用于检测灌溉渠道系统中水泄漏的传统现场调查方法成本高昂且耗时。在本研究中,开发了一种快速、经济有效的方法来识别可能发生泄漏和/或渗漏的灌溉渠道位置。该方法涉及使用配备红色、近红外和热传感器的多光谱成像仪,该成像仪安装在飞机上并在低空飞行以收集图像。开发了一个三步流程,即图像采集、图像处理和现场侦察,用于处理图像和识别可能发生泄漏的位置。该方法在美国德克萨斯州的下里奥格兰德河谷进行了评估。收集了该地区 11 个灌溉区内 24 个选定渠道段的图像。图像评估表明,140 个地点可能存在渠道泄漏问题(点泄漏和/或渗漏)。制定了现场评估表,用于记录 28 个地点的泄漏类型和严重程度。确认有 26 个地点存在泄漏,成功率为 93%。本研究中使用的方法应广泛应用于检测灌溉渠道中的泄漏和渗漏。版权所有 # 2009 John Wiley & Sons, Ltd.
文章信息 摘要 目标:无障碍、包容和可持续旅游已获得广泛关注,反映出全球日益意识到包容和环保的旅游实践的必要性。本研究的主要目标是弥补文献中关于缺乏全面商业模式的空白。 理论框架:本研究系统地汇编和评估了无障碍、包容和可持续旅游的最新研究,以促进更广泛的旅游和旅游服务领域的商业模式发展。 方法:为实现这一目标,我们遵循了三步流程,包括初始研究阶段和使用各种文献计量技术和可视化工具进行的详细绩效分析,最终仔细选择相关文章。 结果与讨论:本研究证实了讨论这一主题的文章稀缺,而且倾向于概念化全新的商业模式,而不是用新的价值主张调整现有框架,使其更易于访问、包容和可持续。 研究意义:本研究的实践和理论意义提供了有关如何应用结果或影响旅游领域实践的见解。这些影响可能涵盖所有旅游领域,从酒店业到餐厅服务。它提供了一个重要的管理线索,以保证旅游企业的真正包容性和可持续性特征。原创性/价值:这项研究填补了空白,为文献做出了贡献。这项研究的相关性和价值在于它的管理贡献,证实了将可访问性、包容性和可持续性特征纳入任何旅游商业模式的必要性。Doi:https://doi.org/10.26668/businessreview/2024.v9i4.4542
新加坡,2024 年 10 月 15 日下午 5 点 新加坡南洋理工大学科学家利用古老的建筑方法制造现代微粒 受到古代东亚使用“榫槽”技术建造木结构的方法的启发,新加坡南洋理工大学 (NTU Singapore) 的科学家开发了一种制造先进陶瓷微粒的新方法,这种微粒的宽度略大于人类头发的宽度。NTU 材料科学家利用这种方法制造了一种微流控芯片,可以以前所未有的复杂性和精度生产和塑造微小的陶瓷微粒。这些微粒具有各种复杂的形状和精确的尺寸,例如十齿齿轮或具有斜边的三角形,可用于微电子、航空航天、能源、医疗和机械工程等领域的广泛应用。例如,四面体形(四面)的二氧化锆 (ZrO ₂ ) 微粒可以改变太赫兹发射器和接收器的性能和功能——常用于安全、医疗诊断和制造业质量控制等成像领域。同样,八面体形(八面)的二氧化硅 (SiO ₂ ) 微粒可以增强材料的强度和韧性,而齿轮形陶瓷颗粒对于机械驱动至关重要。微加工和激光烧结等传统制造方法在分辨率和批量生产如此微小复杂形状的能力方面存在局限性。由于材料特性和微粒的微小尺寸,当前的方法难以实现锋利和不透明的微粒。相比之下,NTU 的方法通过采用简单的三步流程有效地解决了这些挑战。
