XiaoMi-AI文件搜索系统
World File Search System物理的
physgen：刚体物理的图像与视频生成
摘要。我们提出了一种新颖的图像到视频生成方法，该方法将转换单个图像和输入条件（例如，将力和扭矩应用于图像中的对象），以产生一种现实，物理上合理的和时间一致的视频。我们的关键见解是将基于模型的物理仿真与数据驱动的视频通用过程集成，从而实现了合理的图像空间动力学。我们系统的核心是三个核心组成部分：（i）有效捕获图像的几何形状，材料和物理参数的图像理解模块； （ii）使用刚体物理和推断参数来模拟实体行为的图像空间动力学模拟模型； （iii）基于图像的渲染和完善模块，利用生成视频扩散来产生具有模拟运动的逼真的视频镜头。由此产生的视频在物理和外观上都是实现的，甚至是可控制的，从而通过定量比较和全面的用户研究来表现出优于现有数据驱动的图像到视频的效果。Physgen的结果视频可用于各种下游
量子传感与基本物理的超导Qubits
电子邮件：roberto.moretti@mib.infn.it摘要 - Quantum Sensing是一个快速扩展的研究领域，在基本物理实验中找到了其应用之一，例如寻找弱EM耦合的暗物质（DM）候选候选者，NAINELELENEXION和DALK PHOTCON。超导Qubits和制造技术的最新发展对量子传感的推动进展产生了重大贡献，这要归功于它们对AC领域的高灵敏度，并且有可能基于量子非demolition（QND）[1]和直接检测来利用基于量子非demolition（QND）的检测方案。QND包括在量子系统和被困在空腔中的光子之间建立一个纠缠状态，从而使我们能够在不吸收的情况下推断光子的存在，从而实现多个测量值，从而指数抑制了深色计数速率。相反，直接检测方案依赖于共振，低功率，暗物质诱导的交流场，其量子态缓慢地旋转速度状态，该量子态可以在高碳状态的thermons和fluxoniums中衡量。此贡献是INFN QUB-IT协作的一部分，该协作旨在通过量子超导设备来推进微波单光子检测。演示将说明QUB-IT状态以实现数百微秒连贯的时间和工程DM检测设置。这项工作研究了平面transmon量子芯片芯片的建模和设计优化，利用集结振荡器模型（LOM）[3]和能量参与率（EPR）[4] [4]来提取汉密尔顿参数。基于EPR的新型策略是为了增强通过有限元模拟估算两级系统（TLS）损失估算的准确性。还讨论了通过耦合的多Qubit系统提高DM敏感性的可能性，以及在国家标准技术研究所（NIST）制造的单量芯片（NIST）的表征以及模拟和测量的Qubit参数之间的彻底比较，例如弹性频率，Anharmormonity和Anharmormonity和Anharmonicity and coupling Lustertic lofter与读取结构。这项工作中提出的初步结果有望进一步增强量子传感平台的灵敏度和可靠性，这可能会超过当前光DM搜索实验的局限性。
钠离子电池基于物理的建模部分。模型和验证
钠离子电池（SIBS）最近被宣布为领先的“锂后”能量存储技术。这是因为SIBS与锂离子电池共享相似的性能指标，而钠则是10 0 0 0 0 0倍的含量。为了了解SIBS的电化学特征并改善了当今的设计，基于物理的模型是必要的。在此，第一次引入了基于物理学的伪两维（P2D）模型。P2D SIB模型分别基于N A 3 V 2（P O 4）2 F 3（NVPF）和硬碳（HC）作为正和负电极。NVPF和HC电极中的电荷转移通过浓度依赖性扩散系数和动力学速率常数描述。模型的参数化基于实验数据和遗传算法优化。表明该模型在预测全细胞HC // NVPF SIBS的排放纤维方面非常准确。此外，可以从施加电流处的模型获得内部电池状态，例如单个电极电池和浓度。在本文中均未阐明电极和电解质的几个关键挑战，并突出显示了提高SIB性能的有用设计注意事项。©2021作者。由Elsevier Ltd.这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）
使用基于物理的电池模型模拟电动车电池降解⋆
在这里，推动力（F PR）是一个可控的组件，它源自通过电动机或制动器的传输系统。重力（F G）可能会导致加速或减速，具体取决于道路倾斜度；它的行为由（3）描述，其中g是重力加速度，θ是道路的角度。阻力和滚动电阻（分别为F阻力和F RR）是电阻力，始终作用于速度方向。阻力是由空气阻力引起的；它是通过（4）描述的，其中ρ是空气密度，A是车辆的额叶区域，C D是空气阻力系数。滚动阻力是由轮胎和道路之间的轮胎变形和摩擦引起的。它由（5）描述，其中c r是滚动电阻系数（Oliveira等，2023; Alcantara，2022）。f g = k m mg·sin（θ）（3）f drag = 1
一个计算框架集成了基于物理的模型和
