XiaoMi-AI文件搜索系统
World File Search System2023A
投资者介绍
所有数据截至 2024 年 8 月 30 日，除非另有说明。 (1) 指标在 GAAP 下没有标准含义 - 请参阅“特定财务指标”幻灯片；有关 2024 年第二季度净债务与调整后 EBITDA 之比和 2024 年第二季度派息率指标，请参阅“财务状况和到期情况”。 (2) 包括目前正在建造的两个 435 kbbl 储罐。 (3) 根据 2023 年收入；截至 2024 年 8 月 30 日的信用评级。 (4) 分部利润和基础设施收入的大致比例基于管理层对每项指标的预估。请参阅“特定财务指标”幻灯片中的“预估财务信息展示”。 (5) DBRS Morningstar 和 S&P 分别发行的高级无担保票据的信用评级。注：本幻灯片及后续幻灯片包含关于收购 South Texas Gateway Terminal LLC（“Gateway”）的备考财务信息，收购于 2023 年 8 月 1 日完成，以及相关认购收据和票据发行分别于 2023 年 6 月 22 日和 2023 年 7 月 12 日完成（统称“交易”）；对“2024 年第二季度 PF”、“2023 年 PF”或“备考”的引用反映了备考财务信息，该信息使交易生效，就好像交易已于 2023 年 1 月 1 日完成，假设 Gateway 包含在公司的基础设施部门中，并反映了管理层的估计和管理层认为在特定情况下合理的某些假设和调整，以及对 2023 年第二季度环境补救准备金的 1,680 万美元调整；请参阅“指定财务指标”幻灯片中的“备考财务信息的呈现”。
各向异性广义贝叶斯相干点漂移用于点设置注册
随着人口衰老的范围，预计到2030年，世界上近20％的人口将超过65岁，到2050年，这一数字预计将达到16亿（Feng等，2023a）。癌症的特征是异常的细胞增殖和分化，继续对全球健康构成显着威胁（Hanahan，2022; Shen等，2022; Feng等，2023b; Wang等，2023）。在2020年，全世界记录了大约1900万新的癌症病例和超过1000万癌症相关的死亡（Sung等，2021）。特别是在中国，同年有457万例新癌症病例和3000万例癌症死亡（He and Ke，2023年）。传统的癌症治疗包括放射治疗，化学疗法和手术（Jin等，2022; Sirhan等，2022; Xing等，2022; Cossociate疗法，2023年），而分子靶向的治疗和免疫检查点抑制剂已转化了肿瘤学（Chen等人（Chen et al。，20222222222222; Chan et y。 Al。，2023）。尽管取得了进步，但治疗对患者生存和生活质量的不利影响仍然是癌症治疗中的紧迫挑战（Zhang and Zhang，2020； Peng等，2022），使患者管理变得复杂（Wang YH。等，2020； Mokhtari-Hessari和Montazeri，2020）。 高通量测序是一种开创性的分子生物学技术，它推动了新的肿瘤研究方向（Walter等，2022； Larson等，2023）。 与形成对比等，2020； Mokhtari-Hessari和Montazeri，2020）。高通量测序是一种开创性的分子生物学技术，它推动了新的肿瘤研究方向（Walter等，2022； Larson等，2023）。与
蛛网遗传学和生物材料中的巨大挑战
蛛网膜，尤其是蜘蛛，在大多数生态系统中都充满了丰富（Blamires等，2007; Oxbrough and Ziesche，2013; Henneken et al。，2022; Agnarsson，2023; 2023; Fonseca-Fonseca-Fornesca-forreira等，2023）。蛛网膜（例如蜘蛛，蝎子和螨虫）创建和/或分泌一系列生物材料，包括丝绸，胶水，胶粘剂，粘合剂，纳米纤维，毒液和其他毒素，以及用于形成感觉系统，盔甲，身体色彩/发光和位置的感官系统，kuntememotion（Kuntner，2022），用于形成感觉系统研究了这些类型的蛛网分泌产品的进化和生态方面的研究已经确定，扩展的表型特征使蛛网动物具有巨大的利基灵活性（Agnarsson等，2010; Blamires et al。 