XiaoMi-AI文件搜索系统
World File Search System现场实验
电动汽车可以帮助可再生过渡吗？现场实验的证据激励中午收费
过渡到脱碳的能源系统是21世纪的决定性挑战之一。要避免灾难性的气候变化，到2050年，全球温室气体排放必须达到零（Masson-Delmotte等人。，2019年）。净零排放的路径始于发电和电气端的脱碳和加热等电气。但是，可变可再生能源的兴起，例如风能和太阳能光伏以及新电动载荷（例如电动汽车（EV））对电力系统提出了挑战。风能和太阳能输出在几分钟，小时和天数中有所不同，而新的电动汽车（例如电动汽车）可以大大增加电力需求（Bunsen等人。，2018年）。这些变化将要求电力系统变得更加灵活，例如，通过转移电力需求以匹配可再生能源的可用性并增加储能。evs可以通过充当“车轮上的电池”来提供关键的灵活性来源 - 当可再生能源输出量高并在可再生输出较低时退回时充电。但是，电动汽车在该角色中发挥的作用的程度至关重要，这取决于何时充电以及电动汽车所有者以备用电池容量出售能源的意愿。响应价格激励措施的单个电动汽车所有者的充电决定最终将塑造系统级的灵活性EV可以提供。了解是否以及多少电动汽车所有者会因响应价格激励措施而改变其充电是将电动汽车集成到高质量可再生能源系统中的关键（Szinai等人，2020）。在本文中，我们提供了有关电动汽车所有者如何响应价格激励措施的新颖证据，以将其充电转移到支持太阳能发电的高分子网络的时间。我们的研究利用了高分辨率，分钟的远程信息处理数据跟踪所有驾驶，充电和车辆位置，以提供对电动汽车所有者行为的精细且具有较高的预期视图。这个丰富的数据集使我们可以检查充电，驾驶和电池管理的时间和位置。对于为研究招募的390个澳大利亚特斯拉所有者的样本，我们首先比较了有和没有屋顶太阳能的人的充电时间和位置。在我们的环境中，屋顶太阳能所有者面临着电池板时在家中充电的强大经济激励措施。我们发现充电行为有实质性差异。对于屋顶太阳能所有者，一天中期的费用份额高76％，高峰需求时间的份额低33％，在家中发生的费用份额高14％。然后，我们随机分配一半的车辆所有者样本，以获得激励措施，以避免在最常见的压力时高峰需求时间内充电。进一步，
功率器件热阻抗的现场实验提取技术
为了模拟原位 Z TH,ja 提取，对安装在 PM 上的其中一个设备采用了“模拟实验”策略。该过程如下：•首先，通过 COMSOL Multiphysics 环境中的详细纯热 3-D FEM 模拟获得设备的参考 Z TH,ja [24]，其中重现了 PM 的精确复制品（图 3）。边界条件通过施加于厚铜底板底面的传热系数 h =2×10 3 W/m 2 K 来解释，这描述了与高效散热器的接触 [25]。•获得的参考 Z TH,ja 用于构建具有 Foster 拓扑的 SPICE 兼容热反馈网络 (TFN) [26]；然后将 TFN 耦合到 VDMOS 晶体管的电气模型，该晶体管的温度敏感参数可以在模拟运行期间发生变化。电气模型根据实验数据 [27] 进行了校准，并在 [28] 中进行了详细描述。• 使用 OrCAD Capture 软件包 [29] 对 ET 模型进行了瞬态模拟，以模拟第 II.B 节中介绍的实验程序来提取 z ja 。• 通过在 COMSOL 中模拟 300 K 等温背面的裸片器件来确定 Z jc 。• 然后进行反归一化过程和时域转换以获得热阻抗 Z TH,ja 。• 最后比较了参考值和提取的 Z TH,ja 。
现场实验室：对CCS上下文中故障作用的合作调查
自2022年以来，地球创新技术研究所（RITE）和CSIRO开发了一个关键的协作，用于推进碳捕获和存储技术，特别着眼于了解故障系统及其对CO 2存储的影响。Rite是一个日本研究组织，致力于开发和推广用于环境保护和可持续发展的先进技术，包括碳捕获和存储。通过共同努力，这些受人尊敬的组织结合了他们的专业知识，以研究故障和地质形成如何与注射的CO 2相互作用并展示创新的监测技术，这是确保长期碳存储安全性和可靠性的关键因素。此协作可以更精确地建模和管理与故障相关风险，从而改善了减轻潜在泄漏并提高存储可靠性的技术。这项研究的见解对于精炼存储方法和开发强大的监测系统至关重要，这极大地有助于全球减少温室气体排放和实现气候目标的努力。这项研究的见解对于精炼存储方法和开发强大的监测系统至关重要，这极大地有助于全球减少温室气体排放和实现气候目标的努力。
生成的AI和劳动生产力：编码的现场实验
