WikiEdge:ArXiv速递/2025-03-18：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第25行： | 第25行： | ||
*'''原文链接'''：http://arxiv.org/abs/2503.13877v1 | *'''原文链接'''：http://arxiv.org/abs/2503.13877v1 | ||
'''中文摘要'''：一阶双曲[[偏微分方程]]（PDEs）系统在[[计算物理学]]中无处不在，常用于[[流体湍流]]、[[冲击波]]、[[电磁相互作用]]甚至[[广义相对论]]现象的模拟。这些方程在非线性情况下通常难以数值求解，因为它们即使在初始数据平滑的情况下也容易形成不连续性，这可能导致数值算法变得不稳定、违反[[守恒定律]]或收敛到物理上不正确的解。在本文中，我们介绍了一种新的形式化验证流程，用于在[[Racket]]中构建此类算法，允许用户为指定的方程系统构建定制的双曲PDE求解器，生成可验证实现该求解器的低级[[C代码]]，并生成关于实现的各种数学和物理正确性属性的形式化证明，包括[[L^2稳定性]]、[[通量守恒]]和物理有效性。我们概述了如何使用一个完全尊重[[浮点算术]]代数结构的自定义[[定理证明]]和[[自动微分]]框架生成这些正确性证明，并展示了生成的C代码如何用于运行独立模拟或集成到更大的计算多物理框架（如[[Gkeyll]]）中。 | '''中文摘要'''：一阶双曲[[偏微分方程]]（PDEs）系统在[[计算物理学]]中无处不在，常用于[[流体湍流]]、[[冲击波]]、[[电磁相互作用]]甚至[[广义相对论]]现象的模拟。这些方程在非线性情况下通常难以数值求解，因为它们即使在初始数据平滑的情况下也容易形成不连续性，这可能导致数值算法变得不稳定、违反[[守恒定律]]或收敛到物理上不正确的解。在本文中，我们介绍了一种新的形式化验证流程，用于在[[Racket]]中构建此类算法，允许用户为指定的方程系统构建定制的双曲PDE求解器，生成可验证实现该求解器的低级[[C代码]]，并生成关于实现的各种数学和物理正确性属性的形式化证明，包括[[L^2稳定性]]、[[通量守恒]]和物理有效性。我们概述了如何使用一个完全尊重[[浮点算术]]代数结构的自定义[[定理证明]]和[[自动微分]]框架生成这些正确性证明，并展示了生成的C代码如何用于运行独立模拟或集成到更大的计算多物理框架（如[[Gkeyll]]）中。 | ||
== 摘要 == | |||
* '''原文标题'''：Multi-Parameter Analysis of Li-ion Battery Degradation: Integrating Optical Fiber Sensing with Differential State of Health Metrics | |||
* '''中文标题'''：锂离子电池退化的多参数分析：集成光纤传感与差分健康状态指标 | |||
* '''发布日期'''：2025-03-18 15:01:30+00:00 | |||
* '''作者'''：Idris Temitope Bello, Hassan Raza, Madithedu Muneeswara, Neha Tewari, Yin Nee Cheung, Tobi Alabi Michael, Ridwan Taiwo, Fiske Lin | |||
* '''分类'''：physics.app-ph | |||
*'''原文链接'''：http://arxiv.org/abs/2503.14327v1 | |||
