WikiEdge:ArXiv速递/2025-02-26：修订间差异
Created page by Carole |
Updated page by Carole |
||
| 第7行： | 第7行： | ||
*'''原文链接'''：http://arxiv.org/abs/2502.19492v1 | *'''原文链接'''：http://arxiv.org/abs/2502.19492v1 | ||
'''中文摘要'''：[[帕克太阳探测器]]是一项旨在以前所未有的近距离探索[[太阳风]]特性的任务。[[太阳探测杯]]（SPC）的详细粒子观测主要集中在研究太阳风中的[[质子]]群体。然而，在帕克任务的多个阶段中，SPC观测到了一个显著且独特的完全电离[[氦]]（He$^{2+}$）群体。微量离子携带着太阳风源区的特性以及外流过程中的活跃机制，使其成为[[太阳起源]]和形成的敏感标志。通过对He$^{2+}$速度分布函数的详细分析，本研究考察了SPC观测到显著且持续He$^{2+}$峰值的时期。我们计算了[[氦丰度]]，并研究了流的整体速度、密度、温度、[[磁场拓扑]]和[[电子束]]特性，以识别能够提供其太阳源区洞察的独特太阳风特征。我们发现，几乎所有时期的平均氦组成（$8.34\%$）都高于典型的太阳风，并且大多数（$\sim87\%$）这些时期与[[日冕物质抛射]]相关，最高丰度达到$23.1\%$。随着[[太阳周期]]接近最大值，氦丰度和事件数量增加，且对速度的依赖性较弱。此外，与日冕物质抛射无关的事件集中在[[日球层电流片]]附近，表明它们与[[流带]]外流相关。然而，目前尚无理论能够完全解释观测到的氦丰度范围。 | '''中文摘要'''：[[帕克太阳探测器]]是一项旨在以前所未有的近距离探索[[太阳风]]特性的任务。[[太阳探测杯]]（SPC）的详细粒子观测主要集中在研究太阳风中的[[质子]]群体。然而，在帕克任务的多个阶段中，SPC观测到了一个显著且独特的完全电离[[氦]]（He$^{2+}$）群体。微量离子携带着太阳风源区的特性以及外流过程中的活跃机制，使其成为[[太阳起源]]和形成的敏感标志。通过对He$^{2+}$速度分布函数的详细分析，本研究考察了SPC观测到显著且持续He$^{2+}$峰值的时期。我们计算了[[氦丰度]]，并研究了流的整体速度、密度、温度、[[磁场拓扑]]和[[电子束]]特性，以识别能够提供其太阳源区洞察的独特太阳风特征。我们发现，几乎所有时期的平均氦组成（$8.34\%$）都高于典型的太阳风，并且大多数（$\sim87\%$）这些时期与[[日冕物质抛射]]相关，最高丰度达到$23.1\%$。随着[[太阳周期]]接近最大值，氦丰度和事件数量增加，且对速度的依赖性较弱。此外，与日冕物质抛射无关的事件集中在[[日球层电流片]]附近，表明它们与[[流带]]外流相关。然而，目前尚无理论能够完全解释观测到的氦丰度范围。 | ||
== 摘要 == | |||
* '''原文标题'''：BatteryLife: A Comprehensive Dataset and Benchmark for Battery Life Prediction | |||
* '''中文标题'''：BatteryLife：一个用于电池寿命预测的综合数据集和基准 | |||
* '''发布日期'''：2025-02-26 04:21:20+00:00 | |||
* '''作者'''：Ruifeng Tan, Weixiang Hong, Jiayue Tang, Xibin Lu, Ruijun Ma, Xiang Zheng, Jia Li, Jiaqiang Huang, Tong-Yi Zhang | |||
* '''分类'''：cs.LG, cs.AI, cs.DL | |||
*'''原文链接'''：http://arxiv.org/abs/2502.18807v2 | |||
'''中文摘要'''：[[电池寿命预测]]（BLP）依赖于[[电池退化测试]]产生的时间序列数据，对于电池的利用、优化和生产至关重要。尽管取得了显著进展，但该研究领域仍面临三个关键挑战。首先，现有数据集的规模有限，阻碍了对现代电池寿命数据的深入理解。其次，大多数数据集仅限于实验室中在有限多样性条件下测试的小容量[[锂离子电池]]，这引发了对研究结果普适性的担忧。第三，研究之间不一致且有限的基准模糊了基线的有效性，并且尚不清楚在其他时间序列领域中流行的模型是否对BLP有效。为了解决这些挑战，我们提出了BatteryLife，一个用于BLP的综合数据集和基准。BatteryLife整合了16个数据集，提供了比之前最大数据集多2.4倍的样本量，并提供了最丰富的电池寿命资源，涵盖8种电池格式、80种化学体系、12种工作温度和646种充放电协议，包括实验室和工业测试。值得注意的是，BatteryLife首次发布了[[锌离子电池]]、[[钠离子电池]]和工业测试的大容量锂离子电池的寿命数据集。借助这一综合数据集，我们重新评估了该领域及其他时间序列领域中流行基线的有效性。此外，我们提出了CyclePatch，一种可应用于一系列神经网络的插件技术。对18种方法的广泛基准测试表明，其他时间序列领域中流行的模型可能不适用于BLP，而CyclePatch一致地提高了模型性能，建立了最先进的基准。此外，BatteryLife还评估了模型在不同老化条件和领域中的性能。BatteryLife可在https://github.com/Ruifeng-Tan/BatteryLife获取。 | |||
