XiaoMi-AI文件搜索系统
World File Search System力场
通过机器学习对无序机械超材料的自原子发现
跨数长度规模的构建材料设计在其自然体积状态下不存在异常的机械响应。然而，当降低到原子或微粒水平时，所谓的机械超材料在很大程度上尚未探索，并且通常从其粗分辨率中掉出了订购的模式设计空间。Here, combining high-throughput molecular dynamics (MD) simulations and machine learning (ML) strategies, some intriguing atomistic families of disordered mechanical metamaterials are discovered, as fabricated by melt quenching and exemplified herein by lightweight-yet-stiffcellular materials featuring a theoretical limit of linear stiffness–density scaling, whose structural disorder—rather than顺序 - 是减少缩放指数的关键，并且仅由粘结相互作用及其方向性控制，这些相互作用及其方向性可以通过实验来实现灵活的可调性。重要的是，力场景观中的系统导航表明，在方向性和非方向键之间（例如共价键和离子键）之间，适度的键方向性最有可能促进多面体，拉伸伸展的结构的无序堆积，负责促进伸展的结构。这项工作先驱者是一种最初的原子方案，以设计机械超材料的格式化，以在主张原子质的原子质和可能对常规上尺度上的原子质上仿制的原子质中，在利用结构障碍方面取消了一个未开发的场合。
结合人工智能和分子动力学（...
经过几十年的理论和计算发展，分子动力学 (MD) 模拟不仅已成为补充实验解释和预测的工具，而且还是更高级别模拟的基准。当我们考虑 MD 模拟所需的每个组件时：理论引擎（例如，牛顿运动定律、热力学定律、朗之万方程、泊松-玻尔兹曼方程等）、力场（计算势能和力的参数）、传播算法（例如，Verlet 积分）、系统（通常由坐标、速度和连接组成）、控制参数（如温度、压力等）和可观测量（例如，自由能计算、集体变量监测等），每个组件都经过了精心的手动发现、设计、调整和部署，已经取得了长足的进步。MD 模拟在大多数方面似乎已经“成熟”，在将自由能计算与生物系统结合起来方面实现了大约 ~1 kcal/mol 的精度。然而，折叠/展开蛋白质结构采样、蛋白质-蛋白质相互作用结构采样、大系统模拟、罕见事件模拟、具有不可忽略的核量子效应的模拟、反应、新材料的参数化和高通量自由能计算等问题仍然存在，需要新的研究和开发。自然而然，人们可以转向人工智能 (AI)，这是另一个因硅革命而显著加速发展的领域。毋庸置疑，人工智能已经在与 MD 相关的领域中展示了它的实用性，尤其是在这个“后 AlphaFold 时代”。现在的问题不是“如果”，而是我们如何结合这两个强大的工具来进一步推动这两个领域的研究。
使用电活化的定量相成像
抽象检索纳米级在纳米级的电阻图迅速通过无损的信号噪声比快速检查是一种未满足的需求，这可能会影响从生物医学到能量转化的各种应用。在这项研究中，我们开发了一种多模式功能成像仪器，其特征在于阻抗映射和相位定量，高空间分辨率和低时间噪声的双重能力。为了实现这一目标，我们推进了一个定量的相成像系统，称为Epi-Magnififer图像空间光谱显微镜结合了电动启动，以提供光路和电阻抗的互补图。我们用光路差和电阻抗变化的高分辨率图展示了我们的系统，这些图可以区分纳米化的，半透明的结构化涂层，涉及两种具有相对相似电性能的材料。我们绘制的异质界面对应于与钛（二氧化物）在玻璃支撑上沉积的钛（二氧化物）的过层中的直径较小的孔暴露的二锡氧化物层。我们表明，在宏观电极的相位成像期间的电气调制是决定性地检索具有亚微米空间分辨率的电阻抗分布，并且超出了基于电极的技术（表面或扫描技术）的局限性。发现，这些发现是通过理论模型证实的，该模型可以很好地拟合实验数据，从而可以通过高空间和时间分辨率实现电流图。新颖的光电化学方法的优点和局限性为测量本地电力场测量的更广泛的电气调制光学方法提供了基础。
