XiaoMi-AI文件搜索系统
World File Search System二维模型
使用人工神经网络预测钒氧化还原液流电池的电压和过电位
摘要：本文探讨了经过训练的人工神经网络 (ANN) 在预测钒氧化还原液流电池行为方面的新应用，并将其性能与二维数值模型进行了比较。目的是评估两个 ANN 的能力，一个用于预测电池电位，一个用于预测各种操作条件下的过电位。先前用实验数据验证过的二维模型用于生成数据来训练和测试 ANN。结果表明，第一个 ANN 可以在充电和放电模式下精确预测不同充电状态和电流密度条件下的电池电压。负责过电位计算的第二个 ANN 可以准确预测整个电池域的过电位，在电极膜和域边界等高梯度区域附近的置信度最低。此外，计算时间大幅减少，使 ANN 成为快速理解和优化 VRFB 的合适选择。
岩床热能储存与太阳能集热器的工业应用：模拟、实验和参数分析
供暖约占全球所有最终能源消耗的 50%。为了减少供暖碳排放，必须使用可再生能源。为了解决可再生能源的间歇性问题并提供操作灵活性，需要低成本、多功能的热能存储单元集成系统。岩石基高温热能存储（高达 600 ◦ C）与高温太阳能集热器相结合，为减少中温（100 ◦ C – 250 ◦ C）工业过程中蒸汽锅炉的天然气消耗提供了一种解决方案。本研究使用实验数据开发并验证了现有垂直流 1 MWh 高温热存储单元的二维模型。进行了参数研究以评估关键设计参数及其对温度曲线和充电效率的影响。发现充电效率在 77 – 94 % 范围内。该中试规模模型在数值模型中被扩大到工业级 330 MWh 存储，其中输出温度和流量表示恒定功率输出，同时考虑到太阳能集热器的残余输入热量。
采用不同介电液体的电力变压器的热建模
2010 年，Sorgic 和 Radakovic [8] 对浸没在矿物油中的变压器进行了二维模拟，以将冷却系统与油驱动和强制油配置进行比较。2012 年，Tsili 等人建立了一种方法来开发三维模型并预测热点的温度 [9]。这一年，Skillen 等人对一个不对称非等温流二维模型进行了 CFD 模拟，以表征具有锯齿形冷却的变压器绕组中的油流 [10]。2014 年，Yatsevsky 对浸没在自然对流油中的变压器进行了二维模拟，包括铁心、油箱和散热器，以预测热点。所开发的模型表现出良好的性能，并通过实验进行了验证 [11]。最近，Torriano 等人在一种采用自然对流冷却（ON）的比例盘式电力变压器中开发了三维传热模型 [12]。
说明 - 国防合同管理局
是一个二维模型，使用后果和可能性作为独立变量。由于后果和可能性通常是主观评估，DCMA 应使用以下客观方法来衡量供应商风险。为了确定可能性，DCMA 应（正在开发中）根据供应商绩效制定和计算一个从 0 到 100 的绩效指数，其中 100 表示最佳绩效，0 表示最差绩效。之所以选择绩效，是因为今天表现良好的供应商很可能在不久的将来表现良好。在另一个轴上，后果最好通过基于使合同和承包商流程变得重要的特征的关键性指数来描述。示例特征可能包括国防优先权和分配系统 (DPAS)（联邦法规第 15 篇第 700 部分（参考 (e)））对具有最高国家优先级、更高质量要求、采购类别指定、关键安全项目、唯一来源等的计划的评级。DCMA 应根据合同关键性特征，制定并计算从 0 到 100 的关键性指数，其中 100 表示最关键，0 表示最不关键。
强化学习解码器容忍故障量子计算
张量网络方法已从基于基于基质产物状态的变异技术进行了发展，能够计算一维冷凝的晶格模型的特性到源自更精致状态的方法，例如旨在模拟二维模型物理学的预测纠缠对状态。在这项工作中，我们提倡范式，即对于二维费米子模型，矩阵 - 产品态仍然适用于比直接嵌入一维系统允许的明显更高的精度水平。为此，我们利用了费米子模式转换的方案，并克服了一维嵌入需要是局部的偏见。这种方法认真对待洞察力，即对矩阵态的多种形式和模式转换的单一多种流形，可以更准确地捕获自然相关结构。通过证明新兴模式中残留的低水平纠缠水平，我们表明矩阵态可以很好地描述基态。通过研究晶格尺寸的无旋转费用的相变高达10×10，该方法的功率被例证了。
Angelika S. Thalmayer*、Samuel Zeising 和 Georg Fischer 因交流电引起的屏蔽导致磁性药物靶向的转向性能降低
