XiaoMi-AI文件搜索系统
World File Search System模拟器
高保真电光空间域意识场景模拟器
航空航天已经开发了高保真的太空领域意识（SDA）场景模拟器，为基于地面和空间的电光传感器提供现实的太空监视场景，以在从概念开发到操作到操作以及评估任务数据处理Algorithm和其他数据Pipeelines的所有阶段中的利益相关者为利益相关者提供模拟图像。我们使用传感器 - 目标参与方案构建场景，该场景在添加适当的背景，恒星，目标和噪声组件的同时对场景的频段辐射指定进行建模。场景模拟器使用恒星目录，包括超过十亿星的Gaia目录，将它们准确地放入图像中，并准确地表示其颜色校正的带有带有的亮度降低至22级。模拟器使用其他已发表的数据来对银河系平面中的黄道光和未解决的恒星的自然天空亮度进行建模。此外，由于未拒绝的杂散光而产生的较高背景是基于实验室和轨道测量结果注入诸如宇宙射线之类的时间背景效应。模拟器可选地包含了电流传感器偏置结构和噪声源的实验室测量，例如深电流，读取噪声和其他时空传感器噪声的来源。由模拟器创建的高保真场景目前用于降低风险，指导技术开发并为多个程序提供操作范围，以确保传感器硬件性能和数据处理软件将满足任务需求和要求。航空航天可以通过任何传感器观察操作概念（CONOPS）模拟场景，场景中的目标可以以任何忠诚度建模，从简单的漫不好物球体到高保真计算机辅助设计（CAD）模型，呈现出具有现实的双向反射率分配功能（Brundfs）和摄取复杂的效果。
数据驱动的时空模拟器用于加固学习方法
时空应用，例如出租车命令调度和仓库任务计划，并急剧取决于操作效率的算法。但是，这些应用的固有动力性质在算法设计中提出了挑战。流动性服务的增长有助于收集过时的时空数据，这又促使算法设计人员使用数据驱动的方法。强化学习（RL）以其强大的性能和对空间环境的适用性而认可的，它具有相当大的研究兴趣。尽管具有潜力，但RL算法仍需要将模拟器用于培训和验证目的。然而，没有为时空算法de-smage开发任何特定的类似系统。此空缺阻碍了时空算法设计师的进步。在此演示中，我们构建了一个称为数据驱动的临时模拟器（DSS）的系统，希望为Spa-Totiotemporal算法设计师提供便利。dss擅长处理与出租车订单调度和仓库任务计划有关的问题，并具有为其他用户确定的方案而扩展的多功能性。该系统包括可视化模块，这些模块具有洞察力，以及旨在流式传输开发过程的开发人员工具。这使设计师能够有效地制定，评估和重新确定其算法，从而在时空应用开发中可能加速创新。
CMIP6偏见的驱动器驱动器。第一部分：北半球 多样性对未来大西洋热带的影响... 北极云对Noresm2气候模型中冰的微物理过程的敏感性 无线电掩盖建模实验（Romex） 季节性气候异常对预期的厄尔尼诺 - 南方振荡（ENSO）的影响如何？ 大平流层水蒸气的长期气候影响 在非沉积层云中控制夹带和液态水对气雾扰动的过程 2022年气候状态：北极-AMS期刊 通过地形PV梯度抑制中尺度涡流混合 气候变化评估的新热应力指数 北大西洋上从海洋到大气的多年代变化：桥梁的扰动势能 海洋热收敛和北大西洋多年代热含量变异性 深度学习模拟器对区域气候模型预测的可转让性和解释性：未来应用的观点
