XiaoMi-AI文件搜索系统
World File Search System物理建模
人工智能将如何影响相图的计算？
CALPHAD 是 Larry Kaufman 于 1970 年提出的一种方法，可能是最早将物理建模与数据学习相结合的方法之一，用于通过相图数字化材料热力学，相图是在不同外部条件下相分布的图形表示 [ 1 , 2 , 3 ]。CALPHAD 工作流程大致可分为以下几个部分：数据捕获、热力学模型的构建、通过更新待定参数优化模型、数据库生成和应用于许多案例，例如：相稳定性预测 [ 4 , 5 ]、相场建模 [ 6 , 7 ]、沉淀模拟 [ 8 , 9 ] 等。然而，当前的 CALPHAD 面临几个挑战：首先，缺乏高质量的数据；其次，常用的热力学模型简单但不太稳健；第三，由于多源数据可能存在不一致，很难自动确定最优建模，而且会产生大量的伪影。
麦吉尔人工智能优势
Tal Arbe l 教授：计算机视觉；医学图像分析 Peter Caines 教授：混合系统控制；平均场博弈 James Clark 教授：计算机视觉；视频；智能显示 Jeremy Cooperstock 教授：人机界面 Greg Dudek 教授：现场机器人、自动驾驶汽车 Frank Ferrie 教授：计算机视觉；人机交互 Paul Kry 教授：计算机图形学；物理建模；机器人艺术 Mike Langer 教授：计算机视觉 Martin Levine 教授：计算机视觉；体育视频分析 Aditya Mahajan 教授：分散控制；机器学习 David Meger 教授：现场机器人；人机交互 Joëlle Pineau 教授：机器学习；辅助机器人 Kaleem Siddiqi 教授：计算机视觉；医学图像分析
组合的统计生物物理建模将离子通道基因与皮质神经元类型的生理学联系英国兽医中心的一种抗菌耐药性健康监测的宏基因组方法
。cc-by-nd 4.0国际许可证。是在预印本下提供的（未经同行评审的认证）是作者/资助者，他已授予Biorxiv的许可证，以在2025年2月14日发布的此版本中显示在版权所有的此版本中。 https://doi.org/10.1101/2025.02.12.12.636430 doi：Biorxiv Preprint
印度孟买理工学院化学工程系。
Sayantan Dutta 用于设计人工组织的计算生物物理建模。生物体的生命始于单细胞，细胞分裂多次产生多个细胞。同时，细胞中建立的化学模式导致组织具有非均匀的机械性能，最终决定功能器官的最终形状。受生物体这种现象的启发，我们希望开发一个用于设计人工组织的计算框架。一方面，我们将在二维和三维中实现一个广义的反应扩散模型，以模拟任何基因表达网络。同时，为了模拟组织的机械变形，我们利用组织力学模型，如顶点模型表示。成功实现这两个模型后，我们可以制作像真实组织一样生长和改变形状的计算组织。这可以帮助我们设计能够自行形成特定形状和功能的人工组织和植入物。
项目名称：用于管理瓣膜心脏病的心血管数字双胞胎
瓣膜心脏病是一种威胁生命的疾病，会影响老年人口的份额增加。在过去十年中，临床界内的新事态发展意味着现在可以用最少的侵入性进行病患心脏瓣膜的修复或更换。另一方面，接受这些手术的200K+患者中，多达50％的心脏功能没有改善。恢复过程中涉及的过程是复杂且多因素的，呈现心血管血流动力学和心肌力学。该项目旨在使用患者心血管系统的数字双（DT）来预测对介入阀程序的反应。我们将建立一个新的DT框架，结合深度学习，多尺度生物物理建模和图像分析技术。将此模型应用于多模式患者数据集，我们将优化预测准确性并在看不见的数据集上进行测试。项目描述
数字孪生开发的模型建议：精油...
