XiaoMi-AI文件搜索系统
World File Search System精制
美国能源系统和利用清洁电力生产可持续航空燃料
就能源消耗和二氧化碳排放量而言，喷气燃料相对较小（2021 年占美国运输业的 10%，预计到 2050 年将增至 14%）。但航空公司仍制定了雄心勃勃的目标，要减少温室足迹，从今年开始实现碳中和增长，到 2050 年将国际航班的温室气体排放量在 2005 年的基础上减少 50%。当前机队的使用寿命长（30-50 年），而且未来机队电气化难度大，这加大了挑战性，因为只有 5% 的商业航空温室气体足迹来自区域航班，而这些航班可能会使用可预见的技术实现电气化。因此，需要大量的可持续航空燃料才能实现航空公司设定的积极目标。 2019 年，美国仅生产了 300 万加仑（11.4 ML）可持续航空燃料 (SAF)（燃烧热总计约为 400 TJ 0.0004 EJ），而市场规模为每年 260 亿加仑（3.6 EJ/年）。人们考虑采用费托合成和乙醇齐聚（酒精制喷气燃料）生产 SAF，包括使用可再生电力和二氧化碳。在能源转型排序中，清洁美国电网是实现最大温室气体减排的重要第一步。虽然二氧化碳和清洁电力将来可能会提供 SAF，但乙醇齐聚选项所需的能源更少。
太空中的分布式卷管理
摘要 - 本文解决了基于延迟耐耐受性网络（DTN）的分布式空间任务（DTN）的分布式空间任务的关键改进（SABR）标准（SABR）标准。侧重于卷管理，定义为有效地分配和利用网络联系人的数据传输能力，我们探索了分布式和计划的DTN的增强功能。我们的分析首先要识别和审查SABR框架内的卷管理中现有差距。然后，我们引入了一种新颖的概念所创造的接触分段，该触点细分简化了传输量的管理。我们的方法通过将先前独立的方法（例如有效体积限制（EVL），最早的传输机会（ETO）和排队 - 列表（QD）统一到单个程序中，均跨越了所有网络触点（初始和后续）。最后，我们提出了一个用于SABR中音量管理的精制通用接口，从而增强了系统的可维护性和灵活性。这些进步纠正了卷管理中的当前局限性，并为将来更具弹性和适应性的空间操作奠定了基础。索引条款 - 接触图路由，延迟耐耐净作品，计划 - 意识捆绑布路由
朝着碳效率LLM生命周期
随着生成AI的兴起，由于计算需求和对高级GPU的需求，可持续性问题已经引起了人们的关注。最近的研究量化了来自数据中心的碳排放，但存在一个差距，以充分了解生成模型和硬件系统的生命周期发射。本文介绍了CPU和GPU的精制碳模型，旨在优化机器学习生命周期期间的设计空间，尤其是对于生成性推导中的多GPU系统。我们提出了一个参数化的碳模型，该模型强调了通用CPU的实质影响（寿命为2倍）。我们的发现提出了与模型依赖性策略有关碳效率生成推断的策略，例如优化的批处理，模型碎片和并行化。这些策略（适当地合并在一起）可以在碳足迹上提高17％，而无需可忽略的吞吐量。补充，我们提出了一种不对称的寿命扩展策略，以使GPU摊销CPU体现的碳，从而提高了能源效率，尽管初始碳成本较高。这种方法高光具有AI可持续实践的潜力，强调了在资源密集型生成模型时代，生命周期感知优化的重要性。
CORSIA 合格燃料 – 生命周期评估方法
