XiaoMi-AI文件搜索系统
World File Search System储层
基于深度学习的油气储层空间识别
油气储集空间，顾名思义就是储集石油和天然气的空间。不同岩性储集层中储集空间类型有很多差异，如砂岩储集层中的储集空间主要分为原生孔隙、次生孔隙和微裂缝三种类型。在油气储集层同等条件下，储集空间勘探成为寻找油气最直接、最有效的手段。从含量上看，一般情况下，储集层中储集空间含量越高，储集的油气就越多。从类型上看，确定储集空间的主要类型，可以通过分析其形成机理和主控因素，反求找到储集空间[1-3]。总之，储集空间类型和含量的识别对于油气勘探极为关键。
基于峰值的模式识别的蛋白质结构化储层计算
摘要 - 到现在，我们目睹了半导体行业的微型化趋势，并得到了纳米级表征和制造方面的开创性发现和设计的支持。为了促进趋势并产生越来越小，更快，更便宜的计算设备，纳米电子设备的大小现在达到了原子或分子的规模，这无疑是对新型设备的技术目标。随着趋势，我们探讨了在单个蛋白质分子上实施储层计算的非常规途径，并具有小型世界网络特性的介入神经形态连接。我们选择了izhikevich尖峰神经元作为电子处理器，与Verotoxin蛋白的原子相对应，其分子作为连接处理器的通信网络的“硬件”结构。我们在单个读数层上申请，以监督方式采用各种培训方法来研究分子结构化储层计算（RC）系统是否能够处理机器学习基准。我们从基于峰值依赖性塑性的远程监督方法开始，并以线性回归和缩放的共轭梯度背部传播训练方法继续进行。RC网络被评估为标准MNIST和扩展MNIST数据集的手写数字图像上的概念概念，并与其他类似方法相比，证明了可接受的分类精度。
量子储层计算中的动态相变
封闭的量子系统表现出不同的动力学状态，例如多体定位或热化，这些动力学确定了信息的传播和处理的机制。在这里，我们解决了这些动态阶段在量子储存计算中的影响，量子储存计算是一种非常规计算范式，该范式最近扩展到了量子状态，该量子范围扩展到利用动态系统来求解非线性和时间任务。我们确定热相自然适应了量子储层计算的要求，并报告了在热化过渡时的性能提高。揭示旋转网络最佳信息处理能力背后的基本物理机制对于将来的实验实现至关重要，并为动态阶段提供了新的观点。
大脑连接符合储层计算
人工神经网络（ANN）的连通性与在生物神经网络（BNN）中观察到的连通性不同。实际大脑的接线可以帮助改善ANNS体系结构吗？我们可以从ANN中了解哪些网络功能在解决任务时支持大脑中的计算？ANNS的架构是经过精心设计的，在许多最近的绩效改进中具有至关重要的重要性。另一方面，BNNS的出现紧急连接模式。在个人层面上，BNNS的连通性是由大脑发育和可塑性过程引起的，而在物种层面上，进化过程中的自适应重新配置也起着主要作用，可以塑造连通性。近年来已经确定了无处不在的大脑连接性特征，但是它们在大脑执行具体计算的能力中的作用仍然很少了解。 计算神经科学研究仅揭示了特定的大脑连接性特征对抽象动力学特性的影响，尽管实际上几乎没有探索真实的大脑网络拓扑对机器学习或认知任务的影响。 在这里，我们提出了一项跨物种研究，采用混合方法整合了真实的大脑连接组和生物回声状态网络，我们用来求解具体的内存任务，从而使我们能够探究实际大脑连接模式对任务解决方案的潜在计算含义。 我们发现在物种和任务之间保持一致的结果，表明，如果允许最小的随机性和连接的多样性，则具有生物学启发的网络以及经典的回声状态网络的性能以及经典的回声状态网络。无处不在的大脑连接性特征，但是它们在大脑执行具体计算的能力中的作用仍然很少了解。计算神经科学研究仅揭示了特定的大脑连接性特征对抽象动力学特性的影响，尽管实际上几乎没有探索真实的大脑网络拓扑对机器学习或认知任务的影响。