人类和机器都面临着建立视觉和语言信息之间关系的问题。在人类中,这个过程被称为单词学习,发展科学家对此进行了广泛的研究。在机器中,将视觉特征与单词联系起来是计算机视觉研究人员研究的几项任务的关键部分,包括对象分类和图像字幕。在本文中,我们通过从计算机视觉系统的性能预测人类儿童单词学习的时间过程,探索人类和机器发现的这些问题的解决方案之间的关联程度。发展科学家长期以来一直对了解婴幼儿如何学习新单词感兴趣(Bloom,2002;Brown,1973;Golinkoff 等,2000;Quine,1960;Wojcik 等,2022),通常将问题定义为在单词与其对应的对象、事件或属性之间建立指称(Markman,1990;Schwab & Lew-Williams,2016)。虽然不同儿童的单词学习轨迹各不相同,但学习不同类型单词的速度至少存在一定的一致性(Frank 等,2021)。例如,学习英语(以及许多其他语言)的儿童往往比学习连接词(例如“和”或“因为”)更早学习描述身体部位的单词(例如“眼睛”或“鼻子”)。发展科学家一直在寻找这种模式的预测因素。例如,儿童导向言语中更常见的单词往往更早被学习(Swingley & Humphrey,2018)。然而,对这些预测因素的研究仅限于可以测量的数量
摘要 — 计算建模通常用于设计和优化电子封装,以提高性能和可靠性。影响计算模型准确性的因素之一是材料性质的准确性。特别是微机电系统传感器,通常对封装中材料性质的细微变化极为敏感。因此,即使由于样品制备方法或测试技术不同而导致的材料特性测量值出现微小变化,也会影响用于设计或分析传感器性能的计算模型的准确性。对于需要固化的材料,材料特性的挑战更大。例如,芯片粘接聚合物在制造过程中具有严格的固化曲线要求。这种固化条件通常很难在实验室中复制,并且用于材料特性分析的样品不一定代表最终产品中的实际组件。本研究调查了温度固化曲线、固化过程中施加的压力以及样品制备技术等参数对两种芯片粘接弹性体随温度变化的热机械性能的影响。使用动态机械分析和热机械分析等一系列技术测量芯片粘接材料的机械性能,包括弹性模量 (E)、热膨胀系数和玻璃化转变温度。分析针对与典型传感器应用相对应的宽温度范围进行。结果表明,样品制备和表征技术对测量有相当大的影响,从而通过计算建模得出不同的 MEMS 传感器性能预测。
垂直轴风力涡轮机 (VAWT) 在城市、偏远地区和海上应用的开发中重新引起了人们的兴趣。过去的研究表明,在能量捕获效率方面,VAWT 无法与水平轴风力涡轮机 (HAWT) 竞争。在低叶尖速比 () 下,VAWT 性能受到动态失速 (DS) 效应的困扰,其中每个叶片每转一圈都会超过静态失速多次。此外,对于 <2,叶片在超过 70% 的旋转期间在失速之外运行。但是,VAWT 具有许多优势,例如全向操作、发电机靠近地面、更低的噪音排放以及使用寿命更长的非悬臂叶片。因此,减轻动态失速并改善 VAWT 叶片的空气动力学性能以提高功率效率是近年来的热门研究课题,也是本研究的方向。西弗吉尼亚大学过去的研究重点是增加循环控制 (CC) 技术以改善 VAWT 空气动力学并扩大操作范围。通过增强 NACA0018 翼型以包含 CC 功能,生成了一种新颖的叶片设计。收集了一系列稳定喷射动量系数 (0.01≤C ≤0.10) 的静态风洞数据,用于分析涡流模型性能预测。开发了控制策略以优化整个旋转过程中的 CC 喷射条件,从而提高了 2≤≤5 的功率输出。但是,产生稳定 CC 喷射所需的泵送功率使增强涡轮机的净功率增益降低了约 15%。这项工作的目的是研究脉冲 CC 喷射驱动,以匹配稳定喷射性能和降低的质量流量要求。