XiaoMi-AI文件搜索系统
World File Search System参数集
金属增材制造中工艺-结构-性能关系的建模：物理驱动与数据驱动方法的回顾
摘要 与传统制造相比，金属增材制造 (AM) 具有以下优势：复杂性增加、零件成本降低、零件整合度提高。多尺度、多相 AM 工艺已被证明可以生产具有非均匀微观结构的零件，从而导致基于复杂工艺-结构-性能 (p-s-p) 关系的机械性能发生变化。然而，增材机器中广泛的加工参数对仅通过实验理解这些关系提出了挑战，需要使用数字孪生，以便使用物理驱动方法调查更大的参数集。尽管物理驱动方法推进了对 p-s-p 关系的理解，但它们仍然面临着高计算成本和需要校准输入参数的挑战。因此，数据驱动方法已成为探索金属 AM 中 p-s-p 关系的新范式。数据驱动方法能够预测复杂现象，而无需传统校准，但也存在缺乏可解释性和复杂验证的缺点。这篇评论文章介绍了一系列物理和数据驱动的方法及其应用示例，用于理解广泛使用的金属 AM 技术中 p-s-p 关系（在任何链接中）中的联系。该评论还讨论了使用每种模型的优缺点，以及对物理驱动和数据驱动模型在金属 AM 中未来作用的展望。
紧凑型腔内热声热泵的数值模型
摘要 - 本文介绍了沿着放置在振荡流的紧凑型腔内的一堆固体板的热声热泵送的数值研究。速度和压力场受两个声源控制：主要的“压力”来源监测流体压缩和膨胀阶段，以及一个次级“速度”来源，产生振动性的流体运动。使用“内部”代码求解Navier进行数值模拟 - 在二维几何形状中低马赫数近似下的Stokes方程。在线性状态下，使用该模型正确描述热声热泵，用于不同参数集，例如堆栈板的热物质特性，压力振荡的幅度或速度源，两个源之间的相移。堆栈板两端之间建立的正常温度差的数值结果与分析估计值和文献中发表的实验结果非常吻合。然后考虑几种对应于在外壁上施加的不同热条件和内部分离板的配置。如果分离板是绝热的，则温度沿堆栈线性变化，从而恢复了经典线性理论的结果。如果分离板是热导传导的，则该模型提供了局部热量和传质的详细说明，表明温度场变得完全二维，并且热泵热泵效率较小。该模型非常适合探索局部传热限制对热泵效率的影响，因此非常适合详细分析更复杂的机制，例如浮力效应。
利用季节性能源储存实现经济高效的建筑气候控制的模型预测方法
为了储存夏季剩余的电能供应并满足冬季的供热需求，需要一个高容量的季节性储能系统。这项工作的目的是将一种新型热化学季节性储能概念控制集成到建筑能源系统中。在这项工作中，开发了一个基于状态的模型，包括建筑物、水缓冲区和供热系统。为了阐述长期储存的影响，应用了长期天气预报并改变了供热。由于公共天气预报在几天的时间范围内是可靠的，因此使用测试参考年数据来近似公共预报期以外的天气预报。在此基础上，设计了两个模型预测控制 (MPC) 概念，以便在一年内高效运行该系统。层次结构由上级最佳发电调度 (OGS) 和下级 MPC 组成。这些概念遵循预定的长期石灰储存轨迹，并根据当前公共预测实现可能的短期收益。轨迹跟踪在目标函数或约束中制定。将新型石灰储存模块集成到建筑物的供热系统中，在现实情况下可将运营成本降低 18%，在电价波动较大的情况下，最高可降低 80%。这种降低潜力可以通过开发的控制方法充分利用，但它对控制器参数的变化、电价波动和天气数据非常敏感。此外，通过应用最佳的控制方法和参数集，可以避免更高级别的调度层次结构。
多步校准策略，用于可靠的参数确定盐岩力学组成模型
