软件可靠性增长模型 [1] 适用于与测试期间经历的故障相关的时间序列数据,以预测达到所需故障强度或故障间隔时间等指标。从历史上看,人们采用了牛顿法等数值算法,这些算法需要良好的初始参数估计,因此应用 SRGM 需要高水平的专业知识。最近克服传统数值方法不稳定性的方法包括群体智能 [2] 等技术,它表现出强大的全局搜索能力。然而,这些技术可能需要大量的计算资源和时间来收敛到精确的最优值,这对 SRGM 很重要,因为一些模型参数对其他参数的精确估计非常敏感。此外,过去大多数应用群体智能的研究
普渡大学化学系、物理系和普渡量子科学与工程研究所,美国印第安纳州西拉斐特 47907 *电子邮件:kais@purdue.edu 摘要:我们提出三个核心思想:1. 量子空间的波粒二象性;2. 通过有序的量子泛函对对所有基本量子门进行分类;3. 一种称为“量子波门”的新型量子门。我们首先研究量子泛函,其与量子态的关系类似于基础量子物理中动量和位置波函数之间的关系:可以在对偶表示之间定义傅里叶变换和熵不确定性原理。量子泛函不仅仅是数学结构,而且具有明确的物理意义和量子电路实现。将量子泛函的分区解释与量子门的效应联系起来,我们通过有序的量子泛函对将所有基本量子门进行分类。通过将量子泛函推广到量子泛函,发现了新型的“量子波门”,作为传统量子门的量子版本。
生物柴油的生产已成为全球努力替代化石燃料的重要组成部分。然而,生物柴油生产中面临的问题之一是甘油产量增加,作为一种产物。甘油或粗甘油(CG)通常是大量生产的,需要明智地管理。本文讨论了生物柴油生产中的甘油作为生物乙醇生产的原料的潜在利用。通过优化发酵过程,基因工程技术和纯化,可以将甘油转化为生物乙醇。生物乙醇是环保的可再生燃料之一。基因工程技术的进步还支持甘油转化为生物乙醇的成功,从而可以发展更有效和生产性的微生物。这为减少浪费,支持资源的可持续性并通过使用甘油作为生物乙醇的原料来减少浪费,支持化石燃料的依赖。将甘油转化为生物乙醇是迈向更可持续和可再生能源的一步。 关键词:生物乙醇,可再生能源,可持续性,基因工程将甘油转化为生物乙醇是迈向更可持续和可再生能源的一步。关键词:生物乙醇,可再生能源,可持续性,基因工程
仿射配准在全面的医学图像配准流程中不可或缺。然而,只有少数研究关注快速而鲁棒的仿射配准算法。这些研究中大多数利用卷积神经网络(CNN)来学习联合仿射和非参数配准,而对仿射子网络的独立性能探索较少。此外,现有的基于 CNN 的仿射配准方法要么关注局部错位,要么关注输入的全局方向和位置来预测仿射变换矩阵,这些方法对空间初始化很敏感,并且除了训练数据集之外表现出有限的通用性。在本文中,我们提出了一种快速而鲁棒的基于学习的算法,即粗到精视觉变换器(C2FViT),用于 3D 仿射医学图像配准。我们的方法自然地利用了卷积视觉变换器的全局连通性和局部性以及多分辨率策略来学习全局仿射配准。我们对 3D 脑图谱配准和模板匹配归一化方法进行了评估。综合结果表明,我们的方法在配准精度、稳健性和通用性方面优于现有的基于 CNN 的仿射配准方法,同时保留了基于学习的方法的运行时优势。源代码可在 https://github.com/cwmok/C2FViT 上找到。
我们引入了一种新方法,可以分析确定两个不同空间位置的量子场配置之间的纠缠熵(和相关量),量子场要么是自由的,要么与经典源相互作用。我们展示了如何用二分连续高斯系统描述这种设置。这使我们能够仅根据场的傅里叶空间功率谱推导出纠缠熵、互信息和量子不和谐的明确和精确公式。这与以前的研究形成了鲜明对比,以前的研究主要依赖于数值考虑。为了说明这一点,我们将我们的形式化应用于平坦空间中的无质量场,其中导出的精确表达式仅涉及场粗粒度区域的大小与这些区域之间的距离之比。特别是,我们恢复了一个众所周知的事实,即互信息在远距离处以该比率的四次方衰减,正如之前在数值研究中观察到的那样。我们的方法导致了这个结果的第一次分析推导,以及一个也适用于任意距离的精确公式。最后,我们确定了量子不和谐并发现它完全消失了(除非在涂抹球体上进行粗粒化,在这种情况下它遵循与互信息相同的远距离抑制)。
