XiaoMi-AI文件搜索系统
World File Search System粒度
光学粒度仪 - TSI
操作 样品气溶胶被直接拉入 OPS 3330 的测量区域，以减少由于传输而造成的颗粒损失。鞘流环绕样品，聚焦气溶胶以提高尺寸分辨率，并保持光学元件清洁，以提高可靠性和降低维护成本。使用实时反馈严格控制 OPS 中的流速，以确保浓度准确性。测量并记录样品的温度和湿度。在光学室中，气溶胶穿过激光束，产生光脉冲。闪光的强度用于计数和确定颗粒尺寸。3330 型中的激光束形状、观察体积的大小、检测器类型和信号处理算法旨在在 0.3 至 10 μm 的尺寸范围内提供最佳分辨率。增加的光收集（90°± 60°）减少了米氏散射效应。定型后，样品从光学室流到滤光片盒，在那里被收集在 37 毫米过滤器上，用于重量分析或进一步的化学或微观样品研究。
光学粒度仪 - TSI
操作 样品气溶胶被直接拉入 OPS 3330 的测量区域，以减少由于传输而造成的颗粒损失。鞘流环绕样品，聚焦气溶胶以提高尺寸分辨率，并保持光学元件清洁，以提高可靠性和降低维护成本。使用实时反馈严格控制 OPS 中的流速，以确保浓度准确性。测量并记录样品的温度和湿度。在光学室中，气溶胶穿过激光束，产生光脉冲。闪光的强度用于计数和确定颗粒尺寸。3330 型中的激光束形状、观察体积的大小、检测器类型和信号处理算法旨在在 0.3 至 10 μm 的尺寸范围内提供最佳分辨率。增加的光收集（90°± 60°）减少了米氏散射效应。定型后，样品从光学室流到滤光片盒，在那里被收集在 37 毫米过滤器上，用于重量分析或进一步的化学或微观样品研究。
利用偏远岛屿的本地 5G 对精炼产品进行人工智能粒度测定……
由于大型工厂的结构具有室内和室外设施，很难建立使用有线或无线局域网的通信环境，并且还存在由于数字化延迟而导致运营效率下降的问题。存在。 Ø 在偏远海岛工厂搭建本地5G环境，通过共享大量数据提高机器巡检工作效率，利用无人机确定原材料数量，利用4K摄像头检测非法入侵者，并自动判断非法入侵者使用人工智能进行精炼产品的粒度演示。 Ø 通过本地制造数字化提高生产力和运营效率。
ATLAS 高粒度定时探测器低增益雪崩探测器在光束测试中的性能研究
堆积作用的显著增加是高亮度 (HL) LHC 运行阶段物理项目面临的主要实验挑战之一。作为 ATLAS 升级计划的一部分，高粒度计时探测器 (HGTD) 旨在减轻前向区域的堆积效应并测量每束团的光度。HGTD 基于低增益雪崩探测器 (LGAD) 技术，覆盖 2.4 到 4.0 之间的伪快速度区域，将提供高精度计时信息，以区分在空间上靠近但在时间上相隔很远的碰撞。除了具有抗辐射功能外，LGAD 传感器还应在寿命开始时为最小电离粒子提供每轨 30 ps 的时间分辨率，在 HL-LHC 运行结束时增加到 75 ps。本文介绍了 2021-2022 年 CERN SPS 和 DESY 使用测试光束研究的来自不同供应商的几种辐照 LGAD 的性能。这项研究涵盖了 LGAD 在收集电荷、时间分辨率和命中效率方面的有希望的结果。在大多数情况下，对于高辐照传感器（2.5 × 10 15 n eq / cm 2 ），测量的时间分辨率小于 50 ps。
可转移、可极化的蛋白质粗粒度模型─ProMPT
摘要：由于表示所有原子的计算复杂性，经典分子动力学 (MD) 模拟在原子分辨率（细粒度级别，FG）下对大多数生物分子过程的应用仍然有限。这个问题在具有非常大构象空间的基于蛋白质的生物分子系统存在的情况下被放大，并且具有细粒度分辨率的 MD 模拟具有探索该空间的缓慢动态。文献中当前的可转移粗粒度 (CG) 力场要么仅限于以隐式形式编码环境的肽，要么无法捕获从氨基酸一级序列到二级/三级肽结构的转变。在这项工作中，我们提出了一种可转移的 CG 力场，它明确表示环境，以便对蛋白质进行精确模拟。力场由一组代表不同化学基团的伪原子组成，这些化学基团可以连接/关联在一起以创建不同的生物分子系统。这保留了力场在多种环境和模拟条件中的可转移性。我们添加了可以响应环境异质性/波动的电子极化，并将其与蛋白质的结构转变耦合。非键合相互作用通过基于物理的特征（例如通过热力学计算确定的溶剂化和分配自由能）进行参数化，并与实验和/或原子模拟相匹配。键合势是从非冗余蛋白质结构数据库中的相应分布推断出来的。我们通过模拟经过充分研究的水蛋白系统来验证 CG 模型，这些系统具有特定的蛋白质折叠类型 Trp-cage、Trpzip4、villin、WW-domain 和 β - α - β 。我们还探索了力场在研究 A β 16-22 肽的水聚集中的应用。■ 简介蛋白质分子的生理功能与其相关结构和动力学密切相关。1、2
COVID-EENet：预测 COVID-19 对当地经济的细粒度影响
评估新冠肺炎危机对经济的影响对于政府制定应对措施、从危机中复苏至关重要。在本文中，我们提出了一种使用大规模信用卡交易数据集以细粒度评估经济影响的新方法。为此，我们开发了一个细粒度的经济流行病学建模框架COVID-EENet，该框架具有两级深度神经网络。在细粒度EEM的支持下，COVID-EENet学习了附近的群体感染病例对每个地区当地经济变化的影响。通过使用全国数据集进行的实验，给定一组活跃的群体感染病例，COVID-EENet可以准确预测每个地区和业务类别在两周或四周内的销售变化。因此，政策制定者可以了解预测影响，以采取最有效的缓解措施。总的来说，我们相信我们的工作开辟了利用金融数据从经济危机中复苏的新视角。为了解决这个紧急问题，我们在https://github.com/kaist-dmlab/COVID-EENet 发布了源代码。
云中的粒度委派管理特权（GDAP）...
