XiaoMi-AI文件搜索系统
World File Search System力图
演员：基于跨注意的结构的多模式融合...
AI的最新进展彻底改变了材料科学和加速材料发现的财产预测。图形神经网络（GNN）由于能够表示晶体结构作为图形，有效捕获局部相互作用并提供出色的预测，因此脱颖而出。但是，这些方法通常会丢失关键的全局信息，例如晶体系统和重复单位连接。为了解决这个问题，我们提出了Cast，这是一个基于跨注意的多模式融合模型，该模型集成了图形和文本模式以保留基本的材料信息。cast使用交叉注意机制将节点 - 和令牌级的特征结合在一起，超过了依赖于材料级嵌入（如图形平均值或[Cls]令牌）的先前方法。掩盖的节点预测预处理策略进一步增强了原子级信息的整合。与Crysmmnet和MultiMAT等方法相比，我们的四个晶体特性（包括带隙）的性质预测的实现最大提高了22.9％。预处理是对齐节点和文本嵌入的关键，并且注意力图证实了其在捕获节点和令牌之间关系的有效性。这项研究强调了材料科学中多模式学习的潜力，为更强大的预测模型铺平了道路，这些模型纳入了本地和全球信息。
AI和大型模型的基础
近年来，基于深度卷积网络的对象重新识别（REID）的性能已达到很高的水平，并且取得了不错的进步。现有方法仅着眼于特征和分类精度的鲁棒性，而忽略了不同特征之间的关系（即画廊 - 壁画对之间的关系或探测 - 探针对之间的关系）。特别是，位于决策边界的探针是抑制对象REID性能的关键。我们将此探针视为硬样本。最近的研究表明，图形卷积网络（GCN）显着改善了特征之间的关系。但是，将GCN应用于对象REID仍然是一个悬而未决的问题。本文提出了两个可学习的GCN模块：特征聚合图卷积网络（FA-GCN）和评估连接图卷积网络（EC-GCN）。具体来说，预处理选择一个任意特征提取网络来提取对象REID数据集中的功能。给定探针，FA-GCN通过画廊集的亲和力图聚集了相邻节点。之后，EC-GCN使用随机概率库采样器来构建子图，以评估探针 - 壁画对的连通性。最后，我们将节点特征和连接比共同汇总为一个新的距离矩阵。对两个人REID数据集（Market-1501和Dukemtmc-Reid）和一个车辆REID数据集（VERI-776）的实验结果表明，所提出的方法可实现最先进的性能。
遥感和 GIS：地下水应用...
摘要 采用遥感、地理信息系统 (GIS) 和更传统的实地工作技术相结合的方法来评估厄立特里亚中部高地的地下水潜力。对 Landsat TM 和 Spot 的数字增强彩色合成图和全色图像进行解释，以生成岩性和线性构造等专题地图。评估了先进星载热辐射和反射辐射计 (ASTER) 数据用于岩性和线性构造测绘的潜力。从数字高程模型中得出地表曲率、坡度和排水系统等地形参数，并用于绘制地形图。比较了从等高线中得出的数字高程模型 (DEM) 和在航天飞机雷达地形任务 (SRTM) 中获取的数字高程模型 (DEM) 在位置、排水网络和线性构造提取方面的关系。在不同岩石类型中现场测量了裂缝模式和间距，并与线性构造进行了比较。访问了选定的泉水和水井，以研究它们的地形和水文地质环境。收集了井日志、抽水试验、旱季和雨季的地下水位深度以及井的位置。所有专题图层（包括水文地质数据）都整合到地理信息系统中并进行分析。生成地下水潜力图并与产量数据进行了比较。根据大型挖井的水位波动和氯化物质量平衡法估算地下水补给量。P
Microsoft Word - 使用 UAV_enviado.docx 获得的处方图监测葡萄园中的特定地点喷洒情况
根据无人机获得的处方图监测葡萄园的特定地点喷洒情况 J. Campos 1、M. Gallart 1、J. Llop 1 和 E. Gil 1 1 加泰罗尼亚理工大学，农业食品工程和生物技术系，Esteve Terradas, 8, 08860 Castelldefels，西班牙 javier.campos@upc.edu 摘要 本研究介绍了变量速率喷雾器原型的实际站点特定喷洒地图的开发，该原型按照无人机获得的处方图工作。试验在托雷拉维特（西班牙东北部）的一个具有代表性的 3 公顷梅洛品种葡萄园中进行。处方图是通过合并安装在无人机上的多光谱摄像机获得的冠层数据和应用程序 DOSAVIÑA ® 提供的信息获得的。然后，将该处方图上传到变量喷雾器原型中，在喷洒过程之后获得实际的应用图。实际应用地图允许跟踪所有处理区域的数据，并计算与传统喷洒应用相比的农药节省量。结果表明，与传统喷洒应用相比，实际应用节省了约 20% 的用量。关键词：可变速率应用、无人机、活力图、实际地图。简介考虑到“特种作物”的具体情况，确保高效喷洒应用过程的最重要因素是冠层特征，例如冠层尺寸和棚架系统（Rosell 和 Sanz，2012 年；Salcedo 等人，2015 年）。已经进行了多项研究
太阳活动MOF监视器的第一盏灯（...