课程大纲
第一单元：粒子力学。粒子系统力学、约束、达朗贝尔原理和拉格朗日方程、速度相关势和耗散函数拉格朗日公式的简单应用第 1 章。第 1、2、3、4、5 和 6 节。汉密尔顿原理，变分法的一些技巧。从汉密尔顿原理推导出拉格朗日方程。守恒定律和对称性、能量函数和能量守恒第 2 章。第 1、2、3、5 和 6 节第二单元：简化为等效的一体问题。运动方程和一阶积分、等效一维问题和轨道分类、轨道微分方程和可积幂律势、闭合轨道条件（伯特兰定理）、开普勒问题力的平方反比定律、开普勒问题中的时间运动、有中心力场中的散射。第 3 章。第 1、2、3、5、6、7 和 8 节勒让德变换和哈密顿运动方程。循环坐标、从变分原理推导哈密顿运动方程、最小作用量原理。章：7，节：1、2、3、4 和 5。第三单元：正则变换方程、正则变换示例、谐振子、泊松括号和其他正则不变量、运动方程、无穷小正则变换、泊松括号公式中的守恒定理、角动量泊松括号关系。章：8，节：1、2、4、5、6 和 7。汉密尔顿 - 汉密尔顿主函数的雅可比方程、作为汉密尔顿 - 雅可比方法的一个例子的谐振子问题、汉密尔顿 - 汉密尔顿特征函数的雅可比方程。作用 - 单自由度系统中的角度变量。章：9，节：1、2、3 和 5。教科书：经典力学 - H. Goldstein 参考书：经典力学 - JB Upadhayaya 经典力学 - Gupta, Kumar and Sharma
NEP四年BSC物理学教学大纲（1）.pdf
运动和保护定律法律：参考框架，牛顿运动定律，工作和能量定律，均匀的循环运动，能量和动力的保护。保守和非保守力量，火箭运动，中央力场运动的运动，开普勒的行星运动定律，牛顿的重力定律，引力场，潜在的和潜在的能量，潜在的能量，引力电位和球形壳的场强度。卫星，全球定位系统（GPS）的基本思想。旋转运动：颗粒系统，质量中心，角速度和动量，扭矩，角动量的保护，运动方程，惯性矩，平行和垂直轴的定理，杆的惯性矩，杆的惯性矩，矩形层，圆形层，圆形，固体，固体，固体壳，螺旋壳的能量，旋转，旋转，旋转。流体：表面张力和表面能，表面跨表面的压力过大：在球形滴和气泡上，表面张力随温度变化-Jaeger的方法。粘度：液体流动，连续性方程，流体能量，伯诺利定理，Poiseuille的方程和方法，以确定粘度系数，具有温度弹性的液体粘度的变化：Hooke的定律，压力，压力，刺激，弹性势能，弹性模态，弹性的模态，弹性的模态，弹性，弹性的繁殖式，固定的紧迫性，固定的紧迫性，固定的速度，强度，固定的速度，固定的速度，良好的态度在伸展和扭曲电线，在圆柱上扭曲的夫妇，扭曲圆柱体中的应变能量，通过stat和动力学方法（Barton's和Maxwell的针头）确定刚度模量（Barton's and Maxwell's Needle），Torsional Pendulum，Young的模量，横梁的弯曲，Y Y Y Q的确定，以及SEARLE的iTertia Mist and Mist and Searle's Methot。
在计算机药物中重新利用青霉素靶向SARS-COV-2 的主要蛋白酶mpro
