XiaoMi-AI文件搜索系统
World File Search System对空
报告编号 DODIG-2021-120：对空军部为缓解生理事件所采取的行动的审计
空军将 PE 定义为机组人员或其他人因飞行环境而经历的任何伤害、疾病或异常生理状况。1 根据空军手册 91-223，机组人员可能经历七种 PE 子类型。2 表 1 描述了空军定义的七种 PE 子类型的每种情况。机组人员在经历 PE 时可能表现出的症状示例包括头晕、四肢刺痛和反应迟钝。这些症状会妨碍机组人员安全有效地飞行。为了编写本报告，我们根据空军手册 91-223 定义的所有七种 PE 子类型定义了 PE 数据。我们根据所有七种 PE 子类型（而不仅仅是缺氧样事件）向空军安全中心 (AFSEC) 请求了 PE 数据。向国会报告的 PE 信息仅包括缺氧、过度换气和换气不足。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
地表洪水对空中积雪估计的影响...
摘要。机载雪深雷达观测数据（例如 NASA 的“冰桥行动” (OIB) 任务）最近已用于高度计得出的海冰厚度估计以及模型参数化。在北冰洋西部进行了许多比较机载和现场雪深测量的验证研究，证明了机载数据的实用性。但是，在北极的大西洋地区尚未进行验证研究。最近对该地区进行的观测表明，由于薄海冰上的深雪，雪冰状态发生了显著且主要的转变。在挪威年轻海冰、气候和生态系统 (ICE) 考察 (N-ICE2015) 期间，于 2015 年 3 月 19 日在斯瓦尔巴群岛北部地区进行了一项验证研究。这项研究在 OIB 飞越期间收集了地面真实数据。在二维 (2-D) 400 m × 60 m 网格上获得了雪和冰厚度测量值。从相邻浮冰现场收集的额外雪和冰厚度测量值有助于将在网格调查现场获得的测量值置于更区域性的环境中。由于相对较薄的海冰上普遍存在厚雪的情况，在 N-ICE2015 考察期间观察到了广泛的负干舷和积雪淹没。这些条件导致盐水渗入基底雪层并饱和。这导致机载雷达信号发生更多的弥散散射，从而可以很好地探测到雷达主散射地平线的位置
遥控飞机指挥和控制延迟在视距内空对空作战中的影响
本论文由候选人的论文委员会主席 David Cross 博士指导撰写，并已获得论文委员会成员的批准。已提交给航空学院，并被接受，部分满足航空哲学博士学位的要求
外电场对s空穴和孤对空穴的影响...
作为出发点，来自生物系统周围介质的强局部电场显著影响生物分子中存在的非共价相互作用。31,32 最近的研究证实了外部电场（EEF）作为未来智能绿色试剂的强大影响至关重要。33 – 35 事实上，电场对催化、键解离、区域选择性、立体选择性、机械交叉和抑制具有无可争议的影响。36 – 41 到目前为止，已经发现电场对反应反应性影响的变化本质上与微观场的方向有关。 34 此外，EEF 还可能被用于对化学反应性进行前所未有的控制，从而导致在有机和生物化学领域实施多功能和非常规合成工具。32,42 – 44
Bezzubov，Dmytro和Olga Pravotorova（2020）跨国公司对空间服务世界市场监管框架的影响
本文揭示了跨国公司在世界太空服务和技术市场中的位置和作用。作者强调了世界经济全球化和宇宙化的趋势，这些趋势既有积极和负面影响。私营部门进入太空勘探的优势是认识到有助于经济增长值得投资的高科技公司的认可。跨国公司影响其存在国家的经济和法律领域的实践并侵犯了公民的基本权利是一种消极的趋势。在理论上，预计了跨国公司参与的世界太空服务和技术市场的监管框架的可能变体。提议在太空活动（世界太空联盟）中创建全球管理员。
对空间应用的MEMS陀螺仪的热效量稳定性
在过去的二十年中，MEMS陀螺仪广泛用于消费电子产品，汽车安全性，机器人技术和稳定，这是由于其尺寸较小和功耗低[1，2]。随着性能的提高，它们也具有巨大的潜力，可以启用更高级的应用程序，例如空间应用。出于这个原因，MEMS陀螺仪有望在大型卫星中检测到故障检测，或者在微卫星，电信卫星和行星流浪者中进行态度传播和速率确定[3-5]。尽管如此，尽管其性能提高，但MEMS陀螺仪仍需要主要的技术适应性适合空间应用，尤其是相对于航空航天环境的高阻力特征。许多研究工作已专门用于MEMS可靠性的领域。通常，大多数特定空间的可靠性问题是热循环和热冲击，辐射，振动和机械冲击，在发射和阶段 /隔热罩分离时[6-9]。微卫星的寿命主要是一年。一方面，陀螺仪必须具有最佳的成本，尺寸，重量和功率（CSWAP）。另一方面，陀螺仪在卫星使用寿命期间应稳定起作用。由于其成本优势，大气包装的MEMS陀螺仪是最好的候选者之一。然而，空间环境的高真空是带有大气包装的MEMS陀螺仪无法忽略的因素。陀螺仪包装中的气压将在非常高的真空状态下的一段时间内下降。MEMS陀螺仪的偏置漂移与工作压力有关[10]。MEMS陀螺仪的另一个偏见漂移来源是它们对温度变化的固有敏感性[11]。因此，工程师应充分注意陀螺仪对热效环境的敏感性。
