2968 件の論文
本研究は、1D CNN–TCNエッジコンピューティングフレームワークを活用することで、光重合におけるリアルタイムかつクローズドループの熱制御を実現し、従来のPID制御と比較して温度オーバーシュートを大幅に低減し、硬化の一貫性を向上させるネイルキュアリング・インテリジェント・テスティング・システム（NCITS）を提示するものである。
本研究は、小型化された静電析出マスク、特にマスクCが、濾過効率の指標のみに依存するのではなく絶対的な粒子濃度を定量化することにより、従来のN95呼吸用保護具と比較して下流の粒子曝露を有意に減少させることを実証している。
本研究は、有限要素熱シミュレーションとAI生成の連続冷却変態図を組み合わせることで、従来のCALPHAD計算に代わって大規模言語モデルエージェントを活用するAI支援ワークフローが、低コストなTi-2.8Al-5.1Mo-4.9Feチタン合金の電子ビーム溶接およびTIG溶接における明確な相組成を予測することに成功したことを示している。
本論文は、複雑で時変的なペイロード条件下における6自由度マニピュレータの高精度な軌跡追従を実現するため、ペイロード・ドメイン・ランダム化を用いたSoft Actor-Criticアルゴリズムに基づくモデルフリー深層強化学習コントローラを提案し、シミュレーションにおいて従来のPID制御と比較して精度とトルクの滑らかさが大幅に向上することを実証する。
本研究は、寒冷地舗装における凍上を予測するための検証済みの一時的連成熱・力学有限要素モデルを提示し、その有効性を緩和策の評価において実証しており、断熱ボードが最も効率的な解決策であること（凍上を約99%低減）、次いで石灰安定化（約73%）、路盤排水（20〜41%）であることを明らかにしている。
本研究は、データ拡張と物理情報に基づく特徴量注入を組み合わせることで、多様な単原子および分子推進剤上で動作する低電力ホール効果スラスターの性能を正確に予測する、ロバストで推進剤に依存しない機械学習フレームワークを開発し、XGBoostを用いて推力予測において98%を超える精度を達成した。
本研究は、従来のグローバルな線形モデルの限界を克服するために、新たな多様体スペクトルSHAP（Manifold Spectral SHAP）フレームワークを導入し、米国の郡全体にわたる、物理的に解釈可能な5つの明確な衝突リスク類型を明らかにすることで、交通安全のメカニズムが空間的に不均一であることを実証し、それによって、一般化されたガバナンスから、標的を絞った地域固有の介入への転換が必要であることを示すものである。
本研究は、有限要素シミュレーションを統合した深層回帰ベースの手法を用いてレーザー指向性エネルギー堆積の走査パターンを最適化することを提案しており、その結果得られる間欠パルスレーザー堆積（IPLD）プロセスが、連続レーザー堆積と比較して冷却速度を大幅に向上させ、微細構造を微細化することで、多層DD5/Inconel 718薄肉部品の機械的特性を向上させることを実証している。
本論文は、VRベースの遠隔手術テレオペレーションのための分散型ステレオ視覚フィードバックフレームワークを提示および特性評価し、ネットワーク伝送遅延は最小限である一方で、全システム遅延（約78ミリ秒）の大部分は画像処理およびディスプレイレンダリングの段階に起因することを明らかにしている。
本研究は、実験的な歪み測定、修正されたジョンソン・クック解析モデル、およびQForm有限要素シミュレーションを統合することで、AISI H13冷間鍛造工具の塑性変形を特性化し、疲労寿命を予測しており、解析的手法が実験的な破断点付近の破壊を効果的に予測することを実証している。