WikiEdge:ArXiv速遞/2025-05-30

出自WikiEdge
跳至導覽 跳至搜尋

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能充分捕捉與風資源可靠性相關的不確定性全譜和時態動態。本文通過整合EURO-CORDEX倡議的21種高解析度RCM-GCM組合大集合，對RCP8.5情景下歐洲未來風能條件進行了迄今最全面的評估。突破均值分析框架，我們引入基於事件的新方法，利用ERA5衍生的百分位閾值分析持續高低風事件——捕捉影響風機性能與電網穩定性的關鍵運行條件。為確保統計嚴謹性，採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。關鍵發現表明：基於有限子集合的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節與形式化不確定性量化的結合，使本研究成為氣候導向型風能研究的重大進展，並為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：閉環物理感知智能體框架，用於自動生成化工工藝與儀表流程圖
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式AI的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍存在關鍵瓶頸，因為這需要開發全新的化學製造流程。當前AI方法無法自動生成工藝流程圖(PFD)和管道儀表圖(PID)——儘管這些圖表對化學工藝放大至關重要——同時還需遵守工程約束。我們提出一個閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化學工藝QA任務訓練的專業化小型語言模型(SLM)與第一性原理模擬相結合，包含三大核心組件：(1)涵蓋1,020+種化學品的工藝流與儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調專業SLM的多階段訓練流程；(3)基於DWSIM模擬器的閉環驗證以確保可行性。為提升運行效率與模型緊湊性，框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度與深度)以最小精度損失壓縮模型。實驗表明，該框架能高保真生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業級可行性，本工作顯著縮短了從實驗室發現到工廠部署的研發周期。

摘要

  • 原文標題：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
  • 中文標題：通過PADME實驗的正負電子湮滅尋找17 MeV新共振態
  • 發布日期：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
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2505.24797v1

中文摘要：摘要：弗拉斯蒂DA$\Phi$NE直線加速器上的PADME實驗利用正電子束轟擊固定靶，搜尋質量約17 MeV的假設粒子X17。束流能量在262至296 MeV間變化，對應質心能量$\sqrt{s}$為16.4至17.4 MeV。當$\sqrt{s}$接近X17質量時，該粒子應通過$e^+e^-$湮滅共振產生，導致雙體末態事例數超過本底預期。束流能量間隔設置為小於共振線型預期寬度的一半，每個$\sqrt{s}$點實現了低於1%的不確定度。實驗採用盲分析法，在大部分探索能區中數據與本底預期一致，並在參數空間未探索區域設定了限制。最顯著偏差出現在$\sqrt{s} \approx 16.90$ MeV處，其全局顯著性約為零假設預期的2個標準偏差。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能充分捕捉與風資源可靠性相關的不確定性全譜和時序動態。本文通過整合EURO-CORDEX計劃中21種高解析度RCM-GCM組合的大規模集合，針對RCP8.5情景評估歐洲未來風能狀況，提出了迄今最全面的分析之一。突破均值分析的局限，我們引入基於事件的新框架——利用ERA5衍生的百分位閾值來研究持續高低風速事件，從而捕捉影響風機性能與電網穩定性的關鍵運行條件。為確保統計嚴謹性，採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。研究關鍵發現：基於有限子集的預測可能導致矛盾或誤導性結論，這印證了集合多樣性的核心作用。該研究結合空間粒度、時序細節和形式化不確定性量化，標誌著氣候導向型風能研究的重大進展，為韌性能源系統設計提供了重要工具。

摘要

  • 原文標題：Likelihoods for Stochastic Gravitational Wave Background Data Analysis
  • 中文標題：隨機引力波背景數據分析的似然函數研究
  • 發布日期：2025-05-30 15:18:51+00:00
  • 作者：Gabriele Franciolini, Mauro Pieroni, Angelo Ricciardone, Joseph D. Romano
  • 分類：gr-qc, astro-ph.CO
  • 原文連結：http://arxiv.org/abs/2505.24695v1

