XiaoMi-AI文件搜索系统
World File Search Systemeprints
苏格兰格拉斯哥 - 兰开斯特 EPrints
我们为您准备了精彩的社交活动，包括会议宴会，该宴会将在格拉斯哥商人城举行，这是格拉斯哥最古老的街区之一，其历史可追溯到 1750 年代。在整个会议期间，我们将采用真正的苏格兰主题，向您介绍苏格兰美食和文化，让您真正品味苏格兰，一定会让您难忘！格拉斯哥今年被《Time Out》评为 2019 年全球十大最佳城市之一，此前还被《Rough Guides》和《每日电讯报》等多家出版物评为全球十大必游城市之一。《国家地理》将格拉斯哥评为“世界最佳”目的地之一，我们还在 2016 年《Rough Guide》中被评为“世界上最友好的城市”——我相信您在这里住过之后也会同意这一点！最后，如果没有许多人的奉献和辛勤工作，会议不可能取得成功。我特别要感谢我们的技术项目主席 Krish Thiagarajan Sharman 教授、我们的当地组织委员会 Annabel Anderson 女士（思克莱德大学工程学院营销和活动协调员）、许多研讨会和主题组织者、会议主席和审稿人、论文作者和会议参与者、我们的赞助商和参展商、ASME 和 Sea to Sky 会议和协会管理人员以及我们的志愿者，他们将整周穿着蓝色衬衫指导和协助您！衷心感谢大家。我祝愿大家的会议富有成效，并在格拉斯哥度过愉快的时光。—Atilla Incecik 教授 OMAE 2019 会议主席 海洋工程教授 英国苏格兰思克莱德大学 工程学院副校长兼执行院长
标准化工作 - QUT ePrints
我们探讨了标准化工作（即当一家公司追求标准以进一步创新时）如何涉及不同的知识和创新成果搜索过程。通过对中国领先的房地产开发商万科的归纳案例研究，我们展示了不同程度的知识复杂性和编码如何结合起来产生四种类型的搜索过程：主动、整合、分散和被动，从而产生四种类型的创新结果：模块化、激进、渐进和架构。我们认为，当一家公司的标准化工作涉及高度编码的知识时，渐进和架构创新成果会得到促进，而模块化和激进创新会受到阻碍。我们讨论了标准化工作如何产生二阶创新能力，并最后呼吁在其他环境中进行比较研究，以了解标准化工作如何适应不同行业环境中不同类型的搜索过程。& 2015 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。
标准化工作 - QUT ePrints
我们探讨了标准化工作（即当一家公司追求标准以进一步创新时）如何涉及不同的知识和创新成果搜索过程。通过对中国领先的房地产开发商万科的归纳案例研究，我们展示了不同程度的知识复杂性和编码如何结合起来产生四种类型的搜索过程：主动、整合、分散和被动，从而产生四种类型的创新结果：模块化、激进、渐进和架构。我们认为，当一家公司的标准化工作涉及高度编码的知识时，渐进和架构创新成果会得到促进，而模块化和激进创新会受到阻碍。我们讨论了标准化工作如何产生二阶创新能力，并最后呼吁在其他环境中进行比较研究，以了解标准化工作如何适应不同行业环境中不同类型的搜索过程。& 2015 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。
计算机和流体-Eprints Soton
超分辨率（SR）生成对抗网络（GAN）有望在大型模拟（LES）中湍流闭合，因为它们能够准确地从低分辨率领域重建高分辨率数据。当前的模型培训和推理策略对于大规模的，分布式计算而不足以成熟，这是由于计算需求以及对SR-GAN的训练通常不稳定的，这限制了改进的模型结构，培训策略和损失功能定义的探索。将SR-GAN集成到LES求解器中进行推理耦合模拟也是评估其后验精度，稳定性和成本的必要条件。我们研究了SR-GAN训练和推理耦合LES的并行化策略，重点是计算性能和重建精度。我们研究了混合CPU – GPU节点体系结构的分布式数据并行培训策略，以及低/高分辨率子盒大小，全局批处理大小和歧视器准确性的相关影响。准确的预测需要相对于Kolmogorov长度尺度足够大的训练子箱。应注意训练批量规模，学习率，培训子箱数量和歧视者的学习能力的耦合效果。我们引入了一个数据并行SR-GAN培训和推理库，以进行异质体系结构，该架构可以在运行时在LES求解器和SR-GAN推理之间进行交换。我们研究了这种布置的预测准确性和计算性能，特别关注精确的SR重建所需的重叠（Halo）大小。同样，有效推理耦合LES的后验并行缩放受SR子域的大小，GPU利用率和重建精度的限制。基于这些发现，我们建立了指南和最佳实践，以优化SR-GAN湍流模型训练和推理耦合LES计算的资源利用率和并行加速，同时保持预测精度。