'''中文摘要'''：[[锂离子电池]]（LiBs）的可靠性和安全性在[[储能]]行业中备受关注。然而，由于循环过程中可用的定量指标有限，实时监测其退化仍然具有挑战性。本研究通过采用一种新颖的方法，结合外部[[光纤传感]]和先进的[[数据分析]]技术，全面评估[[电池健康]]状况，解决了这一局限性。我们设计了一种非侵入式[[光学传感]]平台，使用串联的[[聚合物]]和[[硅基]]光纤布拉格光栅（FBG）传感器，将其固定在商用锂离子纽扣电池的外表面，实现了在600次循环中对设备级体积变化和热事件的同步实时监测。我们的分析结合了差分技术，基于容量、应变和温度随电压的变化来估计电池的[[健康状态]]（SOH）。此外，我们实现并比较了三种[[深度学习]]模型——[[长短期记忆]]（LSTM）、[[门控循环单元]]（GRU）和[[人工神经网络]]（ANN）——以预测电池在循环中的SOH。我们能够捕捉到连续和突发的退化事件，并通过差分分析和新的SOH指标，提供了对电池整个生命周期行为的独特见解，这些指标与传统测量方法具有高度相关性。这种结合先进传感技术、创新数据分析和深度学习方法的[[多参数]]方法，对[[电池诊断]]做出了重要贡献，可能提高可靠性评估、增强安全标准，并加速更可持续储能解决方案的开发。 | |||
2025年3月19日 (三) 20:32的版本
摘要
- 原文标题：Why Personalizing Deep Learning-Based Code Completion Tools Matters
- 中文标题：为什么个性化基于深度学习的代码补全工具很重要
- 发布日期：2025-03-18 12:26:06+00:00
- 作者：Alessandro Giagnorio, Alberto Martin-Lopez, Gabriele Bavota
- 分类：cs.SE
- 原文链接：http://arxiv.org/abs/2503.14201v1
中文摘要：基于深度学习（DL）的代码补全工具通过实现高级代码生成，彻底改变了软件开发。这些工具利用从大量代码库中训练的模型，捕捉通用的编码模式。然而，针对特定组织或开发者微调这些模型以提升其在这些主体上的性能的影响尚未被探索。在本研究中，我们通过提供坚实的实证证据填补了这一空白。具体而言，我们考虑了来自两个组织（Apache 和 Spring）的 136 名开发者、两种模型架构（T5 和 Code Llama）以及三种模型规模（6000 万、7.5 亿和 70 亿可训练参数）。T5 模型（6000 万、7.5 亿）在超过 2000 个开源项目上进行了预训练和微调，排除了目标组织的数据，并与在组织和开发者特定数据集上微调的版本进行了比较。对于 Code Llama 模型（70 亿），我们比较了在线公开的预训练模型与通过参数高效微调在组织和开发者特定数据集上微调的同一模型的性能。我们的结果表明，组织和开发者特定的额外微调都能提升预测能力，其中前者表现尤为突出。这一发现在（i）两个目标组织（即 Apache 和 Spring）和（ii）完全不同的模型规模（从 6000 万到 70 亿可训练参数）中具有普遍性。最后，我们展示了在组织特定数据集上微调的 DL 模型能够达到与预训练代码模型相同的补全性能，而后者规模约为前者的 10 倍，从而在部署和推理成本上实现了显著节省（例如，需要更小的GPU）。
摘要
- 原文标题：An Assessment of the UK Government Clean Energy Strategy for the Year 2030
- 中文标题：英国政府2030年清洁能源战略评估
- 发布日期：2025-03-18 14:48:06+00:00
- 作者：Anthony D. Stephens, David R. Walwyn
- 分类：eess.SY, cs.SY
- 原文链接：http://arxiv.org/abs/2503.14309v1
中文摘要：2024年，英国政府就其能源系统脱碳计划发布了两项引人注目的声明：承诺投入220亿英镑在蒂赛德和默西塞德建立碳捕集与封存中心，并发布了《清洁电力2030行动计划》。本文质疑这两项计划的有效性，认为它们未能充分考虑风能和太阳能发电高度波动性的影响。通过使用考虑这些波动性的未来英国电力系统动态模型，研究表明《清洁电力2030行动计划》高估了风能和太阳能在电力系统中脱碳的能力，尤其是在其规模相对于电力系统需求增加时。更重要的是，动态模型显示，大部分可实现的脱碳效果来自于将风力发电从目前的约10吉瓦增加到约20吉瓦。将风力发电仅增加到20吉瓦，而不是行动计划中提议的30吉瓦，可以将提议的成本减半，节省约1200亿英镑，而在脱碳效果上几乎没有损失。此外，动态模型显示，英国7.5天的天然气储存能力与其大陆邻国认为必要的储存能力相比显得严重不足。本文还表达了对2008年《气候变化法案》的担忧，该法案要求英国实现任意的脱碳目标，导致政府顾问提出了一些未经证实且因此具有高度风险的技术解决方案。
