XiaoMi-AI文件搜索系统
World File Search System粗帧
细化粗粒度分子拓扑
摘要 分子动力学 (MD) 模拟对于预测不同分子体系的物理和化学性质至关重要。虽然全原子 (AA) MD 提供了高精度，但其计算成本高昂，这促使了粗粒度 MD (CGMD) 的发展。CGMD 将分子结构简化为具有代表性的微珠，以降低成本，但会牺牲精度。像 Martini3 这样的 CGMD 方法，经过实验数据校准后，在各个分子类别中具有良好的泛化能力，但往往无法满足特定领域应用的精度要求。本研究引入了一种基于贝叶斯优化的方法来优化 Martini3 拓扑结构，使其能够适应特定应用，从而确保精度和效率。优化后的 CG 势能适用于任何聚合度，提供与 AA 模拟相当的精度，同时保持与 CGMD 相当的计算速度。通过弥合效率和精度之间的差距，该方法推动了多尺度分子模拟的发展，使各个科学技术领域能够以经济高效的方式发现分子。 1. 引言粗粒度分子动力学 (CGMD) 1,2 已成为材料开发的重要工具，为了解聚合物 3 、蛋白质 4 和膜 5 等复杂分子系统提供了关键信息。CGMD 的主要优势在于它能够在更大长度尺度和更长时间范围内探索分子现象，超越了传统全原子分子动力学 (AAMD) 6–8 模拟的能力，后者通常提供更高的分辨率，因此特别擅长捕捉详细的界面相互作用 9 。具体而言，CGMD 通过将原子团有效地表示为珠子 10–15 来实现这种加速，从而将模拟能力在时间上从皮秒扩展到微秒，在空间上从纳米扩展到微米。因此，粗粒度技术为传统 AAMD 无法获得的复杂分子现象提供了前所未有的洞察，从而能够研究聚合物自组装行为等复杂现象 16 。新兴的CGMD建模工具集依赖于两个关键组件来学习潜在的分子间关系：珠子映射方案和珠子间相互作用的参数化。这些组件的开发主要采用两种方法：自上而下10–12和自下而上13–
高级粗太阳传感器技术规范，...
图1。ACSS sun sensor device ........................................................................................................................... 5 Fig 2.ACSS schematic ........................................................................................................................................ 5 Fig 3.Labeling ..................................................................................................................................................... 8 Fig 4.Angles reference ....................................................................................................................................... 8 Fig 5.Mechanical interface .................................................................................................................................. 9 Fig 6.Electrical interface ................................................................................................................................... 11 Fig 7.Signal acquisition recommended............................................................................................................. 11 Fig 8.Connector pin numbering ........................................................................................................................ 12 Fig 9.Spectral Responsivity .............................................................................................................................. 13 Fig 10.Sensor response of nominal and redundant units of ACSS .................................................................. 14 Tables
异常帧提取和对象跟踪混合机器学习
摘要 — 由于视频数据提供了多种实例的详细信息，使用视频数据进行事件检测变得越来越流行。这种流行增加了设备数量的使用和来自各种来源的数据量，这使得对异常事件的手动检测变得非常复杂，最近的研究要求高度及时和高度准确的自动化过程。因此，这项工作提出了一个三阶段解决方案来解决这个问题：使用混合分割过程进行物体检测，准确率为 97%，使用预先训练的机器学习模型检测物体，准确率为 98%，使用预测回归模型检测运动，平均时间为 58 纳秒。这项提议的工作已经展示了基准测试结果，并展示了高度准确的检测过程，使基于视频的监控更安全、更好。
