XiaoMi-AI文件搜索系统
World File Search System谬误
基准负荷谬误
澳大利亚悉尼 2052 电子邮件：m.diesendorf@unsw.edu.au 摘要 有人声称大规模发电系统不能以可再生能源为基础，因为后者被认为是“间歇性”能源，无法提供基载（24 小时）电力。本文表明，实际上存在多种可再生能源，它们具有不同类型的时间变化性。其中一些具有与煤炭类似的变化性（例如生物电、热岩地热、带热储存的太阳能热电），因此是基载。虽然大规模风力发电具有不同的变化性，但它可以借助少量峰值负荷发电厂（例如燃气轮机）取代一些基载煤炭。混合使用不同类型的可再生能源可以取代传统发电系统，并且同样可靠。简介 来自煤炭和核能行业以及 NIMBY（Not In My Backyard）组织的可再生能源反对者正在传播这样的谬论，即可再生能源无法提供基载电力来替代燃煤发电。 甚至政府部长和一些 ABC 记者也在宣传这种传统的“智慧”，尽管它是错误的。 其政治含义是，如果人们普遍相信这一谬论属实，可再生能源将永远只是一个小众市场，而无法发挥其成为一套主流能源供应技术的真正潜力。 驳斥这一谬论的关键逻辑步骤如下： • 无论有没有可再生能源，都不存在完全可靠的发电站或发电系统。 • 电网已经设计为能够应对需求和供应的变化。 为此，它们拥有不同类型的发电站（基载、中间负荷和峰值负荷）和备用发电站。 • 一些可再生电力来源（例如生物能源、太阳能热电和地热）具有与燃煤发电站相同的可变性，因此它们属于基载。它们可以集成到电网中而无需任何额外的备用，就像高效能源利用一样。 • 其他可再生电力来源（例如风能、不带储能装置的太阳能和径流式水力发电）具有与燃煤发电站不同的可变性，因此必须单独考虑。 • 风力发电提供了第三个可变性来源，可以集成到已经必须平衡可变传统供应和可变需求的系统中。
能源转型的潮流与谬误
这些问题都无法得到解决。这不禁让人想问：为什么政策制定者和监管机构如此执意忽视大规模长时储能，而这可以解决所有这些问题？它经常被描述为能源转型的缺失环节或圣杯，但政策制定者却决心不为首批商业规模的电厂提供资金，而监管机构则决心通过错误地将储能定义为一种发电类型、取消鼓励投资的期限合同、将此类储能无法单独提供的服务拆分成小合同、浪费数十亿美元支持坦率地说无法完成工作的技术来破坏它。这并不是说这些技术是错误的：它们有自己的用武之地。但人们寻求灵丹妙药、一刀切的解决方案。这些并不存在。但他们确实给了他们数百个不全面考虑问题的借口。或者更直白地说，他们尽可能少地考虑挑战，因为他们认为他们可以侥幸逃脱。
WP_111-Lazonick-Penrose-新古典主义谬误.pdf
艾迪斯·彭罗斯 1959 年出版的《企业增长理论》为创新型企业理论提供了理论基础，这一理论对于解释生产力增长、就业机会和收入分配至关重要。正确理解彭罗斯的企业理论也是对新古典经济学基本欺骗的解毒剂：七十多年来，博士经济学家向数以百万计的大学生传授的理论是，生产率最低的企业是最高效经济的基础。这种“新古典谬误”向广大大学生传播始于保罗·萨缪尔森 1948 年首次出版的教科书《经济学：入门分析》。几十年来，新古典谬误一直存在
“我的数据组织和您的数据组织一样好”谬误
基于先前工作中开发的热模型，并在参考文献中呈现。[4]，已经确定，由于预热，可以将奥氏体阶段保留在激光处理过程中的整个存款步骤中。基于计算的材料点历史，在样品，LPF1和LPF2的制造中也实现了相同的结果。因此，在最后冷却阶段关闭激光器后，马氏体转化才发生。这样的转化产生了扩张菌株，可以促进沉积物内“拉伸”残留应力。但同时，冷却阶段本身会导致样品内收缩。现在考虑参考的工作。[5]，取决于关键马氏体转化点（MS和MF）的位置，可能会出现“热”残留应力的暂时放松，这是由于所谓的超塑性效应在Martensite Transformation的时刻出现。在LFP2样品中获得的较高热量积累（见图7C）以及同一样品中较高的同质性水平可以被认为是该样品中获得的更好的超塑性效应的原因，从而避免了随后的冷裂裂纹现象，从而避免了更好的压力缓解。这些条件在CP和LFP1的两个样本中都无法存在，因此导致它们随后的冷裂。
