XiaoMi-AI文件搜索系统
World File Search SystemVoronoi
补充材料：可探索的网格变形子空间来自非结构化3D生成模型
我们的边界条件以64个节点为各个粒子，将潜伏的Z𝑖连接到Z𝑗。为了计算我们从网格M𝑖切换到网状M𝑗的点，我们首先计算两个变形序列：一个从m𝑖到m𝑗，另一个M𝑗转到M𝑖。给定这两个网格序列，我们可以确定网格之间的倒角距离最小的时间𝑡∗。我们在围绕𝑡= 0的中心的变形序列的小节中找到了最佳开关点。5，即我们不采用切换点，例如，𝑡= 0。01，而是我们仅考虑[0中的𝑡值。35，0。65]。这是为了防止过度扭曲边界条件。通过扩张多线的两侧进行重新映射，以便将𝑡∗精确地映射到𝑡= 0。5。因此，所有开关点的边界都可以通过标准的Voronoi图可视化。
一种实用方法，可以覆盖具有群体的动态区域
摘要 - 许多应用程序需要探索或监视区域。这可以通过传感器网络来实现，传感器网络是一大批机器人团队，每个机器人只能覆盖一个很小的分数。当该区域是凸，小且静态的时，将机器人部署为质心Voronoi tessellation（CVT）。相反，我们认为要覆盖的区域宽，不一定是凸面和复杂。然后，操纵一个较小的简单区域并变形以横切整个区域。向机器人提供了一些描述该区域的路点。目标是机器人在CVT附近均匀地在该区域上动态部署。不幸的是，分布式CVT计算算法的收敛太慢，无法实用。在这项工作中，CVT计算与基于反馈和基于前馈的控制技术和动态共识相辅相成，以调整机器人速度，以便它们协调以覆盖动态区域。我们在模拟中证明了所提出的方法成功地实现了跟踪该区域的目标，并通过机器人均匀部署，同时保持连通性并避免碰撞。我们还比较了所提出的方法与其他替代方案的性能。
未知空间上的协同映射和目标搜索...
摘要 — 本文提出了一种协作式地图绘制和目标搜索算法，用于在城市环境中检测单个移动地面目标，该目标最初对于配备有噪声、范围有限的传感器的自主四旋翼飞行器团队来说是未知的。目标根据有偏随机游走模型移动，搜索代理（四旋翼飞行器）构建一个目标状态图，该图对过去和现在的目标位置进行编码。检测前跟踪算法将目标测量值同化为对数似然比，各向异性克里金插值预测未探索区域中占用节点的位置。在搜索区域的每个位置评估的相互信息定义了一个采样优先级表面，该表面由加权 Voronoi 算法划分为候选航路点任务。通过迭代解决效用最大化分配问题，将任务分配给每个代理。数值模拟表明，与非自适应割草机和随机覆盖策略相比，所提出的方法更具优势。我们还通过使用两个真实四旋翼飞行器和两个虚拟四旋翼飞行器进行户外飞行测试，对所提出的策略进行了实验验证。
熔池凝固过程中柱状枝晶间生长竞争的快速模拟
本文提出了一种非常快速的数值方法来模拟熔池凝固产生的微观结构，包括柱状枝晶晶粒和从熔体中成核的等轴晶粒的生长竞争。为了减少计算时间，提出了一种升级策略，该策略不是单独考虑每个枝晶，而是根据物理信息确定枝晶生长速度来定义平均凝固前沿。所提出的方法还依赖于枝晶的优选生长方向和有利取向的晶粒标准来确定哪些晶粒在竞争中幸存下来。显著减少自由度总数的关键贡献之一是使用 Voronoi 镶嵌而不是规则网格进行数值实现。结果已与实验数据以及相场和细胞自动机模拟进行了比较。模拟的微观结构与使用细胞自动机获得的微观结构相似，而计算成本却大大降低。此外，还提供了三维模拟的收敛分析，其热条件对应于金属增材制造，以展示如何在实践中使用本研究。
AstroLibrary：一个用于实时合相评估和
地球空间已经很拥挤，而且会更加拥挤。这种趋势会迅速增加空间物体之间发生碰撞的概率。由于物体以极高的速度飞行，碰撞后果将是灾难性的。然而，即使当前空间目录的大小为 O(10^4)，准确有效的结合评估 (CA) 和碰撞避免 (COLA) 也一直是一大挑战。由于新卫星数量的增加、传感器能力的提高以及凯斯勒综合症，空间目录的大小将迅速增加，除非设计出一种范式转换计算方法，否则情况会更糟。这里我们提出了 SpaceMap 方法，它可以对 O(10^6) 或更多对象执行实时 CA 和近实时 COLA，前提是通过预处理将卫星之间的时空接近度表示在简洁的数据结构中。理论和计算基础是 Voronoi 图，它被称为二维和三维空间中许多对象之间时空推理的最简洁、最有效的数据结构。该算法以 C++ 实现，并以 AstroLibrary 的形式提供，它具有 RESTful API 和 Python 包，可从应用程序调用。借助该库，任何具有基本编程技能的人都可以轻松开发高效的应用程序来解决具有挑战性的时空问题。还介绍了实验结果。