生成的AI和劳动生产力：关于编码Leonardo Gambacorta，Han Qiu，Shuo Shan和Daniel M. Rees*摘要的现场实验，我们研究了生成人工智能（Gen AI）对劳动生产力的影响。在2023年9月，Ant Group推出了CodeFuse，这是一种大型语言模型（LLM），旨在协助程序员团队进行编码。虽然一组程序员使用了它，但其他程序员团队没有被告知此LLM。利用此事件，我们对这两组程序员进行了实地实验。我们确定了使用CodeFuse作为治疗组的员工，并将他们与对照组中的可比员工配对，以评估AI对其生产率的影响。我们的发现表明，Gen AI的使用增加了代码的输出超过50％。但是，仅在入门级或初级员工中，生产力的提高在统计学上才有意义，而对更多高级员工的影响则不太明显。JEL代码：D22，G31，R30。关键字：人工智能，生产力，现场实验，大型技术。
碳足迹信息如何影响消费者选择？现场实验
luzi冰雹接受。We thank an anonymous associate editor, an anonymous reviewer, Jens Müller, Victor van Pelt, conference and workshop participants at the 2nd JAR Registered Reports Conference, LMU Munich, HU Berlin, Passau University, Aalto University, IESE Busi- ness School, University of Padova, and the European Accounting Association's Virtual Ac- counting Research Seminar (VARS), as well as members of the Accounting for透明度协作研究中心有价值的评论。，我们还感谢穆恩申（StudentenwerkMünchen）的食堂业务的负责人和几名员工的支持和见解，以及Luise Engel的宝贵研究援助。我们感谢Sandra Denk，Andreas Oberhauser，Alexander Paulus，Julian Schneider，Victor Sehn和Victor Wagner在进行实验方面的协助。这项研究已获得胡柏林道德委员会的批准。作者感谢德国研究基金会（Deutsche Forschungsgemeinschaft -dfg）的财务支持：项目ID 403041268- TRR266。Bianca Beyer承认芬兰经济教育基金会（Likesivistysrahasto）的财务支持。可以在https://github.com/trr266/ Carbonfood访问论文的数据和代码。本文是由JAR为其2021年的特殊2021年注册报告Conforence实施的基于注册的编辑程序（REP）产生的最终注册报告；该过程的详细信息可在此处找到：https：//www.chicagobooth.edu/research/chookaszian/chokaszian/journer-oke-of-accounting-research-research/mogentered-Reports。本报告的接受的建议和在线附录可以在此处找到：https：//research.chicagobooth.edu/ arc/journal arc/journal-of-accounting-research-research/inline-supplements。
可穿戴脑电图 + 功能性近红外光谱 (EEG+FNIRS) 的描述，用于设计认知的现场实验
摘要 我们开发了一种可穿戴实验传感器装置，具有多模态 EEG+fNIRS 神经成像数据捕获功能，可用于较低财务门槛的现场实验。持续应用良好的传感器应用和信号质量控制协议和程序对于研究人员获得有效数据至关重要。本文详尽描述了传感器设置、数据同步过程、传感器应用程序和信号质量控制。还描述了使用所提出的 EEG+fNIRS 进行的潜在设计认知实验。总之，该装置是移动的，并提供高质量的多模态神经成像数据。我们鼓励设计界利用该装置并将其适应新的现场实验装置。 关键词：EEG+fNIRS、移动实验、设计中的人类行为、设计认知、研究方法和方法 联系人：Dybvik，Henrikke 挪威科技大学 挪威机械与工业工程系 henrikke.dybvik@ntnu.no