در سال های اخیر، استفاده از مدل های یادگیری عمیق مانند پرسپترون چندلایه(MLP) برای تحلیل و پیش بینی مصرف انرژی در صنایع رواج یافته است. این مدل ها علی رغم دستیابی به دقت بالا، به دلیل ماهیت "جعبه سیاه" و عدم شفافیت در فرآیند تصمیم گیری، با چالش پذیرش و اعتماد در کاربردهای صنعتی حساس مواجه هستند. پژوهش حاضر با هدف رفع این چالش، به دنبال طراحی و ارزیابی یک مدل یادگیری عمیق ذاتا تفسیرپذیر برای طبقه بندی بار انرژی الکتریکی در صنعت فولاد است.
مواد تغییرفازدهنده به ویژه آلیاژهای کالکوژن، به دلیل ویژگی های منحصر به فرد خود، در کاربردهای مختلفی از جمله فناوری های حرارتی، الکتریکی و اپتیکی مورد استفاده قرار می گیرند که نمونه آن آلیاژ سه گانه GST (ترکیب ژرمانیوم، آنتیموان و تلوریوم) به عنوان یکی از عناصر اصلی در ساخت حافظه های تغییرفازدهنده مطرح شده است. ویژگی بارز این آلیاژ توانایی آن در تغییر فوری و برگشت پذیر ساختار از شکل کریستالی به آمورف و بالعکس است که باعث جلب توجه پژوهشگران به سوی آن گردیده است.
این پژوهش به تحلیل چندمقیاسی شبکه های پانتوگرافیک با معماری نوسانی و بررسی قابلیت آن ها برای به کارگیری در سامانه های ضربه گیر بزرگراهی می پردازد. چالش اصلی در مدل سازی این فرامواد، تقابل میان دقت بالای مدل های میان نگر، که از نظر محاسباتی پرهزینه اند، و کارایی مدل های کلان نگر است که ممکن است فاقد دقت کافی باشند. هدف اصلی این تحقیق، مقایسه ای نظام مند میان این دو رویکرد به منظور تعیین مرزهای اعتبار و محدوده کارایی آن هاست.
امروزه کنترل سیستم های چندعاملی در بین محققین از محبوبیت ویژه ای برخوردار است. در حیطه کنترل عامل ها، مسئله آرایش بندی خوشه ای به منظور هماهنگی حرکت و انجام مأموریت های مشترک مورد توجه واقع شده است. تحقق آرایش بندی خوشه ای نیازمند حفظ ساختار هندسی مطلوب و پرهیز از برخورد میان عامل ها در محیط های پویای عملیاتی است. در این پژوهش، نخست دینامیک عامل های غیرخطی ناهمگن، برای مثال ربات های زمینی و پهبادها؛ به همراه اغتشاش و عدم قطعیت بیان می شود. سپس با استفاده از تخمین زن های زمان ثابت، کنترل آرایش بندی خوشه ای عامل ها به صورت غیر متمرکز طراحی و تحلیل زمان ثابت آن انجام می شود.
صنعت فولاد، به عنوان یکی از اصلی ترین صنایع پایه، نقش کلیدی در تامین نیازهای صنایع مختلف و توسعه اقتصادی دارد. پیش بینی تقاضا محصولات فولادی، بهبود کیفیت و نوآوری در فرایندها و مواد اولیه از جنبه های کلیدی صنعت فولاد به شمار می روند. همچنین، استفاده از فناوری های نوین و استراتژی های پایدار، به کاهش اثرات زیست محیطی و بهبود بهره وری کمک می کند. اخبار مرتبط با فولاد در وب سایت های روز دنیا از طریق منابع خبری مختلف در حال منتشر شدن هستند. با توجه به تنوع محصولات و پیچیدگی های فناوری در این صنعت، تحلیل پویا و جامع روندها و موضوعات جهانی نیازمند بررسی مداوم اخبار از منابع معتبر است.
رسوب آسفالتین یکی از چالش های جدی در فرآیند استخراج و پالایش نفت خام محسوب می شود که می تواند به افت کارایی چاه های نفتی و کاهش عملکرد تجهیزات پالایشگاهی منجر شود .این پدیده که ناشی از ناپایداری ترکیبات سنگین موجود در نفت است، در سال های اخیر توجه بسیاری از محققان را به یافتن راهکارهای موثر برای جلوگیری یا کنترل آن جلب کرده است. در این راستا، استفاده از فناوری نانو به ویژه نانومواد جاذب به عنوان راهکاری نوین و کارآمد مطرح شده است. در مطالعه حاضر، عملکرد نانوذرات سیلیکا فیبری دندریتی (DFNS) در جذب آسفالتین از محلول نفتی مورد بررسی قرار گرفت.
افزایش پیوسته تراکم وسایل نقلیه و پیچیدگی هندسی تقاطع های شهری در کنار سهم بالای این نقاط در آمار تصادفات جاده ای، لزوم بهره گیری از ارتباطات خودرویی سریع، پایدار و هوشمند را دوچندان کرده است؛ با این حال، پیوندهای کوتاه برد V2V در تقاطع های محصور میان ساختمان ها به سبب انسداد خط دید و وجود تداخل، دچار افت شدید عملکرد می شوند و بدین ترتیب پیام های ایمنی حیاتی به موقع به همه کاربران نمی رسد. از طرف دیگر، به دلیل شرایط متفاوت محیط تقاطع نسبت به محیط بزرگراه، پژوهش هایی که تا کنون در این حوزه انجام شده، برای محیط تقاطع قابل تعمیم نیست و نیاز به مدلسازی و بررسی بهتر و دقیق تر دارد.