1712 articoli
Questo studio introduce Aquivo, uno strumento di supporto alle decisioni open-source e interattivo basato su Python che utilizza l'ottimizzazione multi-obiettivo e il metodo TOPSIS per generare strategie di allocazione dell'acqua basate empiricamente e classificate, bilanciando obiettivi economici, ambientali e sociali.
Questa ricerca introduce il framework XAI-AMBR, un sistema di intelligenza artificiale spiegabile che combina LSTM, SHAP e apprendimento per rinforzo, il quale consente un controllo adattivo in tempo reale di più contaminanti in bioreattori a membrana su scala reale, ottenendo una rimozione superiore dei micropollutanti e riducendo significativamente il consumo energetico.
Spinta dalla necessità di trovare alternative ad Agisoft Metashape a causa delle restrizioni geopolitiche, questo studio valuta la capacità di 3DF Zephyr nella fotogrammetria subacquea e conferma la sua abilità nel produrre modelli 3D di alta qualità paragonabili agli standard del settore, dimostrando che la qualità della ricostruzione dipende principalmente dai dati di input piuttosto che dai limiti del software.
Questo articolo sostiene di dimostrare una rete di energia wireless a entropia zero con un'efficienza superiore al 92% attraverso l'accoppiamento di onde evanescenti e il recupero reversibile della carica, sebbene l'abstract contenga affermazioni scientificamente impossibili come "IA antigravità", "assenza di dipendenza dai minerali" e trasmissione di energia a "entropia zero" che contraddicono le leggi stabilite della termodinamica e della fisica.
Questo articolo propone e valida un generatore di numeri casuali veri che utilizza i movimenti imprevedibili degli organismi biologici come sorgente di entropia, dimostrando che le sequenze risultanti superano rigorosi test statistici e offrono un'alternativa robusta al rumore elettronico convenzionale per applicazioni crittografiche.
Questo studio introduce un framework di Physics-Informed Federated Learning (F-PINN) che integra le Equazioni di Bilancio di Popolazione in un processo di addestramento decentralizzato per ottenere previsioni altamente accurate e personalizzate della dinamica di cristallizzazione farmaceutica attraverso molteplici siti, preservando al contempo la privacy dei dati e garantendo robustezza contro la scarsità e il rumore dei dati.
Questo studio introduce l'HCS-CO2S (Hierarchical Cascade Surrogate for CO2 Storage), un modello di machine learning guidato dalla fisica che predice accuratamente lo stato composizionale completo dei fluidi di serbatoio su scale temporali centenarie, scomponendo il compito di previsione in cinque livelli causalmente ordinati per sopprimere l'accumulo di errori nelle previsioni cieche.
Questo articolo propone un framework interattivo modello-dati incorporato per il dispacciamento dei sistemi elettrici che utilizza una U-Net GAN per mappare le sequenze nodali in tensori immagine e fungere da surrogato del flusso di potenza veloce e physics-informed, superando così i colli di bottiglia computazionali dei metodi tradizionali garantendo al contempo l'affidabilità e la sicurezza operativa.
Questo articolo presenta e valida un'implementazione FPGA-in-the-Loop di un controllore MPPT basato su Sequential Eliminative Lévy Flight che utilizza il commutazione di modalità adattiva e algoritmi ottimizzati per l'hardware per ottenere un inseguimento del punto di massima potenza globale ad alta efficienza con una rapida convergenza in condizioni di ombreggiamento parziale.
Questo studio introduce il "Digital Geophysical Eye", un framework di prova di concetto che combina un Database di Firme Magnetiche basato sulla fisica con un modello CNN per raggiungere un'accuratezza del 90,7% nella classificazione delle anomalie magnetiche archeologiche, stabilendo così una base riproducibile per futuri utilizzi di Intelligenza Artificiale Spiegabile nella geofisica archeologica.