XiaoMi-AI文件搜索系统
World File Search System实验环境
国际空间站大型离心机设施的开发，三菱重工技术评论第58卷第4期（2021年）
太空生命科学实验的重要目的之一就是研究重力对生命的影响，因为生命始终受到地球引力的影响。在轨道运行的人造卫星和航天飞机上都进行过这样的实验。为了确定重力本身对轨道的影响，重要的是创造稳定的控制实验环境，其中其他参数（例如宇宙射线和电磁波）尽可能相同，并且只指定重力的影响。在地面实验中很难创造在轨实验条件，但在轨道实验室中创造重力更容易，可以确保更好的对比实验。为了在轨道实验室中创造重力环境，可以通过旋转部件产生离心力来创造重力。旋转直径越大越好，以减少科里奥利力和重力梯度的影响，但航天器可用空间有限。在国际空间站（ISS）的日本实验舱“希望号”中，有一个用于离心生命科学实验的轨道实验设施。该设施通过优化可用的实验室空间，拥有国际空间站中最大的旋转直径之一。该设施可以通过离心力产生小于 1G 的重力，这在地面设施中很难产生，并能长时间保持稳定。该设施还可以模拟相当于月球表面和火星的重力。三菱重工有限公司 (MHI) 开发了带有大型离心机（旋转半径：38 厘米）的实验设施，该设施自 2020 年以来一直在运行。本报告概述了该设施的开发和首次任务。| 1. 简介
经济学家的量子技术 - 工作论文编号
量子技术研究涉及多个学科：物理学、计算机科学、工程学和数学。本文旨在为经济学家提供这一新兴领域的通俗易懂的介绍，主要围绕量子计算和量子货币。我们分三步进行。首先，我们讨论量子计算和量子通信的基本概念，假设读者了解线性代数和统计学，但不了解计算机科学或物理学。这涵盖了量子比特、叠加、纠缠、量子电路、预言机和不可克隆定理等基本主题。其次，我们概述了量子货币，这是量子通信文献的一项早期发明，最近已在实验环境中部分实施。一种形式的量子货币提供了实物现金的隐私和匿名性、无需第三方参与即可进行交易的选项以及借记卡支付的效率和便利性。这些特性无法与任何其他形式的货币结合实现。最后，我们回顾了用于解决和估计经济模型的算法中已确定的所有现有量子加速。这包括函数逼近、线性系统分析、蒙特卡罗模拟、矩阵求逆、主成分分析、线性回归、插值、数值微分和真随机数生成。我们还讨论了实现量子加速的难度，并评论了关于量子计算可实现目标的常见误解。
经济学家的量子技术
量子技术的研究涵盖了多个学科：物理，计算机科学，工程和数学。本手稿的目的是为以量子计算和量子资金为中心的经济学家为这一新兴领域提供可访问的介绍。我们分三个步骤进行。首先，我们讨论了量子计算和量子通信中的基本概念，假设有线性代数和统计数据，但没有计算机科学或物理学。这涵盖了基本主题，例如Qubits，叠加，纠缠，量子电路，甲骨文和无关定理。第二，我们提供了量子货币的概述，这是量子通信文献的早期发明，最近在实验环境中部分促进了量子通信文献。量子货币的一种形式是实物现金的隐私和匿名性，即在不参与第三方的情况下进行交易的选择，以及借记卡付款的效率和便利性。无法与任何其他形式的金钱结合实现此类功能。最后，我们回顾了用于解决和估计经济模型的算法已识别的所有现有量子加速。这包括函数近似，线性系统分析，蒙特卡洛模拟，矩阵倒置，主成分分析，线性回归，插值，数值差异和真实的随机数生成。我们还讨论了实现量子加速的困难，并就量子计算可实现的误解发表了评论。
视觉语言大脑编码
脑编码旨在重建受到刺激时的 fMRI 脑活动。早期的神经编码模型侧重于单模式刺激的脑编码：视觉（预训练的 CNN）或文本（预训练的语言模型）。最近很少有论文获得单独的视觉和文本表示模型，并使用简单的启发式方法进行后期融合。然而，人类大脑使用来自多种模态的信息来感知环境，以前的研究还没有探索用于视觉和文本推理的共同注意多模态编码。本文系统地探讨了图像和多模态 Transformers 对脑编码的功效。在两个流行数据集 BOLD5000 和 Pereira 上进行的大量实验提供了以下见解。 (1) 我们发现，多模态 Transformer VisualBERT 的表现明显优于之前提出的单模态 CNN、图像 Transformer 以及其他之前提出的多模态模型，从而确立了新的最高水平。 (2) LPTG、LMTG、LIFG 和 STS 等具有语言和视觉双重功能的区域与多模态模型的相关性更高，这进一步证明了这些模型擅长模仿人类大脑行为。 (3) 视觉语言模型的优越性引发了一个问题：即使在被动观看图像时，视觉区域引起的反应是否也会受到语言处理的隐性影响。未来的 fMRI 任务可以在适当的实验环境中验证这一计算洞察。我们的代码已公开发布 1 。
