XiaoMi-AI文件搜索系统
World File Search System降阶
社论：结合模型降阶和数据科学的先进材料建模
材料建模一直是一个具有挑战性的问题。此类建模中出现了许多复杂性，例如非线性材料行为、复杂物理和大变形，以及多物理现象。此外，材料通常会表现出丰富的厚度响应行为，这阻碍了使用经典简化方法，并且在使用经典模拟技术时需要极其精细的网格。模型简化技术似乎是减少计算时间的合适解决方案。许多应用和材料成型过程都受益于模型简化技术提供的优势，包括固体变形、传热和流体流动。此外，数据驱动建模的最新发展为材料建模开辟了新的可能性。事实上，使用数据建模对模拟进行校正或更新导致了所谓的“数字孪生”模型的形成，从而通过数据驱动建模改进了模拟。通过使用机器学习算法，也可以对当前模型不准确的材料进行数据驱动建模。因此，在材料制造过程和材料建模框架内有效构建数字孪生的问题如今已成为一个越来越受关注的话题。数字孪生技术的最新进展是使用实验结果来校正模拟，同时也在无法通过实验定义基本事实时将其变化纳入正在运行的模拟中。本研究主题讨论了模型简化技术、数据驱动建模和数字孪生技术的最新发展，以及它们在材料建模和材料成型过程中的应用。在 Victor Champaney 等人的论文中，作者解决了非平凡插值的问题，例如，当曲线中的临界点（例如弹塑性转变点）移动位置时就会出现这种问题。为了找到该问题的有效解决方案，本文展示了几种方法，结合了模型简化技术和代理建模。此外，还展示了通过为预测曲线提供统计界限来量化和传播不确定性的替代品。本文展示了几种应用，以经典材料力学问题为例。
异基因干细胞移植后多重耐药菌定植患者的抗生素降阶梯策略
多重耐药 (MDR) 细菌的定植和相关的血流感染 (BSI) 与血液系统恶性肿瘤患者在强化化疗和异基因干细胞移植 (allo-SCT) 后的高死亡率相关。在这项回顾性研究中，我们分析了异基因 SCT 前定植 MDR 细菌（主要是耐卡巴培南肺炎克雷伯菌，KPC）的患者的预后。我们还研究了在这些患者中采用抗菌降阶梯疗法的可行性和安全性。自 2021 年以来，我们科室已有 106 名患者接受异基因 SCT，其中 34 名（32%）在异基因 SCT 前被 MDR 细菌定植。在植入前期间，84% 的患者接受了针对 MDR 细菌的经验性抗生素疗法 (EAT)，16% 的患者接受了常规 EAT 治疗。 MDR 易位率为零，总的降阶梯治疗率为 79%，其中不明原因发热 (FUO) 患者降阶梯治疗率为 75%。在异基因 SCT 前直肠拭子检测结果为 MDR 阳性的患者队列（n = 18）中，降阶梯治疗率为 100%。整个 MDR 患者群体的 30 天和 100 天全因死亡率分别为 6% (2/34) 和 12% (4/34)。第 +30 天感染相关死亡率为 3%。在本研究中，我们确认了异基因 SCT 后对既往有 MDR 感染的患者采用降阶梯治疗方法的安全性。这可以减少 EAT 抗生素的暴露时间，从而降低选择压力。
基于有限元法和参数模型降阶的电力电子模块热机械耦合分析
本研究通过将有限元法 (ANSYS-FEM) 与参数模型降阶 (pMOR) 相结合，提出了一种新方法，用于执行参数研究并检查电力电子模块 (PEM) 耦合热机械模型的非线性材料行为。与广泛使用的顺序耦合方法相比，所考虑的耦合方法可以同时解决热模型和结构模型。与通常用于 pMOR 研究的恒定参数值不同，本研究使用 pMOR 方法参数化了导线材料的温度相关材料属性。本文考虑使用 pMOR 方法进行热机械分析的广义 2D 模型，参数化导线材料的温度相关热膨胀系数 (CTE) 和杨氏模量 (E)，以探索它们对导线键合的影响。本文将矩阵插值法应用于 pMOR 研究，并使用 PRIMA（一种基于 Krylov 子空间的模型降阶 (MOR) 技术）进行局部模型降阶。已经开发出一种基于拉格朗日插值技术的新高效流程，用于在参数化降阶模型 (pROM) 中实现矩阵插值。降阶模型 (ROM) 的自由度 (DOF) 仅为 8，而全阶模型 (FOM) 的自由度为 50,602。pROM 提供了出色的解决方案，并将本案例的计算时间缩短了 84%。