中文摘要：我們系統研究了用於隨機引力波背景(SGWB)搜索的似然函數。通過將數據分割為多個短時段，通常可利用中心極限定理來證明高斯互相關似然的合理性。我們通過一系列逐漸逼近現實的案例（從單頻段單探測器開始，逐步擴展到具有白噪聲和有色噪聲的雙探測器及三探測器系統）表明：用各類高斯近似替代精確的Whittle似然函數，可能導致SGWB參數估計出現系統性偏差。我們推導了完整似然函數的多種近似形式，並確定了高斯性失效的區間。同時探討了基於基準噪聲估計對完整似然函數進行條件化處理以實現無偏SGWB參數估計的可能性。研究發現，對於某些時段持續時間和帶寬（特別是天基探測器和脈衝星計時陣列），這種偏差可能超過統計不確定性。本研究為時段選擇、似然函數選取及數據壓縮策略提供了實用指導，以確保在當前及下一代引力波探測器中獲得穩健的SGWB推斷結果。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：閉環物理感知的智能框架，用於自動生成化工工藝與儀表流程圖
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式人工智慧的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍存在關鍵瓶頸，因為這需要開發全新的化學製造工藝。當前的AI方法無法自動生成工藝流程圖(PFD)或管道儀表圖(PID)，儘管這些圖表在化學工藝放大過程中至關重要且需遵循工程約束。我們提出了一種閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化學工藝問答任務的領域專用小型語言模型(SLM)與第一性原理模擬相結合，包含三個關鍵組件：(1)包含1,020多種化學品的工藝流和儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調領域專用SLM的多階段訓練流程；(3)基於DWSIM的閉環模擬器驗證以確保可行性。為提高運行時效率和模型緊湊性，該框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度和深度)以最小精度損失減小模型尺寸。實驗表明，該框架能高保真地生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業規模可行性，這項工作顯著縮短了從實驗室發現到工厂部署的研發周期。

摘要

  • 原文標題：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
  • 中文標題：通過PADME實驗的正負電子湮滅尋找17 MeV新共振態
  • 發布日期：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
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2505.24797v1

中文摘要：摘要：弗拉斯卡蒂DA$\Phi$NE直線加速器上的PADME實驗利用正電子束流轟擊固定靶，搜尋質量約17 MeV的假設粒子X17。束流能量在262至296 MeV間調節，對應質心能量$\sqrt{s}$覆蓋16.4至17.4 MeV範圍。當$\sqrt{s}$接近X17質量時，該粒子應通過$e^+e^-$湮滅共振產生，導致雙體末態事例數超過本底預期。束流能量間隔設置為小於共振線型預期寬度的一半，每個$\sqrt{s}$點的不確定度控制在1%以下。採用盲分析方法，數據顯示在大部分探索能區與本底預期一致，並在參數空間未探索區域設定了限制。最顯著偏差出現在$\sqrt{s} \approx 16.90$ MeV處，對應零假設預期下約2個標準差的全局顯著性。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能充分捕捉與風資源可靠性相關的不確定性全譜和時態動態。本文通過整合EURO-CORDEX計劃中21種高解析度RCM-GCM組合的大規模集合，針對RCP8.5情景下的歐洲未來風能條件開展了迄今最全面的評估之一。突破均值分析局限，我們引入基於事件的新框架，利用ERA5導出的百分位閾值分析持續高低風事件——捕捉影響風機性能與電網穩定性的關鍵運行條件。為確保統計嚴謹性，採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。關鍵發現表明：基於有限子集的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節與形式化不確定性量化的結合，使本研究成為氣候導向型風能研究的重大進展，並為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：用於自動生成化工工藝與儀表圖的閉環物理感知智能體框架
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式AI的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍是關鍵瓶頸，因為這需要開發全新的化學製造流程。現有AI方法無法在遵守工程約束的同時自動生成工藝流程圖(PFD)和管道儀表圖(PID)，而這兩種圖表對化學工藝放大至關重要。我們提出了一種閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化工過程問答任務的領域專用小規模語言模型(SLM)與第一性原理模擬相結合，包含三個關鍵組件：(1)涵蓋1,020多種化學品的工藝流和儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調領域專用SLM的多階段訓練流程；(3)基於DWSIM的模擬器閉環驗證以確保可行性。為提高運行時效率和模型緊湊性，框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度和深度)來最小化精度損失減小模型尺寸。實驗表明，該框架能高保真地生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業級可行性，本工作顯著縮短了從實驗室發現到工厂部署的研發周期。

摘要

  • 原文標題：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
  • 中文標題：通過PADME實驗的正負電子湮滅尋找17 MeV新共振態
  • 發布日期：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
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2505.24797v1