Al。，2018年，Viera等人，2019年； Henneken等，2022年； 尽管如此，促进这种功能的遗传特征和表达模式在很大程度上仍未得到探索。 蜘蛛很容易通过将线程放到收集平台上，或者通过麻醉和启动机制来建立网站和/或生产丝绸（Blamires等，2012a; Blamires等，2012b; Blamires et al。 2018; Lacava等人，2018年； 遗传和其他实验的最新进展（参见Sane和McHenry，2009; Craig et al。，2019; Craig et al。，2022; Blamires等，2023a）和计算（例如>研究了这些类型的蛛网分泌产品的进化和生态方面的研究已经确定，扩展的表型特征使蛛网动物具有巨大的利基灵活性（Agnarsson等，2010; Blamires et al。 Al。，2018年，Viera等人，2019年； Henneken等，2022年；尽管如此，促进这种功能的遗传特征和表达模式在很大程度上仍未得到探索。蜘蛛很容易通过将线程放到收集平台上，或者通过麻醉和启动机制来建立网站和/或生产丝绸（Blamires等，2012a; Blamires等，2012b; Blamires et al。 2018; Lacava等人，2018年；遗传和其他实验的最新进展（参见Sane和McHenry，2009; Craig et al。，2019; Craig et al。，2022; Blamires等，2023a）和计算（例如BLAMIRES和卖家，2019年； Craig等，2020； von Reumont等人，因此利用这一点的研究已经建立了有关蜘蛛网络和丝绸结构和功能变异性的强大背景知识（Vollrath和Porter，2006a; Kluge等，2008; Porter and Vollrath，; Porter and Vollrath，2009; Blamires，2010; Blamires et al。，2016b; Blamires; Blamires，2022222222222222222222222222.BlamIr。The genetic expression patterns for certain components of speci fi c silks have now been sequenced for selected species of spiders ( Babb et al., 2017 ; Garb et al., 2019 ; Kono et al., 2019 ), and a database of genetic and molecular structures and bulk fi bre functions for the major ampullate (dragline) silks of over 1000+ spider species has been compiled ( Arakawa et Al。，2022）。Nevertheless, such a strong body of knowledge does not exist for the other arachnid biomaterials (but see Lo ́ pez-Cabrera et al., 2020 ; Lozano-Pe ́ rez et al., 2020 , and Macha ł owski et al., 2020 for detailed reviews on cuticular structural materials, scorpion fl uorescent molecules, and mite silks).在蜘蛛丝上的积累工作意味着我们现在了解环境因素可以影响差异蛋白的遗传机制（在蜘蛛中，这些被称为蜘蛛蛋白，蜘蛛网的portmanteau）表达和生物材料产生，以及这些在表型和扩展的表型表达上的复杂复杂性。
利用人工智能增强学习
