XiaoMi-AI文件搜索系统
World File Search System物理的
游戏人工智能竞赛旨在促进人工智能的协作研究和开发
摘要 — 游戏 AI 竞赛对于促进游戏 AI 和 AI 的研究和发展非常重要。这些竞赛提供了不同的挑战性问题，可以将其转化为其他虚拟或现实环境。它们提供了框架和工具来促进其核心主题的研究，并提供了比较和共享结果的方法。竞赛也是激励新研究人员研究这些挑战的一种方式。在本文中，我们介绍了 Geometry Friends 游戏 AI 竞赛。Geometry Friends 是一款双人合作的基于物理的益智平台电脑游戏。游戏的概念很简单，但事实证明它的解决很困难。虽然游戏的主要和明显的重点是合作，但它也依赖于其他与 AI 相关的问题，例如规划、计划执行和运动控制，所有这些都与态势感知有关。所有这些都必须实时解决。在本文中，我们讨论了竞赛及其带来的挑战，并概述了当前的解决方案。索引术语 — 游戏 AI、协作、合作、团队 AI、AI 竞赛、任务和运动规划、基于物理的游戏。
一种提高输电线路动态热额定值估计精度的数字孪生方法
摘要：输电线路热容量的限制对电力系统的安全性和可靠性起着至关重要的作用。动态热线额定值方法旨在估计输电线路的温度并评估其是否符合上述限制。现有的基于物理的标准是根据多个传感器测量的环境和线路条件来估计温度的。本文表明，采用数据驱动的数字孪生方法可以提高估计精度。所提出的方法利用机器学习，通过学习物理传感器数据和实际导体温度之间的输入输出关系，作为基于物理的标准的数字等价物。对真实数据的实验评估，将所提出的方法与 IEEE 738 标准进行比较，结果显示均方根误差减少了 60%，最大估计误差从 10°C 以上降至 7°C 以下。这些初步结果表明，数字孪生提供了更准确、更稳健的估计，可以作为传统方法的补充或潜在替代方案。
SISPO：用于近距离操作的空间成像模拟器
本文介绍了一种新开发的基于物理的成像模拟器环境 SISPO 的架构和功能，该环境专为小型太阳系天体飞越和类地行星表面任务模拟而开发。该图像模拟器利用开源 3-D 可视化系统 Blender 及其 Cycles 渲染引擎，支持基于物理的渲染功能和程序微多边形位移纹理生成。该模拟器专注于逼真的表面渲染，并具有补充模型，可为彗星和活跃小行星生成逼真的尘埃和气体环境光学模型。该框架还包括用于模拟最常见图像像差的工具，例如切向和矢状散光、内部和外部彗形像差以及简单的几何畸变。该模型框架的主要目标是通过更好地模拟成像仪器性能表征、协助任务规划和开发计算机视觉算法来支持小型太空任务设计。 SISPO 允许模拟轨迹、光线参数和相机的固有参数。
Acuson红杉超声系统 - 查看更多。知道...
与常规系统中的多束组重叠，而不是单个或关闭平行光束线。通过Infocus和基于物理的延迟技术启用了次级波束形成。振幅校正可以在发送事件中进行，以显着锐化图像并改善空间分辨率，而不是给定传感器频率的典型分辨率。
重新定义经济学未来的价值
这本书对经济学的未来提供了一个大胆而发人深省的观点，敦促急需的范式转变，与我们宇宙的现实更加吻合。而不是将人类视为中心焦点，而是挑战读者考虑一种基于物理的更广泛的观点 - 一种将我们的星球视为广阔的空间中的罕见和宝贵的资源。
通过基于组件的降阶模型和可解释的机器学习实现预测性数字孪生
这项工作开发了一种创建和更新数据驱动的基于物理的数字孪生的方法，并通过开发翼展 12 英尺的无人机的结构数字孪生来演示该方法。数字孪生由基于组件的降阶模型库构建，这些模型源自对飞行器在一系列原始和受损状态下的高保真有限元模拟。与传统的整体模型降阶技术相比，基于组件的方法可以有效扩展到大型复杂系统，并为快速模型自适应提供了灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数字孪生使用可解释的机器学习进行部署和更新。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。在操作中，分类器将输入车辆传感器数据，然后推断模型库中哪些基于物理的简化模型最适合组成更新的数字孪生。在我们的示例用例中，数据驱动的数字孪生使飞机能够动态地重新规划安全任务，以应对结构损坏或退化。
自然语言处理与量子物理学
近年来，量子计算引起了广泛关注。其基本思想是利用量子力学的力量来解决计算问题（Shor，1999；Nielsen 和 Chuang，2002）。虽然某些量子算法可以成为经典算法的更快替代方案（Biamonte 等人，2017；Arute 等人，2019），但量子物理的数学框架也已用于认知（Busemeyer 和 Bruza，2012）、优化（Soleimanpour 等人，2014）和其他学科。在自然语言处理 (NLP) 领域，量子力学近年来的研究兴趣激增，解决了从词汇语义模糊性（Meyer and Lewis，2020 年）到语义组合（Coecke 等人，2020 年）以及从信息检索（Jiang 等人，2020 年）到文本分类（Zhang 等人，2021 年）等各种问题，其中量子物理的不同特性启发了新算法。尽管其研究文献不断增加，但尚未有调查对量子 NLP 领域进行综述和分类。最相关的调查是关于量子启发的信息检索（Uprety 等人，2020 年；
研究人员认为，气候研究应整合多种方法
例如，数值天气预测的成功是基于增加分辨率，改善小规模过程的表示，增加整体规模以及更多观察结果，从而更准确地了解初始条件。即使是在天气预报中使用AI的最新使用也不是一种单手的方法，因为AI需要从基于物理的模型中得出的培训数据。
格子 Schwinger 模型中的实时散射
散射实验是探索基础物理的成熟工具。特别是，碰撞实验可以产生高能和稀有粒子，从而研究它们的相互作用。对此类过程的解释需要精确的理论预测，而这往往涉及无法从图解微扰论中提取的贡献。例如，对于强子碰撞就是这种情况，量子色动力学 (QCD) 的非微扰效应可能发挥重要作用 [1]。解决此类非微扰区域的最有力工具是格点规范理论 (LGT)，即规范场论的离散形式 [2]。使用量子蒙特卡罗 [3,4] 等先进的数值方法，LGT 已经能够成功探索强耦合现象，例如 QCD 中的强子谱，但实时动态是一个挑战。尽管最近取得了进展 [5]，但目前还无法精确计算散射过程，这也是促使人们寻找替代技术的原因之一 [6]。近年来，量子方法揭示了探索基础物理的潜在替代方法（参见 [7 – 13] 的评论）。他们的核心重点是 LGT，它似乎也是对
在现有能源部门模型中选择和实施弹性指标
模型描述：基于物理的模拟美国住宅建筑库存模型的能源使用和热性能的模拟：（1）代表停电的方法的开发，以及（2）测量热弹性电力中断方案：长期和短期短期的极端天气，没有“无通知”弹性计量：是时候使用不安全的Indoror Indoror条件https://www.nrel.gov/docs/fy20osti/74241.pdf