XiaoMi-AI文件搜索系统
World File Search Systemversion
原始发表论文的引文（记录版本）：Nocerino, E., Stuhr, U., San Lorenzo, I. et al (2023). Q 依赖的电子-声子耦合
a 瑞典皇家理工学院，应用物理系，阿尔巴诺瓦大学中心，斯德哥尔摩，SE-114 21，瑞典 b 中子散射和成像实验室，保罗谢勒研究所，CH-5232，Villigen PSI，瑞士 c 纳米科学中心，尼尔斯玻尔研究所，哥本哈根大学，Nørre All e 59，DK-2100，哥本哈根 O，丹麦 d 都灵理工大学应用科学与技术系，Corso Duca Degli Abruzzi 24 10129，都灵，意大利 e 维也纳科技大学固体物理研究所，Wiedner Hauptstraße 8 e 10，1040，维也纳，奥地利 f 瑞典皇家理工学院 PDC 高性能计算中心，SE-100 44，斯德哥尔摩，瑞典 g Nordita，瑞典皇家理工学院和斯德哥尔摩大学，Hannes Alfv ens v € ag 12，SE-106 91，斯德哥尔摩，瑞典 h 东京大学固体物理研究所中子科学实验室，柏，千叶 277-8581，日本 i 东京大学跨尺度量子科学研究所，东京 113-0033，日本 j 高能加速器研究机构材料结构科学研究所，茨城 305-0801，日本 k 牛津大学无机化学实验室，牛津 OX1 3QR，英国 l 印度理工学院物理系，坎普尔 208016，印度 m 塔塔基础研究所 DCMPMS，孟买 400005，印度 n 查尔姆斯理工大学物理系，SE-412，哥德堡，瑞典
引用了原始发表的论文（记录的版本）：约瑟夫·D·，戈尔格，T.，Turanoglu Bekar，E。等（2022）。预测维护应用
摘要：维护设备对于增加生产能力和减少生产时间至关重要。随着数字化的出现，行业能够访问大量数据，这些数据可通过实施预测性维护来确保其长期的生存能力和竞争优势。因此，本研究旨在使用来自汽车行业公司的公司的大数据来证明对机器人单元的预测维护应用。开发了一个超参数长期记忆（LSTM）模型，结果表明该模型能够以良好的精度预测失败的一天。分析了进行实际工业计划所固有的困难，并提出了改进建议。
多级数据驱动的电池管理
个性化和精确药物的长期目标是为具有疾病的患者准确预测给定治疗方案的结果。目前，由于患者群体中的潜在因素导致对感兴趣的药物的反应或对治疗相关的不良事件的反应不佳，因此许多临床试验无法满足其终点。事先确定这些因素并纠正它们可能会导致临床试验的成功增加。通过对健康和患病个体的OMICS进行综合和大规模的数据收集工作，导致了宿主，疾病和环境因素的宝藏，这有助于旨在治疗疾病的药物的有效性。随着OMICS数据的增加，人工智能允许对大数据进行深入分析，并为现实世界中的临床使用提供了广泛的应用，包括改善患者的选择和鉴定可行的伴侣疗法靶标，以改善更多患者的可转换性。作为用于复杂药物疾病 - 宿主相互作用的蓝图，我们在这里讨论了使用OMICS数据预测使用免疫检查点抑制剂（ICIS）预测癌症免疫疗法的反应和不良事件的挑战。基于OMICS的方法是改善患者结局的方法，因为在ICI病例中也已应用于广泛的复杂疾病环境中，体现了OMIC在深度疾病分析和临床使用中的使用。
原始发表论文的引用（记录版本）：Yuan, M., Nyborg, L., Oikonomou, C. et al (2022)。时间和温度相关的软化
从经济角度来看，耐久性是热冲压模具的关键因素。通过沉积新材料而不是更换来翻新模具是一种降低成本的有效方法。为此，通过定向能量沉积的方式将一种新开发的马氏体时效钢 (NMS) 熔覆在热作工具钢上。经过优化的回火后，对熔覆的 NMS 进行高温暴露以检查抗软化性能。利用光学显微镜 (OM)、X 射线衍射 (XRD)、扫描电子显微镜 (SEM)、俄歇电子能谱 (AES) 和透射电子显微镜 (TEM) 的组合，系统地表征了材料的微观结构演变。熔覆钢中的沉淀物被鉴定为 Laves 相。该相的粗化被认为是钢在高温下热软化的主要原因。还使用修订的 Langer-Schwartz-Wagner (LSW) 模型模拟了粗化行为，该模型与实验观察结果非常吻合。此外，成功应用了沉淀强化数学模型来评估钢的软化行为。该模型可用于预测所研究的工具钢在高温使用过程中的硬度/强度变化。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
原始发表论文的引文（记录版本）：Hasselqvist, H., Renström, S., Strömberg, H. et al (2022). 家庭能源弹性：