视觉语言大脑编码
脑编码旨在重建受到刺激时的 fMRI 脑活动。早期的神经编码模型侧重于单模式刺激的脑编码：视觉（预训练的 CNN）或文本（预训练的语言模型）。最近很少有论文获得单独的视觉和文本表示模型，并使用简单的启发式方法进行后期融合。然而，人类大脑使用来自多种模态的信息来感知环境，以前的研究还没有探索用于视觉和文本推理的共同注意多模态编码。本文系统地探讨了图像和多模态 Transformers 对脑编码的功效。在两个流行数据集 BOLD5000 和 Pereira 上进行的大量实验提供了以下见解。 (1) 我们发现，多模态 Transformer VisualBERT 的表现明显优于之前提出的单模态 CNN、图像 Transformer 以及其他之前提出的多模态模型，从而确立了新的最高水平。 (2) LPTG、LMTG、LIFG 和 STS 等具有语言和视觉双重功能的区域与多模态模型的相关性更高，这进一步证明了这些模型擅长模仿人类大脑行为。 (3) 视觉语言模型的优越性引发了一个问题：即使在被动观看图像时，视觉区域引起的反应是否也会受到语言处理的隐性影响。未来的 fMRI 任务可以在适当的实验环境中验证这一计算洞察。我们的代码已公开发布 1 。
第一原理的拓扑超导性。 I.人造自旋链的shiba带结构和拓扑边缘
超导体上的磁链托管Majora零模式（MZM）引起了极大的兴趣，因为它们可能在耐断层量子计算中使用了它们。但是，由于缺乏对这些系统的详细，定量的理解而阻碍了这。作为一个重要的一步，我们提出了一种基于微观的相对论理论的第一原理计算方法，该理论的不均匀超导体应用于Au覆盖的NB（110）顶部的铁链（110），以研究SHIBA带结构和边缘状态的拓扑性质。与当代的考虑相反，我们的方法可以引入数量，表明频带倒置，而无需在现实的实验环境中拟合参数，因此具有确定零能量边缘状态的拓扑性质，在基于实验系统的基于准确的无效的描述中。我们确认Au / nb（110）表面上的铁磁链不支持任何分离的MZM；但是，可以使用显示MZM的特征的稳健零能边缘状态来鉴定广泛的自旋螺旋体。对于这些螺旋，我们探索了超导顺序参数的结构，从MZM托管的内部反对称三重序列上散发出灯。我们还揭示了自旋轨道耦合的双重影响：尽管它倾向于扩大有关自旋螺旋角的拓扑阶段，但它也扩展了MZM的定位。由于提出的预测能力，我们的工作在实验工作和理论模型之间存在很大的差距，同时为拓扑量子计算的工程平台铺平了道路。
员工更多地遵守人类的不道德指示，而不是AI主管：补充机器学习的实验证据
摘要人工智能（AI）在组织中的作用从从执行常规任务到监督人类雇员的根本上改变了。虽然先前的研究重点是对此类AI主管的规范看法，但员工对他们的行为反应仍未得到探索。我们从关于AI厌恶和赞赏的理论中汲取了理论，以应对该领域内的歧义，并调查员工是否以及为什么遵守人类或AI主管的不道德指示。此外，我们确定了影响这种关系的员工特征。为了告知这一辩论，我们进行了四个实验（总n = 1701），并使用了两种最先进的机器学习算法（因果林和变形金刚）。我们始终发现，与人类监督相比，员工对AI的不道德指示更少。此外，个人特征（例如遵守没有异议或年龄的趋势）构成了重要的边界条件。此外，研究1还确定了主管的感知思维是一种解释机制。，我们通过在两项预注册的研究中通过实验操作来对该介体进行进一步的见解，通过操纵两个AI（研究2）和两个人类主管之间的思维（研究3）。在（预注册）研究4中，我们在激励实验环境中复制了AI主管对AI主管的不道德指示的阻力。我们的研究对人类行为的“黑匣子”对AI主管，尤其是在道德领域中的“黑匣子”产生了见解，并展示了组织研究人员如何使用机器学习方法作为强大的工具来补充实验研究，以创造出更加细粒度的见解。
使用Maboss
