XiaoMi-AI文件搜索系统
World File Search System物理模拟
朝着有效的电池电动巴士操作
摘要：随着公共交通系统中电池电动总线（BEB）的采用，对精确的能源消耗预测的需求变得越来越重要。准确的预测对于优化路线，充电时间表和确保足够的操作范围至关重要。本文介绍了一种创新的预测方法，该方法将推进和辅助能量模型与新颖概念（环境发生器）结合在一起。这种方法解决了电动总线能源预测的主要挑战：估计未来的环境状况，例如天气，乘客负载和交通模式，这会对能源需求产生重大影响。环境发生器通过为能量模型提供现实的输入数据而起着至关重要的作用。这项研究验证了具有不同级别模型复杂性的各种模型与一年以上的案例研究中的现实运营数据，在德国哥廷根有16台电动总线。我们的分析彻底研究了影响能量消耗的因素，例如高度，温度，乘客负载和驾驶模式。为了在不同的操作条件下全面理解能源需求，该方法将数据驱动的模型和物理模拟整合到模块化且高度准确的能量预测器中。结果证明了我们方法在提供更准确的能源消耗预测方面的有效性，这对于有效的电力总线车队管理至关重要。这项研究有助于电动汽车能源预测的知识不断增长，并为过境当局和运营商提供了实用的见解，以优化电动巴士运营。
朝着有效的电池电动巴士操作
摘要：随着公共交通系统中电池电动总线（BEB）的采用，对精确的能源消耗预测的需求变得越来越重要。准确的预测对于优化路线，充电时间表和确保足够的操作范围至关重要。本文介绍了一种创新的预测方法，该方法将推进和辅助能量模型与新颖概念（环境发生器）结合在一起。这种方法解决了电动总线能源预测的主要挑战：估计未来的环境状况，例如天气，乘客负载和交通模式，这会对能源需求产生重大影响。环境发生器通过为能量模型提供现实的输入数据而起着至关重要的作用。这项研究验证了具有不同级别模型复杂性的各种模型与一年以上的案例研究中的现实运营数据，在德国哥廷根有16台电动总线。我们的分析彻底研究了影响能量消耗的因素，例如高度，温度，乘客负载和驾驶模式。为了在不同的操作条件下全面理解能源需求，该方法将数据驱动的模型和物理模拟整合到模块化且高度准确的能量预测器中。结果证明了我们方法在提供更准确的能源消耗预测方面的有效性，这对于有效的电力总线车队管理至关重要。这项研究有助于电动汽车能源预测的知识不断增长，并为过境当局和运营商提供了实用的见解，以优化电动巴士运营。
AtomAgents：通过物理学进行合金设计和发现——……
新合金的设计是一个多尺度问题，需要采用整体方法，包括检索相关知识、应用先进的计算方法、进行实验验证和分析结果，而这个过程通常很慢，只有人类专家才能完成。机器学习 (ML) 可以帮助加速这一过程，例如通过使用深度替代模型将结构和化学特征与材料特性联系起来，反之亦然。然而，现有的数据驱动模型通常针对特定的材料目标，在整合领域外知识方面的灵活性有限，无法适应新的、不可预见的挑战。在这里，我们通过利用多个 AI 代理的独特功能来克服这些限制，这些代理在动态环境中自主协作以解决复杂的材料设计任务。所提出的物理感知生成式 AI 平台 AtomAgents 结合了大型语言模型 (LLM) 的智能以及在各个领域具有专业知识的 AI 代理之间的动态协作，包括知识检索、多模态数据集成、基于物理的模拟以及跨模态的综合结果分析，其中包括数值数据和物理模拟结果的图像。多智能体系统的协同努力可以解决复杂的材料设计问题，例如自主设计与纯金属相比性能增强的金属合金。我们的结果能够准确预测合金的关键特性，并强调了固溶体合金化在引导先进金属合金开发方面的关键作用。我们的框架提高了复杂多目标设计任务的效率，并为生物医学材料工程、可再生能源和环境可持续性等领域开辟了新途径。
机器人灯光的建模、分析和优化...
