采用1 mm Al+3 mm Mg+1 mm Al的组坯方式,轧制温度为400℃,压下率为35%,热轧得到6061/AZ31B/6061复合板。在退火温度为200℃的条件下,研究了不同退火时间对复合板拉伸性能、界面结合、微观组织以及表面残余应力的影响。在保温时间分别为...采用1 mm Al+3 mm Mg+1 mm Al的组坯方式,轧制温度为400℃,压下率为35%,热轧得到6061/AZ31B/6061复合板。在退火温度为200℃的条件下,研究了不同退火时间对复合板拉伸性能、界面结合、微观组织以及表面残余应力的影响。在保温时间分别为0、0.5、1和1.5 h情况下,分别进行拉伸实验、能谱分析、微观组织观察和残余应力测试。结果表明,当轧制压下率为35%时,6061铝合金和AZ31B镁合金能够通过热轧方法得到很好的复合;随着退火时间的增加,6061/AZ31B/6061复合板的拉伸强度、伸长率和界面扩散厚度显著增加,且铝合金表面残余应力也增大。展开更多
近年来,通信技术的持续演进导致通信网络的能耗显著增加。随着人工智能(AI,artificial intelligence)技术与算法在通信网络中的广泛应用和深度部署,未来6G智能通信网络架构和技术演进将对通信网络的节能减排带来更为严峻的挑战。基于边...近年来,通信技术的持续演进导致通信网络的能耗显著增加。随着人工智能(AI,artificial intelligence)技术与算法在通信网络中的广泛应用和深度部署,未来6G智能通信网络架构和技术演进将对通信网络的节能减排带来更为严峻的挑战。基于边缘计算和分布式联邦学习的联邦边缘智能(FEI,federated edge intelligence)网络已被普遍认为是实现6G网络内生智能的关键路径之一。然而,如何评估和优化联邦边缘智能网络的综合碳排放量仍然是一大难题。为解决该问题,首先,提出了一种联邦边缘智能网络碳排放评估框架和方法。其次,基于该评估框架和方法提出3种联邦边缘智能网络碳排放优化方案,包括动态能量交易(DET,dynamic energy trading)、动态任务分配(DTA,dynamic task allocation)和动态能量交易与任务分配(DETA,dynamic energy trading and task allocation)。最后,通过自行搭建的真实硬件平台,并利用真实世界的碳强度数据集进行联邦边缘智能网络生命周期碳排放仿真。实验结果表明,3种优化方案均能在不同场景和约束条件下显著减少联邦边缘智能网络的碳排放,为下一代智能通信网络的可持续发展和实现绿色低碳6G网络提供了依据。展开更多
文摘采用1 mm Al+3 mm Mg+1 mm Al的组坯方式,轧制温度为400℃,压下率为35%,热轧得到6061/AZ31B/6061复合板。在退火温度为200℃的条件下,研究了不同退火时间对复合板拉伸性能、界面结合、微观组织以及表面残余应力的影响。在保温时间分别为0、0.5、1和1.5 h情况下,分别进行拉伸实验、能谱分析、微观组织观察和残余应力测试。结果表明,当轧制压下率为35%时,6061铝合金和AZ31B镁合金能够通过热轧方法得到很好的复合;随着退火时间的增加,6061/AZ31B/6061复合板的拉伸强度、伸长率和界面扩散厚度显著增加,且铝合金表面残余应力也增大。
文摘近年来,通信技术的持续演进导致通信网络的能耗显著增加。随着人工智能(AI,artificial intelligence)技术与算法在通信网络中的广泛应用和深度部署,未来6G智能通信网络架构和技术演进将对通信网络的节能减排带来更为严峻的挑战。基于边缘计算和分布式联邦学习的联邦边缘智能(FEI,federated edge intelligence)网络已被普遍认为是实现6G网络内生智能的关键路径之一。然而,如何评估和优化联邦边缘智能网络的综合碳排放量仍然是一大难题。为解决该问题,首先,提出了一种联邦边缘智能网络碳排放评估框架和方法。其次,基于该评估框架和方法提出3种联邦边缘智能网络碳排放优化方案,包括动态能量交易(DET,dynamic energy trading)、动态任务分配(DTA,dynamic task allocation)和动态能量交易与任务分配(DETA,dynamic energy trading and task allocation)。最后,通过自行搭建的真实硬件平台,并利用真实世界的碳强度数据集进行联邦边缘智能网络生命周期碳排放仿真。实验结果表明,3种优化方案均能在不同场景和约束条件下显著减少联邦边缘智能网络的碳排放,为下一代智能通信网络的可持续发展和实现绿色低碳6G网络提供了依据。
基金Project (NCET-11-0799) supported by the Program of New Century Excellent Talents in University of ChinaProject(HIT.BRETIII.201204) supported by Fundamental Research Funds for the Central Universities of ChinaProject (2011BAG03B03)supported by the National High Technology Research & Development Program of China