2864 Arbeiten
Das Paper stellt GLoOD vor, ein autoregressives Modell, das zeitliche Selbstaufmerksamkeit auf visuellen Embeddings nutzt, um die Genauigkeit und Robustheit feldbasierter Fluidströmungsvorhersagen über diverse Geometrien und Strömungsregime hinweg signifikant zu verbessern, ohne explizite physikalische Parameter oder ein Retraining zu erfordern.
Dieses Papier schlägt eine zonale synergistische Kontrollstrategie für tiefe weichgesteinsgeführte Strecken vor und validiert diese, indem sie die Resttragfähigkeit des geschädigten Gesteins nutzt, indem sie die Umgebungmasse in distinkte schwache, stabile und starke Trageschichten unterteilt, wodurch die Deformation und das Ausmaß der Plastikzone durch optimiertes Ausbaudesign signifikant reduziert wird.
Diese Studie schlägt einen auf KKT basierenden Mixed-Integer-Optimierungsrahmen vor, der die Batteriespeicherung und die Erzeugersteuerung innerhalb des nationalen Stromnetzes von Sri Lanka co-optimiert, wobei aufgezeigt wird, dass die direkte Einbettung von Speichern in das Dispatch-Modell die wirtschaftliche Arbitrage effektiv erfasst und die Abregelung erneuerbarer Energien reduziert, während gleichzeitig die Notwendigkeit einer Kapazitätsplanung hervorgehoben wird, die auf der tatsächlichen Systemflexibilität anstatt auf Durchschnittsbedingungen basiert.
Diese Studie bewertet die seismische Leistungsfähigkeit von Stahlträger-ummantelten Stützen-Verbundrahmen mit offenen (I-Profil) und geschlossenen (Hohlquadrat) Geometrien durch 1:3 skalierte Schütteltischversuche und eine numerische Validierung mittels SeismoStruct und zeigt auf, dass diese Verbundsysteme im Vergleich zu konventionellen Stahlbetonstrukturen überlegenere Steifigkeit-Gewichts-Verhältnisse, Duktilität und wirtschaftliche Effizienz bieten.
Diese Studie reanalysiert spärliche Daten der Draht-Lichtbogen-Additiven Fertigung (WAAM), um zu zeigen, dass die Grenzwerte für die Zwischenschicht-Verweilzeit je nach Material und Metrik signifikant variieren, und plädiert für einen sensitivitätsbasierten Screening-Workflow, der geometrische, radiographische und Härte-Evidenzen als separate Ströme behandelt, anstatt einen einzigen Prozessschwellenwert zu erzwingen.
Diese Studie zeigt, dass der Einsatz asymmetrischer Verlustfunktionen in Deep-Learning-Modellen die Genauigkeit und Robustheit der kurzfristigen Produktionsprognose für Offshore-Reservoire signifikant verbessert, insbesondere durch die Reduzierung von Unterprognosefehlern während komplexer transienter Ereignisse wie Brunnenabschaltungen im Vergleich zu herkömmlichen symmetrischen Verlustansätzen.
Diese Studie stellt einen verbesserten adaptiven differentiellen Evolutionsalgorithmus (iL-SHADE) vor, der das nichtlineare, schlecht gestellte 1D-TDEM-Inversionsproblem effektiv löst, indem er durch überlegene Genauigkeit und Rauschrobustheit in synthetischen Tests eine überlegene Leistung erzielt und erfolgreich tiefe Untergrundstrukturen in einem vulkanisch-hydrothermalen System am Unzen-Vulkan in Japan auflöst.
Diese Studie präsentiert ein intelligentes Testsystem für die Nagelhärtung (Nail Curing Intelligent Testing System, NCITS), das ein 1D CNN–TCN Edge-Computing-Framework nutzt, um eine Echtzeit-Closed-Loop-Temperaturregelung für die Photopolymerisation zu erreichen, wodurch das Temperaturüberschwingen im Vergleich zur herkömmlichen PID-Regelung signifikant reduziert und die Konsistenz der Aushärtung verbessert wird.
Diese Studie zeigt, dass miniaturisierte Elektrostatische-Abscheider-Masken, insbesondere Maske C, die nachgeschaltete Partikelexposition im Vergleich zu herkömmlichen N95-Respiratoren signifikant reduzieren, indem sie die absoluten Partikelkonzentrationen quantifizieren, anstatt sich ausschließlich auf Filtereffizienzkennzahlen zu verlassen.
Diese Studie zeigt, dass ein KI-gestützter Workflow, der Large Language Model Agents zur Ersetzung konventioneller CALPHAD-Berechnungen nutzt, die unterschiedlichen Phasenkompositionen von Elektronenstrahl- und WIG-geschweißten, kostengünstigen Ti-2,8Al-5,1Mo-4,9Fe-Titanlegierungen durch die Kopplung von Finite-Elemente-Thermosimulationen mit KI-generierten Abkühlungsveränderungsdiagrammen erfolgreich vorhersagt.