在这里，我们提出了一项跨物种研究，采用混合方法整合了真实的大脑连接组和生物回声状态网络，我们用来求解具体的内存任务，从而使我们能够探究实际大脑连接模式对任务解决方案的潜在计算含义。我们发现在物种和任务之间保持一致的结果，表明，如果允许最小的随机性和连接的多样性，则具有生物学启发的网络以及经典的回声状态网络的性能以及经典的回声状态网络。我们还提出了一个框架Bio2Art，以映射和扩展可以集成到经常性ANN中的真实连接组。这种方法还使我们能够表明核次间连通模式多样性的重要性，强调了决定神经网络连通性的随机过程的重要性。
储层计算方法微填充检测
摘要。目标。在高风险职业工作的广泛专业人员中检测微渗，对工作场所的安全非常重要。提出了采用储层计算（RC）方法的微填充分类器。特定的回波状态网络（ESN）用于增强微观检测的先前基准性能。方法。使用了基于ESN的新型泄漏积分器进行聚类设计。这种设计的效果在于简单的性能，即使用细粒度的体系结构，其中包含每个群集多达8个神经元，以捕获个性化状态动力学并实现最佳性能。这是使用RC模型实施和评估基于EEG的微骨检测的第一项研究，以检测来自EEG的微渗。主要结果。使用级联的ESN分类器，具有泄漏的积体神经元，使用544个功率频谱特征的60个主要成分。这导致了φ= 0的性能中的一件受试者的平均检测。51±0。07（平均值±SE），AUC-ROC = 0。88±0。 03，AUC-pr = 0。 44±0。 09。 明显的能力。 尽管基于EEG的微质量检测系统的性能仍然被认为是适度的，但这种重新定义的方法在微质量检测中获得了新的基准测试。88±0。03，AUC-pr = 0。44±0。09。明显的能力。尽管基于EEG的微质量检测系统的性能仍然被认为是适度的，但这种重新定义的方法在微质量检测中获得了新的基准测试。
从水，能量和土地透视的季节性抽水储存与常规储层大坝之间的比较
可再生能源的来源正在提供越来越多的发电混合物，但是它们的实时驱动了对能量存储的需求。同时，由于需求的变化，水资源越来越稀少，例如人口增长，供应侧压力，例如气候变化和与管理不善有关的挑战。大型存储库用于水管理和能源存储。但是，一些现有的和拟议的水力发电储藏室需要大量的土地，并具有相当大的社会和环境影响。越来越多地关注水和能源储能，从水能 - 陆基Nexus方法促进了这项研究。我们的目标是比较如何为水力发电服务（例如水力发电，电网和水管理）提供季节性抽水存储（SPS）和常规储层大坝（CRD）植物。我们的案例研究区是巴西，这是一个具有广泛水力发电能力和开发计划的国家，我们将CRD与潜在SPS工厂之间的成本，土地需求和社会影响进行比较。鉴于土地要求和蒸发性损失要低得多，虽然季节性抽水存储的资本成本高于常规储层大坝，但它们是一种有价值的水和储能替代方案，尤其是在具有纯形地形和高蒸发的地点。结果表明，如果今天建造了Sobradinho CRD，则将导致14.6亿美元的亏损，另一方面，MuquémSPS工厂将获得0.67B美元的收入。
储层解决方案 - 储能小册子
储层存储单元是一种模块化的高密度解决方案，是工厂建造和测试以降低项目风险，缩短时间表和削减安装成本的。储层存储单元是使用GE的电池刀片设计构建的，以实现行业领先的能源密度和最小化的占地面积。ge的专有叶片保护单元积极平衡每个电池刀片的安全性，寿命和性能，将电池寿命延长高达15％，并将故障电流降低到5倍。模块化系统具有多个安装和电缆选项，包括PAD或码头，并配置为在项目寿命中使用所有天气功能和高效冷却系统在项目寿命中最大程度地减少运营和维护（O＆M）费用。