بی‌سیم در مقیاس بزرگ را امکان‌پذیر کرده است. اکثر این شبکه­ها، از گره‌های حسگر کم مصرف، کم هزینه و با اندازه کوچک تشکیل شده‌اند و در حوزه­های متنوعی از جمله: نظامی، پزشکی و شبکه­های خانگی کاربرد فراوانی دارند. با این حال، با وجود استفاده گسترده از برنامه­هایی که به شبکه­های حسگر بی­سیم متکی هستند، این شبکه­ها، همچنان از محدودیت انرژی رنج می­برند. گره­های حسگر معمولاً با باتری­ کار می­کنند که در برخی از کاربردها به دلیل قرارگیری در مناطق صعب العبور یا مناطقی که دسترسی انسان ممکن نیست، قابلیت شارژ یا تعویض باتری را ندارند.

  کامپوزیتهای سهبعدی با هسته موجدار به دلیل ساختار سادهتر، هزینه تولید کمتر، داشتن کاربردهای چندمنظوره و ارائهاستحکام ساختاریبیشتر، جایگزین مناسبی برای ساختارهای النه زنبوری به شمار میروند. با این حال، تولید این ساختارها زمانبر و هزینهبر است. چاپ سهبعدیبه عنوان یک فناوری نوین، روش سادهتری برای تولید این سازهها محسوب شود و با استفاده از آن میتوان ساختارهای پیچیدهتری را نیزتولید نمود. با این حال تحقیقات محدودی در زمینه خواص مکانیکی سازههای ساندویچی با هستههای موجیشکل تولید شده با چاپگرهایسه بعدی گزارش شده است.

مدل سازی شیرهای سروو در سیستم کنترل هیدرولیک یکی از جنبه های مهم در طراحی سیستم های کنترل دقیق است. شیرهای سروو به منظور کنترل جریان هیدرولیکی استفاده می شوند. برای مدل سازی شیرها، باید ویژگی های فیزیکی آنها را مشخص کرد. این ویژگی ها شامل قطر شیر، طول شیر، جنس ساختاری و ویژگی های دیگر آن است. برای مدل سازی شیرهای سروو، نحوه کنترل آنها نیز بسیار مهم است. معمولا در سیستم کنترل هیدرولیکی، از سیگنال های الکتریکی یا هیدرولیکی برای کنترل شیرها استفاده می شود. در نتیجه، باید مدل سازی مناسبی برای نحوه کنترل شیرها در سیستم انجام شود. شیرهای سروو وظیفه کنترل جریان سوخت را در موتور بر عهده دارند.

در این پژوهش به طراحی چهارچوب کنترل بهینه برای هدایت دسته خودروهای متصل از چهارراه چراغ‌دار پرداخته می‌شود و عملکرد آن در شدآمد مختلط (شامل خودروی متصل و خودروی انسان‌ران) بررسی می‌شود. به دلیل آنکه دستیابی به شدآمد کاملا متصل در آینده نزدیک امکان‌پذیر نیست، این پژوهش می‌تواند در بهبود شدآمد شهرهای بزرگ کارآمد باشد. چهارچوب بهینه ارائه شده به دو مسئله بهینه‌سازی گسسته و پیوسته تقسیم می‌شود که در مسئله اول از روش زمان‌بندی کار کارگاهی استفاده می‌شود و در مسئله بعد با استفاده از تحلیل همیلتون مسیر بهینه انرژی یا زمان برای اجرای زمان‌بندی اجرا می‌شود.

تداخلات دارویی یکی از چالش های مهم در حوزه پزشکی و داروسازی است که می تواند منجر به عوارض جانبی جدی و حتی مرگ ومیر شود. پیش بینی دقیق این تداخلات، به خصوص برای داروهای جدید، همچنان یک مسئله چالش برانگیز است. در این پژوهش، یک مدل یادگیری عمیق چندوجهی برای پیش بینی و دسته بندی تداخلات دارویی ارائه شده است که با ترکیب هوشمندانه سه نوع داده دارویی شامل ساختار مولکولی، شباهت های دارویی و اطلاعات متنی طراحی شده است. در این مدل، شبکه عصبی گرافی برای پردازش ساختار مولکولی، معیار جاکارد برای محاسبه شباهت ها، و مدل SciBERT برای استخراج اطلاعات متنی به کار گرفته شده است.