XiaoMi-AI文件搜索系统
World File Search Systemoptimization
小鼠的早期移植具有持久作用
Bortolini M.，Calabrese F.，Galizia F.G.，Mora C.（2022）。 中期可持续供应链网络设计的三个目标优化模型。 计算机与工业工程，168，1-16 [10.1016/j.cie.2022.108131]。Bortolini M.，Calabrese F.，Galizia F.G.，Mora C.（2022）。中期可持续供应链网络设计的三个目标优化模型。计算机与工业工程，168，1-16 [10.1016/j.cie.2022.108131]。
熵登记的均值变异投资组合优化...
摘要。是在增强学习中的剥削和勘探之间的权衡中的动机，我们研究了在跳跃存在下的连续时间熵调节的均值变化投资组合选择。我们为与表现出L'evy跳跃的多个风险资产相关的财富过程提供了探索性SDE。与现有文献相反，我们研究了与随机控制的财富过程的自然离散时间公式的限制行为，以得出连续的时间动力学。然后，我们表明，尽管处于跳跃模型中，但仍对连续时间熵进行的探索均值变化问题的最佳分布控制仍然是高斯。此外，各自的最佳财富过程求解了一个线性SDE，其表示明确获得。
回顾近期独立和电网集成混合可再生能源系统：系统优化和能源管理策略
[39] 2018 ✗ ✓ ✗ ✓ ✗ ✗ BB ✗ ✗ BB ✗ ✗ ✗ ✗ ✗ [40] 2018 ✓ ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✗ ✗ ✗ ✓ ✗ ✗ ✗ ✗ [41] 2017 ✓ ✗ BB ✗ ✓ ✓ ✓ BB ✓ ✓ ✓ ✗ ✗ ✓ ✗ [42] 2016 ✓ ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✗ ✗ ✗ ✗ ✗ ✗ [43] 2016 ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✗ ✓ ✓ ✓ ✓ ✗ ✓ ✗ ✓ ✗ ✓ [44] 2016 ✓ ✗ ✗ ✗ ✗ ✓ ✓ BB ✓ BB ✗ ✓ ✗ ✗ [45] 2016 ✗ ✗ ✗ ✗ ✓ ✓ ✓ ✓ ✓ BB ✗ ✗ ✓ ✗ B
一个快速准确的1维模型，用于动态模拟和优化分层的热量存储
Alix Untrau，Sabine Sochard，FrédéricMarias，Jean-Michel Reneaume，Galo A.C.le roux等人。一种快速准确的1维模型，用于动态模拟和优化分层的热量存储。应用能量，2023，333，pp.120614。10.1016/j.apenergy.2022.120614。hal-03947326
通过显式能量景观优化进行蛋白质序列设计
摘要蛋白质设计问题是确定折叠成所需结构的氨基酸序列。鉴于安芬森的折叠热力学假设，这可以改写为找到一个氨基酸序列，其中最低能量构象是该结构。由于这种计算不仅涉及所有可能的氨基酸序列，还涉及所有可能的结构，因此大多数当前方法都侧重于更易处理的问题，即为所需结构找到最低能量的氨基酸序列，通常在第二步通过蛋白质结构预测检查所需结构确实是设计序列的最低能量构象，并丢弃在许多情况下并非如此的大部分设计序列。这里我们表明，通过将梯度通过 trRosetta 结构预测网络从所需结构反向传播到输入氨基酸序列，我们可以直接优化所有可能的氨基酸序列和所有可能的结构，并在一次计算中明确设计预测折叠成所需结构而不是任何其他结构的氨基酸序列。我们发现，考虑了完整构象景观的 trRosetta 计算比 Rosetta 单点能量估计更能有效地预测从头设计蛋白质的折叠和稳定性。我们将通过景观优化进行的序列设计与 Rosetta 中的标准固定骨架序列设计方法进行了比较，并表明前者的结果对竞争低位状态的存在很敏感，而后者则不然。我们进一步表明，通过结合这两种方法的优势，可以设计出更具漏斗形的能量景观：低分辨率 trRosetta 模型用于排除替代状态，高分辨率 Rosetta 模型用于在设计目标结构处创建深度能量最小值。意义计算蛋白质设计主要侧重于寻找在目标设计结构中能量非常低的序列。然而，在折叠过程中最相关的不是折叠状态的绝对能量，而是折叠状态与最低位替代状态之间的能量差。我们描述了一种可以捕捉整个折叠景观的深度学习方法，并表明它可以增强当前的蛋白质设计方法。
基于计算智能的分层虚拟发电厂优化
摘要 在可再生能源的背景下，虚拟发电厂 (VPP) 被视为智能控制复杂、分散、分布式和异构发电过程的关键技术。然而，VPP 的经济和生态控制是一项非常关键的任务：由于 VPP 在复杂性、技术组合、环境条件和运行期间需要优化的目标方面具有很大的变化性，单个 VPP 的控制需要能够有效地考虑所有这些单独的约束条件。因此，我们在本文中提出了一种结合计算智能 (CI) 元启发式的 VPP 抽象控制方法，该方法旨在灵活适用于不同的 VPP 规模、目标和发电厂类型。此外，该方法还提供了构建分层 VPP 的可能性，因为这通常是系统运营商的要求。为了证明该控制方法的有效性，考虑了三个示例性优化目标，并将其应用于不同组合的扁平/分层 VPP：最小化运行储备需求、最小化 CO 2 排放量和最大化发电厂灵活性。此外，该方法与三个示例性 CI 元启发式方法相结合并进行评估：模拟退火 (SA)、粒子群优化 (PSO) 和蚁群优化 (ACO)。为了使这种先进的 CI 元启发式方法在优化问题中的使用合法化，梯度下降优化 (GDO) 作为一种传统的优化技术也被考虑在内。基于具体的示例场景以及广泛的汇总测试运行，结果表明该控制方法能够有效地优化各种 VPP 组合以实现给定的目标。