向零和零净建筑物的过渡需要确定可持续且有效的可再生能源系统以减少运营能源的影响。这项研究分析了由光伏植物和网格连接建筑物中的混合氢/电池储能系统组成的多个微电网的环境影响。到此为止,提出了三步模拟过程。第一步涉及在操作过程中对建筑物的能耗进行建模。之后,优化了组件的大小。最后,进行了比较生命周期评估,以评估不同的自给自足比率(SSR)。结果表明,随着SSR的增加,所有组件的优化能力通常会增加,尽管这种关系很复杂,尤其是当系统接近完全可再生能力时。气候变化影响最初会降低到其最低的值,但随后再次增加以实现充分的自由度。此外,结果强调了在设计可再生能源系统时考虑多个环境影响类别的重要性。灵敏度分析表明,具有碳密集电网的国家可以通过增加可再生能源渗透来减少气候变化的影响。但是,对于具有较高可再生能源的国家,较高的SSR可能不会导致气候变化的影响较低,而是加剧了气候变化的影响。
响应于2013年欧洲粒子物理战略的建议,这是对所谓的高能LHC(HE-LHC)CERN进行能源升级的概念设计工作,作为未来圆形围栏研究的一部分。HE-LHC机器(旨在在现有的LHC隧道中使用16吨磁铁技术)将在27 TEV(〜2×LHC)的质子碰撞中提供质子碰撞,总储存的能量为1.34 gJ(〜4×LHC)。通过调整LHC准直探针,构思了He-LHC的Betatron清洁插入的第一个布局,需要维持至少10秒钟的次数,即约1.86兆瓦的影响,对应于12分钟的光束寿命,而无需诱导任何磁铁淬火或对其他加速度造成任何损坏。在本文中,我们通过粒子跟踪和相互作用计算评估了HE-LHC机器在HE-LHC机器中质子束操作的准直插入的功率沉积。通过三步模拟方法评估了对温暖元件以及超导分散抑制磁体的束损失影响。尤其是对于未来提议的高能LHC,我们证明了在分散抑制器中添加局部准直仪的必要性,并且我们发现了准直插入中梁线“ Dogleg”的有害后果。
摘要。本文介绍了一种可综合的 µ 架构设计方法,通过在处理器流水线内的执行阶段利用规范有符号数字 (CSD) 表示来提高给定 RISC-V 处理器架构的性能。CSD 是一种独特的三进制数系统,无论字长 N 是多少,都可以在常数时间 O (1) 内实现无进位/无借位加法/减法。CSD 扩展以 Potato 处理器为例进行了演示,这是一种简单的 RISC-V FPGA 实现。但是,该方法原则上也可以应用于其他实现。我们通过 CSD 实现的性能提升需要二进制和 CSD 表示之间的转换开销。该开销通过扩展到七级流水线架构来补偿,该架构具有三步执行阶段,可提高吞吐量和工作频率并实现循环展开,这在具有连续计算的应用中尤其有利,例如信号处理。根据实验结果,我们将基于 CSD 的三元解决方案与原始实现进行了比较,后者使用通常的纯二进制数表示操作数。与 FPGA 上的原始 RISC-V 处理器相比,我们的方法实现了 2.41 倍的运行频率提升,其中超过 20% 的增益归功于 CSD 编码。对于计算密集型基准测试应用程序,这种增强使吞吐量提高了 2.40 倍,执行时间缩短了 2.37 倍。
本文提出了一种基于深度学习的可容纳性评估方法,构成了街头规模的智能手机点云和城市规模的3D行人网络(3DPN)。3DPN已被研究和映射以进行轮廓和智能城市应用。然而,由于省略的行人路径,未发现的楼梯和过度简化的高架人行道,文献中3DPN的城市水平尺度对于评估轮椅的可及性(即车轮)不完整;如果映射量表处于为轮椅使用者设计的微观级别,则可以更好地表示这些功能。在本文中,我们使用智能手机点云加强了城市规模的3DPN,这是一种有希望的数据源,用于补充细微的细节和由于厘米级别的准确性,鲜艳的色彩,高密度和人群源性质而导致的细颗粒细节和温度变化。三步方法重建行人路径,楼梯和坡度细节,并丰富城市规模的3DPN进行轮廓评估。PEDESTRIAN路径的实验结果表现出准确的3DPN中心线位置(miou = 88。81%),楼梯检测(miou = 86。39%)和轮子性评估(MAE = 0。09)。本文贡献了一种适合,准确和人群采购的轮子评估方法,该方法将无处不在的智能手机和3DPN架起高密度和丘陵的城市区域的3DPN。
