查看“WikiEdge:ArXiv速递/2025-05-30”的源代码

== 摘要 ==
* '''原文标题'''：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
* '''中文标题'''：评估气候变化下的未来风能潜力：多模型集成在稳健性评估中的关键作用
* '''发布日期'''：2025-05-30 11:07:18+00:00
* '''作者'''：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
* '''分类'''：physics.ao-ph
*'''原文链接'''：http://arxiv.org/abs/2505.24463v1
'''中文摘要'''：准确预测[[气候变化]]下的[[风能]]潜力对长期[[能源规划]]至关重要。尽管先前研究强调了多[[模型集合]]的价值，但往往未能充分捕捉与[[风资源]]可靠性相关的不确定性全谱和时态动态。本文通过整合[[EURO-CORDEX]]倡议的21种高分辨率[[RCM]]-[[GCM]]组合大集合，对[[RCP8.5]]情景下[[欧洲]]未来风能条件进行了迄今最全面的评估。突破均值分析框架，我们引入基于事件的新方法，利用[[ERA5]]衍生的百分位阈值分析持续高低风事件——捕捉影响[[风机]]性能与[[电网]]稳定性的关键运行条件。为确保统计严谨性，采用[[IPCC AR6]]的"C方法"进行稳健性评估，区分[[气候信号]]与[[内部变率]]并量化模型一致性。关键发现表明：基于有限子集合的预测可能导致矛盾或误导性结论，这凸显了集合多样性的核心作用。空间粒度、时间细节与形式化[[不确定性量化]]的结合，使本研究成为气候导向型风能研究的重大进展，并为弹性[[能源系统]]设计提供了重要工具。

== 摘要 ==
* '''原文标题'''：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
* '''中文标题'''：AutoChemSchematic AI：闭环物理感知智能体框架，用于自动生成化工工艺与仪表流程图
* '''发布日期'''：2025-05-30 13:32:00+00:00
* '''作者'''：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
* '''分类'''：cs.LG, cs.AI, cs.IR
*'''原文链接'''：http://arxiv.org/abs/2505.24584v1
'''中文摘要'''：摘要：尽管[[生成式AI]]的最新进展加速了新型[[化学品]]和[[材料]]的发现，但将这些发现转化为[[工业规模]]生产仍存在关键瓶颈，因为这需要开发全新的[[化学制造]]流程。当前[[AI]]方法无法自动生成[[工艺流程图]]([[PFD]])和[[管道仪表图]]([[PID]])——尽管这些图表对[[化学工艺]]放大至关重要——同时还需遵守[[工程约束]]。我们提出一个闭环、物理感知的框架，用于自动生成工业可行的[[PFD]]和[[PID]]。该框架将面向[[化学工艺]][[QA]]任务训练的[[专业化]][[小型语言模型]]([[SLM]])与[[第一性原理]][[模拟]]相结合，包含三大核心组件：(1)涵盖1,020+种[[化学品]]的[[工艺流]]与[[仪表]]描述的[[分层]][[知识图谱]]；(2)通过[[监督微调]]([[SFT]])、[[直接偏好优化]]([[DPO]])和[[检索增强]][[指令调优]]([[RAIT]])在[[合成数据集]]上微调专业[[SLM]]的[[多阶段]][[训练流程]]；(3)基于[[DWSIM]][[模拟器]]的[[闭环验证]]以确保[[可行性]]。为提升[[运行效率]]与[[模型]][[紧凑性]]，框架整合了[[FlashAttention]]、[[前瞻解码]]、带[[KV缓存]][[量化]]的[[分页注意力]]等高级[[推理]][[优化技术]]，并采用[[启发式]][[重要性]][[指导]]的[[结构化剪枝]]([[宽度]]与[[深度]])以最小[[精度]][[损失]][[压缩]][[模型]]。实验表明，该框架能高保真生成[[模拟器]]验证的[[工艺描述]]，在[[正确性]]上超越[[基线方法]]，并能[[泛化]]至未见[[化学品]]。通过连接[[AI]][[驱动]][[设计]]与[[工业级]][[可行性]]，本工作显著缩短了从[[实验室]][[发现]]到[[工厂]][[部署]]的[[研发周期]]。

== 摘要 ==
* '''原文标题'''：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
* '''中文标题'''：通过PADME实验的正负电子湮灭寻找17 MeV新共振态
* '''发布日期'''：2025-05-30 17:01:50+00:00
* '''作者'''：F. Bossi, R. De Sangro, C. Di Giulio, E. Di Meco, D. Domenici, G. Finocchiaro, L. G. Foggetta, M. Garattini, P. Gianotti, M. Mancini, I. Sarra, T. Spadaro, C. Taruggi, E. Vilucchi, K. Dimitrova, S. Ivanov, Sv. Ivanov, K. Kostova, V. Kozhuharov, R. Simeonov, F. Ferrarotto, E. Leonardi, P. Valente, E. Long, G. C. Organtini, M. Raggi, A. Frankenthal
* '''分类'''：hep-ex
*'''原文链接'''：http://arxiv.org/abs/2505.24797v1
'''中文摘要'''：摘要：弗拉斯蒂[[DA$\Phi$NE]]直线加速器上的[[PADME实验]]利用[[正电子]]束轰击固定靶，搜寻质量约17 MeV的假设粒子[[X17]]。束流能量在262至296 MeV间变化，对应[[质心能量]]$\sqrt{s}$为16.4至17.4 MeV。当$\sqrt{s}$接近[[X17]]质量时，该粒子应通过$e^+e^-$[[湮灭]]共振产生，导致[[双体末态]]事例数超过[[本底]]预期。束流能量间隔设置为小于[[共振线型]]预期宽度的一半，每个$\sqrt{s}$点实现了低于1%的[[不确定度]]。实验采用[[盲分析法]]，在大部分探索能区中数据与本底预期一致，并在[[参数空间]]未探索区域设定了限制。最显著偏差出现在$\sqrt{s} \approx 16.90$ MeV处，其全局[[显著性]]约为零假设预期的2个[[标准偏差]]。