ATJ 酒精喷气 ASTM 美国材料与试验协会 ANL 阿贡国家实验室 CAEP 航空环境保护委员会 CEF CORSIA 合格燃料 CLCA 后续生命周期评估 CORSIA 国际航空碳补偿和减排计划 CPO 粗棕榈油 CTBE 巴西生物乙醇科学技术实验室。 DDGS 干酒糟和可溶物 ETJ 乙醇制喷气燃料 FFA 游离脂肪酸 FOG 脂肪、油和油脂 FT 费托合成 GHG 温室气体排放 GWP 全球变暖潜能值 HEFA 加氢酯和脂肪酸 iBuOH 异丁醇 JRC 联合研究中心 欧盟委员会 LEC 垃圾填埋场排放信用 LCA 生命周期评估 LCF 低碳航空燃料 LCI 生命周期清单 MIT 麻省理工学院 MSW 城市固体废物 NBC 非生物成分 PFAD 棕榈脂肪酸馏出物 PSF 泥炭沼泽森林 REC 回收排放信用 RPO 精制棕榈油 SAF 可持续航空燃料 SIP 合成异构烷烃 SPK 合成石蜡煤油 SKA 含芳烃的合成煤油 UCO 废食用油 Unicamp 坎皮纳斯州立大学 WTP 井至泵 WTWa 井至唤醒
SGDCL：可解释自主驾驶的语义引导动态相关学习
通过学习表达表达，深度学习（DL）彻底改变了自主驾驶（AD）。尽管取得了重大进步，但DL模型的继承性不透明产生了公众的信任，阻碍了他们广泛采用的采用。为了表现出可行的自主驾驶，当前的研究主要专注于从现场提取特征，以预测驾驶动作及其响应解释。然而，这些方法不足以在动作和解释（这项工作中称为类别）中实现语义和相关性信息，从而导致了次优的性能。为了解决这个问题，我们提出了语义引导的动态相关性学习（SGDCL），这是一种新颖的方法，可以利用语义丰富性和动态相互作用与类别的内在性。sgdcl启用语义引导的学习模块，以获取特定于类别的表示和动态相关学习模块，以适应类别之间的复杂相关性。另外，我们引入了一个创新的损失术语，以利用类别的细粒度同时统计来进行精制正则化。我们可以在两个完善的基准上进行广泛评估SGDCL，这表明了它优于七个最先进的基线和一个大型视觉模型。SGDCL可显着促进可解释的自主驾驶，最多15个。3％的绩效提高和可解释的关注分数，增强了公众对AD的信任。
QSEEK：一个用于自动地震检测，本地化和表征的数据驱动框架
摘要我们引入了一种数据驱动的方法和软件，用于检测和定位大型地震数据集中的地震。通过结合通过神经网络相拾取器传递的地震阶段到达注释，并通过自适应OCTREE搜索进行波形堆叠，我们也可以自动检测并定位Seis-MIC事件，即使在噪声主导地震数据中也是如此。搜索量的分辨率是地震源位置的迭代精制；该策略促进了有效，快速和准确的搜索。我们提出了一个基于既定框架，fea-turing事件检测层和复杂的3D速度模型以及事件特征提取功能，SutasmomentAndlocomeMentAndlocalMagnitudeCalcalulculationFrompeakeakermotions，提供了一个用户友好且高性能开源软件框架。Weimedsatation特定的校正和特定于源的电台项中的搜索中，以提高位置准确性。我们通过从不同地区和地质环境中的大型地震数据集中提取广泛的地震目录来验证并验证我们的方法：（1）冰岛雷克雅内斯半岛； （2）德国Eifel火山区； （3）犹他州锻造。我们从构造活动，火山群和诱导的微吸毒活性中捕获地震事件，幅度在-1到5。如此精确而完整的地震目录有助于解释和理解原本隐藏的地下过程。
在人工神经网络中使用的神经可塑性（脑可塑性）
摘要 - 您可能已经听说大脑是塑料的。您知道大脑不是由塑料制成的，大脑可塑性也称为神经可塑性。大脑可塑性是一个物理过程。灰质实际上可以缩小或增厚神经连接可以锻造，精制或削弱和切断。大脑可塑性是指大脑在一生中改变的能力。大脑具有通过在脑细胞（神经元）之间形成新的连接来重组自身的惊人能力。很长一段时间以来，人们相信，随着我们的年龄，大脑的连接变得固定。研究表明，实际上大脑永远不会通过学习来改变。可塑性是大脑随着学习而改变的能力。与学习相关的变化主要发生在神经元之间的连接水平上。可以形成新的连接，现有突触的内部结构可能会改变，但也可以根据所收到的外部刺激和前面存在的连接而部分地进行内部拓扑。我们发现这个想法也可以应用于简单的人工神经网络。在本文中，我们提出了一种新方法，以动态地适应人工神经网络的拓扑，仅使用学习集中的信息。以及在本文中，我们提出的算法已经在结果上相对于多层感知器（MLP）问题进行了测试。索引术语 - 学习，神经可塑性，多层感知（MLP），人工神经网络（ANN），神经元，大脑，突触。
