XiaoMi-AI文件搜索系统
World File Search System动力消耗
预测实时地热井流量和焓...低温地热井泵网络的最佳操作：Dueling Deeg Q-Network方法
为冰岛首都地区供暖区，在很大程度上依赖地热水，其中一个关键组成部分是位于雷克雅未克附近Mosfellsdalur的Reykjahlíð的深井泵网。但是，该网络的操作尚未完全优化以达到整体效率。电动潜水泵（ESP）和垂直轴泵（VSP）的组合提出了一项计算强度的优化挑战。这项工作通过集成了使用Epanet开发的液压模拟模型与Dueling Dueling Q-Network（DQN）体系结构来应对挑战，在该模型中，神经网络作为核心组件起作用，用作功能近似器，以优化流动流量和动力消耗之间的复杂，非线性关系，实现多型目标。探索了两种不同的方法，与当前的操作相比，该网络的功耗降低了6.5％，同时准确地满足了需求。此优化是在几乎实时实时执行的，这使其非常适合区域供暖系统典型的波动需求条件。
在65nm ASIC
本文提出了Saber的设计空间探索，这是NIST抗量子的公钥加密标准化工作中的决赛入围者之一。我们的设计空间探索目标是一个65nm的ASIC平台，并评估了6种不同的体系结构。我们的探索是通过设置从FPGA移植的基线雅的启动的。为了提高时钟频率（我们探索的主要目标），我们采用了几种优化：（i）以“智能合成”方式使用编译的记忆，（ii）管道上的和（iii）在Saber构建块之间共享逻辑。最优化的体系结构利用四个寄存器文件，达到了1次的显着时钟频率，而仅需要0.314𝑚𝑚2的面积。此外，为此体系结构进行了物理综合，并提出了磁带的布局。高频体系结构的估计动态功率消耗约为184MW，对于封装或拆卸操作而言，高频架构的估计动力消耗约为184MW。这些结果强烈表明我们优化的Acererator架构非常适合高速加密应用。
ODE 中用于在线发布的论文准备模板
由来自学术界和工业界的欧洲、俄罗斯和加拿大合作伙伴拥有。该框架包括多个学科，例如空气动力学、结构、推进、飞行力学、任务模拟、成本和排放。AGILE 项目的新颖之处之一是将初步机载系统设计学科整合到 MDO 框架中。机载系统学科确实深受其他设计学科的影响。反过来，机载系统学科影响着整体飞机设计 (OAD) 的主要结果。在这方面，值得注意的是，机载系统质量占飞机最大起飞质量 (MTOM) 的约 30% ([11], [12])。对飞机层面产生重大影响的是二次动力，即从发动机获取的用于供应机载系统的电力、液压和气动动力。一般而言，产生二次动力消耗所燃烧的燃料占总任务燃料的 5%。此外，机载系统设计学科会影响空气动力学（例如由于襟翼整流罩）、飞机几何形状、飞行品质、可靠性、可用性、可维护性和安全性 (RAMS) 考虑因素、成本。因此，从设计过程的最初阶段开始，在 OAD 环境中执行更详细的机载系统设计非常重要 [13]。为此，文献中提出了几个 MDO 框架来解决
应用能量 - 欧洲 - 加迪夫大学
电动汽车（电动汽车）的电力单元（即电池）在充电或排放时会产生热量，从而导致其性能和可靠性随着时间的推移而恶化。本文研究了流经微型通道的液体冷却剂的几何和热流体参数。这些嵌入在电动汽车电池的表面中，以减少过热。设计参数，例如纵横比和微型频道的角度取向，以随机调查几种几何构型，这些几何构型几乎不直观。冷却液质量流量和流体入口温度也通过随机分布值的大数据集进行变化。与经验验证的模型一起实施了实时的EV驾驶周期，以评估电池操作，这证明了电池的热状态具有不同级别的冷却改造的复杂依赖性。该研究还分析了泵送和冷却能量需要驱动冷却液系统的寄生动力消耗，以实现最佳设计的改装，以实现可靠的电池性能。发现迷你通道参数极大地影响了电池的热性能。但是，发现优化的情况在电池中具有最小的温度差和最小功率要求。液体入口速度为0.13 m/s，流体入口温度为312.9 K，纵横比为1.7，倾斜角为4.9◦