XiaoMi-AI文件搜索系统
World File Search SystemCADe
圣加布里埃尔天主教堂 233 Mohawk Ave., Norwood, PA 19074 610.586.1225
作为一个基督教社区，我们为生病的亲朋好友祈祷，特别是：Ken Aber；Paget Allen；Peter Allessandro；Laura Anastasi；Howard Arcuicci；Jennifer Arcuicci；Jackie Badey；Melissa Miller Bargo；Lisa Barrett；Amy Breen；John Breen；Mary Breen；Thomas Brooks, Jr；Marietta Brownell；Doris Breyan；Melanie Buck；Gladys Buonocristiano；Robert Cade；Carol Caine；Dorothy Callahan；Dean Cannon；Janet Cocchi；Tom Cocchi；Paul Coppa；Kim Corso；MC：Margie Craig；David D.；RD；Elaine D'Angelo；Frank Delia；Angela Deberadinis；Pete Delisi；Katherine DePaola；N. DiMario；Michael DiMondo；Dan Dougherty； G. Dougherty；Gene & Thea Dugan；Mike Fenn；Eileen Finnegan；Denise Fitzpatrick；Bill Forchielli；Gerry Fulmer；Marsha Gallo；Katherine Gommer；Joseph Griffin；JMH；NMH；Richard Harmon；Barbara Holmes；Bill Hotaling；Helena Iannaccone；Gary Jackson；M. Jackson；Don Kalin；Michelle Kavenaugh；Shawn Kearney；Shaun Keeney；Michelle Kirby；Barbara Lanholm；Betty Leon；Jacqueline Long；Joseph Longo 先生和夫人；Kathy Lynn；Suzanne Luniewski；Angelo Marchesani；Carmen Marinaro；Joanne Marks；Noah MacIntosh；Barb McClintock；Mikey McCormick；MaryBeth Medzie；John Mertz；Baby Nathan；Vincent Nowroozi；Rick Orner；Ernest & Pat Overstreet；C. Pastore； Thomas Peterson；Mike Poserino；TR；Caden Asher Ring；Henry Ruggierio；David Ryan；Lisa Sadsad；Scott Sallade；Tom & Rose Sayen：Nicole Sciubba；Anthony Semola；Susan Semola；Linda Seward；Pauline Sherman；Dolores Sladek；Steven Smith；Jackie Spagna；Nadine Stallings；James Stevenson；RT；Pauline Thomas；Georgette Velardi；JAW；Eileen Waterloo；Dot Watson；Grace Wasch；Tom Weller；Valerie Whalen；您可以致电教区牧师住宅来添加您所爱的人！
半导体有效位移损伤剂量计算方法的开发及其在空间场中的应用
位移损伤剂量 (DDD) 是预测在太空环境中使用且会受到辐射的半导体器件寿命的常用指标。DDD 通常根据 Norgett-Robinson-Torrens (NRT) 模型根据非电离能量损失估算，尽管所谓的有效 DDD 的新定义考虑了半导体中非晶化的分子动力学 (MD) 模拟。本研究开发了一个新模型，用于计算碳化硅 (SiC)、砷化铟 (InAs)、砷化镓 (GaAs) 和氮化镓 (GaN) 半导体的常规和有效 DDD 值。该模型是通过扩展粒子和重离子传输代码系统 (PHITS) 中实现的每原子位移计数获得的。这种新方法表明，由于直接撞击造成的非晶化，砷基化合物的有效 DDD 高于传统 DDD，而由于复合缺陷，SiC 的这种关系则相反。对于暴露于质子的 SiC 和 GaN，有效 DDD/传统 DDD 比率随质子能量的增加而降低。相反，对于 InAs 和 GaAs，该比率在质子能量高达 100 MeV 时增加到 1 以上，并且趋于稳定，因为缺陷产生效率（即 MD 模拟的碰撞级联末端稳定位移数量与 NRT 模型计算的缺陷数量之比）在损伤能量值高于 20 keV 时不会增加。通过计算低地球轨道上夹在薄玻璃盖和铝板之间的半导体的有效 DDD 值，证明了该模型的实际应用。结果表明，通过将玻璃盖厚度增加到 200 μ m，可以显著降低有效 DDD，从而证实了屏蔽太空中使用的半导体器件的重要性。这种改进的 PHITS 技术有望通过预测宇宙射线环境中具有复杂几何形状的各种半导体的有效 DDD 值来协助半导体设计。