多智能体 Swarm 实现... - G2NET
多智能体多信使环境低频感知的群体实现 F.Bonsignorio 我们正在开发一种可重复、可衡量的方法来部署由空中无人机、移动地面机器人、水下滑翔机、ROV 和放置在地面或海底的固定或移动传感器组成的复杂自适应网络。该方法利用 Voronoi 图、由多智能体信念空间规划方法框架构建的不同种类化学和非化学传感器的多传感器融合。我们的项目整合了 FER 的 AIFORS 实验室、萨格勒布大学、Heron@CNR 联合实验室和华沙大学的资源，并伺机寻求国家、欧洲和国际层面的资金，旨在将一种新的自组织传感器网络概念与在开放式环境中行动的机器人群相结合。从环境中提取信息和绘制环境地图被组织为两个新兴的并发过程。当各个群体成员随机探索环境时，网络会创建节点。群体的自组织和成长过程由基于群体成员之间相互信息函数的适应度函数控制。联网传感器会根据已部署的传感器点本地计算出的更高熵度量，更密集地释放到环境中。当适应度函数（表示群体成员之间的相互信息）达到最大值时，就会创建节点。
参数生长过程的随机辅助多孔材料
辅助结构是具有负poisson比率的材料：拉伸时，它们垂直于施加力[26，29]，这是看似违反直觉的特性。辅助材料由于其出色的休克吸收，断裂韧性或振动吸收而发现了多个领域的应用[61，51，25，30，49，45]。大量研究致力于设计辅助机械材料[25,12,58]，这些材料从其小规模几何形状的特定布置中得出了其物理特性。最近的制造技术可以制造复杂的小规模结构，因此可以制造辅助材料。随机材料具有一些显着的优势。In particular, they are more resilient to fabrication-related symmetry-breaking imperfections [ 44 ], can smoothly and seamlessly grade material properties [ 28 ], are well suited to manufacture isotropic structures [ 40 , 21 ], are excellent candidates for energy-absorbing applications [ 10 , 39 , 23 ], and allow to compute the material geometry efficiently [ 34 ].虽然重复的周期性结构定义了大多数辅助材料，但独特的研究线对随机辅助材料感兴趣[36]，因为它们比周期性结构具有某些优势[46，62，27]。辅助聚合物泡沫[29，8]在80年代报道，并广泛用于工业应用中。细胞泡沫的几何形状通常是理想化的，并用Voronoi图[17]进行建模，一些研究辅助泡沫的作品是从建模获得辅助泡沫的最常见过程是压缩一个偶然的透明细胞泡沫，以迫使细胞肋骨扣紧，从而产生一个加热到其软化温度的恢复结构[9，1]。
耐火混凝土中的裂纹：经晶或晶间？
混凝土是最常见的建筑材料。混凝土类型丰富，配方取决于特定用途。混凝土的微观结构通常是强烈的异质性，具有水泥，细和粗骨料，充满空气的毛孔和各种增援。混凝土的计算模型通常会大大降低以确保安全性。更精确的模型可以从材料和CO 2排放方面巨大节省。通过3D计算机断层扫描（CT）观察到的原位机械测试，特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。 大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。 分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。 