由于实验技术的发展以及数据的积累，生物学和分子过程的积累可以描述为信号通路的复杂网络。这些网络通常是定向和签名的，其中节点代表实体（基因/蛋白质）和箭头相互作用。通过将动态层添加到它们中，它们被转化为数学模型。这种数学模型有助于理解和解释非直觉的实验观察结果，并预测对外部干预措施（例如药物对表型的影响）的反应。存在一些用于建模信号通路的框架。适当框架的选择通常是由实验环境驱动的。在这篇综述中，我们提出了Maboss，这是一种基于连续时间方法基于布尔建模的工具，该工具可以预测不同生物学环境中实体的时间依赖性概率。Maboss最初是为了建模非相互作用的均匀细胞弹出中的细胞内信号传导。maboss，以改编成模型的异质细胞群体（Ensemblemaboss）。为了解决更复杂的问题，Maboss扩展了以模拟动态相互作用的种群（UPMABOSS），并具有精确的空间分布（Physiboss）。为了说明所有这些描述级别，我们展示了如何将这些工具中的每一种都用于一个简单的细胞命运决策模型的示例。最后，我们介绍了癌症生物学和免疫反应研究的实际应用。2022由Elsevier B.V.代表计算和结构生物技术的研究网络发布。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
智能的Acoustofluidics启用了人脑器官的迷你比较反应器
摘要。大声液体提供了一种独特的手段来操纵细胞和液体，以在生物医学科学和转化医学中进行广泛应用。但是，由于多种因素，包括设备对设备变化，手动操作，环境因素，样本变异性等因素，标准化并保持当前流动性设备和系统的出色性能是一项挑战。在这里，为了应对这些挑战，我们提出了“智能的Acoustofluidics” - 一种自动化系统，涉及Acoustofluidic设备设计，传感器融合和智能控制器集成。作为一种概念证明，我们开发了基于人类脑器官培养物的基于智能的大量流体分解器。我们的迷你比较反应器由三个组成部分组成：（1）通过声学螺旋相位涡流方法进行无接触式旋转操作的转子，（2）用于实时跟踪旋转动作的摄像机，以及（3）基于增强学习的基于增强的学习控制器，用于旋转操纵的闭环调节。在训练基于增强学习的控制器和实验环境中，我们的迷你比率可以实现良好板中转子的自动旋转。重要的是，无论转子重量，液体体积和工作温度的波动如何，我们的迷你比较反应器都可以对转子的旋转模式，方向和速度进行良好的控制。此外，我们证明了我们的迷你比较反应器可以在长期培养过程中稳定地保持脑官的旋转速度，并增强脑官的神经分化和均匀性。与当前的Acoustofluidics进行了比较，我们的智能系统在自动化，鲁棒性和准确性方面具有出色的性能，突出了新型智能系统在生物电子学和微功能实验中的潜力。
飞机气动性能的新方法...
本研究是在我担任达姆施塔特工业大学流体力学和空气动力学研究所博士研究员期间准备的。首先，我要感谢我的博士导师 Prof. Dr.-Ing。C. Tro-pea。他提供了在令人着迷的飞行实验环境中工作的机会。Tropea 教授提供的独特基础设施和科学环境，以及他多年来为我提供的支持，极大地帮助了我进一步发展。我还要感谢 Prof. Dr.-Ing。R. Radespiel 对我工作的持续关注以及对这篇论文的审阅。非常感谢德国研究基金会 (Deutsche Forschungsgemeinschaft) 按照合同 TR 194/48-1 提供的资金支持。我要感谢我的同事 Andreas Reeh、Alexander Duchmann、Andreas G¨uttler 和 Martin Stenger，感谢他们非凡的奉献精神，帮助我制造了翼手套和测量系统，并持续提供支持。我非常感谢学生 Vasco Arnold、Katrin Barckmann、Otto B¨opple、Christoph Dienel、Wilm Friedrichs、Felix Loosmann、Simon Miller 和 Jonas Schulze，他们为我研究的每个部分做出了根本性的贡献。他们无一例外地全身心地投入到他们的任务中，我相信他们至少有一点享受其中。如果没有合作和乐于助人的机械车间，任何实验研究都不可能成功进行。因此，我要感谢 Ilona Kaufhold 和她的机械师团队，他们总是以自发和友好的方式提供帮助。我非常感谢 Tim Geelhaar 对制造翼手套模具的支持。最后，但并非最不重要的是，我要向我的家人表达感激之情，感谢他们多年来的持续支持。如果没有他们对我的教育以及飞行活动的赞赏和支持，这项工作就不可能实现。