摘要背景：SARS冠状病毒-2（SARS-COV-2）感染引起新型冠状病毒病（Covid-19）。这是一种呼吸道感染，目前在全球范围内成为大流行，影响了超过500万人。到目前为止，尚无用于疾病管理的治疗或疫苗。主要蛋白酶，SARS-COV-2中的M Pro是许多科学家探索的可药物目标。我们使用众所周知的使用计算工具的药物重新利用方法来针对这一点。方法：Schrödinger软件用于研究。配体是通过将其导入使用LIGPREP优化的Maestro图形用户相间的大师图形用户中间，并使用OPLS3E力场最小化的分子几何形状来制备。m Pro Crystal结构6LU7从PDB下载并进行了优化。分子使用滑行对接中的Covdock模块对接。此外，使用Desmond模块对100 ns进行了分子动力学模拟。结果：在对接和分子相互作用研究中，青霉素通过形成亲水性，疏水性，静电相互作用而成为具有一致结合模式的命中。分子动力学模拟证实了相互作用。苯氧基甲基苯基霉素和卡替霉素的相互作用始终如一，并且似乎是最有前途的。结论：通常，由于抗性的发展，抗生素不愿在病毒大流行中使用。azithromycin与羟氯喹结合使用，以治疗COVID-19。青霉素对大多数细菌感染的有效和一线抗生素。这项研究表明苯氧基苯甲酰甲基霉素和卡替霉素可以与羟氯喹一起尝试。此外，这项研究显示了使用计算机辅助的对接工具和β-内酰胺在Covid-19中的潜在作用的药物重新利用的探索。
经典电磁学的时间逆转
请注意，Feynman没有提出有关向后因果关系的任何主张。他只是声称，如果您的时间逆转一系列粒子状态，您将获得一系列相应的抗粒子状态。根据标准的量子场教科书，这不是这样：电荷共轭操作员将粒子变成反粒子，但时间逆转却没有。因此，我们读到Feynman提示实时逆转操作（无论是什么意思），以下更多！）不是通常给出该名称的操作。或至少是我们有兴趣与标准视图进行比较的观点，这就是我们称为“ Feynman的观点”的观点。feynman的言论是在量子场理论的背景下做出的。与此同时，在古典电磁学中：戴维·艾伯特（David Albert）（Albert，2000年）认为，经典电磁学并不是时间逆转不变，因为（根据他的说法）在时间反转下没有磁场的迹象。David Malament（Malament，2004年）为捍卫时间逆转的标准观点的回答，根据该观点，Bfield to to to to to the to to to the to to to to in prip sign，该理论是时间反向不变的。Malament的讨论可能会使人们感到只有（i）（i）经典电磁学的四维表述，以及（ii）我们的意思或应通过“时间逆转”以及标准转换B 7-→-b的意思。这是不正确的：与（i）和（ii）一致的Malament账户有一种替代方法。纸张的结构如下。这是一个帐户，根据该帐户，磁场在时间逆转下不会闪烁IP标志（电力场确实如此），但无论如何，该理论是时间逆转不变的。这是Feynman观点的古典类似物。本文有两个主要目的：（i）探索“经典的feynman”观点，希望以后可以照亮量子界理论中的重要问题，以及（ii），（ii）探索时间反向的新颖概念，与“活跃”和“活跃”和“被动的”相反的概念不同，我们认为我们的态度与Mallatd的含义有关，并在Mallatd中引起了人们的意义，并且在Mallatd中含义并在Mallatd中含义。在第2节中我们讨论
phanto-idp
Junjie Zhu是一名本科生，正在上海若昂大学学习生物信息学。他的研究方向是分子动力学模拟，增强的采样和深度学习。Zhengxin li是一名博士生，正在上海何乔大学学习生物信息学。他的研究方向是分子动力学模拟和生物力场。haowei tong是上海乔大学生物信息学专业的本科生。他的研究方向是T蛋白结构通过深度学习的预测。Zhouyu lu是上海Jiao Tong大学的生物信息学专业的本科生。他的研究方向是通过深度学习的蛋白质结构预测。ningjie Zhang是上海若昂大学生物信息学专业的大师。她的研究方向是通过深度学习产生蛋白质构象。