因此，最近比较了裂纹分割的算法[1]，扩展到多尺度裂纹[2，3]，适用于纤维增强的混凝土[4，5]，甚至是新发明的[6，7]。 对于方法的公平定量比较以及机器学习模型的培训和开发，基于合成裂纹结构的半合成CT图像[8-10]至关重要。 首先，裂纹是作为分数布朗动作的实现[11]。 后来，由于其多功能性，首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。 在[13，14]中研究了裂纹与混凝土微观结构之间的相互作用。通过3D计算机断层扫描（CT）观察到的原位机械测试，特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。因此，最近比较了裂纹分割的算法[1]，扩展到多尺度裂纹[2，3]，适用于纤维增强的混凝土[4，5]，甚至是新发明的[6，7]。对于方法的公平定量比较以及机器学习模型的培训和开发，基于合成裂纹结构的半合成CT图像[8-10]至关重要。首先，裂纹是作为分数布朗动作的实现[11]。后来，由于其多功能性，首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。在[13，14]中研究了裂纹与混凝土微观结构之间的相互作用。这些合成的裂纹结构可以模仿多种裂纹形态，包括局部厚度分布和分支，并具有几个程度的表面粗糙度，因为[12]很好地证明了。到目前为止，合成裂纹并未与将CT图像用作背景的混凝土的微观结构相互作用。特别是，将裂缝分类为周围的混凝土组件。这是通过两步过程实现的。首先，通过模板匹配对裂纹结构进行了分割。然后，根据模板的方向上的灰色值对裂纹进行分类。在这里，我们提出了一种依赖于分割裂纹和聚集体的方法。然后将裂纹分配给两个可能的类别之一：经晶（通过聚集体）或晶间（聚集体之间）。然后，经晶裂纹体素的相对数量产生了一个度量，以量化裂纹行为的差异。在这里，我们研究了相同组成的难治性混凝土样品，但在不同温度下被后加工（烧结）。在压缩应力下扫描样品。他们清楚地表明，裂缝确实与混凝土的微观结构相互作用，请参见图1。裂纹可能沿聚集体，通过它们或通过周围的水泥矩阵传播。在失败之前，分析载荷步骤的经晶和晶间体素的分数进一步量化了烧结温度的影响。我们在两个圆柱形耐火混凝土样品的示例中演示了这一分析，分别在1.000°C和1.600°C下烧结。最近，我们为裂纹结构设计了一种多功能几何模型[8，9]，用于方法验证和比较以及机器学习方法的训练 - 由随机Voronoi Tessellation的相位形成的最小表面。最小表面计算的优化方法的改进版本可实现多标准优化[17]。在这里，我们利用了这种新的可能性来生成合成裂纹结构，该结构避免了聚集体或通过图1中的真实混凝土样品中观察到的。
SPACEMAP：用于更安全、更可持续和更高效的太空的实时 Web 服务器
地球轨道正变得越来越繁忙。这一现象迅速增加了驻留空间物体 (RSO) 之间的碰撞概率。由于 RSO 飞行速度快，碰撞的后果是灾难性的。然而，即使空间目录规模适中，准确有效地预测会合及其最佳避免也一直是一个挑战。在新太空时代，随着预期的极端物体数量，这种情况肯定会继续存在。在这里，我们提供了一个 Web 服务器 SPACEMAP，它可以 (近乎) 实时地解决会合评估和最佳机动规划。SPACEMAP 通过快速评估二级和三级会合的副作用来呈现机动替代方案的最佳候选方案，从而克服了具有挑战性的计算要求。三级会合是在感兴趣的对象 (OOI) 和附近其他快速飞行的 RSO 之间定义的，它具有特别重要的意义，可以通过利用计算能力强大的新几何构造 Voronoi 图来解决。 SPACEMAP 还在时间线上提供了各种关键情报和优化功能：预测在我开车时可以监视我的敌方卫星；预测距离自身资产 10 公里以内的敌方卫星；预测可能对自身资产造成频谱干扰的敌方卫星；在预测干扰下找到自身资产的最佳数据传输路线；找到通过一个星座或通过多个轨道上的多个星座在城市对之间最佳的数据传输时间表；找到监视地面或太空热点的最佳时间表。SPACEMAP 目前使用来自 Space-track 的 TLE 数据。合并其他数据类型（如遥测数据（例如 GPS）、测量数据（例如雷达）、ADS-B、AIS 等）相当简单。SPACEMAP Web 服务器在 Amazon Web Services (AWS) 上运行。