能源弹性是能源政策和研究的重要焦点，因为能源系统正面临越来越多的挑战，例如由于可再生能源生产增加而导致的电力短缺，以及极端天气导致的停电风险。通常，在这些情况下，能源弹性侧重于基础设施和确保电力供应不受干扰。本文提出了一个关于弹性的补充观点，以家庭为研究弹性的起点。基于对多个学科弹性的理解，我们提出了家庭能源弹性的定义，可用于探索家庭如何在电力供应不稳定的情况下确保未来生活良好。此外，我们借鉴了能源富裕环境下未来家庭能源使用的当前想法（备用能源、能源效率、灵活性和能源自给自足），以创建一个探索家庭能源弹性的框架。我们发现不同想法之间存在多样性的潜力，而这种多样性并不总是存在于主流的未来能源使用愿景中。从家庭能源弹性的角度来看，我们希望挑战电力需求不可协商的观念，并揭示支持家庭在不确定的未来变得更具弹性的机会。
CVU 2024模块目录发布版本
1。在您的大学列出的课程号的正常注册期间向您的大学注册（例如civeng 619为威斯康星大学 - 麦迪逊大学）。注册限制为每个大学的45个模块注册。2。Cuahsi将处理学生在大学中的各个模块的注册。填写此表格，与Cuahsi签约虚拟大学。模块注册也受到限制，将以先到先得的基础为基础。在满足容量时将关闭模块的注册。每个模块仅限于45名学生。3。学生应根据他们的学习需求和兴趣注册一到三个模块，认识到三个模块通常等同于整个学期课程（华盛顿大学两个模块等于整个四分之一课程）。学生应认识到这些模块的时间需求，并避免在相同的四个星期中避免多个模块，除非他们完全有信心有时间承诺。4。每个模块给出的大学学分数量将由家庭大学教练确定，因为学会系统在机构之间有所不同（例如季度与学期系统）。5。在为他们建立画布帐户时，将通知每个学生。Canvas是将用于Cuahsi Virtual University的在线学习管理系统。
引用了原始发表的论文（记录的版本）：Tekden，A.，Erdem，A.，Erdem，E。等（2024）。对象和关系中心代表
推动是一项必不可少的非划算操作技能，用于任务，从预抓操作到场景重新排列，关于场景中的对象关系的推理，因此在机器人技术中广泛研究了推动动作。有效使用推动动作通常需要了解受操纵对象的动态并适应预测与现实之间的差异。出于这个原因，在文献中对推动作用进行了效果预测和参数估计。但是，当前方法受到限制，因为它们要么建模具有固定数量对象的系统，要么使用基于图像的表示，其输出不是很容易解释并迅速累积错误。在本文中，我们提出了一个基于图神经网络的框架，以根据触点或关节对对象关系进行建模，以效应预测和参数估计推动操作。我们的框架在真实和模拟环境中都得到了验证，这些环境包含不同形状的多部分对象，这些对象通过不同类型的关节和具有不同质量的对象连接，并且在物理预测上的表现优于基于图像的表示。我们的方法使机器人能够预测并适应其观察场景时推动动作的效果。它也可用于使用从未看过的工具进行工具操作。此外，我们在基于机器人的硬盘拆卸的背景下证明了杠杆起作的6D效应预测。
原始发表论文的引文（记录版本）：Pauzon, C., Mishurova, T., Evsevleev, S. et al (2021)。残余应力和孔隙度
研究了工艺气体、激光扫描速度和样品厚度对激光粉末床熔合制备的 Ti-6Al-4V 中残余应力和孔隙率形成的影响。使用纯氩气和氦气以及它们的混合物（30% 氦气）来建立残余氧含量低至 100 ppm O 2 的工艺气氛。结果表明，通过 X 射线衍射测得的薄样品（220 MPa）的亚表面残余应力明显低于长方体样品（645 MPa）。这种差异归因于较短的激光矢量长度，导致热量积聚，从而实现原位应力释放。即使增加了扫描速度，在工艺气体中添加氦气也不会在简单的几何形状中引入额外的亚表面残余应力。最后，在氦气下构建的悬臂（从底板移除后）的偏转比在氩气和氩气-氦气混合物下制备的悬臂的偏转更大。该结果表明，由于氦气的高热导率、热容量和热扩散率，在氦气下制造涉及大面积扫描的复杂设计可能受到更高的残余应力。
引用了原始发表的论文（记录的版本）：Zhao，Z.，Xu，Z.，Chen，J。等（2024）。对Polypho
多磷烯是具有P - - N作为骨骼的无机有机杂化聚合物，以其主链结构和高度活跃的P - Cl键形成的独特物理化学特性而闻名。聚磷酸的各种功能特性使其成为许多领域的有希望的研究前景，包括固体聚合物电解质，阳极材料，隔膜等。本综述讨论了主要的合成途径，各种功能的修改以及模板沉淀自组装poly Merization。其中，模板诱导的降水自组装是多磷酸形成纳米球，纳米片和纳米管的出色策略。固态锂电池是有希望的储能候选者，但是在室温下，常用的PEO电解质的LI +电导率限制为10-6 s·CM -1。具有乙醚氧侧的基于多磷酸的电解质倾向于具有更好的离子电导率，并且阻燃。聚磷酸有机聚合物也是一种有吸引力的碳纤维前体，也是阳极电极的理想选择。在高温碳化后，碳基质上掺杂原位的N，P杂种可以改变碳中立性和赋予带电的位点，从而进一步提高锂储存能力。此外，聚磷酸具有在隔膜和其他电池系统上使用的潜力。
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。