https://cmes.ilam.ac.ir/ روش‌های محاسباتی در علوم مهندسی fa daily 1 Thu, 22 Aug 2024 00:00:00 +0330 Thu, 22 Aug 2024 00:00:00 +0330 https://cmes.ilam.ac.ir/article_718309.html Natural language processing or NLP is a branch of artificial intelligence that deals with the interaction between computers and human language. The goal of NLP is to give machines the ability to understand, analyze, and generate natural language. Natural language processing is an interdisciplinary science that tries to facilitate the interaction between human language and computer by using computer science, linguistics and artificial intelligence. In this paper, we present a method for producing synthetic digital poetry using word embedding technology. Word embedding is a technique used to represent words as numerical vectors in multidimensional space. This technique allows NLP to better understand the semantic and syntactic connections between words. The importance and advantages of using the word vector are discussed below. Machine learning models using word vectors have higher accuracy in analysis and prediction. These models can learn more complex relationships and patterns. Also, some future gaps are presented to continue this work. https://cmes.ilam.ac.ir/article_718358.html منیزیم یکی از سبکترین فلزات سازه ای می باشد که افزایش مقاومت آن همواره مورد توجه می باشد. در پژوهش حاضر آلیاژ Mg-6%Si با استفاده از فرآیند ریخته گری اغتشاشی در سه دمای 790، 770 و 750 درجه سانتیگراد در حالت نیمه جامد ریخته گری و سپس مذاب تحت فشار 110 مگاپاسکال تا زمان انجماد کامل قرار گرفت. همچنین جهت مقایسه نتایج و مشاهده تاثیرات شرایط ریخته گری نیمه جامد، یک نمونه به صورت معمولی(بدون همزدن و در دمای 800 درجه سانتیگراد)ریخته گری شد. ریزساختار، مقاومت فشاری، سختی و مقاومت سایشی نمونه ها تعیین و مورد ارزیابی قرار گرفتند. نتایج تحلیل ریزساختار نشان دادند که ریخته گری نیمه جامد منجر به تغییر ریزساختار از حالت دندریتی به کروی می شود؛ بهترین شرایط مربوط به نمونه با دمای ریخته گریC°770 بود، در این نمونه ساختار دندریتی تقریبا حذف و ساختاری شبه کروی ایجاد شد. نتایج آزمون های نشان دادند که در نمونه بهینه، مقاومت فشاری و سختی به ترتیب 5/17 و 42 درصد افزایش و ضریب اصطکاک 7 درصد کاهش را نسبت به نمونه ریخته گری شده در شرایط غیر نیمه جامد نشان دادند. https://cmes.ilam.ac.ir/article_719819.html در این مقاله، با هدف ارائه یک روش بهینه‌سازی‌شده کنترل تطبیقی در سیستم‌های تله‌رباتیک، تأثیر این فناوری بر نانوربات‌ها و میکروربات‌های پزشکی و کاربرد آن‌ها در سیستم‌های تله‌مدیسین و جراحی از راه دور مورد تحلیل قرار گرفته است. روش پیشنهادی با توجه به چالش‌های موجود مانند اشباع محرک‌ها و تأخیرهای زمانی، طراحی و شبیه‌سازی شده است. نتایج شبیه‌سازی نشان داد که این کنترلر تطبیقی با موفقیت توانست عملکرد سیستم را در شرایط مختلف بهبود بخشد و پایداری سیستم را تضمین کند. نوآوری این پژوهش در ارائه یک ساختار کنترلی بهینه‌شده برای سیستم‌های تله‌اپراتوری با تأکید بر کاربردهای عملی در حوزه پزشکی، به‌ویژه در شرایط بحرانی مانند همه‌گیری کرونا، برجسته شده است. این فناوری می‌تواند نیاز به حضور مداوم پرسنل پزشکی را کاهش داده و دسترسی به خدمات درمانی در مناطق محروم را بهبود بخشد. با وجود این، محدودیت‌هایی مانند هزینه‌های بالا، پیچیدگی‌های فنی و تأثیر نویز محیطی به‌عنوان چالش‌های بالقوه مطرح شده‌اند که بررسی آن‌ها می‌تواند زمینه‌ساز تحقیقات آینده باشد. https://cmes.ilam.ac.ir/article_718387.html اختلال طیف اوتیسم (Autism Spectrum Disorder) (ASD) یک اختلال رشد عصبی پیچیده است که مهارت‌های بدنی، اجتماعی و زبانی را تحت تأثیر قرار می‌دهد. هیچ داروی خاصی برای درمان این بیماری وجود ندارد. برای تشخیص این