XiaoMi-AI文件搜索系统
World File Search System环境模型
碎片环境模型比较
1. 简介 地球轨道上的太空活动会产生天然流星体和空间碎片。流星体是由彗星和小行星产生的。流星体绕太阳运行，迅速经过地球并离开地球附近，导致流星体与航天器相撞的流量（每年每单位面积撞击物体的数量）相当连续。流星体对航天器的危害很小，因为它们主要是小颗粒。空间碎片由人造物体组成，现在和未来几年都无法发挥有用的作用。这些空间碎片包括非运行卫星、火箭上面级、因意外或故意碰撞和爆炸而解体产生的碎片、火箭尾气中的铝颗粒等。空间碎片绕地球运行并保持在轨道上，直到大气阻力和其他扰动力最终导致其轨道衰减到大气层中。由于大气阻力随着高度的增加而减小，大约 600 公里以上轨道上的大型碎片可以在轨道上停留数十年、数千年甚至数百万年。 （1）近年来，随着航天事业的进步，空间垃圾问题日益凸显。
从不同环境模型导出的行星际空间质子谱
了解空间辐射环境对于设计和选择用于空间应用的材料和部件至关重要。这种环境不仅以太阳的电磁辐射为特征，而且还以带电粒子为特征，带电粒子分为太阳风、太阳高能粒子 (SEP) 和银河宇宙射线 (GCR)。特别是对于材料工程和鉴定测试，需要从 keV 到 GeV 的粒子能量的微分和积分谱。到目前为止，已经有各种各样的模型可用，但很难保持概览。尽管欧洲空间标准化合作 (ECSS) 标准包括有关如何研究粒子辐射的说明，但它并未提供整体视图。本文将为那些需要全面概述的人提供支持，并提供有关质子辐射谱的全面信息，这些信息可能用于从任务分析到材料和组件设计以及鉴定测试等空间工程任务。检查了可公开访问的平台 OLTARIS、SPENVIS 和 OMERE，以获取可用的质子光谱。例如，考虑了第 23 个太阳周期的粒子辐射，该周期涵盖了 1996 年至 2008 年。可用模型的一个共同缺点是它们仅限于 MeV 范围。特别是当材料直接暴露在太空环境中时，低能粒子（特别是 keV 范围）会引起人们的高度关注，因为这些粒子会将所有能量转移到材料上。因此，使用了额外的数据源，以便将通常被忽略的低能质子纳入派生光谱中。数据被转移到通用单位集，最终可以进行比较和合并。这包括对最常见模型的比较，包括数据基础、适用性和可访问性。因此，拟合了广泛而连续的光谱，其中考虑了所有不同模型及其不同的能量和通量。每一覆盖年份都用拟合光谱表示，包括适用的置信度。针对太阳活跃和安静时期，提供光谱。
Aramis：由Geant4模拟构建的火星辐射环境模型
摘要 - 已经建立了火星表面辐射环境的新模型：用于火星表面（Aramis）电离光谱的大气辐射模型。基于蒙特卡洛计算，它为表面频谱提供了很高的计算功能，其中有几个GEANT4物理学列表，这些列表测试了不同的暴露和任务场景。Aramis与任何暴露场景独立进行蒙特卡洛模拟，以确定可以使用参数气氛的几何形状来确定可以将其卷积到任何输入频谱的表面响应函数，从而避免了模拟重复，同时保持结果的准确性。尤其是，采用的方法使二级光谱可以通过类型和来源区分，以观察到不同原发性孔成分对表面剂量计算的影响。ARAMIS模型已通过RAD（辐射评估检测器）仪器的实验测量进行了验证，火星科学实验室（MSL）好奇心漫游车，并针对文献中其他模型进行了标记。使用几何和跟踪（GEANT4）工具箱的11.1.0版构建，并建立了银河宇宙射线（GCR）或太阳能粒子事件（SEP）光谱的模型，Aramis提供的表面中子和光子光谱显示出，与其他模型相比，与其他模型相比，具有更好的一致性，该模型具有高昂的实验性数据，降低了用于降低电视模型的高射图。
水达尼亚麦格纳是非法药物的神经和心脏毒性的新兴环境模型。