事实与谬误：反疫苗讨论再起
在人们对疫苗的安全性和有效性达成压倒性共识之后，许多科学家无法理解反对者可能持有的恐惧、担忧和论点。本文从社会经济、历史和哲学角度讨论和评估了对疫苗犹豫不决的个体。它还分析了常见的争论模式以及这些论点可能对犹豫不决的个体产生的心理影响。讨论还探讨了反疫苗情绪为何上升，以及科学界和医学界成员如何需要更有条理地传达关键论点。如果要维持疫苗接种率和群体免疫，这一点尤为重要。仅仅基于事实和科学赢得争论已不再足够，科学家和医生必须专注于向那些心存疑虑和恐惧的人传达信息和情感层面的信心和保证。
牙种植体的疲劳：事实与谬误 - Daniel Rittel
摘要：牙种植体会经历罕见但有问题的机械故障，例如断裂，这些故障最常见的原因是（时间相关的）金属疲劳。本文调查了有关疲劳失效、疲劳识别和种植体在使用过程中的疲劳性能的基本证据。我们首先讨论牙种植体疲劳的概念，首先回顾与此故障机制相关的基本概念。接下来使用扫描电子显微镜识别疲劳失效，以表明此阶段定义得相当明确。我们重申，疲劳失效与种植体设计及其表面状况以及变化很大的使用条件有关。后者的变化程度使得无法设计平均或代表性条件。整个调查都强调了疲劳试验结果的统计性质，以说明从设计角度评估牙种植体疲劳行为的复杂性。当今的牙科植入物疲劳测试仅限于 ISO 14801 标准要求，这可确保认证，但由于要求有限，因此无法为设计目的提供任何见解。我们介绍并讨论了随机谱加载程序，作为在更现实条件下评估植入物性能的替代方案。通过在 0.9% 盐水溶液中进行随机疲劳测试来说明该概念。
中立性谬误：当算法公平干预是（不是）积极作用
已经开发了各种指标和干预措施，以识别和减轻机器学习系统的不公平输出。虽然个人和组织有义务避免歧视，但使用公平感知的机器学习干预措施也被描述为欧洲联盟（EU）非歧视法的“算法正面”。作为欧盟法院在评估积极行动的合法性方面一直是严格的，这将对希望实施公平ML干预措施的人施加重大的法律负担。在本文中，我们建议算法公平干预措施通常应被解释为防止歧视的一种手段，而不是衡量积极行动的方法。具体来说，我们建议此类别错误通常归因于中立性谬误：关于（公平意识）算法决策的中立性的错误假设。我们的发现提出了一个问题，即在算法决策的背景下，是否有歧视歧视的负义务是否足够。因此，我们建议从义务转向“不损害”的积极义务，以积极地“不伤害”作为算法决策和公平的ML间隔的更为适当的框架。
中立性谬误：当算法公平干预是（不是）积极作用
已经开发了各种指标和干预措施，以识别和减轻机器学习系统的不公平输出。虽然个人和组织有义务避免歧视，但使用公平感知的机器学习干预措施也被描述为欧洲联盟（EU）非歧视法的“算法正面”。作为欧盟法院在评估积极行动的合法性方面一直是严格的，这将对希望实施公平ML干预措施的人施加重大的法律负担。在本文中，我们建议算法公平干预措施通常应被解释为防止歧视的一种手段，而不是衡量积极行动的方法。具体来说，我们建议此类别错误通常归因于中立性谬误：关于（公平意识）算法决策的中立性的错误假设。我们的发现提出了一个问题，即在算法决策的背景下，是否有歧视歧视的负义务是否足够。因此，我们建议从义务转向“不损害”的积极义务，以积极地“不伤害”作为算法决策和公平的ML间隔的更为适当的框架。
预测-解释谬误：机器学习科学应用中的普遍问题
我强调了一个在机器学习的科学应用中普遍存在的问题，它可能导致严重扭曲的推论。我称之为预测-解释谬误。当研究人员使用预测优化模型进行解释而不考虑相关权衡时，就会出现这种谬误。这是一个问题，至少有两个原因。首先，预测优化模型通常会故意产生偏差和不切实际，以防止过度拟合。在其他情况下，它们的结构非常复杂，很难或不可能解释。其次，在相同或相似数据上训练的不同预测模型可能会以不同的方式产生偏差，因此它们可能预测得同样好，但给出的解释却相互矛盾。在这里，我以非技术性的方式介绍了预测和解释之间的权衡，并提供了来自神经科学的说明性示例，最后讨论了一些可用于限制问题的缓解因素和方法。