摘要 — 在当前的嘈杂中尺度量子 (NISQ) 量子计算时代,量子比特技术容易出现缺陷,从而导致各种错误,例如门错误、退相干/失相、测量错误、泄漏和串扰。这些错误对在 NISQ 设备中实现无错误计算提出了挑战。针对此问题提出的解决方案是量子纠错 (QEC),旨在通过三步过程纠正损坏的量子比特状态:(i) 检测:识别错误的存在,(ii) 解码:精确定位受影响量子比特的位置,以及 (iii) 校正:将故障量子比特恢复到其原始状态。QEC 是一个不断扩展的研究领域,涵盖了复杂的概念。在本文中,我们旨在全面回顾量子纠错的历史背景、现状和未来前景,以满足对量子物理及其相关数学概念不太熟悉的计算机科学家的需求。在本研究中,我们 (a) 解释 QEC 的基本原理并探索用于纠正量子比特错误的现有量子纠错码 (QECC),(b) 探索这些 QECC 在实施和纠错质量方面的实用性,以及 (c) 强调在当前 NISQ 计算机环境下实施 QEC 所面临的挑战。索引术语 — 量子纠错、量子计算、纠错码
数据驱动的增材制造(AM)的研究在近年来取得了巨大的成功。这导致了许多科学文献的出现。这些作品中的知识包括AM和人工智能(AI)上下文,这些环境尚未以综合的方式开采和形式化。此外,没有任何工具或准则可以支持从一个上下文到另一种上下文的数据驱动知识转移。结果,仅针对特定的AM过程技术开发并验证了使用特定AI技术的数据驱动解决方案。有可能利用各种AM技术的固有相似性,并使用AI(例如转移学习)将现有解决方案从一个过程或问题调整到另一个过程。我们在AM中提出了一个三步知识转移性分析框架,以支持数据驱动的AM知识传输。作为可转让性分析的先决条件,AM知识被介绍为已识别的知识组成部分。该框架由转移,转移和转移后的步骤组成,以完成知识转移。在旗舰金属AM过程之间进行了案例研究。激光粉末床融合(LPBF)是知识的来源,它是由于其在定向能量沉积(DED)上应用AI时相对成熟度(DED)的来源,它可以将知识转移的需求作为较少探索的目标过程。我们在数据驱动的解决方案的不同级别上显示了成功的传输,包括数据表示,模型体系结构和模型参数。AM
大型语言模型(LLM)纳入医疗应用中,从药物发现和开发到临床决策支持,协助远程医疗,医疗设备和医疗保健保险应用,都引起了整个医疗保健行业的广泛关注。此观点论文旨在讨论建立LLM驱动的医疗AI应用程序的内部运作,并为其开发引入全面的框架。我们回顾了现有文献,并概述了在专业医学环境中应用LLM的独特挑战。此外,我们引入了一个三步框架来组织医疗LLM研究活动:1)建模:将综合医疗工作流程分解为开发医学特定模型的可管理步骤; 2)优化:通过精心设计的提示和集成外部知识和工具来优化模型性能,3)系统工程:将复杂的任务分解为子任务,并利用人类专业知识来构建医疗AI应用程序。更重要的是,我们提供了一本详细的用例剧本,描述了各种LLM供电的医疗AI应用程序,例如优化临床试验设计,增强临床决策和推进医学成像分析。最后,我们讨论了使用LLM构建医疗AI应用的各种挑战和考虑因素,例如处理幻觉问题,数据所有权和合规性,隐私,知识产权考虑,计算成本,可持续性问题和负责任的AI要求。