1712 articoli
Questo studio propone un framework GIS semantico basato sul deep learning che integra la preservazione del patrimonio con la pianificazione degli spazi verdi per identificare zone prioritarie per interventi responsivi al clima in contesti urbani storici, dimostrato attraverso un caso di studio nel Cimitero del Deserto Mamelucco del Cairo.
Questo articolo presenta un convertitore a condensatori commutati guidato da chiave che utilizza una chiave digitale non periodica generata da PUF per autenticare l'accesso all'hardware, dove chiavi non corrispondenti attivano un meccanismo di autodistruzione tramite degradazione indotta da iniezione di portatori caldi e un rilevatore del tempo di avvio per disabilitare la circuiteria a valle.
Questo studio dimostra che, sebbene un baseline di persistenza ingenua superi sei algoritmi di apprendimento automatico per la previsione della temperatura del manto stradale a breve termine a tutte le profondità in un clima continentale, i metodi di apprendimento automatico offrono un valore limitato ma reale ad orizzonti temporali più lunghi e a profondità maggiori, dove l'inerzia termica smorza la variabilità ad alta frequenza.
Questo studio introduce un framework di apprendimento automatico physics-informed e privo di radiazioni che stima accuratamente il rapporto acqua-liquido nei flussi trifasici olio–gas–acqua utilizzando esclusivamente misurazioni della portata di massa Coriolis e un nuovo fattore medio di densità di miscela armonica (HMDMF), raggiungendo elevate prestazioni predittive (R² = 0,8943) e offrendo un'alternativa economica ai tradizionali sistemi basati su gamma.
Questo studio introduce un framework di stratificazione termodinamica basato su differenze di temperatura critica per classificare i sistemi ORC-VCC a due fluidi di lavoro, rivelando che differenze di temperatura critica inferiori producono un'efficienza maggiore a scapito di portate massiche più elevate, identificando al contempo la temperatura del condensatore come il fattore dominante che influenza le prestazioni complessive del sistema.
PINN-Flow è un framework di deep learning fisico-informato unificato che stima congiuntamente la velocità del flusso sanguigno e lo spostamento della parete aortica negli aneurismi dell'aorta addominale integrando i vincoli di Navier-Stokes e di elasticità lineare, superando così significativamente i baseline basati sui dati per robustezza al rumore e accuratezza nella stratificazione del rischio di rottura.
Questo studio dimostra che l'aspersione di fini goccioline d'acqua nelle scie delle turbine per indurre una galleggiabilità negativa guidata dall'evaporazione accelera il recupero della scia e aumenta significativamente la generazione netta di potenza nei parchi eolici, come validato da simulazioni di grandi eddie ed esperimenti in galleria del vento.
Questo articolo propone un quadro di retrofit termico a basso costo e a reperibilità locale per le abitazioni soggette a gelo nelle Ande del sud del Perù, confrontando sistematicamente le strategie edilizie internazionali per climi freddi al fine di derivare una specifica per pareti e tetti utilizzando materiali indigeni come l'erba ichu e la lana di camelide che teoricamente riduce la trasmittanza termica del 55–65%.
Questo studio introduce un processo di produzione additiva Friction Stir Spot per componenti in alluminio che sia conveniente, dimostrando, attraverso esperimenti e analisi agli elementi finiti, che aumentare i punti di saldatura per strato può permettere di raggiungere circa l'80% della resistenza a flessione di un componente ideale, riuscendo al contempo a fabbricare componenti geometricamente complessi.
Questo studio propone un framework di grafo multiplex guidato dai vincoli che integra una rete cielo-tetto modulare con le strade a livello del suolo per ridurre significativamente i costi di viaggio e migliorare le condizioni ambientali nel tessuto urbano storico e ad alta densità di Puran Dhaka.