XiaoMi-AI文件搜索系统
World File Search System中表
本体热力学决定膜中表面氢浓度
未转化的反应物。在此步骤中，氢气可从混合物中分离出来，并在反应中重新使用。在未来以氢气为主要能源载体的情况下，分离和/或纯化能量昂贵的氢气将变得更加重要。[1–3] 一种有前途的方法是使用由吸氢金属（如钯和钯合金）制成的氢选择性膜。[4,5] 此类膜的渗透性取决于两侧的表面性质（解离/复合）和本体渗透性（扩散和溶解度）。[4] 人们已经进行了大量研究，以寻找比钯具有更高渗透性的廉价材料（例如钒、铌、钽及其合金[6–10]），然而，昂贵的钯和钯基合金由于其良好的表面性质仍然是优越的膜材料。 [5,11] 如果可以修改诸如钒基合金等廉价材料的表面性质以匹配钯的性质，它们将彻底改变该技术。尽管这个目标相当简单，但是对于这些理想的表面性质仍然存在知识缺口。大多数著作引用了表面科学的概念，描述了氢的物理吸附、解离（屏障）和化学吸附。[12] 但是，需要额外的步骤 - 跳跃到亚表面位点和相邻的本体位点 - 才能充分模拟渗透过程。尽管如此，由于步骤之间的复杂相互作用，建模的预测能力有限 [4,6,13]，更重要的是 - 由于缺乏原位氢分析，只能通过与非常基础的实验（渗透动力学，例如参考文献 [14]）进行比较才能进行实验验证。Baldi 等人已经证明了电子能量损失谱可以作为纳米颗粒中本体氢的分析方法。 [15] 在本文中，我们进一步开发了通过反射电子能量损失谱 (REELS) 原位探测氢化物薄膜表面氢含量的方法。该方法应用于实验方法，其中可以有意改变膜的表面性质并在操作条件下确定其氢含量。我们通过直接观察 Pd/V 复合膜中渗透对氢含量的依赖性证明了限速步骤的存在。建模得出了各个层的相关性，从而可以将结果与从氢吸收中获得的结果联系起来
迈向社会群体的计算理论：在 conf 上下文中表示任何和所有社会群体的一组有限的认知原语
目前，我们尚无完善的理论来解释当人类思维表征一个社会群体时，它所表征的是什么。更糟糕的是，许多人认为我们知道。这种错误观念是由当前情况造成的：到目前为止，研究人员一直依靠自己的直觉将社会群体概念与特定研究或模型的结果联系起来。这种对直觉的依赖虽然有必要，但却付出了相当大的代价。冷静来看，现有的社会群体理论要么是 (i) 字面意义上的，但远远不够（比如建立在经济博弈之上的模型），要么是 (ii) 仅仅是隐喻性的（通常是包含或包含隐喻）。直觉填补了明确理论的空白。本文提出了一种计算理论，解释冲突背景下的群体表征的字面含义：它是将代理分配给少数三元交互类型中的特定角色。这种群体的“心理定义”为社会群体的计算理论铺平了道路——因为它提供了一种理论，说明表示和推理群体的信息处理问题究竟是什么。对于心理学家来说，本文提供了一种概念化和研究群体的不同方法，并表明非同义反复的社会群体定义是可能的。对于认知科学家来说，本文提供了一个计算基准，可以以此为标准衡量自然智能和人工智能。
高效修饰和制备环状 DNA 以在细胞培养中表达
DNA 质粒是细胞培养实验中 RNA 和蛋白质传递和表达的重要工具之一。质粒的制备通常涉及繁琐的细菌克隆、验证和纯化过程。虽然可以从合同制造商处设计和订购表达质粒，但当需要大量质粒时，成本可能会过高。我们开发了一种高效的全合成方法和协议，能够在短短 3 小时内生产出包含表达元件的环化 DNA，这些元件可供转染，从而省去了细菌克隆步骤。该协议描述了如何将使用常用软件设计并从其中一个商业制造商处订购的线性双链 DNA 片段作为输入，然后以最少的动手时间有效地环化和纯化该 DNA 片段。作为该原理的证明，我们通过生产表达扩展的 Prime 编辑向导 RNA (epegRNA) 的 DNA 来展示该方法的功能，用于细胞培养基因组编辑。该方法不仅限于基因编辑，还可用于需要表达短 RNA 和蛋白质的各种应用。速度快、成本低、使用方便，将使该方法成为基因编辑工具包中的另一个有价值的工具，而且由于反应简单，该方案可以轻松实现自动化。
针对 B 细胞受体信号和 BRD4 的新型三重作用抑制剂在慢性淋巴细胞白血病中表现出临床前活性
。CC-BY-NC 4.0 国际许可，可在未经同行评审认证的情况下使用）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者（此版本于 2022 年 5 月 11 日发布。；https://doi.org/10.1101/2022.05.11.491547 doi：bioRxiv 预印本
精确控制ZnO纳米颗粒中表面氧空位的精确控制，用于极高的丙酮传感响应
