XiaoMi-AI文件搜索系统
World File Search Systemgeometry
库珀配对，扁平频段超导性和pyrochlore-Hubbard模型中的量子几何
我们研究了Bloch状态的量子几何形状的影响，该量子通过带状分辨的量子量张量，对三维Pyrochlore- Hubbard模型中的库珀配对和频段超导性的影响。首先，我们准确分析了低洼的两体频谱，并表明配对顺序参数在此四波段晶格中是均匀的。这使我们能够建立多播超导体的超级流体重量之间的直接关系，（i）在零温度下最低的两体分支的有效质量（（ii）Ginzburg-landau的动力学系数在关键温度和（iii）veLocity and Zeratonkonkonkonkonkotnonkonkonkonkonkonkonkonkonegondonkonkonkonegondonkonkonegondonkondonkonegondonkondonektone and Zery the Zeratonkonkonekonegine the Zery the godkonkondone the Zery the goftonkondone the Zery the godkonkondone the ZeryaTinkonkondonkon。此外，我们对超级流体重量和戈德石模式进行了重复的数值分析，探索它们在零温度下的常规和几何成分。
使用计算思维，划痕和python Turtle学习几何形状
本文研究了使用计算思维和编程使用Scratch和Python Turtle教授几何概念。计算思维是一种教育实践，致力于通过编程和算法模式来发展学生解决问题，抽象思维，模式识别和逻辑推理的技能。这一学习领域得到了各种举措的支持，例如“所有CS”和ISTE的计算思维学生标准，以及使用机器人技术，3D打印，微处理器和直觉编程语言等工具（Angeli，2020年）。计算思维通常与以算法方式解决问题有关，即定义问题并将其分解为较小的可解决的逐步部分，就像计算机代码的结构和目的一样（Barr，V。和C. C. Stephenson，2011年）。几项研究认为，编程可以激励学生学习数学并提高解决问题的能力（Barak，M。和M. Assal，2016年； Sinclair，N。和M. Patterson，2018年）。对于学生来说，重要的是要理解和掌握几何学的概念，包括角度，线条，形状，翻译和转换。但是，传统的教学几何学方法可能很难让当前的学生理解。通过使用计算思维和编程，学生可以更深入地了解几何概念。Scratch和Python Turtle是两种编程语言，通常用于教授计算思维和编程（Iskrenovic-Momcilovic，O。（2020）; Rahim，1997）。
川崎机车安装的自动轨道几何测量系统
latgms在正常服务操作过程中不断测量和分析轨道参数 - 包括量规，轮廓，对齐，跨层和扭曲。如果Latgms检测到轨道的不规则性，则及时发送通知。在正常服务操作期间收集数据可能会通过检查员的专用轨道检查车和视觉检查来降低检查频率。
运动皮层神经几何的新兴观点支持高性能解码
脑机接口 (BCI) 解码器假设神经活动受到约束，这些约束既能反映科学信念，又能产生可处理的计算。最近的科学进展表明，神经活动的真正约束，尤其是其几何形状，可能与大多数解码器所假设的约束大不相同。我们设计了一个解码器 MINT，以接受可能更合适的统计约束。如果这些约束是准确的，MINT 应该优于明确做出不同假设的标准方法。此外，MINT 应该与可以隐式地从数据中学习约束的表达性机器学习方法相媲美。MINT 在各项任务中表现良好，表明其假设与数据非常匹配。在我们进行的每项比较中，MINT 都优于其他可解释方法。在 42 次比较中，MINT 在 37 次中优于表达性机器学习方法。MINT 的计算简单，随着神经元数量的增加而扩展，并产生可解释的数量，例如数据可能性。 MINT 的性能和简单性表明它可能是许多 BCI 应用的有力候选者。24
通过熔池监测进行珠子几何形状预测的数据驱动方法
1 简介 增材制造 (AM) 是指通过连接材料从 3D 模型制造零件的工艺 [1]。定向能量沉积 (DED) 是一种特殊类型的金属 AM 工艺，其中激光和金属粉末的交汇会在基材上形成熔融的金属池（熔池），然后冷却以形成固体金属轨道。此过程逐层重复以创建最终部件。与其他金属 AM 工艺相比，DED 以其制造大型工件、构建近净形状以及修复现有零件和铸件的能力而闻名 [2–4]。此外，DED 还用于开发高级材料，例如分级材料 [5]，这允许将金属粉末组合用于单个部件的不同位置。因此，AM 技术为制造业带来了重大创新。与传统的减材制造相比，AM 允许无与伦比的灵活设计，并通过仅在需要的地方沉积材料来减少材料浪费 [6]。尽管 DED 具有上述优势，但由于零件质量不可靠，需要改进过程监控和控制才能在整个行业范围内采用。具体而言，零件质量差是由于激光成型对操作和边界参数（包括激光功率）的微小变化高度敏感 [7]。基于反馈的方法有可能动态调整激光功率以减少过程波动，而无需参考特定的、先前测试过的几何形状和沉积历史。