XiaoMi-AI文件搜索系统
World File Search System格拉西莫夫
罗伯特·科夫兰论文 印第安纳大学科科莫校区档案馆
该馆藏记录了罗伯特·考夫兰的活动，他是记者、作家、科科莫本地人，曾获得印第安纳大学荣誉学位。馆藏中的大部分内容是他在研究、撰写和出版杂志文章和书籍期间创作的笔记、信件、草稿和照片。其中一些重要主题包括：罗斯·肯尼迪和肯尼迪家族、时代生活公司、国际旅行和新闻奖。该馆藏还记录了他的个人生活。材料主要是文本，包括信件、新闻剪报、草稿、备忘录、出版物、超大证书和装订专著。其他形式包括小册子、照片、奖牌和证书，以及一些电影和音频。材料由罗伯特·考夫兰的妻子帕特里夏·考夫兰收集和注释。集装箱清单
摘要书-LALS 2024会议
Bizheva Kostadinka滑铁卢大学加拿大金发女郎沃尔特大学 /克兰，法国南希·拜科夫·亚历山大·亚历山大·芬兰·芬兰·菲兰·奇基什夫·安德烈·M.V。 莫斯科莫斯科莫斯科州立大学，俄罗斯俄罗斯康德·奥尔加·奥尔加大学西班牙西班牙Darvin Maxim Fraunhofer光子微系统IPMS IPMS，Cottbus dermany Dunaev Andrey dunaev Andrey Orel州立大学俄罗斯俄罗斯大学Koenig Karsten Saarland University德国拉林·基里尔（主席）美国休斯敦大学拉里纳·艾琳娜·贝勒医学院，美国休斯敦，美国休斯敦 Lomonosov莫斯科州立大学，莫斯科俄罗斯俄罗斯梅格林斯基阿斯顿大学英国英国诺维科娃novikova tatiana ecole ecole ecole polytechnique / lpicm，法国帕拉西奥，帕拉西奥尔·奥利维拉·路易斯·路易斯·波尔图 - 波尔图 - 工程学院（ISEP）工程学（ISEP）Portug apopov alexey finland Finland Finland Finland，Finland，Finand Priezzhev Alexander M.V. 莫斯科莫斯科洛莫诺索夫州立大学俄罗斯鲁克安吉利卡·乌尔姆大学德国施内克登堡Bizheva Kostadinka滑铁卢大学加拿大金发女郎沃尔特大学 /克兰，法国南希·拜科夫·亚历山大·亚历山大·芬兰·芬兰·菲兰·奇基什夫·安德烈·M.V。莫斯科莫斯科莫斯科州立大学，俄罗斯俄罗斯康德·奥尔加·奥尔加大学西班牙西班牙Darvin Maxim Fraunhofer光子微系统IPMS IPMS，Cottbus dermany Dunaev Andrey dunaev Andrey Orel州立大学俄罗斯俄罗斯大学Koenig Karsten Saarland University德国拉林·基里尔（主席）美国休斯敦大学拉里纳·艾琳娜·贝勒医学院，美国休斯敦，美国休斯敦Lomonosov莫斯科州立大学，莫斯科俄罗斯俄罗斯梅格林斯基阿斯顿大学英国英国诺维科娃novikova tatiana ecole ecole ecole polytechnique / lpicm，法国帕拉西奥，帕拉西奥尔·奥利维拉·路易斯·路易斯·波尔图 - 波尔图 - 工程学院（ISEP）工程学（ISEP）Portug apopov alexey finland Finland Finland Finland，Finland，Finand Priezzhev Alexander M.V.莫斯科莫斯科洛莫诺索夫州立大学俄罗斯鲁克安吉利卡·乌尔姆大学德国施内克登堡
弗拉格斯塔夫山线经济贡献分析
表1。通过Source FY2022表2的运营收入。植入商品代码的运营支出表3。山行线行动支出的经济贡献表4。资本支出的收入来源2022表5。资本支出2018-FY2022表6。植入部门分配资本支出（FY2022）表7。植入部门分配资本支出（FY2021）表8。植入部门分配资本支出（FY2020）表9。植入部门分配资本支出（2019财年）表10。植入部门分配资本支出（2018财年）表11。Mountain Line的资本支出的贡献（FY2018-FY2022）表12。Mountain Line的资本支出的贡献（FY2018-FY2022），简化表表13。山行线的总经济贡献（FY2022）表14。山行线的总经济贡献（20022财年运营贡献 +五年平均资本贡献）表15。在2022财年的产出表16。首15个支持行业 总税收捐款2022表17。 由于避免旅行而节省的钱总税收捐款2022表17。由于避免旅行而节省的钱
人工智能在远程监控数据处理任务中的应用Yu.Yu.格罗莫夫 1，I.N.伊什丘克 1，V.V.罗季奥诺夫 1
摘要 本文提出了一种使用深度学习卷积神经网络U-net对地表多时相多光谱图像进行分类的方法。使用无人驾驶飞机的多光谱光电系统获取可见光和红外图像，并用于构建该地区的正射影像图。根据获得的数据，训练神经网络来解决检测人造物体的问题。基于深度学习和热物理参数评估的远程监控对象智能识别方法允许使用遗传算法创建背景目标环境。该算法解决了热导率的系数反问题，并提供了材料热物理参数的估计。为了训练模型，引入了 18 类物体，根据人造物体和背景（人为或自然景观）之间的热对比差异进行研究。每天以 4 小时为间隔对地球表面进行 6 次勘测。该实验于2021年夏季进行，具体日期为8月4日至5日。在人造物体的检测和分类任务中，发现该模型表现出具有不同可靠性的适用性。进行的研究表明，在模型运行过程中发现了所需的对象类别。关键词1 深度学习，分类，分割，远程监控，神经网络，遗传算法，背景目标环境，光电系统，热物理参数。人工智能在远程监测数据处理任务中的应用 YY Gromov 1、IN Ishchuk 1、VV Rodionov 1