中文摘要：摘要：弗拉斯卡蒂DA$\Phi$NE直線加速器上的PADME實驗通過正電子束流轟擊固定靶，搜尋質量約17 MeV（俗稱X17）的假設粒子。束流能量在262至296 MeV間調節，對應質心能量$\sqrt{s}$覆蓋16.4至17.4 MeV範圍。當$\sqrt{s}$接近X17質量時，該粒子應通過$e^+e^-$湮滅共振產生，導致雙體末態事例數超過本底預期。束流能量間隔設置為小於共振線型預期寬度的一半，每個$\sqrt{s}$點的不確定度控制在1%以內。採用盲分析法發現：在大部分探測能區數據與本底預期一致，並在參數空間未探索區域設定了限制。最顯著偏差出現在$\sqrt{s} \approx 16.90$ MeV處，其全局顯著性約為零假設預期的2個標準偏差。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能充分捕捉與風資源可靠性相關的不確定性全譜和時態動態。本文提出了迄今最全面的評估之一，利用EURO-CORDEX倡議的21種高解析度RCM-GCM組合大集合，評估RCP8.5情景下歐洲未來風能狀況。突破均值分析框架，我們引入基於事件的新方法，通過ERA5導出的百分位閾值分析持續高低風事件——捕捉影響風機性能和電網穩定性的關鍵運行條件。為確保統計嚴謹性，我們採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。關鍵發現表明，基於有限子集合的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節和形式化不確定性量化的結合，使本研究成為氣候知情風能研究的重大進展，並為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：閉環物理感知智能體框架，用於自動生成化工工藝與儀表流程圖
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式AI的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍存在關鍵瓶頸，因為這需要開發全新的化學製造工藝。目前的AI方法無法自動生成工藝流程圖(PFD)和管道儀表圖(PID)，儘管這些圖表在化學工藝放大過程中至關重要且需符合工程約束。我們提出了一種閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化學工藝問答任務的領域專用小型語言模型(SLM)與第一性原理模擬相結合，包含三個關鍵組件：(1)包含1,020多種化學品的工藝流和儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調領域專用SLM的多階段訓練流程；(3)基於DWSIM的模擬器閉環驗證以確保可行性。為提高運行時效率和模型緊湊性，該框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度和深度)來減小模型尺寸且保持精度。實驗表明，該框架能高保真地生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業規模可行性，這項工作顯著縮短了從實驗室發現到工廠部署的研發周期。

摘要

  • 原文標題：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
  • 中文標題：通過PADME實驗的正負電子湮滅尋找17MeV新共振態
  • 發布日期：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
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2505.24797v1

中文摘要：摘要：弗拉斯蒂DA$\Phi$NE直線加速器上的PADME實驗通過正電子束流轟擊固定靶，搜尋質量約17 MeV的假設粒子X17。束流能量在262至296 MeV間調節，對應質心能量$\sqrt{s}$覆蓋16.4至17.4 MeV範圍。當$\sqrt{s}$接近X17質量時，該粒子應通過$e^+e^-$湮滅共振產生，導致雙體末態事例數超過本底預期。束流能量間隔設置為小於共振線型預期寬度的一半，每個$\sqrt{s}$點的不確定度控制在1%以下。採用盲分析方法，數據顯示在大部分探索能區與本底預期一致，並在參數空間未探索區域設定了限制。最顯著偏差出現在$\sqrt{s} \approx 16.90$ MeV處，對應零假設預期下約2個標準差的全局顯著性。

摘要

  • 原文標題：A Constructive Proof of Existence and Mass Gap for Pure SU(3) Yang-Mills in Four-Dimensional Space-Time
  • 中文標題：四維時空中純SU(3)楊-米爾斯理論存在性與質量隙的構造性證明
  • 發布日期：2025-05-30 22:25:19+00:00
  • 作者：D. C. Jacobsen
  • 分類：physics.gen-ph, 81T08 (Primary) 81T13 (Secondary)
  • 原文連結：http://arxiv.org/abs/2506.00284v1

