KITopen
Not a member yet
63711 research outputs found
Sort by
Carbon footprints of European dairy farming: the role of drained peatlands in GHG assessments
Get PDFGravitational-wave detectors cooled with superfluid helium – GRAVITHELIUM
Get PDFThe Einstein Telescope (ET) is a third generation gravitational-wave detector planned in Europe, combining a low-frequency (LF) and a high-frequency (HF) laser interferometer. Cryogenic operation of ET-LF in the temperature range of 10 K to 20 K is essential to suppress the fundamental suspension thermal noise (STN) that dominates the detection sensitivity at frequencies below 10 Hz down to the limitations of Newtonian noise. This requires a new key technology development in ultra-low noise cryogenic cooling.
Motivated by both the quietness and the heat conductivity of superfluid helium, a promising solution relies on a thin-wall titanium tube in the super-attenuator suspension chain of the core optics, filled with static He-II. The theoretical feasibility regarding the ET total noise curve has been demonstrated already. Open questions remain, however, regarding the noise of the thermal transport and the dissipation of vibrational energy at the liquid-tube interface or in the bulk phase of the superfluid.
The ERC project GRAVITHELIUM addresses these questions experimentally, using mechanical Q-factor measurements to analyze the dissipative mechanisms. Q-factors are measured by the ring-down method, exciting suspension samples to resonant vibrations and analyzing the decay time. The new test facility enables full-size studies with various suspension materials and geometries, including silicon and sapphire suspensions as well as empty and He-II-filled titanium suspension tubes. The test facility also includes the development of a lab-scale low-noise He-II supply unit that includes an attenuation system and provides 400 mW of cooling capacity at 1.8 K.
Starting from the application requirements in the Einstein Telescope, the presentation describes the objectives, the methods and the status of the ERC project GRAVITHELIUM
SpikeSynth: Energy-Efficient Adaptive Analog Printed Spiking Neural Networks
Get PDFBiologically-inspired Spiking Neural Networks (SNNs) have emerged as a promising avenue toward energy-efficient neuromorphic computing, particularly in edge applications such as soft robotics, wearable health monitors, and IoT devices. Printed Electronics (PE), offering advantages of ultra-low cost fabrication and mechanical flexibility, present a viable platform to realize such neuromorphic systems at scale. However, designing adaptable and efficient spiking circuits
that meet the unique constraints of PE applications remains a challenge. To address this, we propose a novel analog spiking neuromorphic circuit with a learnable spike generator (LSG). Unlike fixed-threshold models, our generator adapts spike timing dynamics during training, enabling better task-specific performance. To optimize for ultra-low power consumption on resource-constrained platforms, we further introduce a robustness-aware training framework that further minimizes the energy consumption adaptively. Simulation results across 13 benchmarks demonstrate an average 57.6% power reduction for
the LSG while improving the average classification accuracy by 8%, area and energy reduction by 89% and 28.7% respectively compared to the state-of-the-art printed analog spiking neural networks (P-SNNs)
Fine-Tuning MIDI-to-Audio Alignment using a Neural Network on Piano Roll and CQT Representations
Get PDFIn this paper, we present a neural network approach for synchronizing audio recordings of human piano performances with their corresponding loosely aligned MIDI files. The task is addressed using a Convolutional Recurrent Neural Network (CRNN) architecture, which effectively captures spectral and temporal features by processing an unaligned piano roll and a spectrogram as inputs to estimate the aligned piano roll. To train the network, we create a dataset of piano pieces with augmented MIDI files that simulate common human timing errors. The proposed model achieves up to 20% higher alignment accuracy than the industry-standard Dynamic Time Warping (DTW) method across various tolerance windows. Furthermore, integrating DTW with the CRNN yields additional improvements, offering enhanced robustness and consistency. These findings demonstrate the potential of neural networks in advancing state-of-the-art MIDI-to-audio alignment
Improving subseasonal weather regime forecasts using statistical-dynamical approaches
Get PDFMit dem wachsenden Anteil erneuerbarer Energiequellen wie Wind- und Solarenergie steigt auch der Bedarf an verlässlichen Vorhersagen auf subsaisonalen Zeitskalen (10–30 Tage im Voraus), um Angebot und Nachfrage auszugleichen, Wartungsarbeiten an der Infrastruktur zu planen sowie Energiespeicherung und -handel zu managen. Vorhersagen von bodennahen Wettervariablen – wie Temperatur, Wind und eingehende Solarstrahlung – liefern nützliche Informationen. Ihre Vorhersagegüte nimmt jedoch aufgrund der chaotischen Natur der Atmosphäre und den fehlerbehafteten numerischen Modellen rasch ab und verschwindet spätestens nach zwei Wochen. Um die Vorhersagegüte in den subsaisonalen Bereich zu verlängern, ist eine gewisse räumliche und/oder zeitliche Aggregation der Vorhersageinformationen essenziell. In diesem Zusammenhang bieten Wetterregime – wiederkehrende Muster in der großskaligen atmosphärischen Zirkulation, die über mehrere Tage bis Wochen andauern – einen vielversprechenden Ansatz.