迄今为止,尚未完成任何实验研究来分析俯仰翼型上的脉冲 CC 性能。本文描述的研究详细介绍了关于稳定和脉冲喷射 CC 对俯仰 VAWT 叶片空气动力学影响的首次研究。实施了数值和实验研究,改变了 Re 、k 和 ± 以匹配典型的 VAWT 操作环境。根据先前流动控制翼型研究的有效范围,分析了一系列降低的喷射频率 (0.25≤St≤4) 和不同的 C 。由于动态失速效应,发现翼型俯仰将基线升阻比 (L/D) 提高高达 50%。当 C =0.05 时,动态失速对稳定 CC 翼型性能的影响更大,在正攻角时 L / D 增加 115%。脉冲驱动可匹配或改善稳定喷气升力性能,同时将所需质量流量减少高达 35%。从数值流可视化来看,脉冲驱动可降低 DS 期间尾流涡度的大小和强度,从而导致相对于基线和稳定驱动情况的轮廓阻力较低。编制了一个俯仰翼型测试数据库,包括气动系数 (C l 、C d) 的过冲和滞后,以改进分析模型输入,从而更新 CCVAWT 性能预测,其中将直接反映上述 L / D 改进。相对于年功率输出为 1 MW 的传统 VAWT,WVU 之前的工作证明,增加稳定喷气 CC 可以将总输出提高到 1.25 MW。但是,产生连续喷气的泵送成本将 CCVAWT 的年度净收益降低到 1.15 MW。目前的研究表明,由于质量流量要求降低,脉冲 CC 喷射可以回收 4% 的泵送需求,从而将 CCVAWT 的年净发电量提高到 1.19 MW,相对于传统涡轮机提高了 19%。
垂直轴风力涡轮机 (VAWT) 在城市、偏远地区和海上应用的开发中重新引起了人们的兴趣。过去的研究表明,在能量捕获效率方面,VAWT 无法与水平轴风力涡轮机 (HAWT) 竞争。在低叶尖速比 () 下,VAWT 性能受到动态失速 (DS) 效应的困扰,其中每个叶片每转一圈都会超过静态失速多次。此外,对于 <2,叶片在超过 70% 的旋转期间在失速之外运行。但是,VAWT 具有许多优势,例如全向操作、发电机靠近地面、更低的噪音排放以及使用寿命更长的非悬臂叶片。因此,减轻动态失速并改善 VAWT 叶片的空气动力学性能以提高功率效率是近年来的热门研究课题,也是本研究的方向。西弗吉尼亚大学过去的研究重点是增加循环控制 (CC) 技术,以改善 VAWT 空气动力学性能并扩大操作范围。通过增强 NACA0018 翼型以包含 CC 功能,生成了一种新颖的叶片设计。收集了一系列稳定喷射动量系数 (0.01≤C ≤0.10) 的静态风洞数据,用于分析涡流模型性能预测。开发了控制策略以优化整个旋转过程中的 CC 喷射条件,从而提高了 2≤≤5 的功率输出。但是,产生稳定 CC 喷射所需的泵送功率使增强涡轮机的净功率增益降低了约 15%。这项工作的目的是研究脉冲 CC 喷射驱动,以匹配稳定喷射性能和降低的质量流量要求。迄今为止,尚未完成任何实验研究来分析俯仰翼型上的脉冲 CC 性能。本文描述的研究详细介绍了关于稳定和脉冲喷射 CC 对俯仰 VAWT 叶片空气动力学影响的首次研究。实施了数值和实验研究,改变了 Re 、k 和 ± 以匹配典型的 VAWT 操作环境。根据先前流动控制翼型研究的有效范围,分析了一系列降低的喷射频率 (0.25≤St≤4) 和不同的 C 。由于动态失速效应,发现翼型俯仰将基线升阻比 (L/D) 提高高达 50%。当 C =0.05 时,动态失速对稳定 CC 翼型性能的影响更大,在正攻角时 L / D 增加 115%。脉冲驱动可匹配或改善稳定喷气升力性能,同时将所需质量流量减少高达 35%。从数值流可视化来看,脉冲驱动可降低 DS 期间尾流涡度的大小和强度,从而导致相对于基线和稳定驱动情况的轮廓阻力较低。