o r i g i n a l r e s e a r c h补充花青素对空腹超级
背景：胰岛素样生长因子结合蛋白-4（IGFBP-4）片段已显示与心脏代谢性疾病有关。花青素作为天然多酚亚组可能在治疗心脏代谢性疾病方面有好处。这项研究的目的是检查纯化的花青素对空腹高血糖患者血清IGFBP-4片段和血糖控制的影响。方法：一组121名升高的禁食葡萄糖（≥5.6mmol/l）的参与者最初被随机分配给花青素（320 mg/day）或安慰剂组，包括在本研究中。血清IGFBP-4片段，三个小时的口服葡萄糖耐受性测试（OGTT）后，在基线和12周结束时测量了三个小时的口服葡萄糖耐受性测试（OGTT）后的禁食和后葡萄糖，胰岛素和C肽。结果：与安慰剂相比，花青素增加了血清IGFBP-4片段（净变化8.33 ng/ml，95％CI [1.2，15.47]，p = 0.023），p = 0.023），禁食葡萄糖降低，并减少了葡萄糖（-0.4 mmol/l [-0.4 mmol/l [-0.71，0.1，-0.1，-0.1，-0.11]，p = 0.01]，p = 0.01） ng/ml [-1.99，-0.04]，p = 0.041）和c肽的曲线（AUC）下的3小时面积（-2.19 [-4.4.11，-0.27]，p = 0.026）。在血糖控制和胰岛素抵抗的参数上没有其他显着差异。结论：补充花青素12周改善了血清IGFBP-4片段，并减少了空腹高血糖患者的空腹葡萄糖和后C肽。需要进一步的研究来确认我们的发现并阐明潜在的机制。试验注册：clinicaltrials.gov，NCT02689765。于2016年2月6日注册，https://clinicaltrials.gov/ct2/show/nct02689765。关键字：IGFBP-4片段，花青素，口服葡萄糖耐受性测试，胰岛素抵抗，C肽
对空军太空发射认证的评估...
The objective of this evaluation was to determine whether Air Force Space and Missile Systems Center (SMC) officials complied with the Air Force Launch Services New Entrant Certification Guide (NECG) when certifying the launch system designs for the National Security Space Launch (NSSL)‑class (formerly known as the Evolved Expendable Launch Vehicle‑class) SpaceX Falcon family of launch vehicles.1此外，在评估期间，我们扩大了目标，还确定了SMC官员是否将NECG中的设计验证方法应用于正在开发中的其他三个空间发射提供商的新参与者发射车：Northrop Grumman Innovation Systems，United PunchAunt Alliance和Blue Origin，LLC，LLC。在评估期间，这三个发布提供商的认证流程仍在进行中。
针对空间应用的新可靠性预测方法
©Matrisk GmbH2018。本文档中的版权归属于Matrisk GmbH，作为该项目财团的代表，由Matrisk GmbH，空中客车防御和空间，Thales Alenia Space，Serma Technologies和Sarel Consult GmbH组成。本文档只能全部或部分复制，或以任何形式存储，或以任何形式传输，或以任何电子，机械性，复印或其他方式传输，或者在伴随Matrisk GmbH许可或以ESA合同的条款中获得4000121065/17/nl/ps。