Diese Dissertation hat zum Ziel, nützlichere Vorhersageinformationen für den Energiesektor bereitzustellen. Zu diesem Zweck wird ein neuer Zusammenhang zwischen Wetterregimen und sogenannten „Dunkelflauten“ – energierelevante Extremereignissen, die durch gleichzeitig geringe Wind- und Solarstromerzeugung gekennzeichnet sind – in Deutschland hergestellt. Um diese Regime bei subsaisonalen Vorhersagezeiten besser erfassen zu können, werden kosteneffiziente, datengetriebene Nachbearbeitungsmethoden (post-processing) auf die Vorhersagen von numerischen Wettervorhersagemodellen (NWP) angewendet.
Dunkelflauten stellen insbesondere im Winter eine große Herausforderung für die Energieversorgung dar, da in dieser Jahreszeit der Energiebedarf aufgrund niedriger Temperaturen besonders hoch ist. Die frühzeitige Erkennung kalter Dunkelflauten, die ein Stressszenario für das Energiesystem darstellen, ist daher von großer Bedeutung. Auf Basis der ERA5-Reanalysedaten des europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) für den Zeitraum 1979 bis 2018 werden Dunkelflauten in Deutschland objektiv identifiziert. Da Wetterregime das regionale Wettergeschehen in Europa wesentlich prägen, wird das statistische Auftreten von Dunkelflauten im Zusammenhang mit einer ganzjährigen Sieben-Regime-Klassifikation für den nordatlantisch-europäischen Raum, wie sie von Grams et al. (2017) eingeführt wurde, untersucht. Dunkelflauten treten überwiegend im Winter auf und sind hauptsächlich mit drei antizyklonalen Wetterregimen, sogenannten Blocking-Mustern, assoziiert. Unter diesen sticht das Greenland Blocking (GL) Regime durch seine häufige Verbindung mit extrem kalten Bedingungen hervor. Zudem treten Dunkelflauten typischerweise in der etablierten Phase langlebiger Wetterregime auf. Die Identifikation von GL als Schlüsselregime für kalte Dunkelflauten sowie die Langlebigkeit dieser Regime legt nahe, dass eine verbesserte Regimevorhersage die Früherkennung solcher energiekritischen Ereignisse deutlich verbessern kann.