编制了一个俯仰翼型测试数据库,包括气动系数 (C l 、C d) 的过冲和滞后,以改进分析模型输入,从而更新 CCVAWT 性能预测,其中将直接反映上述 L / D 改进。相对于年功率输出为 1 MW 的传统 VAWT,WVU 之前的工作证明,增加稳定喷气 CC 可以将总输出提高到 1.25 MW。但是,产生连续喷气的泵送成本将 CCVAWT 的年度净收益降低到 1.15 MW。目前的研究表明,由于质量流量要求降低,脉冲 CC 喷射可以回收 4% 的泵送需求,从而将 CCVAWT 的年净发电量提高到 1.19 MW,相对于传统涡轮机提高了 19%。
联合研究项目 HINVA 的目标是显著提高部署高升力装置的民用飞机气动性能预测和评估的准确性和可靠性。为了实现这一目标,目前工业上使用的最先进的数值和实验模拟方法将根据最大升力状态的飞行测试数据进行验证。该项目以相关欧洲项目(如 EUROLIFT)和 GARTEUR 研究中获得的经验和发现为基础。DLR 的飞行测试飞机空客 A320-200 ATRA 是三个方法领域飞行测试、欧洲跨音速风洞 ETW 中的高 Re-No 测试以及使用 DLR 的 TAU 代码进行数值模拟的共同配置基础。基线设备设置对应于着陆配置。还研究了巡航配置。该项目的核心要素是生成一个专用的、完全协调的验证数据库,该数据库由风洞和相应的飞行测试数据组成。以协同的方式利用所有三个方法领域的独特优势,可以定性和定量地确定此类飞机最大升力状态下的主要空气动力学现象。研究结果将为使用和应用数值工具以及低温测试提供新的模拟策略,以确定工业高升力设计过程精度范围内的升力系数和攻角方面的最大升力。该项目细分为三个主要工作包:ATRA 飞行测试、ETW 风洞测试和 CFD 模拟。基线几何和 CAD 模型的规范已基本完成。已经进行了全面的数值模拟以支持飞行测试仪器。空中客车公司和德国航天中心正密切合作,共同进行飞行测试规划和飞行测试仪器的开发,为首次飞行测试活动做准备。
在过去的几十年中,人因工程学和人体工程学从业者越来越多地在系统设计和开发过程的早期被要求参与。与一个或多个学科后来发现需要更改的情况相比,所有学科的早期投入可以带来更好、更集成的设计,并降低成本。作为人因工程学和人体工程学从业者,我们的目标应该是提供关于人、人与系统的交互以及由此产生的总体性能的实质性和有充分支持的意见。此外,我们应该准备好从系统概念开发的最早阶段开始提供这种意见,然后贯穿整个系统或产品生命周期。为了应对这一挑战,多年来,许多人因工程学和人体工程学工具和技术已经发展起来,以支持早期分析和设计。两种特定类型的技术是设计指导(例如,O’Hara 等人1995;Boff 等人1986)和高保真快速原型用户界面(例如,Dahl 等人1995)。设计指导技术以手册或计算机决策支持系统的形式出现,将人为因素和人体工程学知识库的选定部分放在设计师的指尖,通常以针对特定问题(如核电站设计或 UNIX 计算机界面设计)量身定制的形式出现。但是,设计指南的缺点是它们通常不提供根据设计对系统性能进行定量权衡的方法。例如,设计指南可能会告诉我们高分辨率彩色显示器将优于黑白显示器,它们甚至可能告诉我们在增加响应时间和降低错误率方面的价值。但是,这种类型的指导很少能很好地洞察人类表现的这一改进元素对整个系统性能的价值。因此,设计指导对于为系统级性能预测提供具体输入的价值有限。另一方面,快速原型设计支持分析特定设计和任务分配将如何影响人类和系统级性能。与所有以人为对象的实验一样,原型设计的缺点是成本高昂。尤其是基于硬件的系统(如飞机和机械)的原型开发成本非常高,尤其是在设计初期,因为那时存在许多截然不同的设计理念。人类行为和表现的计算机建模并不是一项新尝试。