吡拉西坦作为潜在的抗抑郁药
摘要目的：方法：研究吡拉西坦在抑郁症实验模型中的效果。小鼠（n = 6/组）用蒸馏水，uoxetine（28 mg/kg）和吡拉西坦进行预处理-100、200、200、300、400、500、750、750和1000 mg/kg 7天，对第7天进行了尾悬浮（TST）。大鼠（n = 6/组）用蒸馏水，uoxetine（20 mg/kg）和吡拉西坦（300、400、400、500、750和1000 mg/kg）和第7天预处理7天，并在第7天进行了强制游泳测试（FST）。的固定时间，并使用单向方差分析进行了分析（显着级别p <0.05）。在TST中，固定时间显着减少（p <0.01），并以剂量依赖性方式减少，除一种剂量的结果外：与媒介物相比。在FST中，观察到对照组的显着差异，较高剂量的Piracetam（500、750和1000 mg/kg）具有剂量依赖性趋势。发现具有显着改善的组的平均固定持续时间与这两种模型中相应的氧汀基团的平均持续时间相当。通过开放测试评估的所有治疗组的一般运动活性中没有明显的差异。piracETAM在抑郁症的实验模型中显示出抗抑郁活性，这是在广泛的范围结论中：并以剂量依赖性的方式。
JAB-3312，一种有效的变构 SHP2 抑制剂，可增强 KRAS G12C 抑制剂 Glecirasib 的疗效 王鹏 1 ，康迪 1 ，孙鑫 1 ，魏杰
图 3 A. 用格列西拉西、JAB-3312 或二者联合处理 SW837 细胞 2 小时后，p-ERK 的蛋白质印迹分析。B. 格列西拉西与 JAB-3312 联合用于携带 KRAS G12C 突变的一组 CDX 和 PDX 模型的体内疗效。JAB-3312：SW837 和 MIA PaCa-2 中为 0.5 mg/kg；CR6243、CR6256 和 LU6405 中为 1 mg/kg。格列西拉西：MIA PaCa-2 中为 3 mg/kg；SW837 中为 10 mg/kg；CR6243、CR6256 和 LU6405 中为 100 mg/kg。联合用药中，JAB-3312 剂量为 0.5 mg/kg，格列西拉西与单药剂量相同。 C. 在 LU6405 异种移植中，绘制了肿瘤生长随治疗时间的变化。D. 在 LU6405 异种移植中，分别通过 IHC 和 qPCR 评估 41 天联合治疗后 FFPE 组织的 p-ERK 水平和 DUSP6 mRNA 表达。E. 显示了代表性 IHC 图像（放大 200 倍）。显示了平均肿瘤体积 ±SEM。
新闻稿
2024 年 10 月 21 日——马德里深空通信综合体 (MDSCC) 本周一纪念了一件大事。今年是 1964 年 1 月 29 日 60 周年，当时西班牙、美国政府、INTA 和 NASA 首次签署了西班牙综合设施运营和维护合同。今天，位于罗夫莱多德查韦拉的太空综合体在西班牙和美国当局的出席下庆祝了这一重要里程碑。MDSCC 的建设始于 1964 年 8 月，但直到第二年，随着第一根直径为 26 米的天线的完工，它才开始运行。该设施在创纪录的时间内完工，因为它的全面可操作性对于接收来自水手四号任务的数据至关重要，该任务捕捉到了另一颗行星（火星）的第一张图像。事实上，MDSCC 是深空网络的三个全球通信中心之一，另外两个是位于澳大利亚堪培拉和加利福尼亚州戈德斯通的通信中心。罗夫莱多航天中心负责跟踪、控制和遥测各种航天任务，例如用于研究木星和土星的卡西尼-惠更斯号、用于研究 67P/丘留莫夫-格拉西缅科彗星的罗塞塔号、用于探索太阳系边界的航海者 1 号和 2 号以及新视野号，以及用于在红外光下观察天空的詹姆斯·韦伯太空望远镜。这次会议的目的不仅是为了庆祝航天中心这些年来取得的成功和可操作性，也是为了重申西班牙和美国、INTA 和 NASA 在未来 60 年的合作，目的是通过未来的任务继续扩大我们对太空的了解。这些任务包括阿尔特弥斯号，它
博士康拉德·吉塞斯·特萨西·费乌格莫
对净零排放的追求催化了碳捕获、储存和利用 (CCUS) 计划的发展。传统的 CO2 捕获技术，尤其是那些采用胺基溶液处理发电厂排放的技术，由于其在热再生过程中的大量能源需求和与卡诺极限相关的低效率，正在被重新评估。为了寻求更可持续的替代方案，本研究深入研究了新兴的电化学碳捕获浓缩 (eCCC) 系统领域。这些新系统在环境条件下运行，适用于可再生能源，有可能减少碳捕获过程的能源足迹。我们研究的核心是利用 pH 波动技术对 sp2 胺进行电化学 CO2 封存的计算设计和分析。我们研究了 sp2 胺分子，这些分子以其氧化还原活性为特征，研究它们在 eCCC 中的效用，评估了它们的溶解度、与水环境的氧化还原电位兼容性以及它们的电化学反应的可逆性。人工智能在计算分子筛选中的整合进一步完善了选择过程，精准定位最有可能提高 eCCC 技术效率和可扩展性的候选药物。