XiaoMi-AI文件搜索系统
World File Search System输入参数
PoS(ECRS)014 - SISSA
太阳高能粒子 (SEP) 是空间天气中最危险的事件之一。在过去的几十年中，人们开发了各种各样的技术来预测 SEP 的发生，这些技术主要基于 > 10 MeV 质子通量与某些前兆（例如太阳耀斑、日冕物质抛射等）之间的统计关联。在本文中，我们将重点介绍太阳质子事件实时警报 (ESPERTA) 的经验模型，该模型通过考虑三个输入参数来预测≥ M2 太阳耀斑发生后的 SEP 事件：耀斑源区经度、软 X 射线通量和 ∼ 1 MHz 的射电通量。在这里，我们在监督学习框架中重塑了 ESPERTA 模型，并对预测模型进行了交叉验证，同时还应用了罕见事件校正（即数据过采样和损失函数加权），因为 SEP 的发生具有高度不平衡性。使用合成少数过采样技术可获得最佳性能，检测概率为 0.83，误报率 (FAR) 为 0.39。尽管如此，与不平衡情况相比，验证分数的改善很小。SEP 预测的相关 FAR 是样本基率的自然结果。总之，我们给出的证据表明，预测 SEP 事件的统计方法应考虑以下因素：1) 需要根据 SEP 事件的预期发生情况校准模型，2) 决策阈值强烈影响模型性能，3) 模型中使用的特征，如果单独考虑，则无法完全分离参数空间中的事件类别，因此使用处理不平衡问题的技术并不能保证更好的性能。
人工智能在膜过程和污垢预测中的应用，以实现更好的资源回收 Hisham Kazim 1、Moin Sabri 1、Aman
摘要 由于溶剂、个人护理产品和药物化合物中出现了新的污染物，水污染已成为一个全球性问题。膜工艺在水处理中似乎有效且前景广阔。虽然膜工艺可以显著降低污染物水平，但诸如结垢等问题仍不断出现。利用人工智能 (AI) 预测结垢和增强膜特性目前正受到关注。可以采用各种人工智能 (AI) 模型根据输出优化输入参数，这有助于预测膜性能并评估其有效排斥污染物的能力。本文讨论了使用人工智能技术改进膜技术和过滤工艺的可能性。膜结垢会在运行过程中造成严重问题，因为杂质会积聚在膜上，从而降低膜的正常运行能力。人工智能算法可用于预测渗透通量和结垢增长特性。本文的结论是，利用人工智能预测膜污染可以增强工艺的膜选择，通过更好的污染控制系统开发降低成本，并使工艺在工业规模上更具可扩展性。文献表明，存在一些模型，例如神经模糊干扰系统，可以预测正向渗透膜的性能，相关性高达 0.997，均方根误差为 0.04。本文还得出结论，探索更多像 GAN 这样的新型深度学习架构将有助于更好地从废水中回收资源，并更好地预测膜工艺中的污染。关键词：人工智能；新兴污染物；污染；膜工艺；优化。
建模媒体对个人信息安全性的影响
摘要随着信息的发展影响技术，媒体信息的个人保护问题变得越来越重要。为了研究这种现象，有必要创建现实的模型，以便有机会评估媒体对人类行为的影响。现有的社会认知和统计模型太普遍了，因此不能具有实际应用。最方便的研究是保形人类行为的模型，它可以根据这一立场连接媒体的位置和人的行为。根据合格模型，本文的作者提出了一个简单的概率模型，在该模型上，他们研究了媒体对个人行为的影响的性质。模型的输入参数是个人对某种社会现象的先验态度，个人思维的独立性，与指定现象有关的替代媒体的地位以及个人对媒体的信任程度。本文的作者提供了对个人信息安全概念的形式描述，因为在替代媒体的影响下，个人位置的偏差之间的差异。抵消媒体对人格的负面影响的主要手段是改变两种替代方案之间信息流的机制。作者确定媒体更改的适当比例，以实现给定的个人信息安全性，具体取决于个人的位置。模拟媒体流量管理各种情况的模拟证实了应用模型的充分性，并表明具有高度独立性的人具有良好的媒体变化技术，能够抵抗大多数信息的影响，从而确保自己的信息安全性在给定的水平上。
超高效轫致辐射产生...