尽管花费不菲,但硬件和软件原型设计对于人为因素从业者而言仍是重要的工具,而且它们在几乎所有应用领域的使用都在增长。虽然这些技术对于人为因素从业者而言很有价值,但通常需要的是一种能够从人为因素和人体工程学数据基础(如设计指南和文献中所反映的那样)推断的集成方法,以便支持作为设计替代方案的函数的系统级性能预测。该方法还应以相互支持和迭代的方式与快速原型设计和实验相结合。正如在许多工程学科中的情况一样,这种集成方法的主要候选对象是计算机建模和仿真。复杂认知行为的计算机模型已经存在 20 多年(例如 Newell 和 Simon 1972),并且自 20 世纪 70 年代以来,就已经出现了用于任务级绩效的计算机建模工具(例如 Wortman 等人1978)。但是,在过去十年中,有两件事发生了显著变化,促使使用计算机建模和模拟人类表现作为从业者的标准工具。首先是计算机能力的快速提升以及与之相关的更易于使用的建模工具的开发。有兴趣通过模拟预测人类表现的个人可以从各种基于计算机的工具中进行选择(有关这些工具的完整列表,请参阅 McMillan 等人1989)。第二,研究界越来越关注开发人类表现的预测模型,而不仅仅是描述模型。例如,GOMS 模型(Gray 等人1993)代表将研究整合到一个模型中,用于预测人类在现实任务环境中的表现。另一个例子是认知工作量的研究,它被表示为计算机算法(例如,McCracken 和 Aldrich 1984;Farmer 等人1995)。给定人类所从事的任务和设备的描述,这些算法支持评估何时可能发生与工作量相关的性能问题,并且通常包括识别这些问题对整体系统性能的定量影响(Hahler 等人1991)。这些算法在作为关键组件嵌入到任务和环境的计算机模拟模型中时特别有用。计算机建模和模拟最强大的方面可能在于它提供了一种方法,通过该方法,人因和人体工程学团队可以与
中型和长期储能系统有望在朝着由可再生能源提供动力的电网的过渡中起关键作用。ACAE是一种有前途的解决方案,能够分别处理数百个MW和MWH的功率和能量等级。ACAE的一个挑战是在随着空气储存的压力发生变化时,在系统中遇到的条件范围内实现了压缩机中所需的高效操作。在本文中,设计了面向应用程序的轴向流压缩机,旨在在整个操作范围内有效地操作,同时还将性能预测与实用的压缩机几何形状相关联。已经实现了基于Inviscid的两步设计方法,已实现了轴对称流条件,导致流track,叶片行几何形状和压缩机性能图。压缩机模型被整合到ACAES模型中,包括两个压缩线轴,两个具有预热的膨胀阶段,恒定体积的高压存储在5.5至7.7 MPa之间以及两个独立的热量储能单元。现有的ACAE文献要么忽略瞬态外部设计操作或使用通用数值相关性(与特定几何相关),但本文的关键新颖性是将涡轮机械设计详细的设计方法应用于ACAE。最后,建议对其他组件进行类似的审查(即扩展器,热交换器和TES单位),请记住ACAE的独特操作要求。结果表明,设计的压缩机需要在两个线轴上进行33个阶段,并且能够在存储压力范围内有效地操作,这表明,如果将面向应用的设计程序应用于压缩机,则不会阻止ACAES达到70%的圆形效率,从而输出35MW的35MW,以达到约15 h。重要的是,通过减少中冷器的数量来满足在较高温度下保存热量的特定ACAE要求。这项工作是消除普遍误解的重要一步,即可以在典型的ACAE设计中轻松地使用现成的组件。