可卡因，甲基苯丙胺，过牙（3,4-甲基二氧苯丙胺（MDMA））和氯胺酮是全球消耗的药物之一，导致人类的认知，氧化应激和心血管问题。这些药物的残留水平及其转化产物仍可能进入水生环境，其中测量了多达数百个Ng/L的浓度。在目前的工作中，我们检验了以下假设：精神效应以及这些药物在D. magna认知，氧化应激和心脏血管反应中的作用方式与人类和其他脊椎动物模型中报道的药物相当。因此，我们将D. Magna少年暴露于药理学和环境相关浓度。这项研究与参与哺乳动物和生理相关氨基酸的这些药物的已知机制的主要神经递质的测量相辅相成。行为认知模式清楚地将3种精神刺激药物（甲基苯丙胺，可卡因，MDMA）与分离性的一种Ke Tamine区分开。在药理学剂量（10 - 200μm）处的精神刺激药，增加了基础运动活性和对光的反应，并减少了习惯性。氯胺酮仅增加了光线的习惯。这四种药物以相关的方式增强了活性氧的产生，并以中等浓度的中心（10 - 60μm）增加了心跳，以高剂量的（200μm）减少它们。药物对多达10个氨基酸浓度的影响证明了对神经递质合成，尿素周期，脂质代谢和心脏功能的破坏性影响。在慢性暴露于环境低浓度（10 - 1000 ng/l）中，这四种药物不会影响任何测量的行为反应，而是甲基苯丙胺和可卡因抑制了10 ng/l的繁殖。观察到对神经发射器和相关代谢产物的影响，据报道的哺乳动物和其他脊椎动物模型的反应分别受到报道的反应：可卡因和MDMA增强的多巴胺和5-羟色胺水平，甲基苯丙胺和MDMA降低了多巴胺和章鱼胺，但MDMA降低了MDMA，以及MDMA降低。
通过模型不确定性解决马尔可夫游戏的分散稳定的V-Learning
马尔可夫游戏是一个流行的强化学习框架，用于在动态环境中对竞争者进行建模。然而，马尔可夫游戏上的大多数现有作品都集中在计算游戏之间的不确定相互作用后，但忽略环境模型的不确定性，在实际情况下，环境模型无处不在。在这项工作中，我们开发了一种理论解决方案，以使用环境模型不确定性马可福音游戏。具体来说，我们提出了一个具有环境模型不确定性的马尔可夫游戏的新的且可进行的鲁棒相关均衡概念。，我们证明了鲁棒相关的平衡具有简单的修改结构，其均衡的表征在很大程度上取决于环境模型的不确定性。此外，我们提出了第一个用于计算这种稳健相关平衡的完全分类的随机算法。我们的分析证明，该算法达到了多样性发作的复杂性E O（Sa 2 H 5 ϵ −2），用于计算近似稳健相关的平衡与精确度。关键字：强大的马尔可夫游戏，模型不确定性，强大的相关平衡，加固学习
一种基于模型的增强学习方法，具有条件变异自动编码器
摘要：基于模型的强化学习可以有效提高强化学习的样本效率，但是该方法中的环境模型有错误。模型错误可能会误导策略优化，从而导致次优政策。为了提高环境模型的概括能力，现有方法通常使用集合模型或贝叶斯模型来构建环境模型。但是，这些方法在计算密集型和复杂更新。由于生成的模型可以描述环境的随机性质，因此本文提出了一种基于有条件的自动编码器（CVAE）的基于模型的增强学习方法。在本文中，我们使用CVAE来学习与任务相关的表示形式，并应用生成模型来预测环境变化。考虑到多步误差积累的问题，模型适应用于最大程度地减少模拟和真实数据分布之间的差异。此外，该实验证实了所提出的方法可以学习与任务相关的表示并加速政策学习。
一项关于基于模型的强化学习的调查
抽象的增强学习（RL）与环境相互作用，以通过反复试验解决顺序决策问题。错误在现实世界中的应用程序总是不受欢迎的，即使RL擅长玩复杂的视频游戏，这些游戏允许进行多次试用和错误尝试。为了提高样本的效率并减少错误，基于模型的加固学习（MBRL）被认为是一个有前途的方向，因为它构建了可以在不产生实际成本的情况下进行反复试验的环境模型。在这项调查中，我们调查了MBRL，特别关注Deep RL的最新进展。在非尾环环境的学习模型与实际环境之间存在概括性误差。因此，至关重要的是要分析环境模型中的政策培训之间的差异，即在实际环境中，指导算法设计，以改善模型学习，模型利用和政策培训。此外，我们讨论了其他形式的RL，例如offline rl，目标条件的RL，多代理RL和Meta-RL的最新发展。此外，我们讨论了MBRL对现实世界任务的适用性和收益。最后，这项调查结束了关于MBRL未来发展前景的讨论。我们认为，MBRL在现实世界中具有巨大的潜力和利益，我们希望这项调查将鼓励对MBRL的更多研究。
产品碳足迹报告 - 华硕VY279HGE
①在建模碳排放中的不确定性主要是由于数据限制。对于最大的组成部分贡献了华硕的碳排放，华硕通过开发具有ASUS特定参数的详细基于过程的环境模型来解决这种不确定性。对于华硕碳足迹的其余要素，依靠行业平均数据和假设。计算包括以下生命周期阶段的排放，这些阶段有助于全球变暖潜力（GWP 100年）在CO2等效因素（CO2E）中。