Bei Vorhersagezeiten von mehr als 12 Tagen übertreffen Regime-basierte Ansätze die Verwendung bodennaher Variablen auf Gitterpunkt-Basis in Bezug auf Vorhersagen landesweit aggregierter Energiekennzahlen wie Stromnachfrage oder Windkraftproduktion. Dennoch bestehen weiterhin Herausforderungen bei der Vorhersage von Wetterregimen auf subsaisonaler Zeitskala. Neben den inhärenten Vorhersagegrenzen durch die chaotische Atmosphäre wirken sich systematische Fehler in NWP-Modellen, etwa Vorhersagefehler (Bias) und Streuungsfehler, zusätzlich negativ auf die probabilistische Vorhersagegüte aus. Diese Arbeit adressiert systematische Fehler durch eine zweistufige Nachbearbeitungsmethode, angewendet auf Re-Vorhersagen des ECMWF für den Zeitraum von 1999 bis 2020. Zunächst wird eine univariate Methode (die Ensemble Model Output Statistics (EMOS)) auf die Vorhersagen der einzelnen Regime angewendet. Anschließend wird mithilfe von der Methode Ensemble Copula Coupling (ECC) die multivariate Abhängigkeitsstruktur zwischen den Wetterregimen wiederhergestellt. Im Vergleich zu herkömmlichen Kalibrierungsverfahren, bei denen das Z500-Feld lediglich um den vorhersagezeitabhängigen mittleren Bias korrigiert wird, verlängert unser Ansatz den Horizont der täglichen Regimevorhersage moderat um einen Tag (von 13,5 auf 14,5 Tage). Die vorgeschlagene Methode lässt sich leicht auf operationelle Regimevorhersagen anwenden und stellt eine praktikable Alternative für eine kosteneffiziente und zeitsparende Nachbearbeitung dar. Nach unserem Kenntnisstand ist unsere Studie die Erste, welche die multivariaten Aspekte der Vorhersagegüte systematisch für Wetterregime analysiert.
Trotz der Verbesserungen durch statistische Nachbearbeitung bleibt die mittlere tägliche Regimevorhersagegüte auf etwa zwei Wochen begrenzt. Um die probabilistische Vorhersagegüte über diesen Zeitraum hinaus zu erweitern, wird ein neuartiges, zeitlich aggregiertes Regimemaß eingeführt – die sogenannte Regimeaktivität – welche die Wahrscheinlichkeit starker Projektionen auf einzelne Regime innerhalb eines Wochenintervalls beschreibt. Aus der Literatur ist bekannt, dass die Madden-Julian-Oszillation (MJO) und der stratosphärische Polarwirbel (SPV) bedeutende Quellen von Vorhersagbarkeit in den mittleren Breiten darstellen. Beide beeinflussen das Auftreten von Wetterregimen, allerdings sind ihre Effekte in der dritten Vorhersagewoche bislang kaum untersucht. Für die GL-Aktivität in Woche 3 zeigen wir, dass bestimmte Phasen der MJO mit Konvektion über dem zentralen Pazifik, der westlichen Hemisphäre und dem zentralen maritimen Kontinent sowie Perioden mit schwachem SPV zum Initialisierungszeitpunkt der Vorhersage sogenannte „windows of opportunity“ darstellen – günstige atmosphärische Bedingungen, die die Vorhersagegüte erhöhen oder die Eintrittswahrscheinlichkeit wirkungsvoller Ereignisse steigern. Aufbauend auf diesem Wissen werden statistisch-dynamische Modelle auf Basis neuronaler Netze trainiert, welche historische atmosphärische Zustände sowie NWP-basierte Regimemaße nutzen. Diese Modelle dienen als wertvolle Entscheidungsunterstützung neben den NWP-Vorhersagen und verbessern die probabilistische Vorhersage der wöchentlichen Regimeaktivität in Woche 3 um bis zu 10% (gemessen am mittleren quadratischen Fehler). Die größten Verbesserungen treten bei Blocking-Regimen über dem europäischen Raum auf, in dem NWP-Modelle tendenziell unterdurchschnittlich performen.