اختلال، پزشکان رفتار و تاریخچه رشد کودک را در نظر می‌گیرند. اوتیسم اغلب به‌سختی قابل تشخیص است، زیرا می‌تواند با طیف گسترده‌ای از علائم ظاهر شود. کودکان مبتلا به اوتیسم اغلب دارای ویژگی‌های ظریفی در صورت هستند که آن‌ها را از کودکان معمولی در حال رشد متمایز می‌نماید. تشخیص زودهنگام و مداخله پزشکی مناسب می‌تواند به‌طور چشمگیری زندگی کودکان مبتلا به اوتیسم را بهبود بخشد و صرفه‌جویی زیادی از لحاظ هزینه نیز داشته باشد. شبکه‌های عصبی عمیق (Deep neural networks) (DNN) نوعی الگوریتم یادگیری ماشینی هستند که می‌توان از آن‌ها برای استخراج خودکار ویژگی‌ها از تصاویر و همچنین دسته‌بندی آن‌ها استفاده شوند. در این تحقیق یک راه‌حل عملی غربالگری اوتیسم با استفاده از تصاویر چهره کودکان ایرانی از طریق استفاده از یادگیری عمیق مبتنی بر یادگیری انتقالی با دقت تشخیص 97% پیشنهاد می‌شود. همچنین می‌توان از روش پیشنهادی برای بهبود دقت تشخیص بالینی استفاده نمود. https://cmes.ilam.ac.ir/article_721743.html در این پژوهش، بهینه‌سازی چندهدفه عملکرد میکروکانال‌ها با استفاده از روش دینامیک سیالات محاسباتی (CFD) و مدل لاگرانژی-اولری اختیاری (ALE) برای بررسی تاثیر برهمکنش سازه-سیال انجام شده است. هدف اصلی، افزایش انتقال حرارت و کاهش افت فشار در سیستم جریان است. برای شبیه‌سازی جریان و انتقال حرارت در میکروکانال، از معادلات ALE استفاده شده که امکان مدل‌سازی تغییرات هندسی و جابجایی مرزها را فراهم می‌کند. داده‌های تجربی با استفاده از نرم‌افزار مربوطه تحلیل شده و بهینه‌سازی چندهدفه با بهره‌گیری از الگوریتم ژنتیک NSGA-II انجام گرفته است. نتایج نشان می‌دهند که نقطه بهینه به دست آمده عبارت است از Re=10, f=0.125 Hz, Ae=0.165 mm, Tin=279.75 K ( به ترتیب نشانگر دمای ورودی، دامنه دیواره الاستیک، فرکانس دیواره الاستیک، و عدد رینولدز می باشند) که منجر به نسبت عملکرد حرارتی **TPR = 1.3294 شده است. این پژوهش می‌تواند به بهبود طراحی میکروکانال‌ها در سیستم‌های خنک‌کننده و سایر کاربردهای میکروفلوئیدیک کمک کند. کلمات کلیدی:انتقال حرارت، برهم‌کنش سیال-سازه، میکروکانال، بهینه‌سازی، همرفت، مدل لاگرانژی-اولری، نسبت عملکرد حرارتی https://cmes.ilam.ac.ir/article_722621.html در این مطالعه از شبیه-سازی دینامیک مولکولی برای پیش‌بینی چگالی، پارامتر حلالیت و ضریب نفوذ مولکولی استیک اسید در n-بوتیل استات استفاده شد. پارامتر حلالیت استیک اسید و n-بوتیل استات با استفاده از چهار میدان نیروی COMPASS، Dreiding، Universal و Cvff، پیش‌بینی و با هم مقایسه شدند. بیشترین دقت برای پیش‌بینی پارامتر حلالیت مولکول‌های استیک اسید و n-بوتیل استات توسط میدان نیروی COMPASS به ترتیب با درصد خطای 92/0 و 43/2 % به دست آمد. برای پیش‌بینی چگالی از 100 مولکول و همچنین مدت زمان ps 100 استفاده شد، با افزایش زمان شبیه‌سازی و همچنین تعداد مولکول‌ها، زمان محاسبات شبیه-سازی به دلیل افزایش برهمکنش‌های بین مولکولی افزایش یافته که تاثیر چندانی بر روی پیش‌بینی چگالی ندارند. همچنین ضریب نفوذ استیک اسید در n-بوتیل استات در محدوده دمایی K 15/303 – 15/293 و فشار اتمسفری با استفاده از شبیه‌سازی دینامیک مولکولی پیش‌بینی شد. با افزایش دما، به دلیل افزایش اندازه جعبه، اتم‌ها سریعتر حرکت کرده و سبب افزایش ضریب نفوذ مولکولی می‌شود. در پایان با استفاده از نتایج شبیه‌سازی دینامیک مولکولی، رفتار آرنیوسی ضریب نفوذ مولکولی را بررسی کرده و نتایج حاصل با معادلات ویلک-چانگ، شایبل و رددی-دوراسیسوا نیز مقایسه گردید. https://cmes.ilam.ac.ir/article_717727.html The quality of thermal environment in outdoor spaces greatly affects pedestrians' health and their reaction to microclimatic conditions, ultimately influencing their likelihood of spending time in those areas. The significance of these issues in urban environments has prompted worldwide research on microclimates and outdoor thermal comfort (OTC), establishing it as a key