摘要 - SAMM（太阳活动MOF监视器）是一种基于地面的机器人仪器，已开发用于研究和不断监测太阳的磁性，重点是活动区域（ARS）。这些区域的特征是复杂的磁性结构，可能导致爆炸性事件通常与空间环境中大量粒子和物质弹出有关。与地球磁层相互作用时，它们可以对我们的基础设施（卫星，导航系统）和地面（发电厂和电网）中的基础设施构成威胁。基于钠（Na）和钾（K）磁铁光学过滤器（MOFS），SAMM提供了“层析成像”的视图，以在太阳能的不同高度下提供高节奏磁力图和多普勒格拉姆的磁性结构，从而提供了一个独特的数据集高度，从而提供了一个独特的数据集，以推动当前的空间范围的天气范围内的范围较高的空间范围。能够预先预测这些事件（甚至几个小时）是制定缓解策略的基本任务，以减少对地球上重要基础设施的潜在灾难性影响。在这种情况下，SAMM天文台已经意识到可以在全球网络中复制的“节点”，目的是持续覆盖太阳状况。该项目最初是由意大利经济发展部（MISE）在2015年通过软贷款赠款资助的，其发展和运营是在INAF - 罗马与那不勒斯天文学观测站与意大利小型企业（SME）Avalon Instruments的科学合作中进行的。经过三年的发展，SAMM处于调试阶段。在本文中，我们提出了最终的仪器描述以及第一光图像。
机械材料航空工程
模块5：虚拟工作和能量方法 - 虚拟位移，粒子的虚拟工作原理以及刚体的理想系统，自由度。主动力图，有摩擦的系统，机械效率。保守力和势能（弹性和重力），平衡的能量方程。能量法对平衡的应用。平衡的稳定性。模块6：颗粒动力学 - 颗粒的运动学：直线运动，平面曲线运动 - 矩形坐标，正常和切向坐标，极性坐标，空间曲率 - 圆柱 - 圆柱形，球形（球形（坐标），相对和约束运动。颗粒动力学：力，质量和加速度 - 直线和曲线运动，工作和能量，脉冲和动量 - 线性和角度；影响 - 直接和倾斜。颗粒系统动力学：牛顿的第二定律，工作能源，脉冲弹药，能量的保护，能量和动量模块7：刚体的刚性身体动力学介绍：刚体旋转的方程式，用于在固定轴上旋转固定轴旋转固定轴的固定平面，一般平面运动，旋转平面运动的旋转旋转的旋转旋转的旋转架子旋转的旋转旋转旋转的旋转。coriolis刚体刚体的加速动力学：刚体的运动方程，平面运动中刚体的角动量，刚体的平面运动和D'Alembert的原理，刚体的系统，刚体的系统，限制了平面运动；作用在刚体上的力和作用，平面运动中刚体的动能，刚体的系统，能量保护，刚体的平面运动 - 脉冲和动量，刚体的系统，刚体的系统，保护角动量。
利用虚拟密集连接提升视觉变换器的对抗性迁移能力
随着视觉变换器 (ViT) 的巨大成就，基于变换器的方法已成为解决各种计算机视觉任务的新范式。然而，最近的研究表明，与卷积神经网络 (CNN) 类似，ViT 仍然容易受到对抗性攻击。为了探索不同结构模型的共同缺陷，研究人员开始分析跨结构对抗性迁移能力，而这方面仍未得到充分研究。因此，在本文中，我们专注于 ViT 攻击，以提高基于变换器和基于卷积的模型之间的跨结构迁移能力。先前的研究未能彻底调查 ViT 模型内部组件对对抗性迁移能力的影响，导致性能较差。为了克服这个缺点，我们开展了一项激励研究，通过线性缩小 ViT 模型内部组件的梯度来分析它们对对抗性迁移能力的影响。基于这项激励研究，我们发现跳跃连接的梯度对迁移能力的影响最大，并相信来自更深块的反向传播梯度可以增强迁移能力。因此，我们提出了虚拟密集连接方法（VDC）。具体来说，在不改变前向传播的情况下，我们首先重构原始网络以添加虚拟密集连接。然后，在生成对抗样本时，我们通过虚拟密集连接反向传播更深层注意力图和多层感知器（MLP）块的梯度。大量实验证实了我们提出的方法优于最先进的基线方法，ViT模型之间的可迁移性提高了8.2%，从ViT到CNN的跨结构可迁移性提高了7.2%。
人工智能对项目管理决策的影响