摘要
- 原文标题：Shock with Confidence: Formal Proofs of Correctness for Hyperbolic Partial Differential Equation Solvers
- 中文标题：置信冲击：双曲偏微分方程求解器的形式化正确性证明
- 发布日期：2025-03-18 04:08:07+00:00
- 作者：Jonathan Gorard, Ammar Hakim
- 分类：cs.LO, cs.NA, math.NA, physics.comp-ph
- 原文链接：http://arxiv.org/abs/2503.13877v1
中文摘要：一阶双曲偏微分方程（PDEs）系统在计算物理学中无处不在，常用于流体湍流、冲击波、电磁相互作用甚至广义相对论现象的模拟。这些方程在非线性情况下通常难以数值求解，因为它们即使在初始数据平滑的情况下也容易形成不连续性，这可能导致数值算法变得不稳定、违反守恒定律或收敛到物理上不正确的解。在本文中，我们介绍了一种新的形式化验证流程，用于在Racket中构建此类算法，允许用户为指定的方程系统构建定制的双曲PDE求解器，生成可验证实现该求解器的低级C代码，并生成关于实现的各种数学和物理正确性属性的形式化证明，包括L^2稳定性、通量守恒和物理有效性。我们概述了如何使用一个完全尊重浮点算术代数结构的自定义定理证明和自动微分框架生成这些正确性证明，并展示了生成的C代码如何用于运行独立模拟或集成到更大的计算多物理框架（如Gkeyll）中。
摘要
- 原文标题：Multi-Parameter Analysis of Li-ion Battery Degradation: Integrating Optical Fiber Sensing with Differential State of Health Metrics
- 中文标题：锂离子电池退化的多参数分析：集成光纤传感与差分健康状态指标
- 发布日期：2025-03-18 15:01:30+00:00
- 作者：Idris Temitope Bello, Hassan Raza, Madithedu Muneeswara, Neha Tewari, Yin Nee Cheung, Tobi Alabi Michael, Ridwan Taiwo, Fiske Lin
- 分类：physics.app-ph
- 原文链接：http://arxiv.org/abs/2503.14327v1
中文摘要：锂离子电池（LiBs）的可靠性和安全性在储能行业中备受关注。然而，由于循环过程中可用的定量指标有限，实时监测其退化仍然具有挑战性。本研究通过采用一种新颖的方法，结合外部光纤传感和先进的数据分析技术，全面评估电池健康状况，解决了这一局限性。我们设计了一种非侵入式光学传感平台，使用串联的聚合物和硅基光纤布拉格光栅（FBG）传感器，将其固定在商用锂离子纽扣电池的外表面，实现了在600次循环中对设备级体积变化和热事件的同步实时监测。我们的分析结合了差分技术，基于容量、应变和温度随电压的变化来估计电池的健康状态（SOH）。此外，我们实现并比较了三种深度学习模型——长短期记忆（LSTM）、门控循环单元（GRU）和人工神经网络（ANN）——以预测电池在循环中的SOH。我们能够捕捉到连续和突发的退化事件，并通过差分分析和新的SOH指标，提供了对电池整个生命周期行为的独特见解，这些指标与传统测量方法具有高度相关性。这种结合先进传感技术、创新数据分析和深度学习方法的多参数方法，对电池诊断做出了重要贡献，可能提高可靠性评估、增强安全标准，并加速更可持续储能解决方案的开发。