人工智能与学术诚信 一些人对人工智能聊天机器人的兴起做出了回应，主张学校全面禁止使用这些工具，称作弊、抄袭和其他形式的学术不端行为是严重问题。事实上，ChatGPT 等人工智能应用程序的出现给教师带来了一系列新的挑战，因为 ChatGPT 生成的产品不是来自以前发表的作品的声明或报告，教师可以使用抄袭检测软件轻松找到这些作品。相反，该应用程序不断修改其输出以生成看似独特的作品。一项研究（Khalil & Err，2023）发现，流行的检测工具在识别 ChatGPT 生成的 50 篇论文样本中的抄袭方面基本上无效。AI 检测工具也可能产生误报，这意味着它们将人类编写的文本识别为 AI 生成的文本 (Dalalah & Dalalah, 2023)。Turnitin 等检测软件公司承诺改进其产品以获得更有效的结果（例如，ChatGPT 创作内容的成功率为 97%，Turnitin, 2023）。但是，即使有了这些改进，许多学生仍会发现进行简单调整的方法，例如在 AI 生成的文本中插入同义词，以逃避检测。认识到对学术诚信的威胁，美国许多学区已禁止使用这种 AI 工具 (Rose, 2023)。但是，当学生可以在自己的设备上使用该工具而老师不知情时，这有多有效？总的来说，教育界必须面对这样一个现实：使用现有工具识别所有 AI 生成的文本实例将是困难的，甚至是不可能的。因此，我们不应该继续争论是否允许这些产品，而应该开始考虑如何以合乎道德和教育的方式整合这些应用程序。否则，就等于忽视了“我们学校里的大象”（Volante、DeLuca 和 Klinger，2023b）。我们的观点是，人工智能可以帮助激发学生对书面作业的思考方式的长期创新（Volante、DeLuca 和 Klinger，2023a）。
资源、保护与回收
学术界、政策制定者和业界一致认为，全球对回收电动汽车 (EV) 电池的需求巨大。除了减少和再利用电池材料之外，回收也是循环电池经济的核心原则，旨在“促进价值维护和可持续发展，创造环境质量、经济发展和社会公平”（Kirchherr 等人，2023a，第 7 页）。这种范式转变意味着经济活动从既定的线性电池经济向电池专为多个生命周期而设计的经济的根本转变（Korhonen 等人，2018 年；Asif 等人，2021 年）。因此，实施循环电池经济可能需要对当前电池经济进行颠覆或彻底而快速的重新配置（Kirchherr 等人，2023b）。它也带来了巨大的经济机会。 Research and Markets 估计，2022 年全球电池回收市场规模将达到 80 亿美元，到 2028 年将达到 200 亿美元。麦肯锡估计，到 2025 年再生材料利润将达到 600 美元/吨。然而，循环电池经济必要的重新配置进展缓慢。尽管可回收电池的稀缺仍然是一个挑战，但预期的供应增加将在不久的将来缓解这一问题。例如，在欧洲，目前道路上有大约 440 万辆电池驱动的电动汽车和 340 万辆插电式混合动力汽车（IEA，2023），到 2030 年左右它们的电池将可回收利用。除了这个暂时的瓶颈之外，还有另外两个障碍。一方面，电动汽车电池回收的研究和开发分散在多个学科孤岛中。这种碎片化对开发能够颠覆当前电池经济的新循环商业模式构成了重大障碍。然而，关于这一主题的研究与最近的政策和实践发展之间存在脱节。例如，许多公司正在应对开发可行的电动汽车电池回收循环商业模式的挑战，但这些发展很少受到当前学术研究的关注。我们通过整合最近的行业和政策来解决这些问题
洞悉全球大气排放数据库中全球，国家和国家次国温室气体排放的空间分布
摘要。为了减轻温室气体（GHG）和空气污染物排放的影响，了解在哪里发生排放量是最重要的。在现实世界中，大气污染物是由点来源的各种人类活动产生的（例如发电厂和工业设施），也来自分散来源（例如住宅活动和农业）。但是，由于跟踪所有这些排放源是实际上不可能的，因此通常使用领域的国家级统计数据来编制排放清单，然后使用空间信息在网格电池级别进行缩小。在这项工作中，我们开发了高空间分辨率代理，以降低由全球大气研究（EDGAR）排放数据库提供的所有世界国家的国家排放总数。，特别是在本文中，我们提供了最新的Edgar V8.0温室气体，该温室气体可在不同级别的空间粒度上提供随时可用的排放数据，该数据从一致开发的GHG发射数据库中获得。