人工智能与化学 - ePrints Soton
从我上面所说的以及那些可能已经阅读过我之前关于数字 IUPAC（i-UPAC）[2] 的文章的人可能已经清楚，我对未来的愿景来自于这样一种理念的交汇：我们所做的是使用科学方法研究化学，而我们越来越多地使用数字技术景观来做到这一点。化学家在化学空间中工作！我们可能从不同的地方开始在这个空间中导航，并根据我们的专业和目标采取不同的路径，从分子到药物，从化合物到配方，从材料到设备。我们越来越致力于更具体、更精确，无论是个性化医疗还是精准农业，寻求能源效率还是加强循环经济。我们居住的化学空间是广阔的，化学也与变化有关，所以我们不能忘记时间维度；我们真的生活在一个化学时空的世界中。化学不仅与分子的性质有关，还与分子的转变以及这些转变发生的速率有关——时间很重要。我们如何应对这个广阔的、很大程度上未开发的空间？我们需要探索一切吗？在许多情况下，化学家们都受到了大自然的启发。大自然通过反复试验，有更长的时间来探索化学空间的各个区域。但大自然也可能受到很久以前走过的路径的限制。我想我们大多数人也相信，我们自己的想象力和内在创造力使我们能够触及化学空间的不同区域，但——我们是创造、探索还是仅仅探索已经存在的路径呢？[3]
仅供同行评审 - ePrints Soton
摘要 共生模拟系统 (S3)，有时也称为“数字孪生”，可实现物理系统与其计算模型表示之间的交互。为了支持运营决策，S3 使用通过传感器收集的物理系统的实时数据。这些实时数据还保存在企业数据存储系统 (EDSS) 中，因此可以用作未来使用的历史数据。然后，实时数据和历史数据都用作 S3 不同组件的输入，S3 通常包含几个模块：数据采集、模拟、优化、机器学习和“执行器”。当 S3 和系统之间没有人工代理时，需要后者。考虑到当今智能系统生成的数据量，S3 需要与 EDSS 结合使用。此外，S3 可能会产生大量需要存储的输出数据，因为这些数据可能会被机器学习模块重复使用，使 S3 在动态场景中具有自适应性。为了支持实时运营决策（特别是在工业 4.0 应用中，例如智能城市、智能工厂、智能交通系统和数字供应链），本文提出了 S3 的通用系统架构，并讨论了其在 EDSS 中的集成。此外，本文回顾了 S3 的最新进展，并分析了这些系统如何与 EDSS 交互以使实时决策成为现实。最后，本文还指出了 S3 中的几个研究挑战。
模拟电路的可靠性 - ePrints Soton
5.1 结论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 5.1.1 目标 1 . . . . . . . . . . . . . . . ....................................................................................................................................127
摘要-EPRINTS SOTON-南安普敦大学
Yanjia Zhou，A Feng Li，A，B Guihong Lan，A* Yongqiang Liu，C Haiyan Qiu，A Bo Xu，A Keyu Pu，A Wenren Dai，A Xinyang Zhang，A a。西南石油大学，化学与化学工程系，成都610500，中国。b。 Yibin Tianyuan Group Co.，Ltd.，Yibin 644004，中国。c。英国南安普敦南安普敦大学工程与物理科学学院。