XiaoMi-AI文件搜索系统
World File Search System替代模型
数字孪生与人工智能相结合……
代理模型为科学和工程领域的计算带来了一场革命。在人工智能的支持下，代理模型可以提供高度准确的结果，并且与实际模型的计算机模拟相比，计算时间大大减少。代理模型技术已应用于众多科学和工程领域，能源系统建模就是其中之一。由于混合和可持续能源系统的理念在现代世界迅速传播，成为智能能源转变的典范，研究人员正在探索基于人工智能的代理模型在分析和优化混合能源系统中的未来应用。评估能源系统适用性的有前途的技术之一是数字孪生，它可以利用代理模型。这项工作提出了一个关于人工智能驱动的代理模型及其应用的全面框架/评论，重点关注数字孪生框架和能源系统。阐述了机器学习和人工智能在构建有效替代模型中的作用。之后，介绍了针对不同可持续能源开发的不同替代模型。最后，描述了数字孪生替代模型及其相关的不确定性。
CD34+细胞剂量对T细胞的单倍性同种异体造血细胞移植后对临床结果的影响急性髓样
基于数据同化和机器学习的组合是一种新颖的方法。新的混合方法是为两个范围设计的：（i）模拟隐藏的，可能是混乱的，动态的，并且（ii）预测其未来状态。该方法在于应用数据同化步骤，在这里进行集合Kalman滤波器和神经网络。数据同化用于最佳地将替代模型与稀疏嘈杂数据相结合。输出分析在空间上完成，并用作神经网络设置的训练来更新替代模型。然后迭代重复两个步骤。数值实验是使用混乱的40变量Lorenz 96模型进行的，证明了所提出的杂种方法的收敛和实用技能。替代模型显示出短期的预测技能，最多两次Lyapunov时，检索正lyapunov指数以及功率密度频谱的更伟大的频率。该方法对关键设置参数的敏感性也会显示：预测技能会随着观察噪声的增加而平稳降低，但如果观察到少于模型域的一半，则突然下降。数据同化与机器学习之间的成功协同作用在这里通过低维系统证明，鼓励对具有更复杂动力的此类混合体进行进一步研究。
resumé - Zhenze Yang
研究摘要 基于人工智能的机械材料替代模型 ➢ “结构-物理场”联系：大量的“科学人工智能”研究侧重于学习“结构-性质”关系，而我的博士研究则侧重于开发基于深度学习的所谓“结构-物理场”联系方法。物理场可以是应变/应力场、势能或电子密度分布。我对物理场预测感兴趣的原因是：1）与单一材料性质相比，物理场包含更全面的信息；2）可以从物理场计算出导数性质（例如从应力场到杨氏模量）。 ➢ 绕过 FEA 计算的基于人工智能的替代模型：我提出了一个条件生成对抗网络
IML：可解释的机器学习
说明可解释性方法分析任何机器学习模型的行为和预测。实施的方法是：Fisher等人描述的特征重要性。（2018），累积的局部效应图，由Apley（2018），弗里德曼（Friedman（2001） （2013），Ribeiro等人描述的本地模型（“石灰”的变体）。 al（2016），STRUMBELJ ET所描述的Shapley值。 al（2014），Friedman等人描述的特征交互。 al 和树替代模型。（2013），Ribeiro等人描述的本地模型（“石灰”的变体）。al（2016），STRUMBELJ ET所描述的Shapley值。al（2014），Friedman等人描述的特征交互。al 和树替代模型。
基于 PCA 和 Kriging 的降阶模型在反应流应用数字孪生开发中的应用
详细燃烧系统的详细数值模拟需要大量的计算资源，这限制了它们在优化和不确定性量化研究中的使用。从有限数量的 CFD 模拟开始，可以使用一些详细的函数评估得出降阶模型。在本研究中，考虑将主成分分析 (PCA) 与克里金法相结合以识别准确的低阶模型。PCA 用于识别和分离系统的不变量，即 PCA 模式，而不是与特征操作条件相关的系数。然后使用克里金法找到这些系数的响应面。这导致了一个替代模型，允许以较低的计算成本执行参数探索。本文还介绍了经典 PCA 方法的变体，即局部和约束 PCA。该方法分别在 OpenSmoke++ 和 OpenFoam 生成的 1D 和 2D 火焰上进行了演示，并为其开发了精确的替代模型。
公平的贷款借贷模型
这是有关Upstart Network（“ Upstart”）贷款模型的独立公平贷款监视器的第四个也是最后一份报告。本报告代表了Upstart，NAACP法律辩护基金（“ LDF”）和学生借款人保护中心（“ SBPC”）中监测的结论。1在过去的三年中，我们发布了另外三份公开报告。2这些报告解释了我们对Upstart模型的先前版本的公平贷款方法的应用，包括（1）找不到定量证据，即Upstart模型中的变量随着种族，国籍，性别，性别或年龄的近距离代理而发挥作用；但是（2）确定黑人申请人的批准差异。3我们还确定了监视器认为可能是一个可行的替代模型，它会导致黑人申请人差异更少。在我们先前的报告中，我们建议将新兴的贷款测试方法应用于其模型更新，并且Upstart采用任何可行的歧视性替代模型。4
迈向支持数字孪生的多保真框架...
在本研究中，我们研究了一种用于模拟小型卫星的多保真框架。考虑到数字孪生的概念，我们的工作重点是处理持续的实时数据流。为此，我们调查了当前的时间序列多保真建模方法和低保真替代模型。多保真方法用于将低保真替代模型与高保真模型相结合。作为高保真模型，我们假设使用先前研究过的有限元模型。作为低保真模型，我们研究了基于自回归和循环神经网络的模型。通过协同克里金法，低保真度数据通过综合校正由高保真度数据校正，其中参数通过高斯过程给出，以执行不确定性量化。作为一种应用，提出了小型卫星的热模拟，以及将该框架与稀疏遥测数据结合使用。这种在线统计方法旨在提供一种执行故障检测的工具。
基于替代的量子优化...
变异量子算法是一类旨在用于近期量子计算机的技术。这些算法的目的是通过将问题分解为大量浅量子电路来执行大量量子计算，并通过经典的操作和每个电路执行之间的反馈补充。提高这些算法性能的一条途径是增强经典优化技术。鉴于经典计算资源的相对轻松和丰富的能力，有足够的机会这样做。在这项工作中，我们介绍了使用很少的实验测量来学习替代模型的替代模型，然后使用这些模型进行了参数优化，而不是原始数据。我们使用基于内核近似的替代模型来证明这一想法，通过该模型，我们使用嘈杂的量子电路结果批处理重建了各种成本函数的局部贴片。通过应用于量子近似优化算法和分子的基态制备，我们证明了基于替代物的优化优于常用算法的常用优化技术。
斑马鱼胚胎中DNA纳米摄取的时空动力学用于靶向组织生物成像应用
制造机器（替代模型）通过利用样本数据（也称为培训数据）来改善自己的表现。1在过去的几十年中，ML在各个工程领域都逐渐成为有前途的工具。尤其是，由ML训练的基于人工智能（AI）的替代模型可以为未知输入配置提供快速，准确的输出预测，从而取代劳动力强度的实验或模拟计算，要求高计算成本。2–14此外，基于ML的模型也可以从人类无法掌握的给定复杂数据表中得出有意义的推论。例如，Alphafold 15和Alphago 16证明了ML在执行基于规则的计算机程序中无法想象的杰出任务中的能力。近年来，大量的研究集中在ML模型的进一步增强上。例如，在可解释的人工智力（XAI）的领域取得了很大的进步，目的是通过阐明其决策来增强ML模型的解释能力 -