摘要：气候模型代表热带风暴轨迹的能力对于提供有用的预测至关重要。在先前的工作中，发现北半球的热带风暴轨迹的表示已从耦合模型比较项目（CMIP）的第5阶段改善。在这里，我们通过将仅大气模拟（AMIP6）与历史库型模拟（CMIP6）进行了对比，从而研究了CMIP第6阶段模型中的剩余和持久偏差。对AMIP6和CMIP6模拟的比较表明，冬季跨北部Paci -fean的耦合模拟中海面温度（SST）的偏见改变了大气温度梯度，这与风暴轨迹的赤道偏置有关。在北大西洋中，旋风在耦合的模拟中没有足够的杆子传播，该模拟部分是由格陵兰岛南部的冷SST驱动的，从而减少了潜在的热量。在夏季，中亚和藏族高原的过度加热会降低当地的斜压性，导致更少的气旋形成并从中国东部传播到耦合和大气中的模拟物中。当规定SST时，耦合模型中描述的几种偏差大大减少。例如，北极风暴轨迹的赤道偏置显着减少。然而，在CMIP6和AMIP6中，其他偏见都显而易见（例如，夏季东亚的轨道密度密度和循环发生的持续降低）与其他过程有关（例如，土地表面温度）。
AESIM：数据驱动的飞机发动机模拟器
我们提出了Aesim，这是一种使用基于变压器的跨性生成对抗网络开发的数据驱动的飞机发动机模拟器。AESIM生成飞机发动机传感器测量的样品，以完整的航班为条件，以代表飞行条件的给定飞行任务配置文件进行。它构成了飞机发动机数字双胞胎的重要工具，能够模拟它们的不同飞行任务的性能。可以比较在相同的操作条件下不同发动机的行为，为给定引擎的各种方案ios模拟，促进了诸如发动机行为分析，绩效限制识别以及在全球预后和健康管理策略内的维护时间表等应用。它还允许缺少飞行数据，并通过综合可用于公共研究目的或数据挑战共享的合成飞行数据集来解决机密性问题。
开发具有扩散的SELEX模拟器
背景：通过指数富集（SELEX）对配体的系统演变是一种发现具有高亲和力和特异性的新型配体的强大方法。但是，实验过程是耗时的，资源密集的，并且涉及许多可以显着影响结果的参数。本论文旨在使用扩散模型开发一个内部的SELEX模拟器，这些模型是一类生成模型，通过一系列通过一系列降噪步骤迭代精炼信号来学会降解数据。通过利用扩散模型的功能，我们可以简化配体发现并优化实验条件。
Agrasim（农业模拟器）设施，用于对环境对
3。最小湿度最小湿度取决于植物的蒸腾速率。假设在25°C和5m²叶面积的空气温度下的最大蒸腾速率为2.5 mmol m -2 s -1，最大供应空气体积流量为1,000升干空气，这会导致相对湿度（RH）约为。60％。以较低的蒸腾速率，可以设置明显较低的空气湿度（例如10％RH）。10％RH）。
干预模拟器 - Arete Technologies
Arete 设计和制造各种类型的干预模拟器，能够重现不同的紧急情况并帮助救援人员提高专业技能。创新技术控制培训过程，最大限度地保证学员和教员的安全。
评估大型语言模型作为会话推荐的生成用户模拟器
合成用户在评估对话推荐系统的评估中是真实用户的经济高效代理。大型语言模式在模拟类似人类的范围方面表现出了希望，这提出了他们代表多样化用户的能力的问题。我们制定了一种新协议，以衡量语言模型可以在会话推荐中准确模拟人类行为的程度。该协议由五个任务组成，每个任务都旨在评估合成用户应展示的关键属性：选择要讨论的项目，表达二进制偏好，表达开放式的偏好，调查建议，并回馈。通过评估基线类似者，我们证明了这些任务有效地揭示了语言模型与Human行为的偏差，并提供了有关如何通过模型选择和提示策略来减少偏差的见解。1
基于模拟器的数据中心冷却优化的强化学习
数据中心为互联网供电，使数字通信和连接成为可能。在2022年，全球总能源消耗的1-1.3％用于数据中心。他们在冷却系统中还消耗了很多水。优化其能源和用水的使用是行业的优先事项。本文通过利用基于模拟器的强化学习方法来优化数据中心冷却的能源和用水的方法之一。首先，我们开发了一个基于物理的模拟模型，该模型可以预测MAE 1°F（平均绝对误差）的热行为。然后，将RL模型离线训练，从而制定了控制供应气流设定点的更好政策。我们一个数据中心区域之一的生产模型已显示，在各种天气条件下，供应风扇能源消耗量降低了20％，用水量平均减少了4％。