XiaoMi-AI文件搜索系统
World File Search System符和
使用外部运算符和算法自动分化
固体力学中的许多问题都涉及一般和非平凡的本构模型，这些模型难以以各种形式表达。因此，在自动化的有限元求解器（例如Fenics Project）中表达这些问题可能是具有挑战性的，这些元素求解器使用专门为编写变异形式而设计的特定于域的语言。在本文中，我们描述了Fenicsx / Dolfinx的方法和软件框架，该方法几乎可以在任何一般的编程语言中表达构成模型。我们展示了我们对两个固体机制问题的方法。第一个是使用NumBa实现的各向同性硬化的简单von Mises弹性塑料模型，第二个更复杂的Mohr-Coulomb弹性模型，并用JAX实现了Apex平滑。在后一种情况下，我们表明，通过利用JAX的算法自动分化转换，我们可以避免对解决本构模型所需的术语进行错误的手动差异。我们显示了广泛的数值结果，包括泰勒剩余测试，这些结果验证了我们实施的正确性。在LGPLV3或更高版本的许可下，可以作为补充材料提供软件框架和完整的示例。
从头算描述符和机器学习方法的组合，用于预测β-矩阵Ti合金中可塑性机制
探空术比所谓的BO-MD方法更有效，可实现82％的预测准确性，而BO-MD方法在同一数据集上导致52％的正确预测。此外，还产生了四个新的合金组成来验证模型有效性。选择与BO-MD预测不同意的特定情况以增加产生结果的好处。四种合金的可塑性机制实验证实了ML模型的有效性。这种方法特别有助于设计特定的Ti合金，由于转化诱导的可塑性（TRIP）和机械孪生效应（TIP）效应的同时激活，表现出高工作硬化速率。的确，跨阶级跨行程和twip效应的组合达到了88％的预测准确性。
基于新型特征描述符和特征选择技术预测谷氨酸棒状杆菌启动子
启动子是重要的非编码DNA调控元件，与RNA聚合酶结合激活下游基因的表达。工业上人工精氨酸主要由谷氨酸棒杆菌合成，特定启动子区域的复制可增加精氨酸的产量，因此需要对谷氨酸棒杆菌中的启动子进行准确定位。在湿实验中，启动子的识别依赖于sigma因子和DNA剪接技术，这是一项费力的工作。为了快速方便地识别谷氨酸棒杆菌中的启动子，我们发展了一种基于新型特征表示和特征选择的方法来完成这项任务，通过多种理化性质的统计参数描述DNA序列，结合方差分析和层次聚类过滤冗余特征，其预测准确率高达91.6%，灵敏度91.9%可以有效识别启动子，特异性91.2%可以准确识别非启动子。此外，我们的模型可以在400个独立样本中正确识别181个启动子和174个非启动子，证明了所开发的预测模型具有良好的稳健性。