在1 C率时； （d），©和（f）在3 c速率下为r 0，r 1和r 2。 电阻以0.04的SOC增量（SOC范围为0-1，总共26个参数化点）和7个不同的温度（0 O C，5 O C，15 O C，15 O C，25 ）进行参数。在1 C率时； （d），©和（f）在3 c速率下为r 0，r 1和r 2。电阻以0.04的SOC增量（SOC范围为0-1，总共26个参数化点）和7个不同的温度（0 O C，5 O C，15 O C，15 O C，25
从基于物理的模型到通过可解释机器学习的预测数字孪生
这项工作开发了一种从代表各种资产状态的基于物理的模型库中创建数据驱动的数字孪生的方法。使用可解释的机器学习更新数字孪生。具体来说，我们使用最优树（一种最近开发的可扩展机器学习方法）来训练可解释的数据驱动分类器。分类器的训练数据是使用基于物理的模型库解决的模拟场景离线生成的。可以使用实验或其他历史数据进一步增强这些数据。在操作中，分类器使用来自资产的观测数据来推断模型库中哪些基于物理的模型是更新的数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发结构数字孪生来展示该方法。该数字孪生模型由一系列结构状态下的飞行器降阶模型库构建而成。数据驱动的数字孪生模型会根据结构损坏或退化动态更新，从而使飞机能够相应地重新规划安全任务。在此背景下，我们研究了最优树分类器的性能，并展示了它们的可解释性如何使从稀疏传感器测量中进行可解释的结构评估成为可能，并为最佳传感器放置提供信息。
控制系统中基于物理的攻击检测调查和新方向
监控控制系统的“物理”以检测攻击是一个不断发展的研究领域。安全监控器的基本形式是为工业控制系统创建传感器读数的时间序列模型，并识别这些测量中的异常，以识别潜在的错误控制命令或错误传感器读数。在本文中，我们基于统一的分类法回顾了以前的工作，该分类法使我们能够识别限制、未探索的挑战和新的解决方案。特别是，我们提出了一种新的对手模型，并提出了一种将以前的工作与新的评估指标进行比较的方法，该评估指标基于误报和未检测到的攻击的负面影响之间的权衡。我们还展示了三种实验场景的优缺点，以测试攻击和防御的性能：从大型运营设施捕获的真实网络数据、可用于水处理的全功能测试平台以及电网中频率控制的模拟。
通过基于物理的人工智能加速成分复杂的材料的设计
新材料在两个方面至关重要。一方面，它们推动了文明的颠覆性飞跃。例如，早期的陶瓷用于陶器、青铜用于农业、钢材用于机械、水泥用于建筑、铝用于航空、钛用于宇宙飞船、稀土元素用于磁铁、半导体用于计算机芯片、铂族金属用于催化剂以及聚合物用于包装和医药。另一方面，材料生产是温室气体排放、能源消耗和环境污染的最大单一来源，这一事实迫使我们彻底重新思考生产、使用和回收材料的方式 1、2。材料不断改进的动力导致其化学复杂性更高，因为性能的改善通常需要通过调整成分来调整内在的和微观结构主导的特征。例如，超级合金中化学微调的金属间相 3 – 5、高性能铝合金中复杂的沉淀路径 6 – 8 或先进磁体中的界面 9、10。另一个挑战是微电子中多种元素的近原子级混合，其中产品和材料之间的界限变得模糊，例如半导体制造中的 2 纳米工艺。这两种趋势都提高了材料的成分复杂性和高度集成的系统：它们是高级产品性能的先决条件，并为新的固态现象打开了大门 11-14。然而，化学从不孤单：材料的成分复杂性转化为其微观结构 15。化学成分的变化会影响许多缺陷特征，通常具有指数依赖性：例子包括溶质装饰状态和缺陷能量的变化、作用于它们的拖拽力以及缺陷处新相的形成。这意味着化学复杂性的变化与微观结构复杂性的变化有关。后者很重要，因为材料实际上从未在其热力学平衡状态下使用，而是在瞬态下使用，具有复杂的微观结构
George 更喜欢用物理的方式学习分数概念
各种研究都明确鼓励在数学教学中使用教具，以帮助学生轻松理解数学概念（例如，Getenet 和 Callingham，2021 年；Golafshani，2013 年）。这些研究报告称，在数学课上使用教具的学生比不使用教具的学生表现更好。他们认为，教具可以通过广泛的视觉表现来支持学生的数学学习，减少焦虑，增加参与度，提高解决问题的能力。Donovan 和 Alibali（2021 年）以及 Basargekar 和 Lillard（2021 年）最近的研究表明，使用感知丰富的教具可以提高学生解决问题的能力和信息保留能力。因此，鼓励教师使用教具和技术来帮助儿童在小学环境中理解复杂的数学概念（Reys 等人，2018 年）。人们似乎一致认为，教具可以帮助教师实施有效的教学法，使抽象的数学概念具体化并与儿童的生活相关。Naiser 等人 (2003) 发现，使用教具是教师通过创造具体的体验并为儿童提供一种有效的方式来表达他们的想法，从而使课程更具吸引力的一种方式。Getenet 和 Callingham (2021) 在新西兰教室进行的一项研究表明，教具通过鼓励儿童具体地展示分数概念，帮助教师转变了她的教学实践。