XiaoMi-AI文件搜索系统
World File Search Systemtwin
交换运动 - 纳米晶体的双向双胞胎
引言双胞胎是响应外部刺激的材料的最常见结构转换之一，包括机械载荷（1），电子束或离子照射（2，3），激光震动（4）和加热（5）。纳米晶体可能会产生较高的特性，例如优异的机械强度（6），改善的热稳定性（7），高电导率（8），显着的光发射（9）和增强的催化活性（10）。了解纳米晶体中的孪生机制可以使纳米材料具有所需特性的结构工程。传统的智慧认为，双胞胎通过在相邻原子平面上的部分位错的一层移动来进行（11）。在外部机械载荷下的孪生二胎涉及非常规的机制，被描述为部分位错的随机激活（12），同时激活部分位错（13）或洗牌机制（14）。转化孪生型对不太了解。假定纳米晶体的转化是通过传统变形孪生机制进行的（11）。但是，该主张缺乏直接证据。转化双胞胎需要外部能量才能克服能量屏障（2-5）。注入外部能量（15，16），例如在热退火和电子或离子辐照过程中，为纳米晶体中的双胞胎形成提供了机会。这表明纳米晶体的双胞胎可能表现出受动力学控制的非常规途径。但是，由于部分脱位/滑移的速度被认为是按时间尺度出现的速度（17），因此同时意识到双重激发和原子成像仍然是技术挑战。在这项工作中，以面部为中心的立方铅（PB）纳米颗粒作为模型系统，我们使用
在Kagome Fege中的磁性和电荷顺序交织在一起
Shao，S.，Yin，J.，Belopolski，I.，You，J.，Hou，T.，Chen，H.，Jiang，Y. 在Kagome Fege中磁性和电荷顺序的交织在一起。 ACS Nano，17（11），10164‑10171。 https://dx.doi.org/10.1021/acsnano.3c00229Shao，S.，Yin，J.，Belopolski，I.，You，J.，Hou，T.，Chen，H.，Jiang，Y.在Kagome Fege中磁性和电荷顺序的交织在一起。ACS Nano，17（11），10164‑10171。https://dx.doi.org/10.1021/acsnano.3c00229
电动汽车中的机器学习驱动的锂离子电池的数字双模型：评论
摘要：电动汽车（电动汽车）改变了汽车行业，并已成为一种更可靠，更一致的公共交通方式。电池供电的车辆在大力的帮助下，开发了自由污染环境和改善的生态环境。锂离子（锂离子）电池是电动汽车中使用最广泛的电池类型，因为与同行相比，其性能出色。电动汽车的核心是他们的电池管理系统（BMS），可以毫无疑问地改善电池的性能，操作，安全性和寿命。锂离子电池状态估计是BMS实施的最重要部分之一，因为它在安全可靠的电池操作中起着重要作用。最近，研究人员正在研究数字双胞胎模型，以利用机器学习（ML）算法和云计算来自动化和优化BMS状态估计过程。这项研究的目的是审查，表征和比较各种基于ML的方法，以估算不同的锂离子电池状态。首先，本研究描述并表征了近年来提出的几种锂离子电池状态估计方法。其次，讨论了电动汽车的电池状态估计。此外，提出了锂离子电池状态估计的挑战和前景。
数字孪生在各个行业的应用：回顾
摘要：数字孪生 (DT) 是推动多个行业数字化的最有前途的技术之一。DT 是指任何物理对象（物理孪生）的数字复制品或模型。DT 与仿真和其他数字或 CAD 模型的区别在于，数字孪生和物理孪生之间可以实时自动进行双向数据交换。在任何行业实施 DT 的好处包括降低运营成本和时间、提高生产力、做出更好的决策、改善预测性/预防性维护等。因此，随着工业 4.0 的到来，产品和系统变得更加智能，依赖于收集和存储增量数据，因此其实施预计在未来几十年内将呈指数级增长。有效地将这些数据连接到 DT 可以开辟许多新的机会，本文探讨了实施 DT 的不同工业领域，以及这些机会如何推动行业向前发展。本文涵盖了 DT 在制造业、农业、教育、建筑、医药和零售等 13 个不同行业的应用，以及这些行业中的工业用例。
一种多尺度的数字双胞胎，用于人类肥胖驱动的胰岛素耐药性：饮食和药物效应
胰岛素抵抗的患病率增加是当今社会上主要的健康风险之一。胰岛素抵抗既涉及短期动态，例如改变的饮食反应和长期动态，例如2型糖尿病的发展。胰岛素抵抗也发生在不同的生理水平上，范围从疾病表型到有机器官通信和细胞内信号传导。为了更好地了解胰岛素抵抗的进展，需要一种分析方法，可以结合不同的时间尺度和生理水平。这样一种方法是数字双胞胎，由组合的机械多尺度和多级数学模型组成。我们以前已经开发了一种用于短期葡萄糖稳态和细胞内胰岛素信号传导的多层次模型，并且存在长期重量调节模型。但是，没有人将这类模型结合在一起，成为互连的，多级和多时间的数字双胞胎模型。在此，我们提出了第一个这样的多尺度数字双胞胎，用于人类胰岛素抵抗的发展。
数字孪生对新业务创建的影响
我们正处于第四次工业革命 (工业 4.0) 的中期，现有的制造技术正在与现代信息和通信技术相融合 (Haag and Anderl, 2018)，从而重塑各个行业的业务流程 (Bakhtari et al., 2021)。为了在不断变化的环境中生存，企业必须重新评估其战略 (Guo et al., 2022) 和运营 (Koh et al., 2019)，适应新的数字环境 (Albukhitan, 2020)，同时实施更多面向服务的商业模式 (Paiola and Gebauer, 2020)。因此，制造企业已将思维从销售产品转变为提供解决方案，从而改变了商业模式——当今的客户寻求解决方案并购买结果，而不仅仅是生产资料 (Donoghue et al., 2018; Berman, 2012)。因此，制造业企业现在的目标是通过服务创新来追求竞争优势（Feng and Ma，2020）。
scivario®双胞胎上的干细胞外泌体产生，a ...