第 2B 节：增强剂量选择决策的新型试验设计主持人介绍
• 员工：德克萨斯大学 MD 安德森癌症中心，我担任该中心治疗学发现部门的副总裁兼临床开发主管，该部门对 DDR 和其他抑制剂有商业利益（IACS30380/ART0380 已授权给 Artios）• 担任以下公司的顾问：AbbVie、Acrivon、Adagene、Almac、Aduro、Amphista、Artios、Astex、AstraZeneca、Athena、Atrin、Avenzo、Avoro、Axiom、Baptist Health Systems、Bayer、Beigene、BioCity Pharma、Blueprint、Boxer、Bristol Myers Squibb、C4 Therapeutics、Calithera、Cancer Research UK、Carrick Therapeutics、Circle Pharma、Clovis、Cybrexa、Daiichi Sankyo、Dark Blue Therapeutics、Diffusion、Duke Street Bio、858 Therapeutics、EcoR1 Capital、Ellipses Pharma、EMD Serono、 Entos、F-Star、Genesis Therapeutics、Genmab、Glenmark、GLG、Globe Life Sciences、GSK、Guidepoint、Ideaya Biosciences、Idience、Ignyta、I-Mab、ImmuneSensor、Impact Therapeutics、Institut Gustave Roussy、Intellisphere、Jansen、Kyn、MEI pharma、Mereo、Merck、Merit、Monte Rosa Therapeutics、Natera、Nested Therapeutics、Nexys、Nimbus、Novocure、Odyssey、OHSU、OncoSec、Ono Pharma、Onxeo、PanAngium Therapeutics、Pegascy、PER、辉瑞、Piper-Sandler、Pliant Therapeutics、Prolynx、Radiopharma Theranostics、Repare、resTORbio、罗氏、Ryvu Therapeutics、SAKK、赛诺菲、Schrodinger、施维雅、 Synnovation、Synthis Therapeutics、Tango、TCG Crossover、TD2、Terremoto Biosciences、Tessellate Bio、Theragnostics、Terns Pharmaceuticals、Tolremo、Tome、Thryv Therapeutics、Trevarx Biomedical、Varian、Veeva、Versant、Vibliome、Voronoi Inc、Xinthera、Zai Labs 和 ZielBio • 资助/研究支持来自：Acrivon、Artios、AstraZeneca、Bayer、Beigene、BioNTech、Blueprint、BMS、Boundless Bio、Clovis、Constellation、Cyteir、Eli Lilly、EMD Serono、Forbius、F-Star、GlaxoSmithKline、Genentech、Haihe、Ideaya ImmuneSensor、Insilico Medicine、Ionis、Ipsen、Jounce、Karyopharm、KSQ、Kyowa、Merck、Mirati、Novartis、Pfizer、Ribon Therapeutics、Regeneron、Repare、Rubius、Sanofi、Scholar Rock、Seattle Genetics、Tango、Tesaro、Vivace 和 Zenith • 股东：Seagen