模拟深云中的二级冰生产
摘要：已经提出了多种机制来解释次级冰的产生（SIP），并且已经认可SIP在形成云冰晶体中起着至关重要的作用。但是，大多数天气和气候模型都不考虑其云微物理方案中的SIP。在这项研究中，除了默认的rime分裂（RS）过程外，将超冷的雨/细雨滴（DS）和冰上的分解 - 冰碰撞 - 冰碰撞（BR）的两种SIP过程，即粉碎/碎片化。此外，还引入了两个不同的参数化方案。进行了一系列的灵敏度实验，以研究在欧洲中部开发的基于温暖的深对流云中，SIP如何影响云微物理学和云相位分布。仿真结果表明，云微物理特性受到SIP过程的显着影响。冰晶数浓度（ICNC）增加了20倍以上，并且考虑到SIP过程，表面沉淀降低了20％。有趣的是，发现BR占主导地位，并且BR过程速率分别大于RS和DS过程速率，分别为四个和三个数量级。在实现所有三个SIP过程时，云中的液体像素数馏分在云层内部和云顶部下降，但降低取决于BR方案。模拟深度对流云中冰的增强面（IEF）的峰值为10 2-10 4，并在2 24 8 c处位于所有三个SIP过程，而IEF的温度依赖性对BR方案敏感。但是，如果仅包括RS或RS和DS操作，则IEF是可比的，峰值为6个，位于2 7 8 C，此外，关闭CASCADE效应导致ICNC和冰晶体混合率显着降低。
Median Technologies 报告 2023 年收入和...
下午 6:00 CET – 下午 12:00 ET：法语网络直播：注册链接 法国索菲亚安提波利斯 - Median Technologies (FR0011049824, ALMDT, PEA/SME 合格) 宣布其 2023 年收入，概述了其战略前景和 2024 年的关键里程碑。Median Technologies 首席执行官兼创始人 Fredrik Brag 评论道：“2023 年第四季度，我们的 iCRO 1 业务实现了创纪录的订单量，这大大增加了我们的积压订单。订单积压 2 创下了 6690 万欧元的历史新高。如今，制药行业比以往任何时候都更大规模地投资人工智能 (AI)，特别是在肿瘤临床试验领域，我们差异化的成像实验室解决方案使我们能够赢得大型制药集团的业务，与全球 CRO 合作，并扩大我们服务的范围。我们预计在 2024 年恢复增长，这得益于2023 年收入下降是由于 2022 年和 2023 年上半年的新冠疫情封锁导致中国订单量疲软。” Fredrik Brag 补充道：“在 2024 年 1 月宣布的独立验证研究取得优异成绩后，eyonis™ LCS 关键研究的执行进展顺利。作为 FDA 510(k) 审批和 CE 标志流程的一部分的研究于去年 7 月启动，所有患者都已招募完毕，独立验证已经完成，独立研究和 MRMC 研究正在进行中。独立研究将于 2024 年第二季度完成，MRMC 研究将于 2024 年第三季度完成。我们的目标是在 2025 年第一季度获得 CADe/CADx 软件即医疗器械 eyonis™ LCS 的 FDA 510(k) 审批，随后将其推向美国肺癌筛查市场，该市场覆盖 1450 万人，目前每次手术的报销金额为 650 美元。在欧洲，我们预计将于 2025 年第二季度获得 CE 标志。肺癌是全球癌症死亡的首要原因。早期诊断已被证明可以挽救患者的生命。我们的 AI 成像解决方案将在肺癌早期诊断方面取得重大进展。”
我应该听从人工智能的建议吗？衡量人类与人工智能决策的适当依赖程度
[1] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 2021 年 CHI 计算机系统人为因素会议论文集。1-16。[2] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。[3] Adrian Bussone、Simone Stumpf 和 Dympna O'Sullivan。 2015.对临床决策支持系统中信任和依赖的解释的作用。 2015年医疗信息学国际会议。 160–169。 [4] Arjun Chandrasekaran、Viraj Prabhu、Deshraj Yadav、Prithvijit Chattopadhyay 和 Devi Parikh。 2018.解释是否能让 VQA 模型对人类来说更具可预测性？在 EMNLP 中。 [5] Muhammad EH Chowdhury、Tawsifur Rahman、Amith Khandakar、Rashid Mazhar、Muhammad Abdul Kadir、Zaid Bin Mahbub、Khandakar Reajul Islam、Muhammad Salman Khan、Atif Iqbal、Nasser Al Emadi 等。 2020.人工智能可以帮助筛查病毒和COVID-19肺炎吗？ IEEE Access 8 (2020)，132665–132676。[6] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。算法厌恶：人们在看到算法错误后会错误地避开它们。《实验心理学杂志：综合》144，1 (2015)，114。[7] Mary T Dzindolet、Scott A Peterson、Regina A Pomranky、Linda G Pierce 和 Hall P Beck。2003 年。信任在自动化依赖中的作用。《国际人机研究杂志》58，6 (2003)，697–718。[8] Ana Valeria Gonzalez、Gagan Bansal、Angela Fan、Robin Jia、Yashar Mehdad 和 Srinivasan Iyer。2020 年。人类对开放域问答的口头与视觉解释的评估。 arXiv preprint arXiv:2012.15075 (2020)。[9] Patrick Hemmer、Max Schemmer、Michael Vössing 和 Niklas Kühl。2021 年。混合智能系统中的人机互补性：结构化文献综述。PACIS 2021 论文集 (2021)。[10] Robert R Hoffman、Shane T Mueller、Gary Klein 和 Jordan Litman。2018 年。可解释人工智能的指标：挑战与前景。arXiv preprint arXiv:1812.04608 (2018)。
十月董事会会议 - 佐治亚大学系统
佐治亚州亚特兰大 2021 年 9 月 9 日 召集会议 佐治亚大学系统董事会于 2021 年 9 月 9 日星期四上午 9:00 在董事会办公室 8003 室举行会议，地址为佐治亚州亚特兰大西南华盛顿街 270 号，可通过 BOR 网络广播同时访问。董事会主席 Sachin Shailendra 董事宣布会议开始。除主席 Shailendra 外，出席会议的还有副主席 Cade Joiner；董事 W. Allen Gudenrath；Erin Hames；Bárbara Rivera Holmes；Samuel D. Holmes；James M. Hull；C. Thomas Hopkins, Jr.；Everett Kennedy；Rachel B. Little；Lowery May；Jose R. Perez；Neil L. Pruitt Jr.；Sarah-Elizabeth Langford Reed；Harold Reynolds；T. Dallas Smith；Kessel D. Stelling, Jr.；Don L. Waters；和 Philip A. Wilheit。祈祷和宣誓佐治亚州立大学学生会主席 Brianna Bailey 女士祈祷并带领宣誓效忠。安全简报警察局长 Mike Coverson 做了安全简报。批准会议记录在提出动议并获得适当附议后，与会董事一致投票通过了 8 月 10 日、8 月 12 日和 8 月 19 日董事会会议记录。校园聚焦 - 努力履行我们的承诺：GGC 2.0 佐治亚格威内特学院 (GGC) 校长 Jann Joseph 和教务长 George Low 讨论了 GGC 学生支持计划，包括使用数据来增加价值和更好地支持多元化的学生群体，从而提高保留率和毕业率。GGC 学生 Benjamin Rodriguez 和 Greatzel Unabi 分享了他们在 GGC 的经历以及 GGC 如何帮助他们塑造和准备未来的成功。代理校长报告 代理校长 MacCartney 在报告首先祝贺 USG 校长及其领导团队，使得所有 26 所 USG 机构今年秋天都能恢复面对面学习。代理校长报告了校园内 COVID-19 风险降低措施的有效性，例如 PCR 唾液检测、COVID-19 检测和快速检测，以及疫苗接种进展情况。校长 MacCartney 强调，已发出超过 313,000 次检测；432,000 个口罩、防护罩和 N/KN-95 呼吸器面罩；942,000 副手套、21,400 件防护服，以及已向整个系统的各个校园分发了数千加仑的消毒剂和消毒液。校长 MacCartney 指出，预防和传播 COVID-19 病毒的最有效方法是接种疫苗并戴口罩。我们的机构强烈鼓励使用口罩并提供接种疫苗的奖励。
十月董事会会议 - 佐治亚大学系统