MI-BCI 特征优化应在何时包含先验知识，以及哪一个？
基于运动想象的脑机接口 (MI-BCI) 依赖于人与机器之间的交互。因此，两个组件的（学习）特性对于理解和提高性能至关重要。数据驱动方法通常用于选择/提取几乎没有神经生理先验的特征。这种方法是否应该包括先验知识，如果是，那么包括哪些？本文研究了 BCI 性能与由流行的启发式算法选择的特定于受试者的最具判别力的频带 (MDFB) 的特征之间的关系。首先，我们的结果显示所选的 MDFB 特性（平均值和宽度）与性能之间存在相关性。然后，为了调查可能的因果关系，我们在线比较了使用受限（强制与高性能相关的特性）和不受约束的算法获得的性能。虽然我们无法得出因果关系的结论，但使用受限算法的平均性能最高。最后，为了更好地了解 MDFB 特性与性能之间的关系，我们使用机器学习来 1) 使用 MDFB 特性预测 MI-BCI 性能和 2) 为每个受试者自动选择最佳算法（受约束或不受约束）。我们的结果表明，对于具有明显不同或没有明显 EEG 模式的受试者，受约束算法可以提高其性能。
汽车动力传动系统能量转换器的选择和优化方法
AC 交流电 AFC 碱性燃料电池 APU 辅助动力装置 ASE 车用斯特林发动机 ATDC 上止点之后 B 电池 BMEP 制动器平均有效压力 BSFC 制动器燃油消耗率 BTDC 上止点之前 C 冷凝器 CC 燃烧室 CCB 燃烧室鼓风机 CO 一氧化碳 CVT 无级变速器 CCGT 联合循环燃气轮机 DC 直流电 DMFC 直接甲醇燃料电池 DOE 能源部 DP 动态规划 E 能源 EC 能量转换器 ECGT 外燃式燃气轮机 ECU 电子控制单元 EECU 发动机电子控制单元 EG 电动发电机 EG 废气 EM 电机 EMS 能源管理策略 EPA 环境保护署 EREV 增程式电动车 FC 燃料电池 FC 燃油消耗 FCS 燃料电池系统 FCV 燃料电池车 G 变速箱 GHG 温室气体 GT 燃气轮机 GWP 全球变暖潜能值 H2 氢气 He 氦气 HEV 混合动力电动车 HEX 热交换器 HSS 氢气储存系统 ICE 内燃机 IcRGT等温压缩再生式燃气轮机 IcRIeGT 等温压缩再生式等温膨胀燃气轮机 IcRReGT 等温压缩再生式再热燃气轮机 IRGT 中间冷却再生式燃气轮机 IRReGT 中间冷却再生式再热燃气轮机
在热带气候中设计和优化地热吸收冷却系统
空调所需的电力在全球范围内飙升。吸收冷却器代表使用热量而不是电力的经典蒸气压缩系统的替代方法。但是，到目前为止，由可再生地热热提供的吸收冷水机几乎没有受到关注。本文使用热的地热流体（通常在80 - 110°C的范围内）引入系统，以通过单效吸收冷水机和家用热水（DHW）通过热交换器产生冷却。它考虑了位于法国加勒比岛马提尼克岛的一家酒店。每个子系统的电消耗已得到充分估计。本文的独创性是两次：i）该系统是在考虑动态条件的TRNSYS软件中建模的。考虑了几种情况，具体取决于地热温度，质量流量，远程偏差和需求大小。研究的系统似乎比经典的蒸气压缩冷水机和DHW的锅炉的组合更昂贵。但是，它可以显着降低所提供能量的CO 2含量，尤其是在一个从化石燃料中产生大多数电力的岛上。地热井的接近度以及使吸收发生器（此处用于DHW生产）的温水的使用似乎是系统相关性的关键因素，以及更热的地热液（例如，110°C而不是80°C）。
多目标贝叶斯优化共聚合和揭示帕累托前沿的化学机制
a。奈良科学技术学院科学技术研究生院，8916-5高山 - 哥，马萨诸塞州伊科马，奈良630-0192，日本。b。数据科学中心，奈良科学技术学院，8916-5高山 - 俄罗斯州，伊科马，奈良630-0192，日本。c。材料信息学计划，RD技术与数字化转型中心，JSR Corporation，3-103-9 TOMAN-ACHI，KAWASAKI-KU，KAWASAKI，KANAGAWA，KANAGAWA 210-0821，日本。d。精细的化学工艺部，JSR Corporation，100 Kawajiri-Cho，Yokkaichi，MIE 510-8552，日本。e。 Keio大学科学技术学院化学系，日本Kohoku-Ku 3-14-1 Hiyoshi，Kohoku-Ku，Kanagawa，Kanagawa 223-8522，日本。f。奈良科学技术学院材料研究平台中心，8916-5高山 - 俄罗斯州，伊科马，纳拉，日本，伊科马630-0192。关键词聚合物，流量合成，自由基聚合，贝叶斯优化，多物镜贝叶斯优化，苯乙烯，苯乙烯，甲基丙烯酸甲酯