这是通过改进和发展高分辨率空间代理来实现的，这些空间代理可以更精确地分配排放在全球上。这项工作的主要新颖性是分析对欧洲特征以及美国，中国，印度和其他高级发射国家的国家温室气体排放的潜力。这些数据不仅满足大气建模者的需求，而且还可以告知在缓解气候变化领域工作的决策者。例如，欧洲的NUTS 2级别的Edgar Ghg排放量（统计级别的领土单位的命名法）在欧洲层面有助于制定欧盟的凝聚力策略，从而确定每个地区在实现碳中立性目标方面的进步，并为最高发射阶层提供洞察力。可以在https://doi.org/10.2905/b54d8149-2864-4fb9-96b9-96b9-5fd3a020c224上访问数据https://doi.org/10.2905/d67eeda8-c03e-4421-95d0- 0adc460b9658用于亚国家数据集（Crippa等，2023b）。
利用人工智能技术进行语言学习
尽管对人工智能 (AI) 的研究可以追溯到几十年前，但由于大型语言模型 (LLM) 和旨在模仿人类对话的聊天机器人（如 ChatGPT）的出现，人工智能在过去几年中变得越来越突出。这导致人们对人工智能辅助教育的潜力重新产生了兴趣，特别是通过其改善个性化学习的潜力，以及它对学术诚信带来的挑战以及对安全和隐私的普遍担忧。在第二语言习得方面，人工智能的最新发展建立在智能计算机辅助语言学习 (iCALL)（Schulze，2008）的先前研究基础上，旨在研究如何通过个性化学习材料、教学和反馈来增强学习（Hellmich 和 Vinall，2021；Xiao 和 Park，2021；Dai 和 Wu，2023）。例如，在反馈方面，语言学习者可以使用人工智能技术在计算机或移动设备上录制自己的声音，然后通过语音评估系统获得分数和反馈（Dizon，2020；Zou 等，2023a）。此外，当他们使用人工智能进行口语练习时，可以通过社交网络环境中的协作活动来提高学习成果（Zou 等，2023b）。除了直接指导之外，人工智能还在提高管理、课程开发和测试流程的效率方面取得了重大进展（Xu 等，2021）。尽管人工智能在语言教育方面具有相当大的潜力，但该主题的研究仍然很少，现有的研究已经开始确定进一步研究的重要领域。一个新出现的问题是如何为学生提供一系列与课程和评估一致的输入。研究发现了语言学习人工智能编程方面的差距，包括调整各种类型的语言技能即时反馈等功能以维持自主学习。因此，需要进一步研究人工智能程序的潜力，探索如何将人工智能应用于培养现实生活中所需的语言技能。同样重要的是考虑人工智能程序中的即时反馈如何满足学习者的语言学习目标，以及如何设计各种反馈来增强学习者在计算机或移动设备上的自主学习。
后疫情时代通胀与经济自由的映射
简介 根据世界经济自由度 (EFW) 指数 (Gwartney 等人，2023 年)，全球经济自由度从 2019 年到 2020 年的下降幅度比该数据集涵盖的任何其他时间点（可追溯到 1970 年）都要大。虽然该指数无需进行任何临时调整就衡量了这一剧烈变化，但它并未完全捕捉到经济自由度的下降 (Miozzi 和 Powell，2023a、2023b)。重要的是，西方发达经济体尚未经历即将到来的通货膨胀。虽然预计某些经济自由度变量将在 2020 年后很快恢复，但经济自由度有可能进一步崩溃。但事实并非如此。根据最新版数据 (Gwartney 等人，2023 年；参见 Miozzi 和 Powell，2024 年)，全球经济自由度与 2020 年至 2021 年基本持平。部分原因是通货膨胀的影响远没有人们想象的那么大。美国消费者价格指数 (CPI) 通胀率从 2020 年的 1.81% 上升至 2021 年的 4.70%。这导致与最近一年通货膨胀相对应的经济自由度成分的指数得分仅从 10.00 分中的 9.64 分下降至 10.00 分中的 9.06 分。指数中其他健全货币指标的影响则更小。许多美国人主观上认为这是一个重大通胀事件，但其总体影响并没有反映在 2021 年美国最终的 EFW 得分中。虽然人们应该非常小心不要对当前事件反应过度，但通胀对指数没有任何影响或许揭示了方法论上的问题，因为它对未达到两位数的通胀反应很小。本文的目的是探索将通胀率映射到 0 到 10 的指数得分的其他方法。正如我们将在第三部分中看到的那样，我们如何评估这一点不应该对应于优化宏观经济表现或在主观幸福感方面平衡通胀和失业，而应该对应于通胀影响经济的方式