佐治亚大学系统董事会会议记录 佐治亚州亚特兰大 2021 年 9 月 9 日 召集会议 佐治亚大学系统董事会于 2021 年 9 月 9 日星期四上午 9:00 在董事会办公室 8003 室举行会议，地址为佐治亚州亚特兰大西南华盛顿街 270 号，可通过 BOR 网络广播同时访问。董事会主席 Sachin Shailendra 董事宣布会议开始。除主席 Shailendra 外，出席会议的还有副主席 Cade Joiner；董事 W. Allen Gudenrath；Erin Hames；Bárbara Rivera Holmes；Samuel D. Holmes；James M. Hull；C. Thomas Hopkins, Jr.；Everett Kennedy；Rachel B.Little； Lowery May；Jose R. Perez；Neil L. Pruitt Jr.；Sarah-Elizabeth Langford Reed；Harold Reynolds；T. Dallas Smith；Kessel D. Stelling, Jr.；Don L. Waters；以及 Philip A. Wilheit。祈祷和宣誓 佐治亚州立大学学生会主席 Brianna Bailey 女士进行了祈祷并带领大家宣誓效忠。安全简报 警察局长 Mike Coverson 进行了安全简报。会议记录批准 在提出动议并获得适当附议后，与会董事一致投票批准了 8 月 10 日、8 月 12 日和 8 月 19 日董事会会议记录。校园聚焦 - 努力履行我们的承诺：GGC 2.0 佐治亚格威内特学院 (GGC) 校长 Jann Joseph 和教务长 George Low 讨论了 GGC 学生支持计划，包括使用数据来增加价值并更好地支持多元化的学生群体，从而提高留校率和毕业率。GGC 学生 Benjamin Rodriguez 和 Greatzel Unabi 分享了他们在 GGC 的经历以及 GGC 如何帮助他们塑造和准备未来的成功。代理校长报告 代理校长 MacCartney 在报告开始时向 USG 校长及其领导团队表示祝贺，使所有 26 所 USG 机构能够在今年秋天恢复面对面学习。代理校长报告了校园内 COVID-19 风险降低措施的有效性，例如 PCR 唾液测试、COVID-19 测试和快速测试，以及疫苗接种进展。校长 MacCartney 强调，已发出超过 313,000 次测试；432,000 个口罩、防护罩和 N/KN-95 呼吸器面罩；942,000 副手套、21,400 件防护服，数千加仑的消毒剂和消毒液已分发到整个系统的校园。麦卡特尼校长指出，预防和传播导致 COVID-19 的病毒的最有效方法是接种疫苗并戴口罩。我们的机构强烈鼓励使用口罩，并提供接种疫苗的奖励。
Telix 完成 TLX592 靶向 Alpha 概念验证研究
• CUPID 是 TLX592 的 I 期安全性和剂量学研究，TLX592 是 Telix 针对前列腺癌的抗体靶向阿尔法疗法。 • 为 Telix 专有的 RADmAb® 工程抗体平台建立概念验证，目前正在针对多种癌症靶点进行临床前评估。 • 初步结果表明，与标准抗体相比，该抗体可从血液循环中快速消除，并且可在肝脏中清除 - 这两个特性对于使用阿尔法发射剂来说都是非常理想的。 • 成功完成剂量递增研究，为未来使用锕-225 的 TLX592 研究建立了基线给药时间表。 • 数据支持在 2024 年下半年推进治疗性 I/II 期研究。墨尔本（澳大利亚）——2024 年 5 月 21 日。 Telix Pharmaceuticals Limited (ASX: TLX, Telix, 公司) 今天宣布成功完成 CUPID 1，这是一项针对晚期前列腺癌患者的 TLX592 的首次人体 I 期剂量递增研究。TLX592 (225 Ac-PSMA-RADmAb®) 是 Telix 用于治疗前列腺癌的试验性“下一代”靶向 α 疗法 (TAT)，也是第一个利用 Telix 专有 RADmAb® 工程抗体技术的临床项目。与标准单克隆抗体 (mAb) 相比，RADmAb® 方法可加速血液清除并减少骨髓停留时间，同时保持靶标选择性、内化和保留。RADmAb® 平台目前正在针对多个癌症靶标进行临床前和临床评估。 CUPID（64 Cu P SMA I 成像和（生物）分布）研究是一项 3+3 剂量递增研究，涉及四组患者，旨在评估 TLX592 的安全性、耐受性、药代动力学、生物分布和辐射剂量。该研究利用可通过正电子发射断层扫描 (PET) 检测到的铜-64（64 Cu）作为锕-225（225 Ac）的替代品，从而成功进行靶向验证研究以及对未来 225 Ac 研究进行预测剂量计算。参与研究的 11 名可评估患者的初步结果显示，与标准抗体 TLX591 相比，其血液动力学加快，同时显示出相似（有利）的靶向和脱靶生物分布和肝脏清除率。研究中未观察到严重不良事件。基于这些令人鼓舞的结果，Telix 预计将在 2024 年下半年将 TLX592 推进到 225 Ac 的治疗性 I/II 期研究，但需获得监管部门的批准。TLX592 进一步深化了 Telix 针对 PSMA 2 的前列腺癌治疗产品组合，并补充了其领先的试验性放射性抗体-药物偶联物 (rADC) TLX591 (177 Lu rosopatamab tetraxetan)，目前正在 ProstACT GLOBAL III 期研究中进行研究。该公司打算在即将举行的几次研讨会上发布和展示支持这些结果的非临床和临床数据。David N. Cade 博士，Telix 集团首席医疗官表示：“CUPID 研究清楚地表明了如何使用治疗诊断方法来简化新型放射性药物的开发。在本例中，PET 成像用于剂量确定靶向剂，以便将来用于
