XiaoMi-AI文件搜索系统
World File Search SystemrN
紧张的无限层镍Prnio2膜中的磁激发
本报告是作为由美国政府机构赞助的工作的帐户准备的。既不是任何雇员，他们的任何雇员，其任何雇员，分包商或其雇员，都能对准确性，完整性或任何第三方使用或任何信息的使用结果，或代表其使用任何信息，私人或代表其使用权的保证，或承担任何法律责任或责任，或者任何第三方使用，或者没有任何信息，或代表其使用权，或代表其使用权，或代表其使用权限，或代表其使用权限。 以本文提及任何特定的商业产品，流程或服务，商标，制造商或其他方式不一定构成或暗示其认可，建议或受到美国政府或其任何机构或其承包商或其承包商或分包商的认可。 本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。既不是任何雇员，他们的任何雇员，其任何雇员，分包商或其雇员，都能对准确性，完整性或任何第三方使用或任何信息的使用结果，或代表其使用任何信息，私人或代表其使用权的保证，或承担任何法律责任或责任，或者任何第三方使用，或者没有任何信息，或代表其使用权，或代表其使用权，或代表其使用权限，或代表其使用权限。以本文提及任何特定的商业产品，流程或服务，商标，制造商或其他方式不一定构成或暗示其认可，建议或受到美国政府或其任何机构或其承包商或其承包商或分包商的认可。本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。
![如果[您的名称]可以编码，那么您也可以！非专家的最终用户机器人编程](/simg/9/9615c35b68a8d07868726c19190305fa9a2a63ea.webp)
如果[您的名称]可以编码，那么您也可以！非专家的最终用户机器人编程
社交机器人，例如老年人等各种用户人群，但是对这些社交机器人进行编程通常需要深厚的技术知识。在这项研究中，我们删除了一个无代码的最终用户机器人编程界面，其界面的目的是使没有编程背景的个人能够轻松地使用自然语言与老年人进行社交机器人互动。我们评估了五个没有机器人编程经验的成年人与65岁以上的成年人的联系。他们的任务是设计与机器人的模拟对话。我们使用调查记录了他们的经验，发现参与者成功地使用了界面使机器人与老年人进行通信。总的来说，参与者发现界面易于使用，并享受
Kup-Tech-Spec-Elmod-TS_783_01.pdf
KUP的PowerNsure系统是当今市场上最先进的产品，它提供了以太网网络集成的电池监控和管理系统。使用网络管理技术，它依次检查每个电池的内部电阻，温度和电压。通过均衡过程，系统纠正了充电电压操作范围。这可以防止焦油，干燥和热失控。每次电池的单个充电电压的持续监视和控制可确保电池的可用性。
Kohler锂离子电池 Kohler Powernsure Kup-Tech-Spec-Elmod-TS_783_01.pdf Kup-Tech-Spec-Elmod-TS_783_01.pdf Kohler Powernsure Kohler锂离子电池
KUP的PowerNsure系统是当今市场上最先进的产品，它提供了以太网网络集成的电池监控和管理系统。使用网络管理技术，它依次检查每个电池的内部电阻，温度和电压。通过均衡过程，系统纠正了充电电压操作范围。这可以防止焦油，干燥和热失控。每次电池的单个充电电压的持续监视和控制可确保电池的可用性。
drivaernet：用于数据驱动空气动力设计和基于图的阻力预测
摘要这项研究介绍了Drivaernet，这是3D行业标准汽车形状的大规模高保真CFD数据集，以及RegDGCNN（一种动态的图形卷积神经网络模型），均旨在通过机器学习进行空气动力的汽车设计。drivaernet，其4000个详细的3D汽车网架使用了50万个表面网状面和全面的空气动力性能数据，包括全3D压力，速度场和壁剪应力，解决了广泛的数据集以训练工程应用中深度学习模型的广泛数据的关键需求。它比以前最大的汽车公共数据集大60％，并且是唯一对车轮和车身底部进行建模的开源数据集。regdgcnn利用此大型数据集直接从3D网格中提供高精度的阻力估计，绕过传统限制，例如需要2D图像渲染或签名距离字段（SDF）。通过在几秒钟内实现快速的阻力估计，RegdGCNN便有助于快速的空气动力学评估，从而为在汽车设计中的数据驱动方法整合而实现了巨大的飞跃。一起，Drivaernet和Regdgcnn承诺将加速汽车设计过程，并有助于开发更有效的车辆。为了为未来的创新奠定基础，我们的研究中使用的数据集和代码可在https://github.com/mohamedelrefaie/drivaernet 1中公开访问。
基于注意力机制和FasterNet的改进型YOLOv5，用于铁路和航空轨道上的异物检测。