复合材料的人工智能制造范式“AIM for Composites”资金:美国能源部(DE-SC0023389)角色:联合首席研究员(PI:克莱姆森大学的 SRIKANTH PILLA 教授)2022 年 11 月至今 • 材料-工艺-微观结构-性能建模途径:建模和预测(a)材料成分之间的物理相互作用与制造对微观结构的影响,以及(b)材料微观结构和性能之间的相关性。• 多尺度耦合:提出一种粗粒化数学理论和统计方法,用于并发耦合异构多尺度求解器进行尺度桥接。一种用于制造轻量化汽车部件的低成本敏捷工具的逆向设计方法
摘要:随着当今社会的快速发展,交通环境变得越来越复杂。作为智能车辆的重要组成部分,轨迹跟踪因其稳定性和安全性引起了极大的关注。在高速工作等极端工作条件下,准确性和不稳定性很容易发生。在本文中,为分布式驱动车辆提出了一种轨迹跟踪控制策略,以确保在高速和低固定限制条件下进行横向稳定性。模型预测控制器(MPC)用于控制前轮角度,并且设计了粒子群优化(PSO)算法以适应MPC控制参数。滑动模式控制器控制后轮角度,并且通过分析β-来判断车辆不稳定性度。β相平面。在本文中设计了不同不稳定性度的控制器。最后,扭矩分隔器的设计目的是考虑驱动防滑。设计的控制器通过CARSIM和MATLAB-SIMULINK共模拟验证。结果表明,本文设计的轨迹跟踪控制器有效地提高了在确保稳定性的前提下的跟踪精度。
•spodumene:富含脚本的沉积物构成了当前挖掘的硬石锂沉积物的大部分。这是一种硅酸锂硅酸盐矿物质,通常在pegmatites中的粗粒晶体中形成。•petalite:Petalite是一种铝硅酸锂矿物质,通常是Pegmatite系统中的次要矿物。它的铁通常低于spodumene,对于陶瓷应用而言是优选的。•赤铁矿:鳞石是云母家族中的矿物质,具有复杂的化学配方,其中包含各种浓度的钾,锂,铝和二氧化硅。它可以含有氟,其高浓度通常是锂加工中的阴性。•Zinnwaldite:Zinnwaldite是另一种云母矿物质,以及钾,锂,铝和二氧化硅也含有铁。它也可能包含氟。
使用Agilent 5973N模型质量选择性检测器(美国圣克拉拉)进行分析。Restek RTX-5MS(30 m×0.25 mm I.D.×0.25μm)气相色谱毛细管柱用作sta tionary阶段(美国贝尔方特)。气相色谱级(超纯色)氦气。分别将注入端口,离子源,四极杆和传递线温度保持在280°C,230°C,150°C和280°C下。GC烤箱程序在50°C保持2分钟,然后在4°C/min下增加到280°C,并保持10分钟。总分析时间为70分钟。质量范围为50-550 m/z,在完整扫描模式下,扫描速率为每秒0.45扫描。使用70 eV电离能进行电子电离。使用质量猎人软件(Qualita Tive Analysis B.07.00)和NIST质谱库确定并确定化合物。
摘要:通过螺旋桨设计方法与粒子群优化 (PSO) 相结合,开发了一种降低螺旋桨驱动飞机能耗的航空结构算法。优化过程中考虑了多种螺旋桨参数,包括每个螺旋桨截面的翼型几何形状。螺旋桨性能预测工具采用收敛改进的叶片元素动量理论,该理论由从 XFOIL 和经过验证的 OpenFOAM 获得的翼型气动特性提供。根据实验 NACA 4 位数据估计失速角校正,并在出现收敛问题时使用。对气动数据进行校正以考虑压缩性、三维、粘性和雷诺数效应。根据实验数据拟合提出了旋转校正系数。采用基于欧拉-伯努利梁理论的结构模型,并根据有限元分析对其进行验证,同时讨论了离心力的影响。进行了一个案例研究,将弦长和螺距分布与涡流理论的最小损失分布进行了比较。使用印刷螺旋桨进行风洞试验,以得出整个程序的可行性以及 XFOIL 和 CFD 最佳螺旋桨之间的差异。最后,将最佳 CFD 螺旋桨与具有相同直径、螺距和运行条件的商用螺旋桨进行比较,显示出更高的推力和效率。