质疑人工智能预测：影响力驱动的第二意见推荐
[1] Gagan Bansal、Besmira Nushi、Ece Kamar、Dan Weld、Walter Lasecki 和 Eric Horvitz。2019 年。人机协作团队向后兼容的案例。ICML 人机协作学习研讨会 (2019)。[2] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 CHI 计算机系统人为因素会议论文集上。1-16。 [3] Umang Bhatt、Javier Antorán、Yunfeng Zhang、Q Vera Liao、Prasanna Sattigeri、Riccardo Fogliato、Gabrielle Gauthier Melançon、Ranganath Krishnan、Jason Stanley、Omesh Tickoo 等人。2020 年。不确定性作为透明度的一种形式：测量、传达和使用不确定性。arXiv 预印本 arXiv:2011.07586 (2020)。[4] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。 [5] Rich Caruana、Yin Lou、Johannes Gehrke、Paul Koch、Marc Sturm 和 Noemie Elhadad。2015 年。医疗保健的可理解模型：预测肺炎风险和 30 天内住院率。第 21 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集。1721–1730。[6] R Dennis Cook。1986 年。局部影响力评估。皇家统计学会杂志：B 系列（方法论）48，2（1986 年），133–155。[7] Maria De-Arteaga、Artur Dubrawski 和 Alexandra Chouldechova。2021 年。利用专家一致性改进算法决策支持。arXiv 预印本 arXiv:2101.09648（2021 年）。 [8] Maria De-Arteaga、Riccardo Fogliato 和 Alexandra Chouldechova。2020 年。《人机交互案例：在存在错误算法评分的情况下做出决策》。2020 年 CHI 计算机系统人为因素会议论文集。1-12。[9] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法错误后会错误地避开算法》。《实验心理学杂志：综合》144, 1 (2015)，114。[10] Kelwin Fernandes、Jaime S Cardoso 和 Jessica Fernandes。2017 年。《具有部分可观测性的迁移学习应用于宫颈癌筛查》。《伊比利亚模式识别与图像分析会议》。Springer，243-250。 [11] Yarin Gal 和 Zoubin Ghahramani。2016 年。Dropout 作为贝叶斯近似：表示深度学习中的模型不确定性。在国际机器学习会议 (ICML) 中。1050–1059。[12] Ruijiang Gao、Maytal Saar-Tsechansky、Maria De-Arteaga、Ligong Han、Min Kyung Lee 和 Matthew Lease。2021 年。通过 Bandit 反馈实现人机协作。IJCAI (2021)。[13] Pang Wei Koh 和 Percy Liang。2017 年。通过影响函数理解黑盒预测。在第 34 届国际机器学习会议论文集-第 70 卷中。JMLR。org，1885–1894 年。[14] Himabindu Lakkaraju、Jon Kleinberg、Jure Leskovec、Jens Ludwig 和 Sendhil Mullainathan。2017 年。选择性标签问题：在存在不可观测因素的情况下评估算法预测。第 23 届 ACM SIGKDD 国际知识发现与数据挖掘会议论文集。ACM，275–284。
2023 年盖尼杯
• 第 6 中队、第 1 骑兵团、第 1 装甲旅战斗队 (ABCT)、第 1 装甲师：PFC Tayvion Jones、SGT Ryan Austin、SPC Dade Horton、SPC Wyatt Carson、SPC Kadin Graham 和 SSG Rebiejo Zackery。• 第 1 中队、第 4 骑兵团、第 1 装甲旅战斗队、第 1 骑兵师：SSG Levi Cowart、SPC Carlin Coomey、SPC Patricio Alduvin、SPC Michael Stitely、PFC Aiden Harris 和 PFC Aiden Hernley。 • 第 1 营、第 5 骑兵团、第 2 ABCT、第 1 骑兵师：SSG Tyler Mehl、SGT Eric Szudy、SPC Gregory Harrington、SPC James Saul、PFC Itler Mbula 和 PFC Alexander Erickson。• 第 4 中队、第 3 美国骑兵团、第 1 骑兵师：SSG Noah Kokkeler、SGT Alberto Torres、SPC Corey Catron、PFC Cameron Waites、PV2 Iaza Ingoglia 和 PV2 Braxton Flicker。 • 第 8 中队、第 1 骑兵团、第 2 斯瑞克旅战斗队 (SBCT)、第 2 步兵师：SSG Nicolas Vallez、SGT Matthew Keylich、SPC Rasheed Wallace、PFC Eric Moldenhauer、PFC Skylur Hester 和 PFC Carson Ringler。 • 第 4 中队、第 2 骑兵团、第 2 CR、美国陆军欧洲和非洲 (USAEUR-AF)：SSG Ryan Cardiff、SGT John Wendt、SPC Brian Riverang、SPC Ryan Rocha、SPC Benjamin Walker 和 PFC David Doucette。 • 第 6 中队、第 8 骑兵团、第 2 ABCT、第 3 步兵师：SGT Charles Johnson、SGT Casey Trull、SPC Jose Cota、SPC Cameron Palmer、PFC Ethan Conley 和 PFC Jordan Calfy。 • 第 2 中队、第 1 骑兵团、第 1 SBCT、第 4 步兵师：SSG Steven Bouton、SGT Liam Mackrell、SPC Travis Pembridge、SPC Christopher Cancel、SPC Christian Suchite 和 PV2 Darren Manriquez。 • 第 1 中队、第 14 骑兵团、第 1 SBCT、第 7 步兵师：SSG Wyatt Lilienthal、SGT Steven Reynoso、SPC Rafael Lopez、SPC Byron Kyger、SPC Guillermo Carrera 和 SPC Matthew Kiddle。 • 第 3 中队、第 89 骑兵团、第 3 IBCT、第 10 山地师：SSG Shawn Deen、SGT Joshua Valesco、SPC Tyler Deaton、SPC Adrian Fuentez、PFC Walter Moreno 和 PFC Henry Swearingen。 • 第 2 中队、第 11 装甲骑兵团 (ACR)、第 11 ACR、国家训练中心：SSG Hendryx- Steven Solis、SGT Gyres Fouelefack、SPC Dalton Langer、SPC John Pacheco、SPC Jonathan Whiteside 和 SPC Matthew Runk。• 第 5 中队、第 1 骑兵团、第 1 IBCT、第 11 空降师：SSG Wayne Schultz、SGT Seth Marshall、PFC Cameron Patrick、PFC Damian Tapia、PFC Aiden Wood 和 PV2 Austin Heath。 • 第 2 中队、第 14 骑兵团、第 2 步兵战斗旅、第 25 步兵师：SSG Jacob Lahti、SGT Michael Green、SPC Mason Golden、PFC Sebastien Barragan、PFC Diego Cade 和 PFC Damien Deleon。• 第 1 中队、第 73 骑兵团、第 2 步兵战斗旅、第 82 空降师：SSG Eric Nevadunsky、SGT Julian Glasser、SPC Mario Flamenco、SPC Andrew Rutherford、SPC Santos Portillo 和 SPC Parker Holland。 • 第 1 中队、第 33 骑兵团、第 3 旅战斗队、第 3 IBCT、第 101 空降师：SSG Joseph Rosas、SGT Connor Pelletier、SPC Michael Joaquin、SPC Henry Wasserman、PFC Aidan Nelson 和 PFC Joseph Smith。• 爱尔兰第 1 装甲骑兵中队：LT Alex McNamara，SGT Kevin Conlon、CPL Anthony Sheehy、TPR Gabriel Garbencius、TPR Declan Behan 和 TPR Oisin Duffy。• 美国欧洲陆军空军第 1 中队、第 91 骑兵团、第 173 空降旅：SSG Graham Brown、SGT Jake Bullock、SPC Nicholas DuBois、SPC Anthony Valdez、PFC Jonathan Wilkey 和 PV2 Tyler Solaita。