ting wei是一位助理教授，在上海若昂大学（Shanghai Jiao Tong University）是生物信息学专业的助理教授。她的研究方向是基于深度学习的蛋白质设计。Hai-Feng Chen是一位教授，他在上海若o大学的生物信息学专业。 他的研究方向是基于深度学习和创新药物设计的蛋白质设计。 收到：2023年8月14日。 修订：2023年9月21日。 接受：2023年11月5日©作者2023。 牛津大学出版社出版。Hai-Feng Chen是一位教授，他在上海若o大学的生物信息学专业。他的研究方向是基于深度学习和创新药物设计的蛋白质设计。收到：2023年8月14日。修订：2023年9月21日。接受：2023年11月5日©作者2023。牛津大学出版社出版。这是根据Creative Commons Attribution许可条款（https://creativecommons.org/licenses/4.0/）分发的一篇开放访问文章，该文章允许在任何媒介中不受限制地重复使用，分发和再现，前提是适当地引用了原始工作。
有效的高通量方法利用机器学习原子电位来计算石墨烯 - 聚合物接口的相互作用能量*
信用撰稿人贡献声明Jared Keith Averitt：写作 - 原始草案，评论，可视化，验证，资源，方法，软件，调查，资金获取，正式分析，数据策划，概念化，概念化。sajedeh pourianejad：写作 - 原始草稿，验证，方法论，调查，正式分析，数据策划。Olubunmi O. Ayodele：方法论，概念化。柯比·施密特（Kirby Schmidt）：调查，数据策划。Anthony Trofe：数据策划。Joseph Starobin：写作 - 评论和编辑，监督，资源，资金获取。 Tetyana Ignatova：写作 - 审查和编辑，监督，资源，资金获取，概念化。 致谢J.K.A. 承认，该材料基于国家科学基金会（NSF）研究生研究奖学金的工作， [1945980]和这项工作在匹兹堡超级计算中心使用了桥梁-2通过分配[PHY220034]，来自高级网络网络基础结构协调生态系统：服务与支持（访问）计划，由国家科学基金会＃2138259，＃2138259，＃2138286，21386，＃2133330，及＃21333303.60，由国家科学基金会支持 T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。 图1。Joseph Starobin：写作 - 评论和编辑，监督，资源，资金获取。Tetyana Ignatova：写作 - 审查和编辑，监督，资源，资金获取，概念化。致谢J.K.A.承认，该材料基于国家科学基金会（NSF）研究生研究奖学金的工作，[1945980]和这项工作在匹兹堡超级计算中心使用了桥梁-2通过分配[PHY220034]，来自高级网络网络基础结构协调生态系统：服务与支持（访问）计划，由国家科学基金会＃2138259，＃2138259，＃2138286，21386，＃2133330，及＃21333303.60，由国家科学基金会支持T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。 图1。T.I，J.K.A.，A.T。承认纳米技术的创新合作实验室赋予未来士兵的权力（ICONS），美国国防部[合同＃W911QY2220006]与纳米科学和纳米工程联合学校之间的共同计划。图1。这项工作是在纳米科学和纳米工程联合学校进行的，东南纳米技术基础设施走廊（SENIC）和国家纳米技术协调基础设施（NNCI）的成员，该基础设施（NNCI）得到了国家科学基金会[ECCS-1542174]的支持。J.K.A.，A.T。承认宾夕法尼亚州立大学二维水晶财团 - 材料创新平台（2DCC-MIP），该平台得到了NSF合作协议DMR-203935的支持。 