Access 9，54558-54578 (2021)。10. O. Pilipczuk，《可持续智慧城市和能源管理：劳动力市场视角》。
非洲英语国家人工智能：在学术界和私营部门采用负责任的解决方案
许多非洲国家都设想实现联合国可持续发展目标 (SDG)，并在 2030 年成为拥有半工业化经济的中等收入国家 (Johnston，2016 年；Tjoa 和 Tjoa，2016 年；Pedersen，2018 年；Vinuesa 等人，2020 年)。实现这一工业化目标需要具备新兴技术的基本和高级技能，特别是利用第四次工业革命 (4IR) 技术，特别是人工智能 (AI) 和机器学习 (ML) (Cioffiet al., 2020 年；Hamdan 等人，2020 年；Kshetri，2020 年；Felice 等人，2022 年；Noman 等人，2022 年)。值得注意的是，人工智能自诞生以来已经历了许多阶段，在解决许多社会和工业挑战中发挥着不可或缺的作用。因此，它可以通过改变医疗保健、基础设施、数据生态系统、数字经济、环境保护和农业等战略发展领域的公共服务提供方式，对全球南方产生重大影响 (Benke 和 Benke，2018 年；Heymann 等人，2018 年；Srivastava，2018 年；Nensa 等人，2019 年；Ifenthaler，2020 年；Lopez-Jimenez 等人，2020 年；Kipkorir-Songol 等人，2021 年；Kaack 等人，2022 年)。此外，人工智能还可以为中小型工业和企业提供一种蓬勃发展的手段，并提高国家的 GDP 增长率 (Kushwaha 和 Kar，2020 年；Hansen 和 Bøgh，2021 年；Sharma 等人，2022 年)。例如，在 2017 年、2018 年和 2019 年，国际电信联盟组织的“人工智能造福全球峰会”探讨了可以产生长期利益并有助于实现可持续发展目标的不同人工智能解决方案（人工智能国际电信联盟造福全球，2018 年；Cioffi 等人，2020 年；Floridi 等人，2020 年；Walsh 等人，2020 年；Holzmeyer，2021 年）。此类解决方案包括基于人工智能的疾病预测