• 简介：数字孪生正成为增强全球工业流程的有力工具。本文提出了一种创建工业流程数字孪生的模型，以蒸汽蒸馏工艺提取精油为例。• 案例描述：建议使用灰盒建模，将基于机器学习的模型与物理建模相结合以改进流程。使用实时模拟和混合控制策略，结合强化学习和比例积分微分控制，重点关注产量提高和优化。建议使用计算机视觉和人工智能增强功能。• 讨论和评估：数字孪生与人工智能相结合，可以为企业应对决策挑战提供巨大帮助。此外，还阐明了人工智能可以为该过程带来的一些好处。还讨论了计算机视觉方法。• 结论：阐述了一种创建方法，以支持未来数字孪生在工业过程中的其他应用。为了将其应用于不同的过程，必须证明其泛化能力。
从洁净室到机床：第一代脑刻板的委托晶圆尺度神经形态系统
摘要BrainScales的第一代，也称为Brainscales-1，是一种用于模拟尖峰神经元网络的神经形态系统。按照“物理建模”原理，其VLSI电路旨在模拟生物学示例的动力学：模拟回路与其电子组件的内在特性产生的时间常数实现神经元和突触。与生物学状态相比，它连续运行，动力学通常匹配10 000。尽管不可避免的模拟可变性和组件故障，但容忍故障设计使其能够实现晶圆尺度的集成。在本文中，我们介绍了Brainscales-1晶圆模块的调试过程，提供了对系统物理组件的简短描述，说明了其组装过程中采取的步骤以及对其进行操作所采取的措施。此外，我们反思了系统的开发过程以及所学到的经验教训，通过模拟晶圆尺度同步释放链来证明其功能，这是迄今为止最大的尖峰网络仿真，迄今为止，最大的尖峰网络模仿和单个突触。
电动机轴承故障检测的监督对比度学习 /作者=张，亨格鲁伊； Wang，Bingnan /CreationDate = 2024年9月4日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
抽象的各种故障会导致电动机故障，从而导致停机时间和资产损失。故障检测技术在行业中非常需要预测和防止此类故障。机器学习的最新进展已启用数据驱动的模型，这些模型可以从电动机中监视的信号中识别故障。但是，这些信号可能很复杂，并且表明故障的特征是微妙的。因此，需要提取与信号故障相关的信息特征的有效方法。在本文中，我们探讨了对比度学习在检测相位电流信号的轴承断层中的使用。我们开发了一个模型架构，该模型结构由两个部分，一个特征提取器和一个分类器组成，其中特征提取器使用监督的对比度学习进行了预训练。在Pader-Born University轴承故障数据集上进行了测试，我们的模型达到了87％的高故障分类精度，这表现优于常规机器学习模型。我们还进行了消融测试，以证明该模型中基于对比的学习培训的重要性。通过研究模型的分类结果和提取的特征，我们进一步探讨了对比度学习在提取区分不同类别的特征中的效果。我们预计对比度学习可以奠定更准确的故障检测模型的基础，并将其扩展到其他实际的故障检测任务。
开放系统、量子概率和逻辑，用于生物学、认知和决策中的类量子建模
摘要：本篇综述旨在强调将量子理论的数学形式和方法应用于复杂生物系统行为建模的可能性，从基因组和蛋白质到动物、人类以及生态和社会系统。此类模型被称为类量子模型，它们应该与生物现象的真正量子物理建模区分开来。类量子模型的显着特征之一是它们适用于宏观生物系统，或者更准确地说，适用于其中的信息处理。类量子建模以量子信息理论为基础，可以被视为量子信息革命的成果之一。由于任何孤立的生物系统都是死的，因此生物和心理过程的建模应该基于最普遍形式的开放系统理论——开放量子系统理论。在这篇综述中，我们解释了它在生物学和认知中的应用，特别是量子仪器理论和量子主方程。我们提到了类量子模型基本实体的可能解释，并特别关注 QBism，因为它可能是最有用的解释。
开放系统、量子概率和逻辑，用于生物学、认知和决策中的类量子建模
本综述旨在强调将量子理论的数学形式和方法应用于复杂生物系统行为建模的可能性，从基因组和蛋白质到动物、人类、生态和社会系统。此类模型被称为类量子模型，它们应该与生物现象的真正量子物理建模区分开来。类量子模型的显着特征之一是它们适用于宏观生物系统，或者更准确地说，适用于其中的信息处理。类量子建模以量子信息理论为基础，可以将其视为量子信息革命的成果之一。由于任何孤立的生物系统都是死的，因此生物和心理过程的建模应该基于最普遍形式的开放系统理论——开放量子系统理论。在这篇评论中，我们宣传了它在生物学和认知中的应用，尤其是量子仪器理论和量子主方程。我们提到了类量子模型基本实体的可能解释，特别关注 QBism，因为它可能是最有用的解释。