2025年3月6日 (四) 17:28的版本
摘要
- 原文标题：Helium Abundance Periods Observed by the Solar Probe Cup on Parker Solar Probe: Encounters 1-14
- 中文标题：帕克太阳探测器上的太阳探测杯观测到的氦丰度周期：第1至14次遭遇
- 发布日期：2025-02-26 19:00:10+00:00
- 作者：Madisen Johnson, Yeimy J. Rivera, Tatiana Niembro, Kristoff Paulson, Samuel T. Badman, Michael L. Stevens, Isabella Dieguez, Anthony Case, Stuart D. Bale, Justin Kasper
- 分类：astro-ph.SR, physics.space-ph
- 原文链接：http://arxiv.org/abs/2502.19492v1
中文摘要：帕克太阳探测器是一项旨在以前所未有的近距离探索太阳风特性的任务。太阳探测杯（SPC）的详细粒子观测主要集中在研究太阳风中的质子群体。然而，在帕克任务的多个阶段中，SPC观测到了一个显著且独特的完全电离氦（He$^{2+}$）群体。微量离子携带着太阳风源区的特性以及外流过程中的活跃机制，使其成为太阳起源和形成的敏感标志。通过对He$^{2+}$速度分布函数的详细分析，本研究考察了SPC观测到显著且持续He$^{2+}$峰值的时期。我们计算了氦丰度，并研究了流的整体速度、密度、温度、磁场拓扑和电子束特性，以识别能够提供其太阳源区洞察的独特太阳风特征。我们发现，几乎所有时期的平均氦组成（$8.34\%$）都高于典型的太阳风，并且大多数（$\sim87\%$）这些时期与日冕物质抛射相关，最高丰度达到$23.1\%$。随着太阳周期接近最大值，氦丰度和事件数量增加，且对速度的依赖性较弱。此外，与日冕物质抛射无关的事件集中在日球层电流片附近，表明它们与流带外流相关。然而，目前尚无理论能够完全解释观测到的氦丰度范围。
摘要
- 原文标题：BatteryLife: A Comprehensive Dataset and Benchmark for Battery Life Prediction
- 中文标题：BatteryLife：一个用于电池寿命预测的综合数据集和基准
- 发布日期：2025-02-26 04:21:20+00:00
- 作者：Ruifeng Tan, Weixiang Hong, Jiayue Tang, Xibin Lu, Ruijun Ma, Xiang Zheng, Jia Li, Jiaqiang Huang, Tong-Yi Zhang
- 分类：cs.LG, cs.AI, cs.DL
- 原文链接：http://arxiv.org/abs/2502.18807v2
中文摘要：电池寿命预测（BLP）依赖于电池退化测试产生的时间序列数据，对于电池的利用、优化和生产至关重要。尽管取得了显著进展，但该研究领域仍面临三个关键挑战。首先，现有数据集的规模有限，阻碍了对现代电池寿命数据的深入理解。其次，大多数数据集仅限于实验室中在有限多样性条件下测试的小容量锂离子电池，这引发了对研究结果普适性的担忧。第三，研究之间不一致且有限的基准模糊了基线的有效性，并且尚不清楚在其他时间序列领域中流行的模型是否对BLP有效。为了解决这些挑战，我们提出了BatteryLife，一个用于BLP的综合数据集和基准。BatteryLife整合了16个数据集，提供了比之前最大数据集多2.4倍的样本量，并提供了最丰富的电池寿命资源，涵盖8种电池格式、80种化学体系、12种工作温度和646种充放电协议，包括实验室和工业测试。值得注意的是，BatteryLife首次发布了锌离子电池、钠离子电池和工业测试的大容量锂离子电池的寿命数据集。借助这一综合数据集，我们重新评估了该领域及其他时间序列领域中流行基线的有效性。此外，我们提出了CyclePatch，一种可应用于一系列神经网络的插件技术。对18种方法的广泛基准测试表明，其他时间序列领域中流行的模型可能不适用于BLP，而CyclePatch一致地提高了模型性能，建立了最先进的基准。此外，BatteryLife还评估了模型在不同老化条件和领域中的性能。BatteryLife可在https://github.com/Ruifeng-Tan/BatteryLife获取。