XiaoMi-AI文件搜索系统
World File Search System实验的
Quantumoonlight：实验的低代码平台...
如今，机器学习被用来解决各个研究领域的多个问题，软件工程研究人员是机器学习机制中最活跃的用户之一。最近的进步介绍了量子机学习的使用，该学习有望撤销程序计算并促进软件系统解决问题的能力。但是，使用量子计算技术并不是微不足道的，需要跨学科的技能和专业知识。由于原因，我们提出了一个基于社区的低代码平台量子灯，它使研究人员和从业人员可以配置和实验Quanma-Tum机器学习管道，将它们与经典的机器学习算法进行比较，并分享经验教训和经验丰富的报告。我们展示了量子光的架构和主要特征，除了解散其对研究和实践的影响。
自由空间光学通信研究和实验的光学地面站
摘要 - 基于激光技术的免费空间光学（FSO）通信是下一代超高数据速率链接从卫星到地面和反之亦然的有前途的机会。为了调查并证明空间对地面激光链路的可行性，我们在慕尼黑大学的研究中心空间（UNIBW M）进行了一个小型卫星任务。此任务的核心是非对位轨道（NGSO）中的卫星雅典娜1。除其他有效载荷外，该卫星配备了光学激光终端，用于高速数据向上和下行链路。地面段将在德国Neubiberg的Unibw M校园内组成一个光学地面站（OGS）。在本文中，我们提供了计划的FSO通信实验的概述，尤其是介绍和描述OGS的设置。OGS目前正在建设中，计划全面运营能力为2023年底。索引术语 - 激光通讯，光学地面站，自由空间光学通信，小型卫星任务
我的导师、她的人工智能和我：来自实地实验的证据
• 选定的 24 笔个人贷款（风险水平和违约率均衡） • 27 位专业银行家 • 每位银行家随机获得 24 笔贷款中的 10 笔 • 每位银行家都被要求提供投资建议
突出显示Covid-19的差异是否减少或增加疫苗意图？在疫苗推出之前，来自纽约州多种样本的调查实验的证据
种族认同和政治党派的出现是对美国Covid-19疫苗犹豫的两个重要社会关系。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验： 通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。 描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比 对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。 年龄较大和女性性别认同也持续预先预期较低的疫苗意图。 质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验：通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。年龄较大和女性性别认同也持续预先预期较低的疫苗意图。质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。身份似乎是疫苗接种犹豫的重要驱动力，这不是通过潜在的社会经济或态度因素来完全解释的。此外，在这种情况下，犹豫并未受到种族权益信息的显着影响。
将机器学习和复杂网络测量应用于死藤水实验的 EEG 数据集
死藤水是亚马逊植物的混合物，数百年来一直被该地区的居民用作传统药物。此外，这种植物已被证明是治疗多种神经和精神疾病的有效方法。脑电图实验发现，特定的大脑区域因死藤水而发生了显著变化。在这里，我们使用脑电图数据集来研究使用机器学习和复杂网络自动检测大脑活动变化的能力。机器学习应用于三个不同的数据抽象层次：(A) 原始脑电图时间序列，(B) 脑电图时间序列的相关性，以及 (C) 从 (B) 计算出的复杂网络测度。此外，在 (C) 的抽象层次上，我们开发了与社区检测相关的复杂网络新测度。