先进技术。NIST 的研究设施位于马里兰州盖瑟斯堡 20899 和科罗拉多州博尔德 80303。主要技术运营单位及其主要活动如下所列。有关更多信息,请访问 NIST 网站
- 识别在创新核系统预期条件下驱动材料响应的机制。这些机制可以按照多尺度方法在原子或更高尺度上描述。尺度桥接问题以及先进的模拟技术和数据驱动的建模/学习特别令人感兴趣。 - 离子和中子辐照,以及腐蚀和高温暴露实验,以及随后对材料微观结构、降解模式、时间相关特性、机械性能、热性能、辐射耐受性、环境抗性的表征。 - 用于生产和优化材料和组件的新颖和先进方法(包括数值方法):例如,高性能涂层、增材制造、激光烧结和用于相似和不同材料的创新连接技术。金属合金、陶瓷和陶瓷复合材料、用于核应用的先进/新型材料:
I.简介 1.1.背景简介 近几十年来,全球能源格局发生了重大变化,主要原因是迫切需要应对气候变化和减少温室气体排放。随着化石燃料储量减少,其环境影响日益明显,采用可再生能源的现象激增。可再生能源系统,如太阳能、风能、地热能和生物质能,提供了可持续的替代方案,以减轻传统能源生产的不利影响。向可再生能源的转变是对环境问题的回应,也是实现能源安全和经济稳定的努力。在此背景下,将可再生能源系统融入现代建筑已成为促进可持续发展和减少建筑碳足迹的关键战略(Adelekan 等人,2024 年;Olutimehin、Ofodile、Ejibe、Odunaiya 和 Soyombo,2024 年;Onwusinkwue 等人,2024 年)。
国际民航组织将疲劳风险管理系统定义为:一种以科学原理和知识以及运行经验为基础,以数据驱动的方式,持续监测和管理与疲劳相关的安全风险,旨在确保相关人员保持足够的警觉水平。
任何工程设计都隐含着一个潜在的优化问题,尽管很少明确说明要优化的确切目标函数。核系统优化与核工程学科一样古老。核工业的先进制造技术为重新审视优化打开了大门,而这在以前是不可能的,即确定给定目标函数的最佳几何形状。一个简单的例子是球体,它是在临界配置中最小化裸裂变材料的体积(或质量)的形状。然而,即使在最简单的多物理场考虑下,这个问题也变得不那么简单了。在这项工作中,我们开发了一种解决方案,用于在强制流冷却条件下,在 1,500 pcm 过量反应性和 618°C 最高燃料温度的多物理场约束下寻找最小体积几何配置。将解决方案几何形状仅限制为直圆柱体,令人惊讶的是,会产生两个不相交的解区域。扁平、宽(盘状)圆柱体和高、窄(棒状)圆柱体都满足约束条件,并产生非常相似的最小体积。然而这项工作的最终追求是真正的任意几何。关键词:核系统设计、优化、任意几何、人工智能。
控制系统,特别是闭环控制系统 (CLCS),如今经常用于生产机器、车辆和机器人。需要 CLCS 以非常高的精度实时主动地将过程的实际值与给定的参考值或设定值对齐。然而,人工智能 (AI) 并未用于建模、设计、优化和调整 CLCS。本文将重点介绍潜在的基于 AI 的控制系统设计和设计程序,为控制系统工程领域带来新的机遇和研究方向。因此,本文说明了 CLCS 标准框图中的哪些构建块可以用 AI(即人工神经网络 (ANN))替换。考虑到实时包含和功能安全的流程,讨论了基于 AI 的控制器块是否可以满足这些需求。论文最后讨论了基于 AI 的 CLCS 设计的优缺点,并给出了在控制系统工程领域引入 AI 的可能研究方向。
在研究来自准晶体的薛定谔算子时,人们常常通过周期晶体近似底层动力学结构来研究它。这种方法的例子可以在早期的著作中看到,例如 [ OK85 、 MDO89 、 SB90 、 TFUT91 、 TCL93 ] 和最近的 [ SJ08 、 TGB + 14 、 EAMVD15 、 TDGG15 、 CRH19 、 BBDN20 ]。这是使用具有开放、周期或扭曲边界条件的有限体积近似值来完成的,同时试图最小化边界条件的影响。在本文中,我们处理具有周期势的无限近似值,用于估计来自无限晶格 Z 上非周期原子配置的薛定谔算子。使用 Bloch-Floquet 理论可以相对容易地理解这些无限周期近似值,该理论允许我们通过具有扭曲边界条件的有限体积算子来研究它们。例如,请参阅 [ MDMPAR06 ] 或 [ SV05 ]。我们考虑的薛定谔算子是紧束缚模型的简单情况,由下式给出
航空技术的发展前景与飞行信息支持和飞机及其子系统的运行密切相关。具有分布式结构和人工智能元素的数字控制系统的使用越来越多。正在开发无线控制系统,用于在航空系统组件之间交换信息。这种类型的交换通过无线电信号进行。这也可以应用于燃气涡轮发动机 (GTE) [1] 的自动控制系统 (ACS)。因此,可以通过无线电信道访问来自发动机运行过程传感器的信息(遥测信息,TMI),由计算器生成的控制动作。在开发 GTE [2] 的无线 ACS 时,应该解决这些基本问题:
摘要:人工智能 (AI) 与教育技术的融合通过智能辅导系统 (ITS) 彻底改变了学习方式。这些系统利用人工智能提供个性化、自适应的教学,以满足学生的个人需求,从而提高学习成果和参与度。本文探讨了 ITS 的发展和影响,重点介绍了机器学习、自然语言处理和自适应算法等关键人工智能技术,这些技术是其功能的基础。通过研究各种案例研究和应用,本文说明了 ITS 如何改变传统的教育实践,并确定了与其实施相关的挑战和局限性,包括数据隐私问题和系统偏见。讨论还延伸到 ITS 发展的未来方向,强调新兴趋势和潜在进步。最终,本文旨在全面了解 ITS 如何利用人工智能来增强教育体验,并为这一充满活力的领域提出未来研究的途径。
如果一个系统只有有限的能力,例如机器人地板清洁器或预编程的工厂机器人,或者它的使用在受限环境之外没有严重的溢出效应,例如隧道中的自动列车,那么与早期技术相比,它不会引起质的新风险。(…) 相比之下,如果人工智能系统在很大程度上不受控制的环境中相对自由地运行,例如无人驾驶汽车或全自动无人机,或者它可以自行做出高风险决策,例如某些医疗、金融和军事系统,那么社会影响在质上是新颖的。然后,我们将人工制品作为真正的决策者来处理,这也许是人类历史上第一次。(List 2021, 1218 我们的重点)