再生医学是一个多学科领域，它可以帮助组织和器官的结构和功能。由于它们能够迁移到损伤部位并通过旁分泌因子促进组织再生（分泌组），因此中胞囊干细胞已成为此类研究中使用最广泛的干细胞类型[1-3]。然而，目标组织内的细胞定位不足和低细胞存活率的问题使MSC的吸引力降低。最近，由于旁分泌因素在克服了MSC的局限性方面引起了越来越多的兴趣。细胞外囊泡（EV），包括外泌体，是参与胞内通信和贩运的最重要的旁分泌效应子之一[4]。外泌体是脂质双层囊泡，直径范围为30至200 nm，可以通过表面
基于物联网的能源信息物理系统数字孪生
摘要：随着分布式能源（DER）的出现及其相关的通信和控制复杂性，需要一个高效的平台来消化所有传入数据并确保电力系统的可靠运行。数字孪生（DT）是一个新概念，可以释放巨大的机遇，可用于电力系统的不同控制和安全级别。本文提供了一种用于多种应用的能源信息物理系统（ECPS）实施建模的方法。介绍了两种 DT 类型，以涵盖需要集中监督决策的高带宽和低带宽应用。使用 Amazon Web Services（AWS）作为云主机验证和测试数字孪生的概念，该云主机可以整合物理和数据模型，并能够从不同的实际电力和控制实体接收实时测量值。实验结果证明了基于物联网 (IoT) 和云计算技术实时实现 ECPS DT 的可行性。低带宽 DT 情况下的归一化均方误差为 3.7%。在高带宽 DT 的情况下，所提出的方法在重建电压估计方面表现出色，仅从控制器的状态来看准确率就达到 98.2%。
工业数字孪生框架的开发...
航空航天部件（包括发动机部件或机体结构）的严格要求需要可靠的制造工艺。因此，对设备性能、产品开发和制造的持续监测、控制和优化至关重要。机械加工是航空航天部件制造中的重要制造工艺，包含不同的物理现象，如断裂、变形、散热、摩擦学和振动[1]。在机械加工工艺中，钻孔主要用于飞机结构（如机身、机翼等）的最终生产阶段，使用机械臂进行精确且经济高效的钻孔作业[2]。随着制造业通过数字化转型迅速发展，数字孪生是一项新技术，它有潜力提高机械加工效率并减少与机器人钻孔相关的缺陷。数字孪生是工业 4.0 中的一个概念，它通过从物理世界收集的数据流提供制造元素的数字化表示。这些数据用于更新数字实体，控制命令被发送回制造元素进行操作。因此，物理和数字孪生之间可以进行无缝、连续的信息交换，从而可以预测和优化制造过程 [ 3 ]。在制造环境中，数字孪生的实现方式多种多样，具体取决于所需的对象
数字孪生及其在未来电力系统中的应用 [版本 2
数字孪生这一术语最早由 Grieves 于 2002 年 5 月提出，是产品生命周期管理中的一个新概念。尽管它最初在 2003 年被称为镜像空间模型 6 ，但后来在 2005 年演变为信息镜像模型 7 ，并最终在 2011 年演变为数字孪生 8 。2012 年，美国国家航空航天局 (NASA) 重新审视数字孪生的概念。他们将数字孪生定义为一种多物理场、多尺度、概率、超保真模拟，它可以根据历史数据、实时传感器数据和物理模型 9 及时反映相应孪生的状态。2016 年，Grieves 10 将数字孪生定义为一组虚拟信息构造，它从微观原子层面到宏观几何层面全面描述潜在或实际的物理制造产品，并且在最佳情况下，从检查物理制造产品中获得的任何信息都可以从其数字孪生中获得。