网络安全仍然是我们数字时代最重要的挑战之一。创建安全的生态系统需要采用整体安全方法，其中包括零信任的心态，云端姿势以及对人和技能的投资。零信托遵循明确验证的原则，使用最小特权访问并假设违反。根据这些原则运作的组织更有弹性，一致和对新攻击的反应。与我们的合作伙伴一起，我们正在采取与这些原则保持一致的步骤，以保护渠道。
中国经济型酒店在线住客评论的细粒度情绪分析
作者简介 Jiaqi Luo 博士（ORCID ID：https://orcid.org/0000-0001-8961-505X）是华东师范大学经济与管理学院旅游管理系的讲师。她的研究兴趣包括旅游与酒店营销、旅游大数据和博彩旅游。她曾在《旅游管理》、《当代酒店管理国际期刊》和《目的地营销与管理期刊》等主要旅游和酒店学期刊上发表过文章。 Songshan (Sam) Huang 博士（ORCID ID：https://orcid.org/0000-0003-4990-2788）是伊迪斯科文大学商学院旅游和服务营销研究教授。他的研究兴趣包括游客行为、目的地营销、导游以及各种中国旅游和酒店学问题。他在主要旅游和酒店学期刊上发表了大量关于中国游客行为和中国旅游和酒店学问题的文章，包括《旅游管理》、《旅游研究期刊》和《酒店管理国际期刊》。王仁武，博士，华东师范大学经济与管理学院信息管理系副教授。他的研究兴趣包括数据分析和数据挖掘、机器学习和深度学习。资助详情：本研究由国家社会科学基金资助
高粒度定时探测器低增益雪崩探测器原型的辐射硬度特性
摘要：高粒度定时探测器（HGTD）是ATLAS二期升级的重要组成部分，用于应对极高的堆积密度（平均每个束流团穿越的相互作用次数可达200次）。利用径迹的精确定时信息（σt～30ps），可以在“四维”空间进行径迹到顶点的关联。传感器选用低增益雪崩探测器（LGAD）技术，可提供所需的定时分辨率和良好的信噪比。日本滨松光子学株式会社（HPK）已生产出厚度为35 μm和50 μm的LGAD，中国科学技术大学也与中国科学院微电子研究所（IME）合作开发并生产了50 μm LGAD样机。为评估抗辐照性能，传感器在JSI反应堆设施中接受中子辐照，并在中国科学技术大学进行测试。在室温（20 ℃ ）或−30 ℃ 下，通过I-V和C-V测量表征辐照对增益层和本体的影响。提取了击穿电压和耗尽电压，并将其表示为通量函数。受体去除模型的最终拟合得出HPK-1.2、HPK-3.2和USTC-1.1-W8的c因子分别为3.06×10 −16 cm −2、3.89×10 −16 cm −2和4.12×10 −16 cm −2，表明HPK-1.2传感器具有最耐辐照的增益层。采用一种新颖的分析方法进一步利用数据得到c因子与初始掺杂浓度之间的关系。关键词：LGAD；HGTD；定时探测器；硅探测器中图分类号：TL814文献标识码：A
通过生成对抗网络快速模拟高粒度量热仪
摘要 我们提出了 3DGAN，用于模拟未来高粒度量热仪的三维图像输出。我们证明了生成对抗网络 (GAN) 在生成科学数据方面的有效性，同时在大量输入变量中保持对各种指标的高准确度。我们展示了迁移学习概念的成功应用：我们训练网络模拟来自较小范围的初级能量的电子簇射，然后进一步训练五倍大的范围（模型无法直接训练更大的范围）。同样的概念被扩展到为其他粒子生成簇射，这些粒子的大部分能量都沉积在电磁相互作用中（光子和中性介子）。此外，还探索了带电介子簇射的生成，更准确的努力需要来自其他探测器的额外数据，而这些数据不在当前工作的范围内。我们的进一步贡献是演示了如何使用 GAN 生成的数据进行实际应用。我们使用 GAN 生成的数据训练第三方网络，并证明响应类似于使用蒙特卡罗模拟数据训练的网络。GAN 生成的阵雨对各种物理特征的准确度在蒙特卡罗的 10% 以内，速度提高了三个数量级。通过分布式训练可以进一步提高训练和推理的速度。