1663 papers
Dit artikel stelt PI-TransUNet voor, een physics-informed deep learning-framework dat een TransUNet-architectuur integreert met een differentieerbaar forward surrogaatmodel en een physics-consistentie-doelstelling om nauwkeurige, robuuste en fysisch betrouwbare detectie van defecten in staalplaten via elektromagnetische tomografie te bereiken.
Deze studie introduceert het Conditional Diffusion Downscaling Model (CDDM), een nieuwe generatieve benadering die een aangepast Brownian bridge-proces gebruikt om grove GCM-neerslagvoorspellingen effectief naar fijne resoluties te downscalen, waarbij het consistent de traditionele en state-of-the-art methoden overtreft op het gebied van probabilistische en deterministische metrieken onder diverse klimatologische omstandigheden.
Deze studie maakt gebruik van CPFD-simulaties om een reactor van het type Tesla-klep te evalueren voor chemische looping-processen, waarbij wordt onthuld dat hoewel de voorwaartse en achterwaartse modi over het algemeen fluidisatie-dode zones vertonen die kunnen worden gemitigeerd door de gassnelheid, bed-tot-deeltje-verhoudingen en spoelconfiguraties te optimaliseren, een achterwaartse modus bij 20 m/s uniek stagnante regio's elimineert door het bedmateriaal langs het langste stromingspad te leiden.
Deze studie stelt een systematisch kader voor het genereren van fysiek consistente trainingsdatasets door middel van non-stationariteitsscreening en op Maximum Likelihood Estimation gebaseerde labelverificatie, waarbij wordt aangetoond dat dergelijke verbeteringen in de datakwaliteit de nauwkeurigheid en generalisatie van Convolutionele Neurale Netwerken bij het schatten van de schaal van fluctuatie voor ruimtelijk variabele grond aanzienlijk verbeteren.
Dit artikel presenteert FusionTouch, een handschoenvrije sferische haptische interface die gebruikmaakt van een cross-domein transparante architectuur en bio-geïnspireerde textielfabricage om multimodale sensatie en bidirectionele haptische feedback synergetisch te integreren op een enkel flexibel oppervlak, wat hoogwaardige handhoudingsschatting, deformatiereconstructie en krachtschatting mogelijk maakt voor diverse mens-robot interactietoepassingen.
Dit artikel introduceert CorroSense-Net, een interpreteerbaar hybride CNN-Transformer-framework met een innovatieve Cross-Attention Fusion-module en onzekerheidskwantificatie dat de state-of-the-art nauwkeurigheid bereikt bij het onderscheiden tussen ongeschonden, erosie- en corrosietoestanden in industriële pijpleidingen, waardoor de beperkingen van bestaande single-model benaderingen in veiligheidskritische inspecties worden aangepakt.
Deze studie stelt een nieuwe batterijvrije autonome mobiliteitsarchitectuur voor die gebruikmaakt van spatiotemporele resonantie, reversibel rekenen en evanescente golfkoppeling om constante latentiecontrole, efficiënte draadloze energieoverdracht en een nul risico op hacking te bereiken door chemische batterijen en traditionele geheugenbeperkingen te elimineren.
Het artikel introduceert LIBRA, een open, interactief webgebaseerd framework dat techno-economische en milieutechnische beoordelingen integreert om de levensvatbaarheid van diverse lithium-ion batterijrecyclingpaden onder evoluerende chemieën te evalueren, waarbij wordt aangetoond dat chemiespecifieke mechanisch-hydrometallurgische routes winstgevend blijven, zelfs bij een hoge penetratie van lithiumijzerfosfaat.
Dit artikel beoordeelt de convergentie van additieve productie, architecturale metamaterialen en AI-ondersteund ontwerp voor multifunctionele composieten, terwijl het via een casestudy over 420 vezelversterkte polymeren aantoont dat ensemble machine learning-modellen effectief mechanische eigenschappen kunnen voorspellen op basis van verwerkings- en constituerende beschrijvers om invers ontwerp en 4D-printen te versnellen.
Dit artikel presenteert een robuuste, reproduceerbare workflow voor het modelleren van het haalbare domein voor ruimtevaartgebonden heterogene high-performance computing die multi-constraint screening (inclusief timing, geheugen, vermogen, thermiek en betrouwbaarheid) integreert om optimale taaktoewijzingen te identificeren, waarbij via synthetische casestudies wordt aangetoond dat robuuste selectie de maaktijd aanzienlijk vermindert en deadline-schendingen onder perturbatie elimineert met slechts een marginale energie-trade-off vergeleken met nominale energie-geoptimaliseerde benaderingen.