Durch die Verbindung von physikalischem Verständnis, statistischer Korrektur und datengetriebener Modellierung zeigt diese Arbeit Wege zur Verbesserung der Wetterregimevorhersage auf Zeitskalen größer 10 Tage auf und demonstriert deren Mehrwert als Entscheidungsunterstützung bei der Antizipation von Regimekonfigurationen, die für Dunkelflauten prädisponiert sind. Diese Fortschritte können dem Energiesektor erheblich zugutekommen, in dem langfristige Planbarkeit zunehmend an Bedeutung gewinnt
Deciphering the Magnetostructural Criteria in Dy and Ho Macrocycle-Based Single-Molecule Magnets with Pseudo- D Symmetry: A Combined Single-Crystal Hysteresis and Theoretical Study
Get PDFThe employment of the metal-ion-assisted [1+1] Schiff-base condensation has led to complexes [Ln(LN5)(Ph3SiO)2](PF6), where LnIII = DyIII (1-Dy) and HoIII (1-Ho), with close-to-ideal D5h local symmetry. For the Kramers DyIII system, slow magnetization relaxation was observed up to 64 K yielding a sizable Ueff value of 963 K, whereas the non-Kramers HoIII compound exhibited no out-of-phase signals at T > 2 K. Single-crystal magnetic hysteresis measurements uncovered the magnetization blockage of 1-Dy at T < 4 K with typical butterfly shaped loops, while open rectangular-shaped hysteresis loops were observed for 1-Ho below 0.2 K. Doping of the 1-Ho compound into a diamagnetic YIII matrix unveiled the hyperfine-driven QTM steps reflected by staircase-like hysteresis loops for 1-Ho@Y. Detailed analysis through ab initio calculations has shed light on the low-lying energy levels of both compounds leading to well-isolated and pure ground states of mJ = ±15/2 and mJ = ±8 for 1-Dy and 1-Ho, respectively. The magnetization relaxation for 1-Dy advances through the third excited state, whereas the significant tunnel splitting (Δtun) of ∼0.15 cm–1 in the ground state of 1-Ho has fostered the onset of fast tunneling relaxation
Architektur dezentraler Infrastrukturen zur souveränen Verwaltung und effektiven Nutzung von Gesundheitsdaten
Get PDFDezentrale Dateninfrastrukturen auf Basis der Blockchain-Technologie werden
zunehmend als vielversprechende Lösungen für die sichere, selbstsouveräne Verwaltung,
Speicherung und wissenschaftliche Nutzung von sensiblen Gesundheitsdaten
in der Wissenschaft und Praxis diskutiert. Diese Infrastrukturen schaffen
die Voraussetzung für den Gebrauch von Gesundheitsdaten in der personalisierten
Medizin, wodurch sich eine effektivere Gesundheitsversorgung erhofft wird.
Speziell die Architektur solcher Systeme ist herausfordernd, wie die schleppende
Umsetzung der elektronischen Patientenakte (ePA) in Deutschland zeigt. Trotz des
Potentials solcher Gesundheitsdateninfrastrukturen zur Primär- und Sekundärnutzung
medizinischer Daten bestehen erhebliche technische, organisatorische und
rechtliche Herausforderungen. Diese Herausforderungen erfordern eine systematische
Berücksichtigung und Adressierung bei der Konzeption und Entwicklung
derartiger Systeme, um deren Effektivität, Sicherheit und Akzeptanz langfristig
zu gewährleisten.
Vor diesem Hintergrund widmet sich die vorliegende Arbeit der systematischen
Untersuchung und methodischen Unterstützung der Architektur dezentraler Dateninfrastukturen
im Gesundheitswesen, insbesondere unter Anwendung der
Blockchain-Technologie. Ziel der Arbeit ist es, durch die Entwicklung eines
Entscheidungsmodells den Architektur- und Entwurfsprozess zu unterstützen,
indem eine strukturierte Herangehensweise zur Identifikation und Bewertung
von Designentscheidungen bereitgestellt wird. Die Erstellung des Entscheidungsmodells
erfolgt auf Grundlage einer iterativ erarbeiteten Taxonomie, welche die
wissenschaftlich veröffentlichten Systemarchitekturen anhand ihrer technischen
Designmerkmale kategorisiert und somit deren Vergleichbarkeit sowie Differenzierung
ermöglicht.
Aufgrund der unzureichenden Berücksichtigung methodischer Sicherheitsbetrachtungen
in der wissenschaftlichen Literatur bei der Konzeption von Gesundheitsdateninfrastrukturen
auf Grundlage der Blockchain werden zwei Anwendungsfälle
entwickelt: Erstens eine Systemarchitektur für eine Dateninfrastruktur
zur selbstsouveränen Vernetzung der Primärversorgung und zweitens ein Datentreuhandmodell
zur Sekundärnutzung medizinischer Daten für Forschungszwecke.
