XiaoMi-AI文件搜索系统
World File Search System动力模型
加拿大蒙特利尔理工学院的博士后职位
项目摘要：气候变化正在增加洪水的频率和强度，强调需要预测洪水范围，幅度和时机的更好的洪水预测系统。短期，实时预测对于紧急响应至关重要，而长期预测有助于计划和适应。流体动力模型是预测深度和速度（例如深度和速度）的重要工具。在加拿大这样的寒冷地区，水动力模型需要与河流模型相结合，以解释冰过程对洪水的影响。但是，以高精度模拟大型河流系统非常昂贵。一个有希望的解决方案是将这些基于物理的流体动力模型与机器学习（ML）集成在一起，从而可以提高速度和准确性。该项目将着重于推进当前的混合流体动力/ML技术来处理未来的不确定性，尊重身体一致性并保持解释性。
![arxiv：2111.01994v1 [hep-ph] 2021年11月3日](/simg/g:\will\search\icon\source\9\9096ef6a73b29d1530de7acea2a182b6c6f9ce76.webp)
arxiv：2111.01994v1 [hep-ph] 2021年11月3日
遵循Boz˙ek-Wyskiel参数化倾斜初始条件，这是一种基于Glauber碰撞几何形状结构纵向倾斜的螺栓固定的替代方法。这种纵向倾斜的初始条件与理想clvisc（3 + 1）d流体动力模型相结合，观察到在广泛的速度范围内的不变的定向流相关V 1。将模型的结果与实验性观察到的来自√snn = 200 Gev Cu + Cu的导向流量V 1（η）的数据进行了比较，rhIC Energy在RhIC Energy上的cu + Au + Au碰撞与√snn = 2.76 TEV和√snn = 5.02 tev pb + pb collisions at lhc lhc lhc lhc lhc colusions。我们发现，重离子碰撞中的定向流量测量可以对向前和向后传入核的不平衡以及沿X方向的压力梯度的幅度不对称设定强大的限制。
Hybrid-rvit
阿尔茨海默氏病（AD）是全球残疾的主要原因。早期检测对于预防进展和制定有效的治疗计划至关重要。这项研究旨在开发一种新颖的深度学习（DL）模型，即混合RVIT，以增强AD的检测。所提出的混合-RVIT模型将预训练的卷积神经网络（RESNET-50）与视觉变压器（VIT）集成在一起，以对AD的不同阶段进行分类。用于转移学习，促进电感偏差和特征提取的Resnet-50。同时，VIT处理图像贴片的序列通过自我发项机制捕获长距离关系，从而充当局部全球特征提取器。Hybrid-Rvit模型的训练精度为97％，测试精度为95％，表现优于先前的模型。这证明了其在从脑MRI数据中准确识别和分类广告阶段的潜在疗效。将Resnet-50和VIT结合的混合动力模型在AD检测中表现出卓越的性能，强调了其作为医学专业人员解释和分析脑MRI图像的宝贵工具的潜力。该模型可以显着改善AD的早期诊断和干预策略。
使用与爱丽丝的观众中子在LHC
高于150 MeV的温度，核物质过渡到夸克 - 胶状等离子体（QGP）：未绑定的夸克和胶子的阶段。在重合离子碰撞中以每核核子对（√𝑠NN）的质量量表中的重型离子碰撞达到TEV量表，该量表可以产生大于10 GEV / FM 3的能量密度。该工程的空间分布源自原子核在初始状态的重叠的波动形状。在约10 fm / c的时间尺度上，QGP（一种接近完美的流体）将空间各向异性转化为发射颗粒的动量各向异性，称为各向异性流动。这种观察结果与流体动力模型计算的比较允许提取QGP粘度。观众核子 - 碰撞核的残留物，在出现各向异性之前，该核的近距离核（≪1 fm / c）对初始状态波动很敏感。本论文列出了各向异性流的新颖测量及其相对于观众偏转的铅铅和Xenon-Xenon碰撞的波动，分别为2.76 TEV和5.44 TEV，而爱丽丝在大型Hadron Collider上。这些观察结果显示出具有初始能量密度的形状的近似通用缩放。使用观众和仅使用产生颗粒的流程测量之间的差异限制了初始状态的波动。与当前没有观众动力学的当前初始状态模型进行比较表明，需要这些动力学来提高QGP粘度提取的精度。