XiaoMi-AI文件搜索系统
World File Search System数值模拟
结合数值模拟、人工智能和智能采样算法建立替代模型并计算城市隧道失效概率
摘要：当需要用概率方法评估城市隧道与邻近结构的相互作用时，计算能力是数值模型面临的重要挑战。因此，即使样本数量较少，智能采样算法也可以成为获得结果领域更好知识的盟友。无论如何，当采样有限时，风险评估也会受到限制。在这种情况下，人工智能 (AI) 可以通过插入结果并快速生成更大的样本来填补风险分析中的一个重要空白。人工智能算法的目标是找到一个近似函数（也称为替代模型），该函数可以重现原始数值模拟行为并且可以更快地进行评估。该函数是通过在智能采样技术获得的特殊点执行多次模拟来构建的。本文使用了一个假设案例来验证方法建议。它涉及一条深度约为三倍直径的隧道的连续挖掘，与一座七层楼的建筑物相互作用。首先，对三维数值模型 (FEM) 进行确定性求解，然后对其域和网格进行细化。之后，从 FEM 软件中以数值方式获得另外 170 个解决方案，并对所涉及的随机变量进行策略性抽样。接下来，基于 31 种人工智能技术，评估哪些变量对于预测周围建筑物地基元件的垂直位移量级最重要。然后，一旦选出了最重要的变量，就再次对 31 种人工智能技术进行训练和测试，以确定 R 平方最小的技术。最后，使用这种最佳拟合算法，可以使用大量样本（大小约为 10 7 ）来计算失败的概率。这些样本用于说明简单蒙特卡罗抽样 (MC) 和拉丁超立方抽样 (LHS) 的收敛性。本文的主要贡献是方法论上的；因此，该新程序可以汇总到与隧道相关问题相关的最先进的风险评估方法中。
激光粉末床熔合制造的 625 合金残余应力的数值模拟和同步衍射测量
金属增材制造部件中的残余应力是一个众所周知的问题。它会导致样品在从构建板上取出时变形，并且对疲劳产生不利影响。了解打印样品中的残余应力如何受到工艺参数的影响对于制造商调整工艺参数或部件设计以限制残余应力的负面影响至关重要。在本文中，使用热机械有限元模型模拟增材制造样品中的残余应力。材料的弹塑性行为通过基于机制的材料模型来描述，该模型考虑了微观结构和松弛效应。通过将模型拟合到实验数据来校准有限元模型中的热源。将有限元模型的残余应力场与同步加速器 X 射线衍射测量获得的实验结果进行了比较。模型和测量的结果显示残余应力场具有相同的趋势。此外，结果表明，随着激光功率和扫描速度的改变，所产生的残余应力的趋势和幅度没有显著差异。2022 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可协议开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
perumal_research效果final_0_0.pdf
数值模拟是现代计算的一个分支，在工程和生命科学中广泛应用。它有助于设计和优化建筑物，汽车和飞机等系统。通过预测各种条件下的系统行为，模拟模型允许研究人员测试理论并探索新的想法，而无需昂贵且耗时的实验。此外，它们使他们能够研究这些系统，这些系统原本很难或不可能进行实验检查。建模也可以通过那些不了解所涉及的复杂模拟的人进行。数值模拟具有预测现实现象的令人印象深刻的能力，使其在现代生活中必不可少。我们的研究小组在微流体，相变材料，多孔介质，金属泡沫，电池热管理，纳米流体，生物医学工程，芯片冷却，滚动涂料和复杂的建筑设计方面做出了重大贡献。我们的重点扩展到解决可持续发展目标，例如健康和福祉（目标3），负担得起和清洁能源（目标7），行业创新和基础设施（目标9），负责任的消费和生产（目标12），气候行动（目标13）以及目标17（目标17）。此外，机器学习和人工智能正在更有效，准确地为数值模拟打开新的机会。从远古时代到现在，数值模拟已被证明对人类有价值，并将继续推动未来的进步。
电机功率密度改进的物理极限
对于某项机器设计任务，对所有可能的机器配置进行深入的数值模拟是一项极其耗时且计算密集的任务。本文提出的功率密度问题解析公式具有为各种机器配置估算功率密度的优势。同时，它促进了机器设计，这种设计基于对整个解决方案范围的内在理解，而不是基于数值优化方案，因为在数值优化方案中，全局层面的收敛行为通常难以评估和确保。虽然解析公式缺乏有限元模拟的精度，但它将可能的解决方案范围缩小到一定程度，从而可以通过合理的时间和计算工作量进行详细的数值模拟。
散射矩阵方法，用于对谷光子晶体中拓扑保护进行定量评估
具有高拓扑保护的光子晶体波导的实现，可以防止缺陷引起的散射。应该通过通过低损失和反射的尖锐弯曲来利用引导来设计非常紧凑的设备。在这项工作中，我们使用山谷拓扑三角谐振器耦合到输入波导，以评估在尖锐弯曲或拆分器（如拆分器之类的路由元件）之间具有相反螺旋性的螺旋拓扑边缘模式之间的转换。为此，我们首先通过数值模拟在腔角处的向后散射或在输入波导和腔之间的分离器上的螺旋转换而传播的向后散射存在。我们显示了这种过程发生的证据，尤其是在尖锐的角落，从而导致传输最小值和分裂共振，否则不存在。为了评估与此效应相关的小耦合系数，然后引入了基于散射矩阵在分裂器和谐振器的角落的精确参数化的现象学模型。通过与数值模拟进行比较，我们能够量化尖锐的弯曲和分裂器处的螺旋度转换。最后，我们使用获得的现象学参数集与基于Sierpi´nski Triangle构造的分形型腔的完整数值模拟将模型的预测与完整的数值模拟进行比较。我们表明，该协议总体上是好的，但在最小的三角形组成的腔中显示出更多的差异。我们的结果表明，即使在免于几何和结构缺陷的系统中，在拐角，尖锐的弯曲和裂缝方面，螺旋性转化也不可以忽略不计。但是，可以通过一种现象学方法来实现更简单但预测的计算，从而可以模拟超出标准数值方法的非常大的设备，这对于光子设备的设计至关重要，这些光子设备通过电磁波的拓扑传导来收集紧凑性和低损失。
OHP的纸莎草纸：通过加强学习的预测控制，以提高性能 在英国通道和北海地区跟踪野生扁平鱼中的抗菌抗性指示基因：一个健康问题
在本文中，我们在数值模拟中实施和研究一种基于模型的增强学习（MBRL）方法，称为自适应光学（PO4AO）的策略优化。我们使用面向对象的Python自适应光学（OOPAO）模拟工具来模拟Provence自适应光学元件金字塔运行系统（Papyrus）光学台，并提供系统的实时模型。尤其是我们证明了该方法的预测能力，因为时间误差主导了木瓜的误差预算。我们首先介绍了强化学习框架的详细描述，包括我们对状态空间，行动空间和奖励功能的定义。实验部分将PO4AO与在不同大气条件下调整良好的积分器进行了比较。总而言之，在将方法应用于实际望远镜和未来工作的可能途径之前，我们将讨论实验在数值模拟中的重要性。
