335598 research outputs found
Sort by
D2.5.1.2 Mapping Energy Data Gaps and Reuse Barriers: Evidence and Implications for NFDI4Energy
No full textThis deliverable offers a structured, evidence-based “energy data gap map” that helps practitioners and researchers see where the bottlenecks sit – and what kinds of remedies they imply
A Synergistic, Non-Invasive Sensing-Fusion Approach for Predictive Kinetosis Monitoring in Autonomous Vehicles
No full textOptimised hydroprocessing of biogenic Fischer-Tropsch crude for conversion into jet fuel
No full textInfluence of Metal Species and Content of Fe‐Ni‐Poly(heptazine imides) on their Properties as Electrocatalysts for Zinc‐Air Batteries
No full textAlkaline zinc-air batteries (ZABs) have attracted interest in recent years for their high theoretical energy density and use of low-cost, abundant zinc metal as the anode. In order to overcome the activation energy barrier of the oxygen reduction reaction (ORR) and oxygen evolution reaction (OER), noble metals are commonly used. Within this work, transition metal-functionalized Poly(heptazine imide)s (PHIs) are studied as an alternative and more abundant electrocatalyst, as they offer the homogenous immobilization of metals within their ordered structure. Introducing Fe and Ni into the PHI network enables the formation of single and mixed transition metal PHIs, which show reduced overpotentials for ORR and OER. The formation of Ni single atoms even induces outstanding catalytic activity for the OER during charging of ZAB full cells with performance comparable to that of RuO. Furthermore, full cell tests show excellent stability over the course of 250 discharge-charge cycles, making it a promising system for sustainable energy storage. This work paves the way for the molecular design of a novel material class as an electrocatalyst for ZAB
Graph-based similarity measures for the structural comparison of process traces
No full textSimilarity measures are commonly applied for a variety of process mining techniques, such as trace clustering, conformance checking, and event abstraction. Yet, these measures generally fail to recognize similarity based on structural process features, such as the order of activities, loops, skips, choices, and parallelism. To make this more explicit, we propose a set of properties that allow to evaluate, what kind of structural features are reflected by a similarity measure. We further propose a novel approach leveraging existing graph-based algorithms and instance graphs to extract high-level structural features (loops, skips, choices, and parallelism) from traces, such that they can be used to extend and improve existing similarity measures. These algorithms are well-established in graph theory and can be computed efficiently. Finally, we provide an evaluation of the proposed approach based on synthetic and real-world datasets. The evaluation provides evidence that the additional graph-based features can substantially improve the similarity comparison of traces in several cases. This applies in particular for the comparison of user behavior (e.g., based on eye tracking data) where structural features enable the detection of specific behavioral patterns
Controlled synthesis and post-modification of polypentafluorostyrene in continuous flow
No full textThe establishment of automation of laboratory research over the past years has rapidly advanced all fields of chemical science including polymer synthesis. However, automated synthesis of polymers is largely limited to non-functional materials and post-polymerisation modification (PPM) remains underrepresented in flow polymer science. Herein, the polymerisation and PPM of pentafluorostyrene (PFSty), an established precursor polymer for PPM via para-fluoro-thiol-reaction (PFTR), in continuous flow is reported for the first time. The kinetic behaviour of the reversible addition–fragmentation chain transfer (RAFT) polymerisation of PFSty via transient timesweeping is demonstrated, yielding apparent polymerisation rate coefficients of 1.18 × 10 to 1.13 × 10 s at 70–90 °C with 2-cyano-2-propyldodecyltrithiocarbonate (CPDT) as RAFT agent. Consequently, the PFTR of poly(PFSty) in continuous flow is investigated using 1-dodecanethiol (DT), 4-fluorobenzyl mercaptan (FBM), and 4-trifluoromethylbenzyl mercaptan (TFBM) showing quantitative conversion of FBM and TFBM after 6 min at 60 °C while DT does not exceed 53% modification of poly(PFSty) at 70 °C. Finally, a mixed flow-PFTR concept enables predictable copolymer modification with thiol mixtures through direct syringe pump control, achieving up to 99% precision depending on thiol reactivity. The proposed strategy offers a versatile approach for the continuous-flow synthesis and modification of reactive polymers, expanding the library of functional polymers for high-throughput methodologies
Responsible Assessment of Beliefs Based on Computational Results: Expanding on Computational Reliabilism