采用参数模型降阶法进行功率模块热机械分析
摘要 —本文介绍了一种基于拉格朗日矩阵插值方法的参数模型降阶 (pMOR)，用于具有非线性行为的电力电子模块 (PEM) 的热机械和可靠性研究。模型降阶 (MOR) 研究中的大部分先前研究都报告了使用顺序耦合方法进行的热机械模拟。在本研究中，直接耦合热机械分析同时求解热和结构控制方程，用于获得热和变形结果。此外，对于 pMOR，矩阵插值的线性方法仅限于采样参数点之间的线性变化。因此，采用了一种使用拉格朗日插值方法对系统矩阵进行插值的新方法来有效地实现矩阵插值。通过拉格朗日矩阵插值方法获得的参数降阶模型 (pROM) 解与全阶模型 (FOM) 非常吻合，并且计算时间与矩阵插值的线性（双线性）方法相似。 pROM 模拟可将计算时间缩短高达 85.5%。索引术语 — 有限元法、热机械分析、电力电子模块、可靠性评估、参数模型降阶。
使用参数模型降阶对电力电子模块热机械分析中的温度相关特性进行参数化
摘要 — 本文使用 ANSYS-FEM（有限元方法）对电力电子模块 (PEM) 进行直接耦合热机械分析，并结合参数模型降阶 (pMOR) 技术。与目前大多数通过顺序耦合热机械模型进行耦合热机械分析的模型降阶研究不同，本研究中采用的直接耦合热机械方法同时解决了热和结构模型。通常，pMOR 主要侧重于参数化模型参数（例如材料属性、负载），这些参数是常数。在本研究中，在电子模块可靠性评估的背景下，展示了一种使用 pMOR 参数化温度相关属性的新方法，例如 PEM 结构中材料的热膨胀系数 (CTE)。开发了 PEM 的二维有限元模型，并用于研究铝 (Al) 合金的温度相关 CTE 对热负荷下系统热机械响应的影响。基于 Krylov 子空间的技术 PRIMA 已用于模型降阶，并采用矩阵插值的线性方法进行 pMOR 中的参数化。全阶状态空间模型具有 30,612 个自由度 (DOF)，而通过 pMOR 实现的简化模型只有 8 个自由度。模拟运行表明，对于此问题，使用这种方法可以大大减少计算时间，全阶模型和简化模型之间的计算时间减少了 81%。在建模预测中，基于 pMOR 的解决方案保留了结果的准确性。在这种情况下，与 ANSYS-FEM 模型 (FOM) 解决方案相比，应力结果的平均差异仅为 0.43%。
基于 PCA 和 Kriging 的降阶模型在反应流应用数字孪生开发中的应用
详细燃烧系统的详细数值模拟需要大量的计算资源，这限制了它们在优化和不确定性量化研究中的使用。从有限数量的 CFD 模拟开始，可以使用一些详细的函数评估得出降阶模型。在本研究中，考虑将主成分分析 (PCA) 与克里金法相结合以识别准确的低阶模型。PCA 用于识别和分离系统的不变量，即 PCA 模式，而不是与特征操作条件相关的系数。然后使用克里金法找到这些系数的响应面。这导致了一个替代模型，允许以较低的计算成本执行参数探索。本文还介绍了经典 PCA 方法的变体，即局部和约束 PCA。该方法分别在 OpenSmoke++ 和 OpenFoam 生成的 1D 和 2D 火焰上进行了演示，并为其开发了精确的替代模型。
婴幼儿直接静脉接种恶性疟原虫子孢子疫苗的安全性、耐受性和免疫原性：一项年龄降阶、剂量递增、双盲、随机对照研究的结果
