XiaoMi-AI文件搜索系统
World File Search System细颗粒
机器学习方法是否改善了具有高空间对比度的环境空气污染物的预测？系统评价
背景与目标：使用机器学习来进行空气污染建模正在迅速增加。我们对比较统计和机器学习模型的研究进行了系统的综述，该研究预测了环境氮二氧化氮（NO 2），超细颗粒（UFPS）和黑碳（BC）的时空变化，以确定哪种情况以及在哪种情况下，机器学习是否会产生更准确的预测。方法：截至2024年6月13日，搜索了科学和Scopus的网络。所有记录均由两个受依赖的审阅者筛选。在最佳统计和机器学习方法之间的确定系数（R 2）和均方根误差（RMSE）之间的差异进行了比较。结果：包括46个模型比较的38项研究（第2号，UFPS为30，为BC为8）。线性非规范方法和随机森林最常使用。机器学习在34个比较中优于统计模型。最佳机器学习和统计模型之间的R 2中的平均差异（95％置信区间）分别为0.12（0.08、0.17）和20％（11％，29％）。基于树的方法在17个多模型比较中的12个中表现最好。非线性或正则回归方法仅在12个比较中使用，并提供了与机器学习方法相似的性能。结论：这项系统的综述表明，机器学习方法，尤其是基于树的方法，可能优于线性非验证方法，用于预测2号，UFP和BC的环境浓度。需要使用非线性，正则化和更广泛的机器学习方法的其他比较研究来确认其相对性能。未来的空气污染研究也将受益于对方法和结果的更明确和标准化的报告。
不锈钢的电子束粉末床熔合加工
增材制造 (AM) 仍是一项相对较新的技术。与从毛坯中去除材料的传统加工不同，AM 用于从空工作空间开始将原料逐层熔合成复杂形状。AM 能够制造复杂的零件几何形状和零件变体，而几乎无需额外制造成本。以前不可能制造的几何形状现在可以作为设计选项使用，例如弯曲的内部通道、复杂的晶格结构和设计的表面孔隙率 - 所有这些都可以重复生产。电子束粉末床熔合 (PBF-EB) 是一种 AM 方法，其中使用电子束将细颗粒粉末加工成零件。自诞生以来，PBF-EB 一直受到可供加工的材料数量的限制。本论文的目的是探索使用 PBF-EB 加工不锈钢的可能性。这项工作的重点是开发高效加工参数，目的是获得高密度成品材料，并了解工艺参数与零件由此产生的微观结构和其他质量方面之间的关系。两种不锈钢粉末，316LN（奥氏体）和超级双相 2507（奥氏体/铁素体），通过各种工艺参数使用各种熔化策略加工成固体零件。在选择一组以高加工速率生产高质量零件的参数之前，对密度、微观结构特征和机械性能进行评估和评定。这项工作的结论是，不锈钢非常适合 PBF-EB 加工，具有宽广的加工窗口。研究还表明，材料性能受所用加工参数的影响很大。对于超级双相不锈钢 2507，制造的部件需要进行制造后热处理才能达到所需的微观结构、相组成和拉伸性能，而 316LN 则可以在更大程度上直接使用，只要使用适当的制造准备和加工参数即可。
科学概况的状态 - 空气质量
空气污染对人类健康，经济和生态系统造成重大伤害。美国每年花费数十亿美元来减少空气污染，以保护公共卫生和环境。超过50年，工业国家已减少了主要由发电厂，运输，工业和农业产生的有害空气污染物。在过去的几十年中，美国空气质量发生了很大的改进。但是，全国心血管和呼吸系统疾病每年仍然有差的空气质量导致大约100,000例过早死亡。NOAA提供了空气质量预测和批判性研究和观察，这些预测支持警报，并制定有效的空气质量管理政策和策略。什么是空气质量？空气质量取决于我们呼吸空气中气体和颗粒物污染物的数量和类型。污染物都是由化学反应在大气中直接发射和形成的。影响美国空气质量的关键污染物是：地面臭氧：一种由前体排放产生的气体，包括氮氧化物，一氧化碳，甲烷和挥发性有机化合物，在阳光下有反应。地面臭氧是烟雾的主要组成部分，对人类健康和生态系统具有有害影响。由于健康效应主要与小颗粒有关，因此PM 2.5是NOAA的研究和操作预测焦点。其他含氮污染物的其他来源可能源自农业活动，例如施肥和动物废物。细颗粒物质（PM 2.5）：小颗粒（有效直径为2.5微米或更少）发射到空气中（例如，燃烧源的烟灰）或其他气体污染物的化学反应形成，例如硫，氮气，氮气和有机化合物（例如，从燃料燃料的燃料燃料，燃料燃料，燃料燃料），含有硫，氮气和有机化合物。其他空气污染物：主要由化石燃料燃烧发射的含有汞，硫或氮的化合物也可能是影响人类和环境健康的污染物。