Dabei werden der jeweilige Systemkontext, die spezifischen Anforderungen
sowie die beteiligten Akteure systematisch analysiert. Darüber hinaus erfolgt eine
Sicherheitsanalyse unter Anwendung der STRIDE-Methode, um potentielle
Bedrohungen zu identifizieren, Sicherheitsmechanismen abzuleiten und darauf
basierend eine Systemarchitektur zu entwickeln.
Im Anschlusswird überprüft,welche Designentscheidungen durch das entwickelte
Entscheidungsmodell für die Anforderungen der Anwendungsfälle vorgeschlagen
werden und analysiert, inwieweit diese mit den klassisch entwickelten Architekturen
übereinstimmen. Die Evaluation des Entscheidungsmodells erfolgt außerdem
durch eine Befragung von Expert*innen. Basierend auf den Erfahrungen und
Erkenntnissen erfolgt abschließend eine methodische Einbettung des Entscheidungsmodells
in den Prozess zur Konzeption von Softwarearchitekturen
Experimental and Analytical Tools for the Chemical Recycling of Engineering Plastics – A Multi‐Scale Pyrolysis Study on Polydicyclopentadiene
Get PDFThe creation of a circular economy for plastics is essential for a sustainable future. Currently, established recycling processes are not universally applicable. Pyrolysis can complement current recycling through the conversion of complex plastic wastes to condensates and gases for reintroduction into chemical industry processes. A multi-scale approach for the characterization of pyrolysis properties is presented using the example of polydicyclopentadiene. Pyrolysis-GC-MS (µg-scale), thermogravimetric (mg-scale), and lab-scale (g-scale) pyrolysis investigations are complemented by high-resolution product analytics. In Py-GC-MS, 1,3-cyclopentadiene is abundant, hinting at depolymerization as a dominant decomposition mechanism. In thermogravimetry, approx. 20 mass-% of the sample is converted to solids. On lab-scale, secondary reactions influence the product yield and spectrum significantly, indicated by a solid yield of ≈40 mass-%. Polydicyclopentadiene exhibits a broad product spectrum comprising unsaturated hydrocarbons and aromatics. In the condensed product, no 1,3-cyclopentadiene is detected, indicating recombination or derivatization reactions. Significant solid residue formation emphasizes scaling effects. The employed analytics provide comprehensive analyses of condensed and non-condensed products. With the presented approach, primary and secondary mechanisms can be resolved and crucial process parameters identified. In this way, a powerful toolset for the development of robust pyrolysis processes that aid in achieving circularity for plastics is provided
Cosmic ray energy and composition measurements with GRAPES-3 and other experiments
Get PDFCosmic rays (CRs) are charged nuclei accelerated by natural astrophysical processes to extremely high energies. Despite significant progress in CR research over the past century, their origin and the astrophysical processes responsible for accelerating them to such high energies have yet to be fully understood. A comprehensive understanding requires precise measurement of their energy spectrum and mass composition. This article reviews the CR energy spectrum and mass composition measurements above 100 GeV. The CR energy spectrum is generally described by a power law, with notable spectral features commonly referred to as the knee, ankle, and flux suppression. Direct experiments offer high-precision measurements in the GeV–TeV energy range and have revealed spectral hardening around a few hundred GeV and softening near several tens of TeV in the proton and helium spectra. At energies above hundreds of TeV, CRs are observed by indirect experiments using extensive air showers (EASs). Indirect measurements have also observed further spectral features, such as the hardening in light primaries near hundreds of TeV, the second knee, and the instep. This article highlights the GRAPES-3 experiment, in Ooty, India, focusing on the methodology of using muon multiplicity to estimate mass composition and the observation of spectral hardening at 166 TeV in the CR proton spectrum. These observed spectral features provide important constraints for refining theoretical models of CR origin, acceleration, and propagation. Indirect measurements, particularly of mass composition, are subject to large systematic uncertainties because the interpretation of observables relies on simulations based on hadronic interaction models. This article briefly discusses significant discrepancies in mass composition results arising from the limited theoretical understanding of these models, emphasizing the need for improved hadronic interaction modeling