中文摘要：摘要：本工作提出了一個構造性證明：四維時空中的純SU(3) 楊-米爾斯理論作為非平凡的Wightman量子場論存在，並展現出嚴格正的質量間隙。我們的方法將四維規範理論嵌入五維軌道折調節器的零模扇區，該調節器保持規範不變性和反射正性。威爾遜格點上的收斂聯合聚合物展開為連續極限(a→0)和無限體積極限(L→∞)提供了一致控制；Osterwalder-Schrader重構產生唯一真空的Wightman理論；非微擾BRST/Nielsen論證確保規範參數獨立性；嚴格控制的算子積展開匹配單圈β函數數據；五維波動的Sturm-Liouville分析結合轉移矩陣譜投影，分離出嚴格正膠球質量m0。所有步驟均基於SU(3)的顯式ε-δ估計和組合界限，在啟發式物理與數學證明之間不再存在間隙。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能充分捕捉與風資源可靠性相關的不確定性全譜和時態動態。本文基於EURO-CORDEX計劃的21組高解析度RCM-GCM組合大集合，針對RCP8.5情景評估歐洲未來風能狀況，是迄今最全面的研究之一。突破均值分析框架，我們採用新型事件驅動方法——通過ERA5數據衍生的百分位閾值——分析持續高低風速事件，捕捉影響風機性能與電網穩定性的關鍵運行條件。為確保統計嚴謹性，應用IPCC AR6"方法C"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。研究關鍵發現：基於有限子集的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節與形式化不確定性量化的結合，使本研究成為氣候導向型風能研究的重大進展，並為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：閉環物理感知智能體框架，用於自動生成化工工藝與儀表流程圖
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式人工智慧的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍存在關鍵瓶頸，因為這需要開發全新的化學製造工藝。當前的人工智慧方法無法自動生成工藝流程圖(PFD)或管道儀表圖(PID)，儘管這些圖表在化學工藝放大過程中至關重要且需符合工程約束。我們提出了一種閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化學工藝問答任務的領域專用小規模語言模型(SLM)與第一性原理模擬相結合，包含三個關鍵組件：(1)涵蓋1,020多種化學品的工藝流和儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調領域專用SLM的多階段訓練流程；(3)基於DWSIM的模擬器閉環驗證以確保可行性。為提高運行效率和模型緊湊性，該框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力(PagedAttention)和測試時推理縮放等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度和深度)以最小精度損失減小模型規模。實驗表明，該框架能高保真地生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業規模可行性，這項工作顯著縮短了從實驗室發現到工廠部署的研發周期。

摘要

  • 原文標題：Search for a new 17 MeV resonance via $e^+e^-$ annihilation with the PADME Experiment
  • 中文標題：通過PADME實驗的正負電子湮滅尋找17 MeV新共振態
  • 發布日期：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
  • 分類：hep-ex
  • 原文連結：http://arxiv.org/abs/2505.24797v1

中文摘要：摘要：弗拉斯卡蒂DA$\Phi$NE直線加速器上的PADME實驗利用正電子束流轟擊固定靶，搜尋質量約17 MeV的假設粒子X17。束流能量在262至296 MeV間調節，對應質心能量$\sqrt{s}$覆蓋16.4至17.4 MeV範圍。當$\sqrt{s}$接近X17質量時，該粒子應通過$e^+e^-$湮滅共振產生，導致雙體末態事例數超過本底預期。束流能量間隔設置為小於共振線型預期寬度的一半，每個$\sqrt{s}$點實現了低於1%的不確定度。實驗採用盲分析法，在大部分探索能區數據與本底預期一致，並在參數空間未探索區域設定了限制。最顯著偏差出現在$\sqrt{s} \approx 16.90$ MeV處，對應零假設預期下約2倍標準差的全局顯著性。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能全面捕捉與風資源可靠性相關的不確定性譜和時態動態。本文提出了迄今最全面的評估之一，利用EURO-CORDEX倡議的21種高解析度RCM-GCM組合大集合，評估RCP8.5情景下歐洲未來風能狀況。突破均值分析框架，我們引入基於事件的新方法，通過ERA5導出的百分位閾值分析持續高低風事件——捕捉影響風機性能和電網穩定性的關鍵運行條件。為確保統計嚴謹性，我們採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。關鍵發現表明，基於有限子集的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節和形式化不確定性量化的結合，使本研究成為氣候知情風能研究的重大進展，也為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：Assessing Future Wind Energy Potential under Climate Change: The Critical Role of Multi-Model Ensembles in Robustness Assessment
  • 中文標題：評估氣候變化下的未來風能潛力：多模型集成在穩健性評估中的關鍵作用
  • 發布日期：2025-05-30 11:07:18+00:00
  • 作者：Andrea Lira-Loarca, Francesco Ferrari, Andrea Mazzino
  • 分類：physics.ao-ph
  • 原文連結：http://arxiv.org/abs/2505.24463v1