摘要 近年来，异物闯入铁路和机场跑道事件频发，这些物体包括行人、车辆、动物和杂物等。本文介绍了一种改进的YOLOv5架构，结合FasterNet和注意力机制，增强对铁路和机场跑道上异物的检测。本研究提出了一个新的数据集AARFOD（航空和铁路异物检测），结合了两个用于检测航空和铁路系统中异物的公共数据集，旨在提高异物目标的识别能力。在这个大型数据集上的实验结果表明，与基线YOLOv5模型相比，所提出的模型性能有显著提升，降低了计算要求。改进后的YOLO模型的精度显著提高了1.2%，召回率提高了1.0%，mAP@.5提高了0.6%，而mAP@.5-.95保持不变。参数减少了约25.12%，GFLOP减少了约10.63%。在消融实验中发现，FasterNet模块可以显著减少模型的参数数量，同时注意力机制的引用可以减缓轻量化带来的性能损失。
Upper Hunter Hydro Pty Ltd 赢得 WaterNSW 的投标
Upper Hunter Hydro Pty Ltd 赢得 WaterNSW 的招标 2024 年 2 月 26 日 Upper Hunter Hydro Pty Ltd 对 WaterNSW 授予其开发协议的决定表示欢迎，该协议旨在探索新南威尔士州 Hunter Valley 的抽水蓄能项目。该协议允许 UHH 调查和设计两个抽水蓄能 (PHES) 系统，并有机会整合风能，位于 Glenbawn 和 Glennies Creek 的 WaterNSW 土地上。长时间电力储存对于使可再生能源可靠至关重要；利用丰富、实惠但间歇性的风能和太阳能发电并使其稳定，以便为新南威尔士州提供安全、可靠且价格合理的零排放电力。2018 年新南威尔士州抽水蓄能路线图明确指出，抽水蓄能是一种成熟且经过验证的技术，可以通过在几天甚至几周内提供大量能源储存来平衡新一代发电，并且达到目前其他储存技术无法实现的公用事业规模。这两个项目旨在支持新南威尔士州的能源安全并帮助取代老化的燃煤发电能力。这两个 PHES 项目结合起来可以提供可调度电力，并在 8-12 小时内提供超过 1000MW 的长时储能，并提供优化可再生能源所需的关键稳定容量。“风能和太阳能都是间歇性发电来源，一旦燃煤发电逐步淘汰，我们将拥有丰富且便宜得多的可变发电，而不会拥有连续的基本负荷发电。这就是为什么抽水蓄能形式的长时储能对于确保能源价格合理且可靠至关重要，”特恩布尔先生说。“露西和我作为土地所有者和上亨特社区的成员已经 40 多年了，我们敏锐地意识到，随着世界逐渐摆脱化石燃料，需要创建可持续的、长期的产业来支持该地区的经济多样性。这些项目是该解决方案的一部分。”新南威尔士州向零排放或低排放能源供应的转变比世界上大多数其他地区更为迫切，因为该州一直非常依赖燃煤发电。新南威尔士州电力基础设施路线图指出，未来十五年，四座大型燃煤发电站将退役并关闭，这些发电站为该州提供了 75% 的电力。全国各地，老化的燃煤发电站正在退役。澳大利亚能源市场运营商 (AEMO) 预测，到 2050 年，国家能源市场 (NEM) 将需要将电网规模的风能和太阳能增加 7 倍。为了确保有足够的存储来支持我们的清洁能源转型，到 2050 年，电池、虚拟发电厂和抽水蓄能将需要从 3GW 增加到 57GW。“澳大利亚目前拥有实现零排放能源现实的所有工具。我们不需要发明新技术，我们拥有所需的所有资源；唯一缺少的资源就是时间。通过部署风能和太阳能等多种可变可再生能源，并辅以抽水蓄能，我们有可能摆脱煤炭，实现我们的气候目标，”特恩布尔先生说。
三元氮化物 CaZrN2 和 CaHfN2 的合成
摘要：最近的计算研究预测了许多新的三元氮化物，揭示了这一尚未充分探索的相空间中的合成机会。然而，合成新的三元氮化物很困难，部分原因是中间相和产物相通常具有较高的内聚能，会抑制扩散。本文，我们报告了通过 Ca 3 N 2 和 M Cl 4（M = Zr、Hf）之间的固态复分解反应合成两个新相，钙锆氮化物（CaZrN 2 ）和钙铪氮化物（CaHfN 2 ）。虽然反应名义上以 1:1 的前体比例通过 Ca 3 N 2 + M Cl 4 → Ca MN 2 + 2 CaCl 2 进行到目标相，但以这种方式制备的反应会产生缺钙材料（Ca x M 2 − x N 2 ，x < 1）。高分辨率同步加速器粉末 X 射线衍射证实，需要少量过量的 Ca 3 N 2 (约 20 mol %) 才能产生化学计量的 Ca MN 2 。原位同步加速器 X 射线衍射研究表明，名义化学计量反应在反应途径早期产生 Zr 3+ 中间体，需要过量的 Ca 3 N 2 将 Zr 3+ 中间体重新氧化回 CaZrN 2 的 Zr 4+ 氧化态。对计算得出的化学势图的分析合理化了这种合成方法及其与 MgZrN 2 合成的对比。这些发现还强调了原位衍射研究和计算热化学在为合成提供机械指导方面的实用性。■ 简介
深度学习在医学图像分析中的障碍
摘要 - 深度学习的使用已彻底改变了疾病的检测，并使医疗保健领域中强大而精确的计算机辅助诊断工具创建了疾病。人工智能（AI）工具现在可以检测癌症，内部出血，断裂等，而无需人工干预，这要归功于深度学习。蓬勃发展的医疗保健行业面临着深度学习的严重风险。由于嘈杂的医学图像数据，用户和患者不信任以及与医学数据相关的道德和隐私问题，缺乏平衡的注释的医学图像数据，对深度神经网络和建筑的对抗性攻击，这是深度学习研究人员和工程师所面临的一些重大挑战，尤其是在医学图像诊断中。本文解决了这些问题。这项研究通过探索其在医疗保健中的潜在应用来定义AI的公众怀疑。