No full textIn order for advanced computational systems, such as AI systems, to be successfully integrated in liberal democracies, the people who design, use or are affected by these systems in many cases must be adequately disposed to hold the results of these systems to be true. How is such belief in these results justified, given the opaque nature of advanced computational systems and the possibility of error? The theory of “computational reliabilism” (CR) outlines how such belief can be justified and lead to a genuine advancement in human knowledge. The basic idea of CR is that the belief in the results of computational systems, despite their opacity, can be justified by their positive rate of producing true beliefs. In this paper, we show that CR needs to be expanded by focusing more on the human agents who are interacting with these systems epistemically and the consequences of the human-computer interaction. The reliability of a belief-forming process based on a computational system can only be assessed by taking into account both these agents and the ethical stakes involved. Moreover, if CR is intended to guide action, a responsible assessment of reliability must rely on an internal type of justification that is relative to the respective epistemic agent and typically necessitates an institutionalized division of epistemic labor
Geometric Features for Supervised Classification in Airborne Laser Scanning Data
No full textIn dieser Arbeit werden die charakteristischen maßstabsgetreuen 3D-Abtasteigenschaften von Airborne-Laserscanning als aktive Fernerkundungstechnologie für ein automatisiertes Szenen- und Datenverständnis genutzt, indem Merkmale aus dem geometrischen Zusammenhang der Daten extrahiert werden. Eine besondere Herausforderung ist dabei die mittlere Pulsdichte von 5-20. Trotz jüngster Fortschritte in der Anwendung von Deep-Learning-Technologien auf unstrukturierten Punktwolkendaten konzentriert sich der praktische Teil dieser Arbeit, wie er zwischen 2013 und 2018 durchgeführt wurde, auf traditionelles Machine-Learning unter Verwendung manuell erstellter Merkmale. Dies ist als Grundlage für den Vergleich und die Bewertung verschiedener Deep-Learning-Strategien nach wie vor von großer Bedeutung. Für die bearbeiteten Anwendungsbereiche erfolgt hierzu jeweils ein detaillierter Überblick und Vergleich zu aktuellen Studien.
Geometrische Merkmale wurden einerseits im universelleren Kontext der semantischen Einzelpunktklassifikation, andererseits im anwendungsspezifischen Kontext der Einzelbaum-basierten Baumartenklassifikation untersucht. Für beide Anwendungsbereiche wurde jeweils ein neuer Merkmalstyp, inspiriert durch Punktdeskriptoren aus der Objekterkennung, implementiert. In der semantischen Einzelpunktklassifikation zweier öffentlich zugänglicher Benchmarkdatensätze konnten Verbesserungen durch eine angepasste Implementierung von Shape Distributions zur Beschreibung lokaler Nachbarschaften, sowie durch die Kombination von Nachbarschaften unterschiedlicher Größe und Form als Basis der Merkmalsextraktion erzielt werden. Zur Baumartenklassifikation (basierend auf 3630 Einzelbaumsegmenten der Arten Kiefer (Pinus sylvestris L.), Fichte (Picea abies (L.) Karst.) und Birke (betula pendula Roth. sowie Betula pubescens Ehrh.)) konnten Verbesserungen durch die Beschreibung der geometrischen Verteilung von Waveform-Attributen innerhalb der Baumkrone, basierend auf einer angepassten Implementierung von Spin Images, erzielt werden. Diese konnten sich im Vergleich zu anderen geometrischen Merkmalen behaupten und verbesserten das Klassifikationsergebnis in Kombination mit statistischen Verteilungsmerkmalen von Waveform Attributen ohne die Berücksichtigung ihrer geometrischen Verteilung. Auf beiden Anwendungsgebieten stellt diese Arbeit einen signifikanten wissenschaftlichen Beitrag dar.
In der Einzelpunktklassifikation stellte sich unter Betrachtung aktueller Literatur die besondere Bedeutung von Kontextinformation heraus. Im Bereich des traditionellen Machine-Learnings kann diese durch kontextbasierte Klassifikation, wie z.B. durch Conditional Random Fields integriert werden. Darüber hinaus wird Kontextinformation aber auch von einigen Deep-Learning-Ansätzen wie z.B. Convolutional Neural Networks oder Transformerarchitekturen modelliert. In der Baumartenklassifikation konnten in aktueller Literatur keine Hinweise auf klare Fortschritte auf Basis des gegebenen Datentyps festgestellt werden. Dies erklärt sich durch die begrenzte Anzahl zu unterscheidender Klassen, durch die begrenzte Menge praktisch erhebbarer Trainingsdaten und durch die hervorragende Integration von Expertenwissen in anwendungsspezifischen, manuell erstellten Merkmalen. Fortschritte in diesem Anwendungsbereich können heutzutage durch besonders hochauflösende Punktdichten, ermöglicht durch Weiterentwicklungen in der Sensorik und der Dronen-gestützten Aufzeichnung, verzeichnet werden, sowie durch multispektrale Laserscanning-Aufnahmen oder die Kombination mit anderen Datenquellen. Diese Herangehensweisen erlauben überdies einen gewinnbringenderen Einsatz von Deep-Learning in der Datenverarbeitung. Besonders zukunftsweisend sind hierbei aktuelle Bemühungen, z.B. in der Baumartenklassifikation, sehr große Datenbanken in kollaborativer Anstrengung zusammenzutragen