使用NNP：神经网络潜力（机器学习的同义原子间潜在的同义）EDA-FF：能量分解分析 - 使用经典力场（结构优化后）GDAC：依赖性原子电荷BFGS：BROYDEN – FLOYDEN – FLOYDER-GLETCHER – FLETCHER-GOLDCHER-GOLDFARB – SHANNO ATSIS ATSIS ENTICAL DYMANSSSSSSSSSSS， （包含位置，质量，能量和力）DFT：密度功能理论（基于量子力学的电子结构计算方法）PMMA：聚甲基甲基丙烯酸酯（用于石墨烯转移的常用聚合物）ALP：Angelica Lactone Polymer（用于添加剂的生物量聚合物）。 （a）初始化AEV，（B）迭代NNP/MD优化几何（X，Y，Z），直到能量收敛为0.05 MeV，（C）计算表面接触的原子电荷（Q）和VDW面积。J.K.A.，A.T。承认宾夕法尼亚州立大学二维水晶财团 - 材料创新平台（2DCC-MIP），该平台得到了NSF合作协议DMR-203935的支持。使用NNP：神经网络潜力（机器学习的同义原子间潜在的同义）EDA-FF：能量分解分析 - 使用经典力场（结构优化后）GDAC：依赖性原子电荷BFGS：BROYDEN – FLOYDEN – FLOYDER-GLETCHER – FLETCHER-GOLDCHER-GOLDFARB – SHANNO ATSIS ATSIS ENTICAL DYMANSSSSSSSSSSS， （包含位置，质量，能量和力）DFT：密度功能理论（基于量子力学的电子结构计算方法）PMMA：聚甲基甲基丙烯酸酯（用于石墨烯转移的常用聚合物）ALP：Angelica Lactone Polymer（用于添加剂的生物量聚合物）。（a）初始化AEV，（B）迭代NNP/MD优化几何（X，Y，Z），直到能量收敛为0.05 MeV，（C）计算表面接触的原子电荷（Q）和VDW面积。
在构成菌落刺激因子-1受体
AIM：小分子CSF1R抑制剂在临床开发中，针对癌症治疗剂的临床开发和潜在的铅优化在临床开发中对基于结构的抑制作用抑制菌落刺激因子-1受体（CSF1R），因为CSF1R是一种新型的预测性生物标记物，用于癌症的免疫疗法。方法：化合物是在分子工作环境中通过诱导的拟合对接方案建模的硅（Moe，Moe.V.2015）。CSF1R激酶（蛋白质数据库，ID 4R7H）的3维（3D）X射线结晶结构是从结构生物信息信息学（RSCB）蛋白数据库的研究合作中获得的。Edicotinib，DCC-3014，Arry-382，BLZ-945，Chiauranib，Dovitinib和Sorafenib的3D构象体是从PubChem数据库中获得的。这些结构在Amber10：EHT分子力场中进行了建模，并使用快速准备应用来纠正和优化缺失残基，H-Counts，Termini限额和交替的结构。在CSF1R激酶的共结晶配体附近定义了结合位点。这些化合物通过三角匹配器的放置方法对接，并通过伦敦DG评分函数进行排名。通过诱导的合适方法进一步完善了对接的姿势。使用最低结合评分（ΔG）的姿势用于模拟Discovery Studio Visualer V17.2中的配体相互作用曲线。共结晶的配体以其APO构象对接，并计算出根平方的偏差以验证对接协议。结果：除edicotinib以外，所有7个CSF1R抑制剂与残基MET637相互作用。抑制剂通过与ASP-Phe-Gly（DFG）基序的ASP797相互作用和/或阻碍GLU633和LYS616之间形成的保守盐桥，以自动抑制构象的构象保持CSF1R。DCC-3014，Arry-382，BLZ-945和Sorafenib与CSF1R激酶与最低的结合能结合。结论：嘧啶是与CSF1R残基相互作用的有效抑制剂。DCC-3014和Arry-382具有出色的药物潜力，具有巨大的结构稳定性和亲和力。