XiaoMi-AI文件搜索系统
World File Search System性能改进
航空航天工业中的数字孪生：简单介绍
摘要 数字孪生 (DT) 主要是任何可想象的物理实体的虚拟复制品，是一项具有深远影响的高度变革性技术。无论是产品开发、设计优化、性能改进还是预测性维护，数字孪生都在通过多种多样的业务应用改变各个行业的工作方式。航空航天业（包括其制造基地）是数字孪生的热衷者之一，对其定制设计、开发和在更广泛的运营和关键功能中的实施表现出前所未有的兴趣。然而，这也带来了一些对数字孪生技术的误解，以及对其最佳实施缺乏了解。例如，将数字孪生等同于智能模型，而忽略了数据采集和可视化的基本组成部分，会误导创建者构建数字阴影或数字模型，而不是实际的数字孪生。本文揭示了数字孪生技术在航空航天领域以及其他领域的复杂性，以消除影响其在安全关键系统中有效实现的谬误。它包括对数字孪生及其组成元素的全面调查。阐述了它们特有的最先进的组成以及相应的局限性，提出了航空航天领域未来数字孪生的三个维度，称为航空数字孪生（aero-DT），作为本次调查的结果。这些包括数字孪生的交互、标准化和认知维度，如果认真利用这些维度，可以帮助航空 DT 研发界将现有和未来航空航天系统及其相关流程的效率提高四倍。
通过跨数据集迁移学习增强脑电信号通路中的病理检测
基于脑电信号和解码大脑活动的病理诊断对于理解神经系统疾病具有重要意义。随着人工智能方法和机器学习技术的进步，准确的数据驱动诊断和有效治疗的潜力显着增长。然而，将机器学习算法应用于现实世界的数据集在多个层面上提出了不同的挑战。标记数据的稀缺性，特别是在低水平场景中，由于招募成本高，真实患者队列的可用性有限，凸显了扩展和迁移学习技术的重要性。在本研究中，我们探索了一个现实世界的病理分类任务，以突出数据和模型扩展以及跨数据集知识转移的有效性。因此，我们观察到通过数据扩展可以获得不同的性能改进，这表明需要仔细评估和标记。此外，我们确定了可能的负转移挑战，并强调了一些关键成分对克服分布偏移和潜在的虚假相关性并实现正转移的重要性。当可用的标记数据量较少时，通过使用源数据集 (TUAB) 中的知识，我们发现目标模型在目标 (NMT) 数据集上的性能有所提高。我们的研究结果表明，小型通用模型（例如 ShallowNet）在单个数据集上表现良好，而大型模型（例如 TCN）在从大型多样化数据集进行迁移和学习方面表现更好。
一种基于心算的脑电信号分类的新型进化预处理方法
摘要 脑机接口系统从脑电图 (EEG) 信号中解码大脑活动，并将用户的意图转化为控制和/或与增强或辅助设备通信的命令，而无需激活任何肌肉或周围神经。在本文中，我们旨在通过一种新颖的进化方法（基于融合的预处理方法）使用改进的 EEG 信号处理技术来提高这些系统的准确性。这种方法的灵感来自染色体交叉，即同源染色体之间遗传物质的转移。在本研究中，提出的基于融合的预处理方法被应用于从 29 名受试者收集的开放获取数据集。然后，通过自回归模型提取特征并用 k 最近邻分类器进行分类。我们对基于二元心算 (MA) 的 EEG 信号检测实现了 67.57% 到 99.70% 的分类准确率 (CA)。除了获得 88.71% 的平均 CA 之外，93.10% 的受试者在使用基于融合的预处理方法时表现出了性能改进。此外，我们将所提出的研究与共同平均参考 (CAR) 方法进行了比较，并且没有应用任何预处理方法。所取得的结果表明，所提出的方法分别比 CAR 和未应用任何预处理方法提供了 3.91% 和 2.75% 更好的 CA。结果还证明了所提出的进化预处理方法在对 MA 任务期间记录的 EEG 信号进行分类方面具有巨大潜力。