可再生氢在盐洞中的储存需要快速注入和生产速率，以应对能源生产和消费之间的不平衡。这种操作条件引起了人们对盐洞穴的机械稳定性的担忧。为盐学选择适当的构成模型是研究此问题的重要一步，文献中已经介绍了许多具有多个参数的本构模型。但是，基于应力应变数据，可靠地确定哪个模型和哪个参数代表给定岩石的强大校准策略仍然是一个未解决的挑战。在社区中，我们首次提出了一个多步策略，以根据许多用于盐岩的变形数据集确定单个参数集。为此，我们首先开发了一个综合的构造模型，能够捕获瞬态，反向和稳态蠕变的所有相关非线性变形物理。然后，通过将校准过程作为优化问题来实现单个代表性材料参数的确定，并为其使用该问题。动态数据集成是通过多步校准策略来实现的，对于一次可用的一个实验。此外，我们的校准策略可以灵活地考虑岩石样品之间的轻度异质性，从而产生一组代表变形数据集的参数。我们的绩效分析结果表明，提出的校准策略是可靠的。作为对所提出方法的严格数学分析，缺乏相关的实验数据集，我们考虑了广泛的合成实验数据，灵感来自文献中现有的稀疏相关数据。此外，随着包含更多数据进行校准，模型的精度变得越来越好。
机器学习驱动的敏感性分析E3SM土地模型参数的湿地甲烷排放参数
摘要：甲烷（CH 4）是仅次于二氧化碳的第二个最关键的温室气体，占观察到的大气变暖的16-25％。湿地是全球甲烷排放的主要自然来源。然而，生物地球化学模型的湿地甲烷排放估计含有相当大的不确定性。这种不确定性的主要来源之一是源于影响甲烷产生，氧化和运输的各种物理，生物学和化学过程中的众多不确定模型参数。灵敏度分析（SA）可以帮助确定甲烷排放的关键参数，并在未来的预测中实现降低的偏见和不确定性。这项研究为19个选定参数执行SA，负责在能量Exascale Excalesears System Model（E3SM）土地模型（ELM）的甲烷模块中进行关键生物地球化学过程。这些参数对各种植被类型的14个FluxNet-CH 4位置检查了各种CH 4通量的影响。鉴于基于全球差异的SA所需的大量模型模拟，我们采用机器学习（ML）算法来模仿ELM甲烷生物地球化学的复杂行为。mL使计算时间从6个CPU小时显着缩短到0.72毫秒，从而实现了降低的计算成本。我们发现，尽管明显的季节性变化，但与CH 4产生和扩散相关的参数通常呈现出最高的敏感性。这是一个范围，用于使用参数校准进一步改善模拟排放，并采用高级优化技术（例如贝叶斯优化）。比较了来自扰动参数集的模拟排放与FluxNet-CH 4观察结果表明，与默认参数值相比，每个站点可以实现更好的性能。
评估...
在量子计算硬件的最新进展之后，国家标准技术研究所（NIST）是标准化的加密协议，这些协议可抵抗量子对手的攻击。NIST选择的主要数字签名方案是晶体-Dilithium。该方案的硬度基于三个计算问题的硬度：模块学习错误（MLWE），模块短整数解决方案（MSIS）和自助图。mlwe和msis经过了很好的研究，被广泛认为是安全的。然而，自我攻击是新颖的，尽管在经典上与MSI一样坚硬，但其量子硬度尚不清楚。在本文中，我们通过减少量子随机Oracle模型（QROM）中的MLWE来提供自我攻击性硬度的第一个证明。我们的证明使用了最近开发的量子重编程和倒带技术。我们方法的一个核心部分是证明了来自MSIS问题的某些哈希函数正在崩溃。从这种方法中，我们在适当的参数设置下得出了一个新的安全性证明。与Kiltz，Lyubashevsky和Schaffner（Eurocrypt 2018）的先前工作相比，它为DiLithium变体提供了唯一的其他严格安全证明，我们的证明具有适用于条件Q = 1 mod 2 N的优势，其中Q表示模量和n的模量和n的尺寸。此条件是原始二硫族提案的一部分，对于该计划的有效实施至关重要。9×和1。分别比Kiltz等人提出的分别大。我们在条件q = 1 mod 2 n下为二氨石提供了新的安全参数集，发现我们的公共密钥大小和签名大小约为2。在同一安全级别。
人工神经网络超级学习的元学习...