行动 • 预计的无冰北极环境将对海军行动的安全性和有效性产生重大影响。这些影响将最明显地影响舰队长期执行行动的能力。虽然目前的任务范围可能会适用,但未来的系统必须适应对所需作战能力 (ROC) 和预计作战环境 (POE) 的重大修改,以进行扩展的极地作战。环境的建模和预测以及针对操作条件的平台设计修改将非常重要。• 极地 C4ISR 基础设施似乎是一个限制因素。需要专门的极地空间支持作战概念来为极地作战提供网络中心战能力。冰侦察应该是一个关键组成部分。• 扩展行动的后勤支持似乎是一个限制因素。必须增强有机航母船上交付/垂直船上交付 (COD/VOD) 能力和岸上基础设施,以保持当前的航行补给 (UNREP) 能力和所需的战斗节奏。• 需要新的传感器和武器性能能力来支持海底战争和打击战争。还需要新的传感器能力来支持利用其他战争领域的情报、监视和侦察水平。• 当前的环境测量和预测,包括北极天气和冰层预测、浅水声学性能预测和动态海洋环境变化,不足以支持北极更大规模的海军行动。需要重新关注天气和冰况的短程预报准确性。对合成孔径雷达 (SAR) 的依赖将增加,必须为其购买 (OM&N) 编制预算。• 海军目前没有在北极环境中对传统或正在开发的武器系统进行武器测试和评估。• 目前的寒冷天气/极地作战训练水平不足以进行长期作战。• 目前的图表和 GPS 支持计划不支持长期极地作战。除非解决这些不足之处,否则安全导航和精确武器投送能力都可能受到严重限制。• 目前的破冰船能力无法支持战斗群规模的部队进行长期极地作战。美国海军没有破冰能力,美国海岸警卫队只有三艘极地破冰船。破冰船应被视为扩展极地作战基础设施的重要组成部分。• 有限的机动空间和快速变化的天气条件将需要新的战术、技术和程序,这些必须在量身定制的极地训练评估中加以解决。需要经过极端天气和低能见度认证的自动导航系统。
我们生活在一个信息爆炸和数字革命的时代,这导致了生活不同方面的技术快速发展。人工智能(AI)在这场数字化转型中发挥着越来越重要的作用。AI应用需要具有低延迟连接的边缘云计算,而其中最大的挑战是它需要大量的计算机处理能力。最近,基于光学硬件的AI实现[1-5]因其从根本上降低功耗和加快计算速度而成为热门话题。另一方面,作为现代电信和数据通信的基础,光网络变得越来越复杂,数据和连接越来越多。生成、传输和恢复如此大容量的数据需要具有高性能、高成本和高功耗效率的先进信号处理和网络技术。AI对于表现出复杂行为的系统的优化和性能预测特别有用[6-20]。在这方面,传统的信号处理算法可能不如AI算法高效。人工智能方法近期已进入光学领域,涉及量子力学、纳米光子学、光通信和光网络。特刊旨在将光学和人工智能结合起来,以应对各自面临的难以单独解决的挑战。特刊精选了 12 篇论文,代表了光学和人工智能相结合领域令人着迷的进展,从光子神经网络 (NN) 架构 [5] 到人工智能在光通信中的进展,包括物理层收发器信号处理 [10-17] 和网络层性能监控 [18,19],以及人工智能在量子通信中的潜在作用 [20]。光子神经网络架构:石斌等人提出了一种基于广播和权重方法的新型光子加速器架构,通过光子集成交叉连接实现深度 NN [5]。测试了一个用于图像分类的三层 NN,结果表明每个光子神经层都可以达到高于 85% 的准确率。它为设计可扩展到更高维度的光子 NN 以解决更高复杂度的问题提供了见解。正如书中所反映的那样,人工智能的应用,尤其是机器学习在光通信领域的应用更受欢迎。在物理收发器层,讨论最多的话题是使用机器学习来减轻从短距离到长距离应用的光通信系统中的各种线性和非线性影响。用于短距离光通信的人工智能:对于短距离可见光通信,陈晨等人引入了一种概率贝叶斯学习算法来补偿发光二极管
1。泰国孔肯大学医学学院放射学系,2。泰国医学院病理学系,泰国3。泰国医学院科学院外科系,4。Perspectum Ltd 5。塔夫茨医疗中心,美国波士顿,6。美国匹兹堡匹兹堡儿童医院,7。美国波士顿马萨诸塞州综合医院放射科