缩放数据以根据脑信号重建视频
摘要。脑刺激重建领域在过去几年中取得了重大进展，但技术仍然是针对特定主题的，并且通常在单个数据集上进行测试。在这项工作中，我们提出了一种新技术，用于从功能性磁共振成像 (fMRI) 信号重建视频，该技术旨在跨数据集和跨人类参与者进行性能测试。我们的流程利用多数据集和多主题训练，从来自不同参与者和不同数据集的大脑活动中准确地生成 2 秒和 3 秒的视频片段。这有助于我们回归预训练的文本到视频和视频到视频模型的关键潜在和条件向量，以重建与参与者观察到的原始刺激相匹配的精确视频。我们流程的关键是引入一种 3 阶段方法，首先将 fMRI 信号与语义嵌入对齐，然后回归重要向量，最后使用这些估计生成视频。我们的方法展示了最先进的重建能力，并通过定性和定量分析（包括众包人工评估）进行了验证。我们展示了跨两个数据集以及多主题设置的性能改进。我们的消融研究揭示了不同的对齐策略和数据缩放决策如何影响重建性能，并且我们通过分析随着更多主题数据的利用，性能如何演变来暗示零样本重建的未来。
基于平面封装技术的全SiC集成功率模块，适用于飞机应用的高效功率转换器
紧凑、轻便、高效和可靠的电源转换器是未来全电动飞机 (MEA) 的基础。支持航空航天工业电气化的核心要素是采用 SiC MOSFET 的电源模块 (PM)。为了充分利用 SiC 实现的高开关速度，并应对功率器件并联带来的挑战，必须研究新颖的 PM 概念。本文探索了高度对称的布局、低电感平面互连技术和集成缓冲电容器，以实现高效、快速开关和可靠的全 SiC PM 用于 MEA 应用。与最先进的全 SiC PM 相比，对多项性能指标的全面评估证明了所提出的设计方法和制造技术的优势。此外，通过集成温度和电流传感器，在开发的 PM 中添加了智能功能，这对于 MEA 中电力电子的安全应用至关重要。在此背景下，演示了如何使用 MOSFET 的温度敏感电气参数进行在线结温估算，从而实现非侵入式（即无需专用传感器）热监控。此外，还设计了一个高度紧凑的栅极驱动器，以减少整个系统的体积和复杂性，并将其集成在 PM 的外壳中。最后，在 PM 以 500V 和 200A 运行时测量开关波形，证明了低电感布局、集成缓冲器和栅极驱动器所带来的性能改进。
量子数据编码：经典到量子映射技术的比较分析及其对机器学习准确性的影响
本研究探索了将量子数据嵌入技术集成到经典机器学习 (ML) 算法中，旨在评估一系列模型的性能增强和计算影响。我们探索了各种经典到量子的映射方法，从基础编码、角度编码到幅度编码，对于编码经典数据，我们进行了一项广泛的实证研究，涵盖了流行的 ML 算法，包括逻辑回归、K 最近邻、支持向量机和集成方法，如随机森林、LightGBM、AdaBoost 和 CatBoost。我们的研究结果表明，量子数据嵌入有助于提高分类准确性和 F1 分数，尤其是在本质上受益于增强特征表示的模型中。我们观察到对运行时间的细微影响，低复杂度模型表现出适度的增加，而计算密集型模型则经历明显的变化。值得注意的是，集成方法在性能提升和计算开销之间表现出良好的平衡。这项研究强调了量子数据嵌入在增强传统 ML 模型方面的潜力，并强调了权衡性能改进与计算成本的重要性。未来的研究方向可能涉及改进量子编码过程以优化计算效率，并探索现实世界应用的可扩展性。我们的工作为量子计算和传统机器学习交叉领域的知识体系的不断增长做出了贡献，为寻求在实际场景中利用量子启发技术优势的研究人员和从业者提供了见解。
基于平面的全 SiC 集成功率模块...