摘要 机器人轻型加工任务正成为弥补人力资源短缺的重要问题。为了提高制造过程的质量、安全性和整体性能，需要对加工操作过程中的力和扭矩进行建模以估计。同时，还开发了数字模型，可以检测故障情况、节省能源和时间并优化实际制造过程。数字孪生就是其中之一，它使用离线和在线数据来模拟物理制造过程。但是，通过开发更精确的数学模型可以进一步提高数字孪生的赋能，从而可以实时模拟物理加工过程。因此，本文提出了一种机器人轻型加工任务的力学公式，以赋能数字孪生。本文采用广义脉冲模型来分析结合线性和角运动的轻型加工任务。为了实现基于脉冲模型的方法，引入了有效质量和有效惯性的概念来反映环境的动态，这取决于材料的硬度和加工任务的工艺参数（进给率和速度（rpm）等）。此外，还考虑了有效质量/有效惯性和最短任务完成时间来计算最佳进给率。此外，还进行了模拟以选择线速度和角速度的可行方向以及轻加工任务的最佳非奇异工作空间。最后，通过执行钻孔和铣削任务，通过定量比较模拟和实验结果来验证所提出的方法。使用 6-DOF 通用机器人 (UR 5e) 进行模拟和实验，以证实所提出的算法对轻加工任务的有效性。所开发的方法无疑将为轻型加工操作中的物理模拟提供数字孪生能力。
BC MSC.CDR
1。I. Tsiapkinis，IKZ柏林，带开源软件的浮动区域过程的多物理模拟2。C. Rhode，Ikz Berlin，用于应变工程功能氧化物层的己酸盐底层晶体的生长和研究3.F. Kannemann，Ikz Berlin，熔融4的有机晶体生长的实验研究。N. sahsuvar，Uni Freiburg，全无机CS 2 Agbibr的合成和表征6双钙钛矿单晶用于辐射检测器应用5。C. Hartmann，Ikz Berlin，散装ALN晶体的生长具有有效的直径和表征25 mm Aln底物的表征6。L. Grieger，Freiberg Instruments，使用表面光伏特光谱研究7.R. Karhu，IISB Erlangen，4H-SIC A-Plane底物上的同性恋8。P. Wimmer，IISB Erlangen，4H-SIC底物中残留应力的光弹性测量用于评估晶体生长过程9.M. Zenk，IISB Erlangen，对气体组成和流速的影响以及动力学参数对Gan Boules HVPE生长期间生长速率的影响。V. Zimmermann，MPI Stuttgart，Prnio的高压光浮动带3单晶11。A.Böhmer，Uni Bochum，单晶的生长和跨金属化合物的表征，作为学士学位和硕士学生的高级实验室课程12.J. Strahl，Uni Frankfurt，Eumn 2 x 2，x = Si，ge 13。F. Walther，M。Ocker，Uni Frankfurt，材料的晶体生长接近关键端点和Altermagnets 14。S.