空间链接扩展—返回所有帧服务规范
– 奥地利空间局 (ASA)/奥地利。 – 比利时科学政策办公室 (BELSPO)/比利时。 – 中央机械制造研究院 (TsNIIMash)/俄罗斯联邦。 – 中国卫星发射和跟踪控制总院、北京跟踪和通信技术研究所 (CLTC/BITTT)/中国。 – 中国科学院 (CAS)/中国。 – 中国空间技术研究院 (CAST)/中国。 – 英联邦科学与工业研究组织 (CSIRO)/澳大利亚。 – 丹麦国家空间中心 (DNSC)/丹麦。 – 航空航天科学和技术部 (DCTA)/巴西。 – 电子和电信研究院 (ETRI)/韩国。 – 欧洲气象卫星应用组织 (EUMETSAT)/欧洲。 – 欧洲通信卫星组织 (EUTELSAT)/欧洲。 – 地理信息和空间技术发展局 (GISTDA)/泰国。 – 希腊国家空间委员会 (HNSC)/希腊。 – 希腊空间局 (HSA)/希腊。 – 印度空间研究组织 (ISRO)/印度。 – 空间研究所 (IKI)/俄罗斯联邦。 – 韩国航空宇宙研究院 (KARI)/韩国。 – 通信部 (MOC)/以色列。 – 穆罕默德·本·拉希德航天中心 (MBRSC)/阿拉伯联合酋长国。 – 国家信息和通信技术研究所 (NICT)/日本。 – 国家海洋和大气管理局 (NOAA)/美国。 – 哈萨克斯坦共和国国家空间局 (NSARK)/哈萨克斯坦。 – 国家空间组织 (NSPO)/中国台北。 – 海军空间技术中心 (NCST)/美国。 – 荷兰空间办公室 (NSO)/荷兰。 – 粒子与核物理研究所 (KFKI)/匈牙利。 – 土耳其科学技术研究理事会 (TUBITAK)/土耳其。 – 南非国家航天局 (SANSA)/南非共和国。 – 空间与高层大气研究委员会 (SUPARCO)/巴基斯坦。 – 瑞典空间公司 (SSC)/瑞典。 – 瑞士空间办公室 (SSO)/瑞士。 – 美国地质调查局 (USGS)/美国。
粗粒模型的耗散粒子动力学
我们开发了一种基于耗散粒子动力学（DPD）的计算方法，该方法将溶剂的水动力相互作用引入了溶质的粗粒模型，例如离子，分子或聚合物。dpd-solvent（DPDS）是一种完全非驻留方法，可以直接通过任何基于粒子的溶质模型以所需的溶剂粘度，可压缩性和溶质扩散率直接掺入流体动力学。溶质仅通过DPD恒温器与溶剂相互作用，这确保了溶质系统的平衡性能不受引入DPD溶剂的影响，而恒温器耦合强度则设定了所需的溶质扩散率。因此，DPD可以用作替代传统分子动力学恒温器，例如Nosé -Hoover和Langevin。我们证明了在聚合物动力学和通过纳米孔电流流动的情况下，DPD的适用性。该方法应广泛用作将流体动力相互作用引入现有的粗粒溶质和软材料模型的一种手段。
用于高程测定的机载数字帧相机成像
摘要 一台高分辨率数字 300 帧相机飞越安大略省多伦多的一个试验场，以获取重叠图像以确定高程。分析了一对选定的 1320 x 1035 图像，总面积为 0.91 x 1.0a 平方公里，像素为 0.69 平方米。对图像中的 24 个点进行了实地测量，并应用了光束平差算法，仅使用三个控制点对图像进行相对和绝对定位。残差的加权平均 IIMS 误差为 1.138m (x)、t.sgom (y) 和 0.927m (z)，总高程变化为 40m。尽管存在一些限制，例如缺乏相机校准，但仍获得了这种水平的精度。图像点选择困难，图像运动。这些结果鼓励进一步研究改进该技术并将其应用于大规模评估模型的开发。
多帧3D对象检测具有时间功能fusion
集，31 | 1，...，i t t p p r i n ==和31 1 2 | 1，...，j t t p p r j n -− ==，通常表现出明显的
来自石榴果皮的粗提取物的涂层的效果混合...
摘要使用琼脂二聚体扩散方法研究了香料果皮与壳聚糖混合在抑制四种微生物的生长中，抑制四种微生物的生长，抑制四种微生物的生长。发现与壳聚糖混合的石榴果皮的粗提取物有效地抑制了所有测试过的微生物的生长。在另一项研究中，将黄瓜水果（SpeedMax品种）涂有1）壳聚糖，2）与壳聚糖混合的石榴果皮中的粗提取物，并与对照组（浸入水中）进行比较。黄瓜在7°C下储存，并每7天记录每7天的黄瓜的质量归因。通过测量黄瓜水果的体重减轻，成熟和变质来记录实验结果。发现与壳聚糖混合（CHI + PPE，2.59±0.01）混合的粗化石榴果皮提取物涂料对体重损失百分比没有显着影响，与壳聚糖（CHI，2.58±0.01）相比，但与对照组的涂层有显着差异（2.93±0.001）。然而，用粗化石榴果皮提取物与壳聚糖（CHI + PPE）混合的涂料黄瓜倾向于增加成熟的量比壳聚糖和对照组涂层的成熟量更大（p <0.05）。与对照组相比，仅壳壳涂层就无法延迟黄瓜水果的变质。然而，发现涂有粗化石榴果皮提取物与壳聚糖混合的黄瓜水果比用壳聚糖和对照涂层的壳聚糖更宠坏（p <0.05）。关键字：黄瓜，石榴果皮，壳聚糖，涂料
马提尼 3 粗粒度力场：小分子
Martini 粗粒度力场 Martini 3 的最新重新参数化提高了该模型在预测分子动力学模拟中的分子堆积和相互作用方面的准确性。在这里，我们描述了如何在 Martini 3 框架内精确参数化小分子，并提供了一个经过验证的小分子模型数据库。我们特别关注脂肪族和芳香族环状结构的描述，这些结构在溶剂和药物等小分子或蛋白质和合成聚合物等大分子的构成块中普遍存在。在 Martini 3 中，环状结构由使用更高分辨率粗粒度颗粒（小颗粒和微小颗粒）的模型描述。因此，本数据库构成了校准新 Martini 3 小颗粒和微小颗粒尺寸的基石之一。这些模型表现出出色的分配行为和溶剂性能。还捕获了不同本体相之间的可混溶性趋势，从而完成了参数化过程中考虑的一组热力学性质。我们还展示了新的珠子尺寸如何能够很好地表示分子体积，从而转化为更好的结构特性，例如堆叠距离。我们进一步介绍了设计策略，以构建复杂度更高的小分子的 Martini 3 模型。
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