高性能激光驱动辐射源是研究高能量密度物质、利用 kJ PW 激光系统进行对产生和中子产生的研究的重点。在这项工作中，我们提出了一种高效方法，在直接激光加速 (DLA) 电子与几毫米厚的高 Z 转换器相互作用时产生超高通量、高能轫致辐射。在中等相对论强度的亚皮秒激光脉冲与用纳秒激光脉冲辐照低密度聚合物泡沫获得的近临界密度长尺度等离子体相互作用时，产生了能量高达 100 MeV 的直接激光加速电子定向束。在实验中，观察到了通过光核反应产生的钽同位素，阈值能量高于 40 MeV。使用 Geant4 Monte Carlo 程序，以测量的电子能量和角分布作为输入参数，表征了从 180 Ta 到 175 Ta 的同位素记录产量的轫致辐射谱。结果表明，当直接激光加速电子与钽转换器相互作用时，会产生平均光子能量为 18 MeV 的定向轫致辐射，在巨偶极共振（GDR）及以上（≥ 7.5 MeV）的能量范围内每次激光发射会产生 ~2 · 10 11 个光子。这会产生 ~6 × 10 22 sr − 1 · s − 1 的超高光子通量，并且聚焦激光能量转化为高能轫致辐射的转换效率达到创纪录的 2%。
钻石场效应晶体管的热性能
在本报告中，使用拉曼光谱和电热设备建模研究了氢（H）末期钻石场效应晶体管（FET）的热性能。首先，通过使用纳米粒子辅助的拉曼温度计测量传输线测量结构的温度上升来确定活性钻石通道的热导率（J Diamond）。使用这种方法，J钻石估计为1860 W/m k，95％的置信间隔范围从1610到2120 w/m k。与测量的电输出特性相结合，该J用作H-末端钻石Fet的电动机模型的输入参数。模拟的热响应与使用纳米粒子辅助的拉曼热度法获得的表面温度调查显示出良好的一致性。这些基于钻石的结构在从活跃的装置通道中耗散热量的设备热电阻低至1 mm k/w时会高度有效。使用校准的电热器件模型，钻石FET能够以40 W/mm的高功率密度运行，模拟温度升高为33K。最后，将这些钻石FET的热电阻与基于侧面晶体管结构的热电阻与基于侧面晶体管结构与基于其他Ultrawide Bandgap材料（Al 0.70 GA 0.70 GA的0.70 GA 30 N，B -GA -GA -GA -GA -GA -GA -b -ga 2 o 3）和宽3）和gan and and and by 3 and and and and thef。这些结果表明，基于钻石的横向晶体管的热电阻可能比基于GAN的设备低10，比其他UWBG设备低50。
使用高斯工艺回归方法的电动汽车锂离子电池的电荷估计
应将通信发送到Selvarani N：N.Selvarani@psnacet.edu.edu.edu.in Info Info Machine and Computing杂志（http://anapub.co.ke.ke.ke/journals/jmc/jmc/jmc/jmc.html） 2024;从2024年8月18日修订； 2024年8月12日接受接受，2024年10月5日©2024作者。由Anapub出版物出版。这是CC BY-NC-ND许可证下的开放访问文章。（http://creativecommons.org/licenses/by-nc-nd/4.0/）摘要 - 为了确保在电动汽车中使用清洁能源的安全，可靠和负担得起的性能，对LIB的精确负荷状态的估计非常重要。在本文中，提出了具有不同内核函数的SOC预测的高斯过程回归，并通过良好的健康和福祉进行了评估和分析的表现。使用GPR的一个有用的好处是能够量化和估计不确定性，从而评估社会估计的可靠性。内核函数是提高GPR性能的关键超参数。GPR认为电池的温度和电压彼此独立，因为它们各自的输入参数与行业，创新和基础架构相关联，而目标依赖性变量是电池SOC。最初，训练过程涉及确定内核函数的理想超参数以准确表示数据的特征。使用测试数据评估预测电池SOC的准确性。根据仿真结果，基于指数核函数的平方元函数估计SOC具有很高的准确性和较低的RMSE和MAE，从而确保了能源效率和Q Uality Education。关键字 - 充电状态，GPR，内核功能，RMSE，Lib-Lithium Ion电池，能源效率和优质教育。
通过直接能量沉积制造的单道沉积物的特性获取自动化
摘要：金属增材制造工艺自诞生以来就得到了长足的发展，现代系统能够制造结构应用的部件。然而，要通过这些方法成功加工，需要进行大量实验，才能找到优化参数。在基于激光的工艺中，例如直接能量沉积，通常会沉积单道珠并进行分析，从而获得有关输入参数如何影响输出对基材的粘附等特性的信息。这些特性通常使用专门的软件从切割线珠的横截面获得的图像中确定。所提出的方法基于 Python 算法，使用 scikit-image 库和在 H13 工具钢上生产的 18Ni300 马氏体时效钢的光学显微镜成像，并计算 DED 生产的线珠的相关特性，例如轨道高度、宽度、渗透性、润湿性角度、基材上方和下方的横截面积和稀释比例。 18Ni300 马氏体时效钢沉积物的优化条件为：激光功率为 1550 W，进给速率为 12 g min −1，扫描速度为 12 mm s −1，保护气体流速为 25 L min −1，载气体流速为 4 L min −1，激光光斑直径为 2.1 mm。对于横截面焊道，计算其各自的高度、宽度和穿透力的误差分别为 2.71%、4.01% 和 9.35%；稀释比例计算的误差为 14.15%，基材上方面积的误差为 5.27%，基材下方面积的误差为 17.93%。处理一幅图像的平均计算时间为 12.7 秒。开发的方法是纯分段的，可以从机器学习实施中受益。