摘要：ZnO由于其高灵敏度和快速响应而对化学传感器进行了深入研究。在这里，我们提出了一种简单的方法，可以精确控制氧气空位含量，以提供商业ZnO纳米植物的丙酮感应性能的显着增强。H 2 O 2处理和热退火的组合可在ZnO纳米颗粒（NPS）上产生最佳的表面缺陷。在400的最佳工作温度下，在0.125 m H 2 O 2中，在0.125 m H 2 O 2中获得了〜27,562的最高响应，在400的最佳工作温度下，基于金属氧化物半管子（MOSS）的各种丙酮传感器中，在各种丙酮传感器中，该ZnO NP的最高响应。此外，第一原理的计算表明，在H 2 O 2处理的ZnO NP的表面上形成的预称o可以提供有利的吸附能，尤其是对于丙酮检测，由于丙酮分子和Zno表面的丙酮和预测o之间的carbonyl C原子之间的强烈双态粘结。我们的研究表明，通过H 2 O 2处理控制表面氧空位并在最佳温度下重新拨动是一种有效的方法，可以提高商业MOS材料的感应特性。关键字：气体传感器；丙酮;金属氧化物半导体（MOSS）； ZnO纳米颗粒（NPS）; H 2 O 2
脑转移中表皮生长因子受体异二聚体的景观
简单的摘要：HER2+乳腺癌患者被用标记HER2+肿瘤细胞的药物治疗，以通过免疫系统消除，下调HER2活性和/或阻止形成HER2二聚体，包括Neuregulin-1受体HER2-HER3。针对HER2靶向的疗法通过降低复发风险，但不能防止脑转移。原因尚未完全理解。我们在203个脑转移和34个原发性乳腺肿瘤样品中量化了HER2-HER3二聚体。与患者匹配的乳腺肿瘤相比，乳腺，卵巢，肺和肾脏癌的脑转移酶的二聚体频率相对较高。但是与HER2/HER3表达或激活没有可靠的相关。在体外实验中，pertuzumab未能抑制HER2+乳腺癌细胞中的HER2-HER3二聚体。这些发现可能会提供有关HER2靶向疗法的颅内和颅外效率差异的见解。
Rapalink-1 和羟氯喹通过诱导细胞凋亡在未分化多形性肉瘤中表现出附加作用
摘要。背景/目的：晚期未分化多形性肉瘤 (UPS) 预后不良，很少有治疗方法可以改善总体生存率。最近，第三代哺乳动物雷帕霉素靶点 (mTOR) 激酶抑制剂 Rapalink-1 已被开发并被证明对其他肿瘤有效。然而，mTOR 抑制剂已被证明会诱导自噬和对抗癌药物的耐药性。本研究旨在研究 Rapalink-1 与自噬抑制剂的抗肿瘤作用。材料和方法：通过细胞活力分析、蛋白质印迹、流式细胞术和免疫荧光检查 Rapalink-1 和/或羟氯喹在三种 UPS 细胞系中的抗肿瘤作用。结果：Rapalink-1 降低细胞增殖并抑制 PI3K/mTOR 通路。 Rapalink-1与羟氯喹联合治疗比单独使用Rapalink-1治疗增强了抗肿瘤效果，因为Rapalink-1通过阻断mTOR抑制剂的自噬诱导作用而增强。结论：Rapalink-1与羟氯喹联合治疗可作为治疗UPS的潜在药物。
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
在上下文中表征和边界量子行为集
量子理论的预测重新呈现了广义的非秘密解释。除了这一事实的基本关系之外，量子理论在多大程度上违反了非智能限制的限制在通信和信息过程中可用的量子优势。在这项工作的第一个部分中，我们通过准备和测量实验正式定义上下文情景，以及包含量子上下文行为集的一般上下文行为的多人。这个框架使我们恢复了这些scenarios中的几种量子行为的属性，包括上下文性场景和相关的非上下文性不平等，这需要违反单个量子准备和误导程序，以使其成为混合状态和UNSHARP测量。有了适当的框架，我们制定了新型的半决赛编程松弛，以界定这些量子式行为。最重要的是，在上下文中，我们提出了一种新型的基于单一的单一统一性的放松技术。，我们通过在违反几种非上下文性不平等的量子上获得紧密的上限来证明这些放松的效果，并确定新颖的最大上下文量子策略。为了进一步说明这些放松的变化，我们演示了
在量子隐形传态中表征量子比特通道
我们考虑这样一种场景：一方（比如 Alice）准备一个纯的两量子比特（最大纠缠或非最大纠缠）状态，并通过量子比特（单元或非单元）通道将该状态的一半发送给另一方（比如 Bob）。最后，共享状态用作隐形传态通道。在这种情况下，我们专注于根据最大平均保真度和保真度偏差（保真度值随输入状态波动）来描述量子比特通道集作为量子隐形传态 (QT) 资源的最终状态有效性。重要的是，我们指出，当初始准备状态对通用 QT 有用（即，对于最大纠缠状态）或对通用 QT 无用（即，对于非最大纠缠纯态的子集）时，存在一个量子比特通道子集，对于该子集，最终状态对通用 QT 有用（最大平均保真度严格大于经典界限，保真度偏差为零）。有趣的是，在后一种情况下，我们表明，非单元通道（耗散相互作用）比单元通道（非耗散相互作用）更有效地从非最大纠缠纯态产生对通用 QT 有用的状态。