深入学习和可解释的生物医学应用的人工智能
我们生活在AI快速发展的领域的时代，在该时代，AI技术已变成了许多域中必不可少的工具，包括生物医学图像分析。数字细胞学是一个涉及生物医学图像数据的领域，可以从AI技术中受益。AI技术通过减轻专业人士的负担和发现可能不会被人类注意到的专业人士的负担，为检测癌症等疾病的医学专家提供了巨大的潜力。但是，AI算法具有道德上的考虑因素和潜在的危害，需要关注和管理。认识到此问题在处理患者数据的应用中尤为重要，因为错误可能是由于错误引起的。另一个现有的问题是，患者数据通常会带来独特的挑战，这些挑战为用于处理此类信息的AI算法的发展增加了复杂性。本论文包含四篇论文，其中包括具有具有挑战性特性的数据的图像分类的方法，例如细颗粒标签的稀缺性和复杂的数据组成。重要的是，我们探索了能够解决AI缺乏解释性和信任的AI方法。本文中的四篇论文中的两篇是致力于对数据集的可解释的多个实例学习方法的可行端到端培训，每个患者的数据大量数据，例如细胞学数据。本文的其他论文之一中介绍的研究工作侧重于应用可解释的AI方法来分析现实世界中的细胞学数据以进行癌症检测。以数字细胞学公共可用数据集的短缺以及在现实世界中数字图像细胞学数据中缺乏细粒度标签的稀缺性，我们研究了合成数据在AI方法分析中的作用。在第四篇论文中，我们探讨了AI方法的功能，以与研究条件相关的信息的稀疏分析数据。这个研究问题对于回答基于细胞学的早期癌症检测很重要。我们的发现表明，尽管图像细胞学数据分析带来了挑战，但AI方法可以通过提供可能对他们有价值的信息来帮助医疗专家发挥重要作用。
第三届 ECATS 会议
第三届 ECATS 会议汇集了来自不同学科的研究人员，他们致力于研究有助于航空业应对其面临的许多重大环境挑战的问题。其中包括航空替代燃料、机场空气质量、气候影响、最佳飞行轨迹、飞机未来材料、推进技术。15 年来，ECATS 一直专注于这些日益重要的工作领域。ECATS 卓越网络于 2005 年在欧盟的资助下成立。2010 年，ECATS 成立了一个国际协会，其主要目标是继续召集科学和技术界，研究航空对环境的影响。时至今日，ECATS 仍继续与航空业、监管和科学界的利益相关者密切合作，以支持沟通、传播和开发活动。这些努力的一个成功结果是建立了一系列 ECATS 会议；第一次于 2013 年在柏林举行，第二次于 2016 年在雅典举行，第三次定于 2020 年 4 月在哥德堡举行。然而，世界已迅速被 COVID-19 大流行所席卷，本次会议已重新安排在 2020 年 10 月 13 日至 15 日举行，并将以虚拟方式举行。原定于 2020 年 4 月举行的会议的摘要征集吸引了大量优秀、有趣且具有前瞻性的投稿。为了保持高势头，科学委员会决定编写一本摘要书。本出版物是按会议安排的短格式和长格式摘要的组合。摘要集列出了一系列近期研究项目的新概念、成就和当前结果。这些内容共同构成了将于 10 月提交的工作大纲。机场空气质量会议概述了飞机发动机排放对环境和人类健康的影响。会议为许多机场研究设定了背景，开幕式介绍了对飞机发动机超细颗粒物排放对健康的潜在影响的调查。许多贡献旨在扩大对使用 CFD 和拉格朗日粒子模型对飞机排放进行建模的理解。我们建模能力的进步将有助于更好地了解飞机发动机排放对区域和当地空气质量的影响。本次会议的贡献表明，机场内及周围的超细颗粒物数量浓度可能增加，这可归因于飞机活动。此外，还报告了一项欧洲主要研究中正在进行的工作，以更好地了解飞机发动机的颗粒物排放。本次会议汇集了最具创新性的机场空气质量研究，以提供发展和成果的综合。这些成果将帮助业界制定更强有力的方法来理解和减轻影响。气候影响和缓解概念会议探讨了大气机制和原理，即航空业如何导致气候变化，特别是关注非二氧化碳影响和可用的有希望的缓解方案。展示了对全球航空影响定量估计的综合评估以及对尾迹和尾迹卷云、氮氧化物排放和气溶胶-冰云相互作用的气候影响的详细研究。介绍了替代技术和运营概念的缓解潜力，包括对尾迹缓解策略、电动和混合动力飞机、蒸汽喷射和回收航空发动机的研究。探索了借助战略计划和基于市场的措施实施此类替代概念的概念。