2864 papers
Het artikel introduceert GLoOD, een autoregressief model dat temporele zelf-attentie op visuele embeddings benut om de nauwkeurigheid en robuustheid van veldgebaseerde vloeistofstroomvoorspellingen over diverse geometrieën en stromingsregimes aanzienlijk te verbeteren zonder expliciete fysieke parameters of hertraining te vereisen.
Dit artikel stelt een zone-synergetische regelstrategie voor voor diepe zachte gesteente-mijngangen, die het resterende zelfdragende vermogen van beschadigd gesteente benut door de omringende massa te verdelen in afzonderlijke zwakke, stabiele en sterke dragende lagen, waardoor de deformatie en de omvang van de plasticiteitzone aanzienlijk worden verminderd door een geoptimaliseerd ondersteuningsontwerp.
Deze studie stelt een op KKT gebaseerd mixed-integer optimalisatiekader voor dat de batterijopslag en de generatordispatch binnen het nationale elektriciteitsnet van Sri Lanka co-optimaliseert, waarbij wordt aangetoond dat directe inbedding van opslag in het dispatchmodel effectief economische arbitrage vastlegt en hernieuwbare curtailment vermindert, terwijl de noodzaak voor capaciteitsplanning gebaseerd op werkelijke systeemflexibiliteit in plaats van gemiddelde omstandigheden wordt benadrukt.
Deze studie evalueert de seismische prestaties van composietframes met stalen balken en omhulde kolommen met open (I-profiel) en gesloten (hol vierkant) geometrieën door middel van 1:3 geschaalde schudtafeltests en SeismoStruct numerieke validatie, waarmee wordt aangetoond dat deze composiet-systemen superieure stijfheid-gewichtsverhoudingen, ductiliteit en economische efficiëntie bieden in vergelijking met conventionele gewapend betonconstructies.
Deze studie heranalyseert schaarse data van wire arc additive manufacturing (WAAM) om aan te tonen dat de limieten voor de rusttijd tussen de lagen significant variëren per materiaal en metriek, waarbij wordt gepleit voor een op gevoeligheid gebaseerde screeningworkflow die geometrische, radiografische en hardheidselementen als afzonderlijke stromen behandelt in plaats van één enkele procesdrempel af te dwingen.
Deze studie toont aan dat het gebruik van asymmetrische verliesfuncties in deep learning-modellen de nauwkeurigheid en robuustheid van kortetermijnvoorspellingen van offshore reservoirproductie aanzienlijk verbetert, met name door ondervoorspellingsfouten tijdens complexe transiënte gebeurtenissen zoals het afsluiten van putten te verminderen in vergelijking met conventionele symmetrische verliesbenaderingen.
Deze studie introduceert een verbeterd adaptief differentieel evolutie-algoritme (iL-SHADE) dat het niet-lineaire, slecht gestelde 1D TDEM-inversieprobleem effectief oplost door superieure nauwkeurigheid en ruisrobuustheid te bereiken in synthetische tests en succesvol diepe ondergrondse structuren te resolveren in een vulkanisch-hydrothermisch systeem bij de Unzen-vulkaan, Japan.
Deze studie presenteert een Nail Curing Intelligent Testing System (NCITS) dat gebruikmaakt van een 1D CNN–TCN edge-computing framework om real-time, gesloten-lus thermische regulatie voor fotopolymerisatie te bereiken, wat de temperatuurovershoot aanzienlijk vermindert en de uithardingsconsistentie verbetert in vergelijking met conventionele PID-regeling.
Deze studie toont aan dat geminiatiseerde elektrostatische precipitator-maskers, in het bijzonder Mask C, de blootstelling aan deeltjes stroomafwaarts significant verminderen vergeleken met conventionele N95-ademhalingsbeschermers door absolute deeltjesconcentraties te kwantificeren in plaats van uitsluitend te vertrouwen op filtratie-efficiëntie metrieken.
Deze studie toont aan dat een door AI ondersteunde workflow, waarbij gebruik wordt gemaakt van large language model-agenten om conventionele CALPHAD-berekeningen te vervangen, met succes de verschillende fasensamenstellingen van met elektronenstraal en TIG gelaste goedkope Ti-2.8Al-5.1Mo-4.9Fe titaniumlegeringen voorspelt door eindige-elementen thermische simulaties te koppelen aan door AI gegenereerde continuous-cooling-transformation diagrammen.