focus in sustainable urban design. A critical principle in designing these spaces is to prioritize thermal comfort (TC), which enhances environmental quality and boosts user satisfaction. This study seeks to examine the thermal performance of different pedestrian configurations through numerical simulations conducted with ENVI-met software, focusing on hot-semi-arid climatic conditions. This study utilizes PET (Physiological Equivalent Temperature) index, which is widely regarded as one of the most thorough approaches for estimating TC. Field measurements were taken at six locations along the canyon in Ilam city over the course of two days: one hot and one cold. TC was assessed using PET index, calculated with Rayman software based on output data from ENVI-met. Finally, 8 scenarios were simulated to improve TC conditions, focusing on the geometry of trees, shading, and the albedo of canyon materials. The study found that a horizontal shading structure measuring 3.25 meters in height is the most effective, reducing PET by 2.9°C. Additionally, materials with an albedo of 0.8 decrease PET by an average of 4.8°C compared to materials with an albedo of 0.5. Furthermore, combining Plane and Pine trees significantly improves TC, with Pine trees reducing PET by up to 5°C on hot days. https://cmes.ilam.ac.ir/article_721554.html با افزایش تقاضای انرژی الکتریکی، سیستم‌های قدرت در معرض خطاهای مختلفی قرار می‌گیرند، که منجر به افزایش تنش‌های الکتریکی و مکانیکی در ترانسفورماتورها می‌شود و احتمال خرابی در آنها را افزایش می‌دهد. تشخیص دقیق نوع خطا در ترانسفورماتور برای حفظ ایمنی سیستم‌های قدرت بسیار مهم است. از آنجا که عیوب ترانسفورماتور پیچیده و پنهان هستند، روش‌های ساده و خام در تشخیص درست خطا، مشکلاتی دارند. در این کار، یک روش جدید تشخیص عیب ترانسفورماتور با استفاده از یک سیستم ترکیبی یادگیری عمیق و الگوریتم ژنتیک انجام شده است. در این مدلسازی، یک نمونه از ترانسفورماتورهای پرکاربرد شهر ایلام (Kvar 315) مد نظر قرار گرفته است. همچنین، با کمک مطالعات و بررسی‌های اولیه، فهرستی از خطاهای مربوط به این نوع ترانسفورماتور تهیه شده است. شبیه‌سازی و کدنویسی مناسب‌ترین الگوریتم برای مدلسازی (شبکه عصبی عمیق) در محیط متلب R2022a انجام شده است. در این مدلسازی، وزن‌های شبکه عصبی متناسب با پارامترها و رکوردهای ورودی، با استفاده از الگوریتم ژنتیک به‌گونه‌ای تنظیم شده‌اند که کمترین خطا و بالاترین دقت را در مقایسه با الگوریتم‌های مشابه داشته باشند. https://cmes.ilam.ac.ir/article_723200.html Accurate ICD-11 coding is critical for billing, medical studies, and software communications and documentation in a clinic environment. Manual coding is not reliable and consumes a lot of time. There isn't much data in Persian language for training a language model. As such, a language model with an English dataset and a pre-trained model have been used to map sentences in Persian language to model language for prediction of ICD-11. This lessens the use of datasets in Persian language and immensely helps in prediction in Persian language. In this paper, a technique utilizing a pre-trained language model (GPT) for ICD-11 automation in terms of patient grievances extracted from the MIMIC-IV corpus is proposed. We frozen part of a pre-trained model and have utilized such layers for language transformation. Prompt-based training is adopted in our model, and it obtains satisfactory performance with an average F1-score of 0.90 for ICD-11 prediction. We also demonstrate the usability of our model through output in JSON format for integration in medical tools.