博士苏莱雅·贾宾
在国际同行评审期刊、会议论文集和书籍章节中发表了 65 多篇研究文章，其中包括 15 多篇 SCIE/Scopus 索引高影响力期刊论文。 成功指导了 8 名博士生，目前有 5 名全日制学生就读。 印度专利“基于移动生物特征签名的身份验证系统”于 2023 年 4 月 19 日授予（提交日期为 2017 年 2 月 23 日）。 2023 年和 2024 年出版了两本书，书名：机器学习 I (2023) 和机器学习 II (2024)，Wiley India 出版商。 ACM 专业会员资格（2024 年 1 月-续），以感谢审阅 ACM 期刊的研究论文（会员编号：5167921）。 自 2024 年 11 月起担任知名期刊《计算机科学前沿》和《牙科医学前沿》的客座副主编 多个专业机构的成员，包括亚太生物信息学交互与网络协会（APbians）的终身会员，自 2018 年 7 月起为第 3 名成员，ACM-SIGCSE 一年期会员资格（2011 年 11 月至 2012 年 11 月）和印度技术教育协会 (ISTE) 的终身会员自 2005 年起，除了许多会议和期刊审查委员会外 教授研究生课程的理论论文：数字图像处理（DIP）、数据挖掘和仓储、机器学习和软计算、人工智能、深度学习、高级 DBMS、离散数学、编译器设计和系统编程等。 DIP 和 AI 实验室、使用 MATLAB 2023a 的机器学习、Prolog、Java、J2EE、C、C ++ 等编程。 2006、2007、2012 年 DBT-BIF 研讨会，ACBB 2015、NWTB-2017、NWTB-2018（6 次研讨会）。 活动负责人：组织部门年度校友聚会活动“里程碑”，2017、2018、2019、2021、2023 年；就业相关的网络谈话活动“HR Conclave 2020”（在线模式）等。 获得 IEC JMI 的伦理许可，可为两个正在进行的非资助合作项目收集涉及人类受试者的数据。 自 2024 年 11 月起担任知名期刊《计算机科学前沿》和《牙科医学前沿》的客座副主编。
生物多样性可以改善气候变化
从大气中删除CO 2的关注反映了人们对气候变化的越来越多的关注，而气候变化可能以其他生物多样性挑战为代价（Pereira等人。2023a）。环境议程之间的这种不对称性不仅会损害生物多样性，而且会危害气候变化，因为环境问题无情地交织在一起（Pörtner等人。2023）。与气候变化相关的极端天气事件和灾难正在整个星球中出现，导致了前所未有的经济，社会和生态损失（Ripple等人2017）。解决气候危机是紧迫的，但是如果生物多样性问题未完全纳入国际气候议程，2050年的净零碳排放承诺可能会失败。众所周知，生物多样性促进了多种社会环境服务和福利，包括水和空气质量，作物授粉，粮食安全，人类健康和福祉，以及免受土壤侵蚀的保护。气候变化可以加速生物多样性损失，相关的生态系统降解会破坏生态系统的韧性，并通过减少碳固执来减少气候变化的缓解（Pörtner等人2023）。这加剧了极端天气事件的影响，从而增加了脆弱性和社会经济损失。鉴于这些联系，人们对应对气候和生物多样性危机的更一体化方法的需求越来越多。下面我们列出了五种方法，保护生物多样性可以改善气候变化的方法。1.）保护碳和水槽的保护。当前的方法不太可能带来气候利益，如果本地生态系统被异国情调的单特异性立场恢复，并且如果生物多样性和生态系统功能不是计划的一部分，则不太可能提供。当碳沉水量导致热带森林，稀树草原和草原的误导替换为植树种植园，其造成了松树或桉树的异国林分。这是一个严重的错误，因为每个生态系统都有其自身的重要性，必须保留原样，尤其是因为大部分碳都存储在土壤中而不是树木中。例如，草地的保存土壤充当碳汇，但是当植被被去除或用单特异性种植园取代时，水槽可能会成为来源。我们必须扩大对自然生态系统的保护，以促进碳库存的维持（图1）。