摘要。紧凑型μ子螺线管 (CMS) 是欧洲核子研究中心大型强子对撞机 (LHC) 的通用探测器之一，它收集了大量的物理数据。在进行最终的物理分析之前，必须通过一系列自动（如物理对象重建、直方图准备）和手动（检查、比较和决策）步骤检查数据的质量（认证）。决策的最后一个手动步骤非常重要，容易出错，需要大量人力。决策（认证）目前正在计算机科学领域积极研究，以通过应用计算机科学的最新进展，特别是机器学习 (ML) 来实现自动化。归根结底，CMS 数据认证是一个二元分类任务，其中正在研究各种 ML 技术的适用性。就像任何其他 ML 任务一样，超参数调整是一个难题，没有黄金法则，每个用例都不同。本研究探索了元学习的适用性，它是一种超参数查找技术，其中算法从以前的训练实验中学习超参数。进化遗传算法已用于调整神经网络的超参数，如隐藏层数、每层神经元数、激活函数、辍学、训练批量大小和优化器。最初，遗传算法采用手动指定的超参数集，然后向接近最优解发展。应用遗传随机算子、交叉和变异来避免局部最优解。本研究表明，通过仔细播种初始解决方案，很可能会找到最优解。所提出的解决方案提高了用于 CERN CMS 数据认证的神经网络的 AUC 分数。类似的算法可以应用于其他机器学习模型的超参数优化。
人工智能与计算心理科学的联系
研究人类行为和认知。人工智能 (AI) 算法的发展极大地扩展了 CPS 的潜力，为大脑中复杂和动态过程的建模提供了强大的工具。人工智能对 CPS 产生重大影响的一个领域是情绪识别领域。研究人员现在可以收集大量情绪面部表情数据集，并使用人工智能算法（如卷积神经网络 (CNN)）来学习如何从这些图像中识别不同的情绪。这些模型可用于预测情绪在大脑中的表现方式以及情绪如何受到社会和环境因素的影响。人工智能算法还可用于优化计算模型的参数并提高其准确性和预测能力。例如，进化算法可用于搜索最适合实验数据的模型参数集，而强化学习算法可用于优化模型在复杂和动态环境中的决策策略。除了情绪识别之外，人工智能还被用于 CPS 来模拟其他认知过程，例如决策、学习和记忆。例如，深度学习算法已被用来开发大脑如何学习和表示视觉和听觉刺激的模型，而强化学习算法已被用来模拟大脑如何在不确定和变化的环境中做出决策。总的来说，人工智能和 CPS 之间的联系有可能为人类行为和认知的计算基础提供新的见解，并开发出可以改善人类福祉的新干预措施和技术。然而，这一领域也引发了重要的伦理和社会问题，例如人工智能对隐私、社会不平等和未来工作的潜在影响。随着人工智能和 CPS 的不断发展，重要的是要仔细考虑这些问题，并确保以有利于整个社会的方式使用这些技术。关键词：计算心理学；人工智能；智能系统；人类行为
精确BKZ模拟的设计
BKZ仿真的主要作用着重于显示BKZ算法的高块大小的行为，因此，当前的晶格安全性分析（例如，对当前LWE/NTRU基于的基于LWE/NTRU的方案）的有效/安全参数 - 选择这些模拟的有效/安全参数集的选择）。本文声称，当前的BKZ模拟不一定足够准确，可以进行精确的晶格安全分析，因此，这项研究首次介绍了两种可证明的“更新GSO/系数/系数的仿真”和“ LLL功能的仿真”的工具，以用于设计准确的BKZ模拟。本文证明，对于典型的SVP求解器“ Z”（例如，GNR驱动，筛分，离散的修剪），如果对“ z_memulate”进行了模拟，可以证明“ z_memulate”可以模仿“ z”的实际运行行为，那么我们可以通过“模拟我们的bkz模拟”来模拟'svpsolver'= z____________________________________________________________________________________________________________________________________________________求解器“ z”。我们的BKZ模拟解决了以前的BKZ模拟中的不同问题和弱点。Our tests show that, altogether, the shape of GSO norms ∥ b ∗ i ∥ 2 , the root-Hermite factor of basis, estimated total-cost and the running-time in “Experimental Running of Original BKZ algorithm” are closer to the corresponding test results in “Our BKZ Simulation” than to the test results in “Chen-Nguyen's BKZ simulation”, “BKZ simulation by Shi Bai et al.”和其他一些BKZ模型和近似值。此外，更新Chen-Nguyen的BKZ模拟的GSO规范/系数的错误策略会导致晶格块中的许多GSO违规错误，另一方面，我们的测试结果验证了我们的BKZ模拟中所有这些错误自动消除了所有这些错误。
基于放射组学的脑转移瘤患者术后立体定向放射治疗局部控制率预测
摘要背景。手术切除是治疗大型或有症状的脑转移瘤 (BM) 患者的标准方法。尽管辅助立体定向放射治疗后局部控制得到改善，但局部失败 (LF) 的风险仍然存在。因此，我们旨在开发并外部验证一种基于治疗前放射组学的预测工具，以识别高 LF 风险的患者。方法。数据来自 BM 切除腔立体定向放射治疗多中心分析 (AURORA) 回顾性研究（训练队列：来自 2 个中心的 253 名患者；外部测试队列：来自 5 个中心的 99 名患者）。从增强 BM（T1-CE MRI 序列）和周围水肿（T2-FLAIR 序列）中提取放射组学特征。比较了不同的放射组学和临床特征组合。最终模型在整个训练队列上进行训练，使用先前通过内部 5 倍交叉验证确定的最佳参数集，并在外部测试集上进行测试。结果。使用放射学和临床特征组合训练的弹性网络回归模型在外部测试中表现最佳，一致性指数 (CI) 为 0.77，优于任何临床模型（最佳 CI：0.70）。该模型在 Kaplan-Meier 分析中有效地根据 LF 风险对患者进行分层（P < .001），并显示出增量的净临床效益。在 24 个月时，我们发现低风险组和高风险组分别有 9% 和 74% 出现 LF。结论。临床和放射学特征的组合比单独的任何临床特征集更能预测无 LF。LF 高风险患者可能会受益于更严格的随访程序或强化治疗。