中文摘要：準確預測氣候變化下的風能潛力對長期能源規劃至關重要。儘管先前研究強調了多模型集合的價值，但往往未能全面捕捉與風資源可靠性相關的不確定性譜和時態動態。本文提出了迄今最全面的評估之一，利用EURO-CORDEX倡議的21種高解析度RCM-GCM組合大集合，評估RCP8.5情景下歐洲未來風能狀況。突破均值分析框架，我們引入基於事件的新方法，通過ERA5衍生的百分位閾值分析持續高低風事件——捕捉影響風機性能和電網穩定性的關鍵運行條件。為確保統計嚴謹性，我們採用IPCC AR6的"C方法"進行穩健性評估，區分氣候信號與內部變率並量化模型一致性。關鍵發現表明，基於有限子集合的預測可能導致矛盾或誤導性結論，這凸顯了集合多樣性的核心作用。空間粒度、時間細節和形式化不確定性量化的結合，使本研究成為氣候知情風能研究的重大進展，並為彈性能源系統設計提供了重要工具。

摘要

  • 原文標題：A Constructive Proof of Existence and Mass Gap for Pure SU(3) Yang-Mills in Four-Dimensional Space-Time
  • 中文標題：四維時空中純SU(3)楊-米爾斯理論存在性與質量隙的構造性證明
  • 發布日期：2025-05-30 22:25:19+00:00
  • 作者：D. C. Jacobsen
  • 分類：physics.gen-ph, 81T08 (Primary) 81T13 (Secondary)
  • 原文連結：http://arxiv.org/abs/2506.00284v1

中文摘要：摘要：本工作提出了一種構造性證明，證實四維時空中的純SU(3) 楊-米爾斯理論作為非平凡的Wightman量子場論存在，並展現出嚴格正的質量間隙。我們的方法通過將四維規範理論嵌入五維軌道折減調節器的零模區域（該調節器保持規範不變性和反射正定性），利用Wilson格點上的收斂聯合聚合物展開實現對連續極限(a→0)和無限體積極限(L→∞)的均勻控制；通過Osterwalder-Schrader重構獲得唯一真空的Wightman理論；採用非微擾BRST/Nielsen論證確保規範參數獨立性；通過嚴格控制的算子積展開匹配單圈β函數數據；結合五維漲落的Sturm-Liouville分析與轉移矩陣譜投影，分離出嚴格正的膠球質量m0。所有步驟均基於SU(3)的顯式ε-δ估計和組合界限，徹底消除了啟發式物理與數學證明之間的鴻溝。

摘要

  • 原文標題：AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams
  • 中文標題：AutoChemSchematic AI：閉環物理感知自主框架用於化學工藝與儀表圖的自動生成
  • 發布日期：2025-05-30 13:32:00+00:00
  • 作者：Sakhinana Sagar Srinivas, Shivam Gupta, Venkataramana Runkana
  • 分類：cs.LG, cs.AI, cs.IR
  • 原文連結：http://arxiv.org/abs/2505.24584v1

中文摘要：摘要：儘管生成式AI的最新進展加速了新型化學品和材料的發現，但將這些發現轉化為工業規模生產仍存在關鍵瓶頸，因為這需要開發全新的化學製造流程。當前AI方法無法自動生成工藝流程圖(PFD)或管道儀表圖(PID)，儘管這些圖表在化學工藝放大過程中至關重要且需符合工程約束。我們提出一個閉環、物理感知的框架，用於自動生成工業可行的PFD和PID。該框架將面向化學工藝QA任務訓練的專業化小型語言模型(SLM)與第一性原理模擬相結合，包含三個關鍵組件：(1)涵蓋1,020+種化學品的工藝流和儀表描述的分層知識圖譜；(2)通過監督微調(SFT)、直接偏好優化(DPO)和檢索增強指令調優(RAIT)在合成數據集上微調領域專用SLM的多階段訓練流程；(3)基於DWSIM的模擬器閉環驗證以確保可行性。為提高運行效率和模型緊湊性，框架整合了FlashAttention、前瞻解碼、帶KV緩存量化的分頁注意力等高級推理優化技術，並採用啟發式重要性指導的結構化剪枝(寬度和深度)以最小精度損失減小模型尺寸。實驗表明，該框架能高保真地生成模擬器驗證的工藝描述，在正確性上超越基線方法，並能泛化至未見化學品。通過連接AI驅動設計與工業級可行性，該工作顯著縮短了從實驗室發現到工廠部署的研發周期。

取自「http://zh.wikiedge.org/index.php?title=WikiEdge:ArXiv速递/2025-05-30&oldid=10605」