结果，机器学习方法能够自动检测大脑活动的变化，其中案例 (B) 的准确率最高 (92%)，其次是 (A) (88%) 和 (C) (83%)，这表明大脑区域之间的连接变化对于检测死藤水更为重要。最活跃的区域是额叶和颞叶，这与文献一致。F3 和 PO4 是最重要的大脑连接，这是迷幻文献中一个重要的新发现。这种联系可能指向类似于个体在死藤水介导的视觉幻觉过程中的面部识别的认知过程。此外，接近中心性和分类性是最重要的复杂网络指标。这两个指标也与阿尔茨海默病等疾病有关，表明可能存在治疗机制。此外，这些新指标对预测模型至关重要，表明使用死藤水与更大的大脑群落有关。这表明，当这种药物存在时，功能性大脑网络中的信息传播速度会变慢。总体而言，我们的方法能够自动检测服用死藤水期间大脑活动的变化，并解释这些迷幻药如何改变大脑网络，以及深入了解它们的作用机制。
硕士论文 LIZARD 实验的电子子系统设计 联系人: Lennart Ziemer l.ziemer@tu-berlin.de 甲虫、壁虎、蜘蛛等
硕士论文 LIZARD 实验的电子子系统设计 联系人：Lennart Ziemer l.ziemer@tu-berlin.de 甲虫、壁虎、蜘蛛和其他昆虫的肢体上形成了微结构，使它们能够粘附在几乎任何表面上。它们的工作原理基于范德华力，这使得它们能够在太空中使用。宇航系小型卫星会合与机器人小组利用合成壁虎材料开发对接机制。微结构干胶（MDA）。它们除了具有被动性和简单性之外，还具有重量轻、无需电源等优点。当前的合成 MDA 由对空间环境特性（例如温度波动、真空和辐射）敏感的聚合物制成。 LIZARD（长期研究零重力、真空和辐射对壁虎材料的影响）实验旨在更深入地了解这些环境因素的长期影响。实验包括四个相同的组件，每个组件由一个线性电机、一个力限制器、一个 MDA、一个表面探头、一个摄像机、一个光源、一个温度传感器和一个力传感器组成。
用于安全实验的 LEO 星座模拟器
与现有的网络功能相比，低地球轨道 (LEO) 网络具有显著优势。与现有的地球静止轨道 (GEO) 卫星网络相比，低地球轨道 (LEO) 网络的延迟要低得多，并且在许多市场上可与地面光纤互联网相媲美，无论是在延迟 [ 29 ] 还是覆盖范围方面（例如，为未连接地面网络的战区提供互联网服务，就像俄罗斯和乌克兰之间的武装冲突 [ 12 ] 中所做的那样）。此外，低地球轨道 (LEO) 卫星还可以执行卫星图像处理等太空原生任务 [ 42 ]。这些趋势反过来又引起了学术界的极大兴趣，从而产生了一系列关于低地球轨道 (LEO) 计算 [ 3 , 5 , 59 ]、网络 [4, 30, 45] 和应用 [19, 64] 的研究。低地球轨道 (LEO) 星座是一种特殊类型的 CPS 基础设施，因此是一种高价值资产。就像关键的地面基础设施（如电网 [ 15 , 61 ] 和数据中心 [ 6 , 35 ]）一样，LEO 星座的安全性至关重要，因为它们将成为攻击的主要目标。由于每颗卫星都配备了计算、网络、存储和传感系统，LEO 星座表现出类似的攻击媒介范围。事实上，由于 LEO 星座的独特特性，安全问题被放大了。跨地理区域（包括潜在敌对国家）的移动性，以及地面部署（例如数据中心仓库）缺乏物理边界，导致了进一步的复杂化。LEO 攻击也更难防御
增材制造作为高通量实验的工具
摘要 增材制造 (AM) 是一种颠覆性技术，具有制造复杂几何形状零件和修复中断的供应链的独特能力。然而，许多 AM 技术的加工特性很复杂，因为原料熔化的加热和冷却循环很复杂。因此，将用于传统制造的材料设计和加工优化方法直接应用于 AM 技术具有很大的挑战性。在这篇观点论文中，我们讨论了一些正在进行的高通量 (HT) 实验的努力，这些实验可用于材料开发和加工设计。特别是，我们关注基于束和粉末的 AM 技术，因为这些方法在 HT 实验中已经取得了成功。此外，我们提出了将 AM 技术用作材料信息工具以促进材料基因组的新机会。