分子生物学的量子计算
足以建立生化途径的功能网络（经典的例子是糖酵解途径和克雷布斯循环），从而使人们对分子函数的理解可能被视为分子事件的何种词素 - next静态图片。仍然，只有详细的定量物理模拟（与详细的实验具有较高的空间和时间分辨率），将允许高度置信地提取这种图片。经典的分子动力学模拟提供有效的模型，并且可以基于量子力学进行严格的模型（从技术上讲，这是通过Born-Oppenheimer近似近似，该近似是电子和核运动，然后将后者鉴定为经典动力学中的原子运动）。不幸的是，对量子机械方程的更详细的模拟非常困难，只有少数原子才有可能。但是，如果我们要通过当前的硬件和算法开发所推动的量子计算来推进分子模拟，[9-13]我们可能想知道生物分子模拟在多大程度上会从多大程度上受益于这种发展，以及量子计算是否会成为计算量子分子生物学的关键。[15–18]提到的是，问题是，量子计算的新兴分支是否最终可以比传统方法带来重大进步。换句话说，反应虽然正在进行深入的搜索以对生物学功能的量子作用进行深入的搜索，但[19-22]最重要的量子效应首先是植根于生物分子的电子结构，在较小程度上，在其量子核运动中（例如，提高到隧道和动力学同位素效应）。分子的电子结构确实是定量理论描述和通过反应能量和通过Born-Oppenheimer势能表面进行化学反应的定量理论描述和预测的关键（PES；见图1）。
有限数据学习
人工智能（AI）在计算机视觉和自然语言处理等领域取得了巨大的成功，主要是通过大规模培训数据来实现的。但是，在没有大数据的领域，AI的变革潜力在很大程度上仍然是不受欢迎的。这种限制在涉及3D几何形状的字段中很明显，例如3D计算机视觉，计算机图形和物理模拟，因为现有的3D数据集仍然比视觉和语言域中的同行小的数量级。相比之下，这些领域开发了丰富的数学模型，例如物理学中图形和管理方程的差异几何形状，而无需依赖大数据。我的研究理念集中在将经典数学模型与现代机器学习方法相结合，以解锁AI在数据约束领域中的潜力。基于这种理念，我研究了如何创建可以生成[1-8]并分析[9-13] 3D空间数据的AI。具有计算机视觉，机器学习和计算机图形的背景，我开创了范式转向使用连续的神经场来表示3D几何形状，从而改变了3D数据的生成和处理方式。我的作品获得了重大认可，并影响了其他科学学科，例如化学[14]和物理学[15]。展望未来，我的长期研究目标是通过建模和学习方法的协同作用，使不同的科学学科赋予AI的潜力。我计划建立一个实验室，以探索从几何相关领域到其他科学领域的数据受限域中应用机器学习的基本原理。我的实验室将研究问题，例如如何设计利用域特异性属性的数据有效的神经网络体系结构[16]，以及如何应用机器学习以完成图形和工程中的复杂设计[6]。我期待着发起跨学科的合作，以应用机器学习，以赋予不同的科学和工程应用程序，例如在有限观察下解决偏微分方程[17]。
血有灌注柱有选择地吸附膝盖+淋巴细胞，以提高抗肿瘤免疫力和肿瘤大鼠的存活率
人工智能（AI）系统的安全是人类决策之一，既是一个技术问题。在AI驱动的决策支持系统中，尤其是在医疗保健等高风险环境中，确保人类互动的安全至关重要，鉴于遵循错误的AI建议的潜在风险。为了探索这个问题，我们在物理模拟套件中进行了以安全为中心的临床医生-AI相互作用研究。医生被放置在模拟的重症监护病房中，并带有人类护士（由经验培训者扮演），ICU数据图，高保真患者的人体模特和AI建议系统。临床医生被要求为模拟患者开出两种药物，患有败血症并戴着眼镜的眼镜，以使我们能够评估他们的凝视在哪里。我们在看到AI治疗建议之前和之后记录了临床医生治疗计划，这可能是“安全”或“不安全”。92％的临床医生拒绝了不安全的AI建议，而安全的AI建议占29％。医生增加了注意力（+37％的注视固定），以不安全AI建议与安全的建议。但是，在不安全的情况下，对AI说明国家的视觉关注并不高。同样，在不安全的AI与安全AI后，临床信息（患者监测器，患者图表）没有得到更多关注，这表明医生没有回顾这些信息来源来调查为什么AI建议可能不安全。医师只能成功说服通过床头护士的脚本评论来改变剂量。我们的研究强调了人类监督在安全至关重要的AI中的重要性，以及在高保真环境中评估人类系统的价值，更像现实世界实践。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。