CORSIA 合格燃料 – 生命周期评估方法
ATJ 酒精喷气 ASTM 美国材料与试验协会 ANL 阿贡国家实验室 CAEP 航空环境保护委员会 CEF CORSIA 合格燃料 CLCA 后续生命周期评估 CORSIA 国际航空碳补偿和减排计划 CPO 粗棕榈油 CTBE 巴西生物乙醇科学技术实验室。 DDGS 干酒糟和可溶物 ETJ 乙醇制喷气燃料 FFA 游离脂肪酸 FOG 脂肪、油和油脂 FT 费托合成 GHG 温室气体排放 GWP 全球变暖潜能值 HEFA 加氢酯和脂肪酸 iBuOH 异丁醇 JRC 联合研究中心 欧盟委员会 LEC 垃圾填埋场排放信用 LCA 生命周期评估 LCF 低碳航空燃料 LCI 生命周期清单 MIT 麻省理工学院 MSW 城市固体废物 NBC 非生物成分 PFAD 棕榈脂肪酸馏出物 PSF 泥炭沼泽森林 REC 回收排放信用 RPO 精制棕榈油 SAF 可持续航空燃料 SIP 合成异构烷烃 SPK 合成石蜡煤油 SKA 含芳烃的合成煤油 UCO 废食用油 Unicamp 坎皮纳斯州立大学 WTP 井至泵 WTWa 井至唤醒
脱氧得分蒸馏：从嘈杂的扩散预处理到一步高质量一代
扩散模型在产生各种自然分布的高分辨率，逼真的图像方面取得了巨大的成功。但是，他们的性能在很大程度上依赖于高质量的培训数据，这使得从损坏的样本中学习有意义的分布变得具有挑战性。此限制限制了它们在稀缺或昂贵的科学领域中的适用性。在这项工作中，我们引入了DeNoising评分蒸馏（DSD），这是一种出奇的有效和新颖的方法，用于训练低质量数据的高质量生成模型。DSD首先预修了一个扩散模型，专门针对嘈杂，损坏的样品，然后将其提炼成能够生产精制，干净的输出的单步生成器。传统上将得分蒸馏视为加速扩散模型的一种方法，但我们表明它也可以显着提高样本质量，尤其是从退化的教师模型开始时。在不同的噪声水平和数据集中，DSD始终提高生成性能 - 我们在图中总结了我们的经验证据1。此外，我们提供了理论见解，表明在线性模型设置中，DSD识别了干净的数据分散协方差矩阵的特征空间，并隐含地正规化了生成器。此透视图将蒸馏片重新升级为效率的工具，而且是改善生成模型的机制，尤其是在低质量的数据设置中。
自动分割主动脉瓣和二尖瓣，用于肥厚性阻塞性心肌病的心脏外科手术计划
肥厚性阻塞性心肌病（HOCM）是年轻人突然心脏死亡的主要原因。隔膜切除术手术被认为是HOCM非药物治疗的黄金标准，其中主动脉和二尖瓣是手术计划的关键区域。当前，在临床实践中广泛执行主动脉和二尖瓣的手动分割，以构建用于HOCM手术计划的3D模型。但是，这样的过程是耗时且昂贵的。在本文中，我们将解剖学的先验知识介绍为自动分割主动脉和二尖瓣的深度学习。特别是提出了一种两阶段的方法：我们首先从CT图像中获得感兴趣的（ROI），然后进行心脏分割。心脏子结构之间的空间关系用于识别包含主动脉瓣和二尖瓣的瓣膜区域。与典型的两阶段方法不同，我们为左心室的精制分割，左心房和主动脉作为阀门分割的附加输入。通过纳入这些解剖学先验知识，深度神经网络（DNN）可以利用周围的解剖结构来改善阀门细分。，我们收集了一个具有隔膜切除术手术病史的患者的27个CT图像的数据集。实验结果表明，我们的方法的平均骰子得分为71.2％，比现有方法提高了4.2％。我们的数据集和代码将发布到公共数据集。关键字：肥厚的阻塞性心肌病，外科手术计划，分割，深神经网络。