Kolbjørnsrud、Amico 和 Thomas（2016）提到人工智能的主要设计目的是赋予人们权力并提高他们的生产力。它认为人工智能可以像人类大脑一样学习、推理、适应和执行任务。这一结论的证据是，一些科技公司和初创公司已经开发出帮助他们使用人工智能解决社会面临的一些问题的系统。在组织层面，人工智能的使用对 PMIS 等多种技术有影响。虽然过去的研究表明使用人工智能可能会导致糟糕的决策，但这项研究认为，项目经理如果使用得当，就可以利用人工智能的好处。该研究的一部分是关于人工智能如何影响 PMIS 提供的信息有助于管理者理解他们如何在运行各种项目时使用人工智能来改善他们的决策。讨论人工智能在管理中的利弊，为管理者提供了一系列见解，他们可以使用这些见解来确定如何获得人工智能的回报（Maleszak & Zaskórski，2015）。这项研究的假设是，在数据收集过程中部署人工智能将提高管理信息系统中的数据完整性。这反过来又引出了这样的论点：在数据管理过程中实施人工智能将由于拥有更高质量的数据而增强决策过程。多项研究表明，对管理信息系统的大量投资也带来了数据收集，汇编和整理方面的一些问题。正是这个原因，使用它们的公司仍然会做出错误的决定。这项研究将回顾一些可能导致这种结果的因素。多项研究还表明，人工智能对企业用于推动各种运营的信息系统有重大影响。因此，本研究力图检验上述假设，以确定人工智能在PMIS研究和实施中的作用，以帮助项目经理对各项操作的实施和管理做出更好的决策。
循环经济：矿山土地潜力
CCSI 的《循环经济：矿山土地潜力图》旨在供公司、研究人员、学者、民间社会和政府官员用作采矿后土地利用潜力的一般指南和可视化工具。创新的土地利用可以将历史上一直是负债的矿山土地变成资产，创造经济机会，促进可持续发展，并推动实现净零经济，同时避免对关键自然资源和栖息地造成有害破坏。可视化工具中的每个概念下都有一个超链接，指向一项研究、文章、视频、播客或其他示例，证明采矿后土地利用实践的可行性。从线性经济转向循环经济（涉及保存、共享、扩展、租赁、修复、再利用和回收现有材料，同时重新构想材料使用方法和实践及其生命周期）对于实现可持续发展和脱碳至关重要。采矿业实施循环原则的核心阶段之一是采矿后关闭，确保以前的矿区土地能够重新利用，为所在社区和国家提供可持续发展效益，同时避免景观遭到破坏。全球采矿占地 57,277 平方公里，数十万个这样的采矿点已被废弃。特别是，受污染的矿区土地是重大环境和健康风险的根源。一半的金属开采发生在距离受保护土地不到 20 公里的地方，在美国，采矿业被认为是该国最大的有毒污染源。酸性矿井排水是一种硫化物从矿井中渗入附近水源并产生硫酸的过程，这种过程尤其有害，因为它可以无限期地发生。如今，一旦大规模发生渗出，就没有完全缓解酸性矿井排水的例子。此外，鉴于全球脱碳对土地的密集程度，全球脱碳增加了土地压力
空间物理学职业的经验教训
我在多伦多长大，20 世纪 40 年代中期开始上学。我并不是一个特别优秀的学生，我对下棋比赛的兴趣可能比对学校教的科目更浓厚。尽管如此，我相信下棋学到的东西可能至少和学校教的东西一样重要。在我从事空间物理学的工作中，能够想象三维复杂场景并提前思考几步的能力是一项独特的优势。当我上大学时，我选择进入多伦多大学的 MPC（数学、物理和化学）专业。这似乎是个不错的选择，因为我的三个哥哥都是大学毕业并获得物理学博士学位的。在头三年，我最多只是一个平庸的学生。后来，一次幸运改变了一切。在三年级和四年级之间的暑假，我第一次在科学实验室工作，制造设备并参与了第一台脑部扫描机的研发。我以优异的成绩完成了最后一年的学业，并进入了研究生院。在攻读硕士学位期间，我设置了磁强计阵列来研究安大略省南部的地下电导率。我本应该研究地球的感应电流，但我想知道是什么感应了这些电流。我在阿金库尔磁力观测台花了很多时间观察磁力图，过了一段时间，我开始看到一些模式。我实际上是在观察现在被称为亚暴的磁特征——在当时它们被称为磁湾。当我被说服去不列颠哥伦比亚大学攻读博士学位，研究地球磁场的扰动时，我已经着迷了。这就是我从事空间物理学事业的原因。1966 年获得博士学位后，我研究地磁脉动，在瑞典斯德哥尔摩的皇家理工学院做了博士后