传统能源的绿色智能化转型
摘要：地理分布的云数据中心 (DC) 消耗大量能源以满足用户不断增长的处理和存储需求。使用化石燃料产生的棕色能源价格昂贵，对全球变暖有重大影响。考虑到棕色能源的高碳排放和相对较高的能源成本对环境的影响，我们建议将可再生能源 (RES)（尤其是太阳能和风能）与棕色能源相结合，为云数据中心供电。在我们之前的研究中，我们解决了可再生能源的间歇性问题，我们用和声搜索算法 (HSA) 优化的权重分配取代了人工神经网络 (ANN) 边缘权重的随机初始化。本研究将可靠预测的太阳能和风能纳入我们提出的绿色能源管理器 (GEM) 的输入参数中，以最小化成本、最小化碳排放并更好地管理云 DC 的能源，从而使我们当前的研究更加可靠和值得信赖。本研究考虑了四种能源，即现场太阳能和风能、场外太阳能和风能、储能设备中存储的能源以及棕色能源，并对三种不同情况进行了模拟。模拟结果表明，与案例 2.1（成本最小化）相比，案例 1（全棕色）的成本高出 58%，碳排放量高出 71%。与案例 2.2（碳排放最小化）相比，案例 1（全棕色）的成本高出 39%，碳排放量高出 80%。模拟结果证明了 GEM 的必要性和重要性，最终结果证明我们提出的 GEM 成本更低，更环保。
评估气候变化的空气温度变化和降水对植物生理和土壤微生物过程的影响Wi
使用DNDC（denitrifi阳离子分解）模型（版本9.5）来预测多年生草的蒸腾和光合作用速率（红三叶草和提摩太教）的差异，以及一种砂质苏普固醇的自亲呼吸。在模型实验中使用了两个生长季节的输入参数（从2010年5月1日至2015年8月31日至2015年8月31日）。在2010年，该周期的平均空气温度为14.1±3.3°C，总降水量为0.1796 m，而在2015年，平均空气温度为16.8±5.5°C，总降水量为0.538 m。这些气象参数对2010年的植物不利，2015年有利。结果表明，DNDC模型充分预测了多年生草的总和平均蒸腾率的天气引起的差异：0.12204 m。和0.00099±0.00040 M.Day -1分别在2015年有利的气象条件下和0.05969 m。和0.00049±0.00035 m.day -1，在2010年不利的气象条件下。植物的每日蒸腾率的动力学显着（r = 0.34 p <0.001）与土壤水含量仅在不利的气象条件下相关。模拟光合作用速率的平均值等于2015年的84.4±27.9 kg.c.c.hha -1。天-1，2010年52.3±23.4 kg.c.hha -1 .day -1 .day -1 -1在2010年。在两种天气情况之间的光合作用速率的平均值中存在显着的差异（p <0.001）。单向方差分析（ANOVA）的结果表明，在有利的（8.14±2.25 kg.c.h -1 .day -1）下，自养呼吸的速率比不利（8.14±2.25 kg.c.ha -1 .day -1）高于不利（5.17±2.17±2.19±2.19±2.19 kg.c.c.ha -1 .day -1 .day -1 .day -1）。
能源转换和管理-UCL Discovery
由于全球表面温度，人口增长，更快的城市化和收入增长的增长，冷却需求的指数增加发生在过去几年中。由于这些冷却驱动因素的影响更大，发展中国家正面临重大问题。常规的蒸气压缩系统是能量的，并且涉及危险的化学物质。目前的论文提出了一种创新的间接蒸发冷却系统，具有较高的能量性能，更少的排放和无化学的操作。为了绘制全面的性能，开发了一个原型，并在各种外部空气条件下进行了测试。然后开发了基于人工神经网络（ANN）的机器学习模型，其中包含重要的输入参数，包括室外空气温度，空气流量比，工作空气温度和空气湿灯泡温度，以预测供应空气温度。隐藏层中具有九个神经元的ANN模型表现出出色的建模性能（r 2）值（r 2）值约1，均方根误差分别为0.046°C，0.06℃和0.06℃，分别在训练，测试和验证阶段中。一次（OFAT）技术一次由一个因素进行的可变显着性分析表明，工作进气温是预测供应温度的最重要参数，其显着性因子为33％。根据合并的实验和ML模型，所提出的系统在48℃的室外空气中产生了130 W的冷却CA的能力，并将温度下降超过20℃。所达到的相应性能系数（仅用于冷却）为32。还表明，增强的IEC在30至48℃的环境温度下稳定运行，并在Ashrae-55和ISO7730的舒适区内保持空气温度。