摘要：磁性药物靶向是一种新的癌症治疗方法，其中磁性纳米粒子被用作抗癌药物的载体。通常，使用外部磁体来引导血管内的粒子朝所需的方向运动。然而，这种引导的一个不良副作用是粒子在引导磁体下方积聚。许多研究人员解决了积聚粒子的数量问题，但据作者所知，迄今为止尚未研究积聚曲线对产生的磁场以及因此对磁引导力的影响。因此，在提出的研究中，用数值方法研究了积聚曲线对磁力的影响。因此，检查了一个血管的二维模型，其中假设粒子为积聚曲线，并有一个附近的磁体。此外，近似累积轮廓的长度、厚度和有效磁化率以及磁铁尺寸也发生了变化。结果表明，场分布受到显著影响，尤其是对于高有效磁化率。最初施加的轮廓放大了磁力；然而，当轮廓累积时，磁力降低了 50%。总的来说，结果表明，在模拟模型中必须考虑粒子分布对磁场的反作用。
超维计算的平行体系结构
高维计算代表了一种相对不同的方法来接近人工intel-intel-ligence，而不是成为主流。它专注于使用连接范式与一组简单的代数操作的使用，以形成一个强大的框架来表示观察。在本文中，我们展示了这些代数操作如何用于为超维语言模型构建并行算法。我们首先提出一个问题，即从工程和科学的角度来看，为什么这是有用的。然后，我们展示了如何构建DI设并行算法来回答这些问题的每个问题。一种算法着重于将数据分配给DI设工人，以最大程度地减少运行时，而另一种算法则侧重于分布不同的嵌入技术，以便在大脑启发的过程中进行并行学习。这两种算法都能够实现出色的效率，但是将数据分配到多个工人的算法是最有效的。我们将这些方法与流行的Word2Vec模型进行了比较，并显示它们如何在用于测试单词嵌入的原始指标之一（TOEFL测试）上胜过它们。最后，我们描述了我们对未来工作的愿景，特别是使用算法与语言和视觉的联合超二维模型并行学习多模式嵌入。
博士的标题论文
在ADS 4时期的Brane上首次检查，提供了证据表明这些量子效应增强了弱宇宙审查制度，从而增强了黑洞地平线的稳定性。随后，考虑了在不同位置的叠加中由点状源产生的时空几何形状。表明，量子校正是由位置不确定性引起的，对常规的Schwarzschild奇异性进行了切除，并在非词性黑洞和可遍历的虫洞之间产生常规的几何形状。此外，构建了一类广泛的De-Sitter核非核黑洞模型，该模型由各向异性流体采购，该模型被认为可以编码量子 - 重力校正。表明这些解决方案具有几个有趣的特征：存在额外的且可能是超级普兰克的“量子”头发，一种常规的极端黑洞状态和热力学相过渡，偏爱带有超级普兰克头发的黑洞。随后使用常规黑洞保留这些特征的二维模型来解决信息损失问题：检查了半经典级别的蒸发过程，包括反应效应。发现辐射纠缠
迈向高性能能源和动力电池单元……
优化电极制造工艺对于扩大锂离子电池 (LIB) 的应用以满足不断增长的能源需求非常重要。特别是，优化 LIB 制造非常重要，因为它决定了电池在电动汽车等应用中的实际性能。在这项研究中，我们提出了一种强大的数据驱动方法，该方法由确定性机器学习 (ML) 辅助管道支持，用于双目标优化电化学性能，解决了适合所需电池应用条件的高性能电极问题。该 ML 管道允许采用工艺参数的逆向设计，以制造用于能源或电力应用的电极。后者的工作类似于我们之前的工作，该工作支持优化电极微结构以改善动力学、离子和电子传输性能。电化学伪二维模型输入了电极特性，这些特性表征了通过制造模拟生成的电极微结构，并用于模拟电化学性能。其次，使用得到的数据集训练确定性 ML 模型，以实施快速双目标优化，从而确定最佳电极。我们的结果表明，活性材料含量高，结合浆料中固体含量和压延程度的中间值，可实现最佳电极。
利用微电极阵列对人类多能干细胞衍生的大脑模型进行功能表征
摘要：人类多能干细胞 (hPSC) 衍生的神经元培养物已成为人类大脑电活动的模型。微电极阵列 (MEA) 可测量细胞培养物或组织的细胞外电位变化，并能够记录神经元网络活动。MEA 已应用于人类受试者和 hPSC 衍生的大脑模型。在这里，我们回顾了使用 MEA 对 hPSC 衍生的二维和三维大脑模型进行功能表征的文献，并在生理和病理背景下检查了它们的网络功能。我们还总结了人类大脑的 MEA 结果，并将其与有关 hPSC 衍生大脑模型的 MEA 记录的文献进行比较。MEA 记录显示二维 hPSC 衍生大脑模型中的网络活动与人类大脑相当，并揭示了疾病模型中与病理相关的变化。与二维模型相比，三维 hPSC 衍生模型（例如脑类器官）具有更相关的微环境、组织结构和对更复杂的网络活动进行建模的潜力。hPSC 衍生的大脑模型重现了人类大脑网络功能的许多方面并提供了有效的疾病模型，但这些方法需要分化方法、生物工程和可用的 MEA 技术方面的某些进步才能充分发挥其潜力。