紧凑、轻便、高效和可靠的电源转换器是未来全电动飞机 (MEA) 的基础。支持航空航天工业电气化的核心要素是采用 SiC MOSFET 的电源模块 (PM)。为了充分利用 SiC 实现的高开关速度，并应对功率器件并联带来的挑战，必须研究新颖的 PM 概念。本文探索了高度对称的布局、低电感平面互连技术和集成缓冲电容器，以实现适用于 MEA 应用的高效、快速开关和可靠的全 SiC PM。对多项性能指标与最先进的全 SiC PM 的全面评估证明了所提出的设计方法和制造技术的优势。此外，通过集成温度和电流传感器，为开发的 PM 添加了智能功能，这对于 MEA 中电力电子的安全应用至关重要。在此背景下，展示了使用 MOSFET 的温度敏感电气参数进行在线结温估算，从而实现非侵入式（即无需专用传感器）热监测。此外，还设计了一个高度紧凑的栅极驱动器，减少了整个系统的体积和复杂性，并将其集成在 PM 的外壳中。最后，在 500V 和 200A 下测量 PM 运行时的开关波形，证明了低电感布局、集成缓冲器和栅极驱动器带来的性能改进。
设计探索温和的混合飞机推进概念
NASA已对具有高电气化的混合电子飞机概念进行了深入的研究和分析。发现其中许多概念是不可行的，而与传统概念相比，可行的设计显着重，更为昂贵。本研究介绍了对替代性温和混合概念的开发和分析，该概念使用在整个任务中策略性地应用的相对较低水平的电能。团队研究了几种温和的混合动力技术，开发了集成的飞机模型，然后评估了这些技术对车辆水平性能指标的影响。在本研究中探索的技术包括涡轮电气化能源管理系统，电动出租车，电动攀爬辅助以及用板载电源存储代替辅助动力单元。关键的启用技术是能源设备，将高功率输出优先于能源容量，并将电动机与燃气轮机发动机的轴整合。在分别应用多种技术并结合使用多种技术时，观察到了显着的性能改进，最有希望的配置一次将所有技术纳入其中。轻度混合配置的结果表明，与常规基线相比，块燃料降低了8.2％，同等CO 2排放量减少了7.7％，总复制权重增加了3.5％。成本分析的结果表明，温和的混合动力略微降低了直接运营成本加上利息，这表明飞机排放可以大大减少，而无需与高电动概念相关的成本增加。
功能重新安装：迈向计算病理学中的基础模型级表现
多个实例学习（MIL）是计算病理学中最广泛使用的框架，包括分型，诊断，预后等等。但是，iS-iSting MIL范式通常需要脱机实例提取器，例如预训练的重新网络或Foun-Dation模型。这种方法缺乏在特定下游任务中进行微调进行微调的能力，从而限制了其适应性和性能。为了解决此问题，我们提出了一个重新安装的区域变压器（R 2 T），用于在线重新安装实例功能，该功能可以限制精细元素的本地功能并在不同地区建立联系。与现有的作品不同，该作品专注于预训练强大的功能提取器或设计复杂的实例聚合器，r 2 t量身定制为在线重新设计实例功能。它是一种便携式模块，可以无缝集成到主流MIL模型中。对常见的综合病理学任务的广泛实验结果验证：1）功能重新嵌入基于Resnet-50特征的MIL模型的性能到基础模型模型的水平，并进一步增强了基础模型特征的性能； 2）r 2 t可以对各种MIL模型引入更大的性能改进； 3）R 2 T-MIL，作为R 2 T-增强的AB-MIL，以大幅度优于其他最新方法。该代码可在以下网址提供：https：//github.com/dearcaat/rrt-mil。
微电子可靠性
使用瞬态热分析 (TTA) 研究不同 SAC + 焊料的热机械疲劳，并使用人工神经网络 (ANN) 进行预测。TTA 测量热阻抗，并允许检测焊料裂纹和材料界面的分层。使用七种不同焊料焊接到印刷电路板上的 LED 在被动空对空温度冲击测试中老化，每 50 次循环进行一次 TTA 测量，以热阻增加为故障标准。在测试条件下，SnAgCuSb 焊料比 SAC305 参考表现出最佳性能改进。除了通过累积故障曲线和威布尔图进行标准评估外，还研究了新的可靠性评估方法来评估单个 LED 焊点的可靠性。建立了一种混合方法来预测加速应力测试期间单个 LED 焊点的故障，该方法使用具有记忆的人工神经网络（特别是 LSTM）处理 TTA 数据，其中记忆允许充分利用测量历史。使用了两种 ANN 方法，即回归和分类。这两种方法都相当准确。从回归方法中获得的信息越多，需要使用问题要求的外部知识进行更多处理，而分类方法可以更直接地实施。结果证明了集成方法在评估焊点剩余使用寿命方面的优势。