非接触式仪器已广泛用于类似应用，因为它们能够在远离沉积区域热量的安全距离处收集信息。由于激光温度高，高熔化温度、高功率激光反射和非层流很容易导致传感器损坏。当考虑成本和易于集成时，使用可见光摄像机进行光束同轴熔池监测仍然是一种方便且经济高效的解决方案，因为许多 DED 沉积头都配备了用于将监测摄像机纳入光学链的端口 [8]。因此，这项工作专注于一种视觉装置，该装置可以通过熔池的能量含量间接检测珠子高度的异常，从而可以预测和纠正与所需沉积结果的潜在偏差。此外，还创建了数据收集和标记管道，以减少数据准备时间。为了预测轨道几何形状的偏差，我们探索了机器学习 (ML) 算法的使用，特别是支持向量回归 (SVR) 和卷积神经网络 (CNN) 的回归。对创建的模型进行了评估，以确定其是否能够集成到边缘设备上，以实现机器的闭环或前馈控制。
人体心脏心室内几何形状、流体动力学和结构之间的相互作用
输送液体流动的自然结构表现出流动介导力和长期适应之间的相互作用。这种现象与心血管系统有关，其中心腔的几何重塑是导致心力衰竭的病理进展的主要机制。这里分析了心脏中只有一个右心室 (SRV) 的儿童的心脏适应性。在这些患者中，左心室 (LV) 发育不良，健康的右心室 (RV) 在出生后早期通过手术重新连接，以承担系统心室的功能作用。这种情况代表了一种研究心脏适应性的特殊模型，本研究利用了不常见的数据集（64 个正常 RV、64 个正常 LV、64 个具有临床正常功能的 SRV）。从流体动力学和组织变形的角度分析心室功能性能，目的是验证 SRV 配置从原始 RV 适应到向 LV 功能发展的程度。结果表明，由于工作压力较高，SRV 的体积立即增大，几何形状也更宽。然而，流体动力学湍流较弱，推进力减小。周围组织出现肌肉增厚，肌纤维多向取向，模仿 LV。然而，流动性能降低和结构一致性较低使 SRV 面临更高的进行性功能障碍适应风险。这项研究表明了心脏流量和组织反应之间的相互作用如何代表导致心力衰竭发展的宏观驱动因素。更一般地说，联合评估流体动力学和结构功能特性可能是探索不同时间尺度上的适应过程的必要条件。
电弧增材制造在半圆柱壳几何强化中的模拟
摘要：电弧增材制造 (WAAM) 是一种基于气体保护金属电弧焊的增材制造工艺。它允许通过控制焊珠的沉积和堆叠来制造大体积金属部件。除了近净成形的金属部件制造外，WAAM 还应用于结构部件（例如壳体几何形状）的局部加固。然而，此过程可能会导致不希望的热诱导变形。在这项工作中，通过实验和瞬态热机械有限元模拟研究了半圆柱壳体几何形状的 WAAM 加固引起的变形。在实验中，将焊珠施加到样品上，同时使用热电偶测量其热历史。使用位移传感器记录正在发生的变形。实验数据用于校准和验证模拟。使用经过验证的模型，可以预测样品的温度场和变形。随后，使用模拟来评估不同的沉积模式和壳体厚度与由此产生的部件变形之间的关系。调查显示，壳体厚度与变形之间存在非线性关系。此外，焊道的方向和顺序对变形的形成有显著影响。然而，这些影响随着壳体厚度的增加而减弱。
利用黎曼几何对脑电信号进行心理状态检测
本研究的目的是实施一种基于黎曼几何 (RG) 的算法，使用任务诱导的脑电图 (EEG) 信号检测高心理负荷 (MWL) 和心理疲劳 (MF)。为了引发高 MWL 和 MF，参与者以字母 n-back 任务的形式执行了一项认知要求高的任务。我们采用基于 RG 的框架分析了不同任务条件和皮质区域下 theta 和 alpha 频带中 EEG 波段功率 (BP) 特征的时间变化特性。当任务运行 EEG 的黎曼距离达到或超过基线 EEG 的阈值时，MWL 和 MF 被认为太高。本研究结果显示，随着实验持续时间的增加，theta 和 alpha 频带中的 BP 增加，表明 MWL 和 MF 升高会阻碍/妨碍参与者的任务表现。在 20 名参与者中，有 8 名检测到高 MWL 和 MF。随着实验持续时间的增加，黎曼距离也显示出向阈值稳步增加，大多数检测发生在实验结束时。为了支持我们的发现，我们还考虑了主观评分（有关疲劳和工作量水平的问卷）和行为测量（性能准确性和响应时间）。
信息几何中量子态密度的测量和量子多参数估计
最近，人们对从信息几何的角度研究量子力学的兴趣日益浓厚，其中量子态由投影希尔伯特空间 (PHS) 中的点来描述。然而，高维度量的缺失限制了信息几何在多参数系统研究中的应用。在本文中，我们提出了一种使用量子 Fisher 信息 (QFI) 体积元素来度量 PHS 中量子态的本征密度 (IDQS)。从理论上讲，IDQS 是一种定义一类量子态 (过) 完备关系的度量。作为一种应用，IDQS 用于研究量子测量和多参数估计。我们发现，一组有效估计量的可区分状态 (DDS) 密度由经典 Fisher 信息的不变体积元素来衡量，它是 QFI 的经典对应物，并作为统计流形的度量。通过行列式量子 Cramér-Rao 不等式研究了通过量子测量推断 IDQS 的能力。结果，我们发现在测量中 IDQS 和最大 DDS 之间存在差距。该差距与不确定度关系密切相关。以具有两个参数的三级系统为例，我们发现 Berry 曲率表征了 IDQS 和最大可达到 DDS 之间的平方差距。具体到顶点测量，平方差距与 Berry 曲率的平方成正比。