背景。正在对全恶性疟原虫子孢子 (PfSPZ) 疫苗的疟疾预防效果进行评估。该疫苗通过静脉注射以达到最大效果。PfSPZ 疫苗的直接静脉接种 (DVI) 对成人来说是安全、可耐受且可行的，但对儿童和婴儿的安全数据有限。方法。我们在肯尼亚西部的 Siaya 县进行了一项年龄降级、剂量递增的随机对照试验。儿童和婴儿（年龄为 5-9 岁、13-59 个月和 5-12 个月）被纳入 13 个年龄剂量组，每组 12 名参与者，按 2:1 的比例随机分配接受疫苗或生理盐水安慰剂，剂量逐渐增加：1.35 × 10 5 、2.7 × 10 5 、4.5 × 10 5 、9.0 × 10 5 和 1.8 × 10 6 PfSPZ，两次最高剂量给药，间隔 8 周。在接种疫苗后 8 天内监测主动建议的不良事件 (AE)，在 29 天内监测主动建议的 AE，并在整个研究过程中监测严重 AE。使用酶联免疫吸附试验检测接种前和接种后 1 周采集的血液中是否存在针对恶性疟原虫环子孢子蛋白 (PfCSP) 的免疫球蛋白 G 抗体。结果。接种疫苗者和对照组中主动诱导 (35.7% vs 41.5%) 和主动诱导 (83.9% vs 92.5%) 的 AE 发生率相似。未发生相关的 3 级 AE、严重 AE 或 3 级实验室异常。大多数 (79.0%) 疫苗接种由单个 DVI 进行。在 9.0 × 10 5 和 1.8 × 10 6 PfSPZ 组中，45 名接种疫苗者中有 36 名 (80.0%) 和 21 名安慰剂对照组中有 4 名 (19.0%) 产生了针对 PfCSP 的抗体 (P < .001)。结论。剂量高达 1.8 × 10 6 的 PfSPZ 疫苗可以通过 DVI 给婴儿和儿童接种，并且安全、耐受性良好且具有免疫原性。
与 Hodgkin-Huxley 模型耦合的神经元-电极接口降阶模型
摘要 – 电极和神经元之间界面的电特性高度依赖于界面几何形状和其他参数。有限元模型在一定程度上可用于研究这些特性。不幸的是，这种模型在计算上非常昂贵。通过简化这些模型，可以减少计算时间。在这项工作中，我们使用基于 Krylov 子空间的模型降阶来简化电极-神经元界面的简化线性化有限元模型。这有助于在系统级耦合到 Hodgkin-Huxley 模型，并大大减少了计算时间。原始有限元模型的精度在很大程度上得以保留。关键词：神经元-电极界面，Hodgkin-Huxley 模型，模型降阶，有限元模型 1. 简介
非线性模型降阶的机器学习...
首先，我要感谢我的论文指导 David Ryckelynck 以及我的导师 Fabien Casenave 和 Nissrine Akkari 为我提供了与他们一起研究本论文主题的机会，并感谢我的出色指导。这三年来，受益匪浅。您将您对研究课题的热情传递给了我，并能够指导我，同时给予我工作的自主权和自由度。我将为我们无数次的科学讨论留下美好的回忆，我非常感谢你们的支持以及你们对我的善意。本论文中提出的结果是真正团队合作的成果，我很自豪能够参与其中。如果没有你，这种经历就不一样了。还要感谢 Fabien 开发的众多编程工具，这些工具对我实现我们的想法非常有用，特别是用于非侵入式模型简化的 Python Mordicus 库。我还要感谢 Ali Ketata，我有幸在赛峰科技实习期间指导他探索新想法并探索与我的论文相关的不同途径。
用于耦合全阶和降阶模型的多保真计算
混合物理-机器学习模型越来越多地用于传输过程的模拟。许多与科学和工程应用相关的复杂多物理系统包括多个时空尺度，并包含一个多保真度问题，该问题在各种公式或异构计算实体之间共享一个接口。为此，我们提出了一种强大的混合分析和建模方法，结合基于物理的全阶模型 (FOM) 和数据驱动的降阶模型 (ROM)，形成混合保真度描述中面向预测数字孪生技术的集成方法的构建块。在界面上，我们引入了一个长短期记忆网络，以各种形式的界面误差校正或延长来桥接这些高保真度和低保真度模型。所提出的界面学习方法被测试为一种解决 ROM-FOM 耦合问题的新方法，使用双保真度设置解决非线性平流扩散流情况，该设置可以捕捉广泛传输过程的本质。