XiaoMi-AI文件搜索系统
World File Search SystemCollec
北约和集体防御空间：同一任务，...
摘要外层空间的渐进式军事化提出了北约的一系列政策和法律挑战，因为它依赖太空资产对运营有效性以及这些资产的脆弱性的增加。的确，随着同伴和近战竞争对手正在磨练他们的反空间能力，对军事行动进行空间资产和服务的依赖已成为北约的致命弱点。鉴于空间资产和服务对敌对干扰的脆弱性，问题表明，在北大西洋条约（NAT）第5条（NAT）中规定的集体辩护承诺是否是否出现在太空中。北约的能力和决心应对太空威胁的能力可能会受到挑战，这是由于在太空中行使自我防御本身的不确定参数以及NAT第6条对NAT第5条的运作施加的地理限制。
收集中产阶级的记忆？疫情……
Covidmemory.lu 是“一个收集来自生活或工作在卢森堡的普通人的 COVID19 相关照片、视频、故事和访谈的平台”。2 该平台由卢森堡当代和数字历史中心 (C 2 DH) 开发。该网站由我们的同事 Sean Takats 在 2020 年 3 月第一次封锁开始时发起，于 2020 年 4 月 3 日上线。它允许用户上传文本和媒体来记录他们在疫情中的日常经历，并探索其他人的分享内容。我们仍鼓励人们上传。他们可以通过一个简单的在线表格来上传，表格中询问他们经历的日期、姓名和电子邮件地址（这三个字段是必填的，但后两个字段不公开），以及可选的昵称和位置。继承历史研讨会的传统，像 covidmemory.lu 这样的快速反应收集旨在打破国家档案馆的沉默，并保护那些原本无法保存的材料。 3
![OS-0990-0281]代理商信息收集](/simg/e/e057b215738dad7ddd0a0a8a91fd1fbac97b30c5.webp)
OS-0990-0281]代理商信息收集
基于Web的调查 - 屏幕10,000 1 5/60 833基于Web的调查 - 调查3,333 1 15/60 833 Omnibus Surveys 700 1 10/60 117 Gatekeeper评论109 1 30/60 54卡片排序Web） - 筛选器
量子纳米技术的路线图 - 研究收集
1量子计算与通信技术中心，电气工程和电信学院，新南威尔士州悉尼，新南威尔士州2052，澳大利亚2 Physikalisch-Technische Bundesanstalt，38116，Braunschweig，德国Braunschweig，德国Technologies，Windsor House，Windsor Road，Harrogate HG1 HG1 2PW，英国5物理学院，悉尼大学，悉尼，悉尼，新南威尔士州，2006年，澳大利亚6 Microsoft Corporation，Q悉尼站，悉尼，悉尼，悉尼，新南威尔士大学，2006年，新南威尔士大学，2006年，澳大利亚澳大利亚7号，DTU FOTONIK，DTU FOTONIK，DENMASK，DENMASK，DENMBRED，DENMASK，DENMASK，DENMASK，DENMASK，DENMASK，DENMASK，DENSKRED 33 34。
靶向、肿瘤外激活 - 研究合集
近年来，嵌合抗原受体 (CAR) T 细胞癌症免疫疗法在临床上取得了长足进展。然而，与安全性相关的挑战仍然存在；一个主要问题是当 CAR 触发对健康细胞上存在的抗原的反应（靶向、肿瘤外反应）时。改善这种情况的策略依赖于受体亲和力和信号传导之间的复杂关系，这样人们就可以设计出一种仅由表达高抗原水平的肿瘤细胞激活的 CAR。在这里，我们开发了一个 CAR T 细胞展示平台，该平台具有稳定的基因组表达和基于白细胞介素 2 信号传导的快速功能筛选。从对靶抗原具有高亲和力的 CAR 开始，我们结合 CRISPR-Cas9 基因组编辑和深度突变扫描来生成抗原结合域变体库。该库根据抗原结合或细胞信号传导进行了多轮选择。对所得文库进行深度测序和比较分析，发现特定变体富集和消耗，我们从中挑选出基于抗原表达水平被肿瘤细胞选择性激活的 CAR。我们的平台展示了如何结合基于功能筛选的定向进化和深度测序引导选择来提高 CAR 的选择性和安全性。
苏黎世联邦理工学院无能网格 - 研究成果
我们研究部署地热能储存的多能源系统的最佳运行，以应对供暖和制冷需求的季节性变化。我们通过开发一个优化模型来实现这一点，该模型通过考虑物理系统的非线性，以及捕捉能源转换、储存和消耗的短期和长期动态，在最先进的基础上进行了改进。该算法旨在最大限度地减少系统的二氧化碳排放量，同时满足给定终端用户的供暖和制冷需求，并确定系统的最佳运行，即通过网络循环的水的质量流速和温度，考虑到地热田温度随时间的变化。该优化模型是参考现实世界的应用而开发的，即安装在瑞士苏黎世联邦理工学院的无能电网。在这里，基于化石燃料的集中供暖和制冷供应由一个动态地下网络连接，地热田作为能源和储存，并满足需要供暖和制冷能源的终端用户的需求。与使用基于集中供热和制冷的传统系统相比，所提出的优化算法可将大学校园的二氧化碳排放量减少高达 87%。这比当前运营策略实现的 72% 减排效果更好。此外，对系统的分析可以得出设计指南并解释系统运行背后的原理。该研究强调了结合每日和季节性储能对于实现低碳能源系统的重要性。
瑞士科技行业的人工智能现状 - 研究汇编
1. AI 可以带来真正的商业价值：深入案例研究揭示了推动商业价值的各种 AI 实施。 2. 很少有公司制定 AI 战略：只有四分之一的公司制定了 AI 战略。 3. 瑞士科技行业落后于其他行业：管理人员认为，其他制造相关行业在 AI 采用方面更胜一筹。 4. 当前 AI 实施水平低：目前工业应用中 AI 的采用率很低。超过一半的公司尚未考虑在制造或供应链管理中使用 AI，大规模实施仍然是罕见的例外。 5. 规模较小的公司正在落后：规模较小且目前利润较低的公司似乎在 AI 采用方面落后，这表明该技术可能会使大公司受益，而不是为它们提供公平的竞争环境。 6. 预测性维护和机器优化仍然是关键的应用领域：在当前和计划在制造相关领域使用 AI 时，公司持续关注预测性维护和机器优化——这是工业 AI 的两个经典应用领域。 7. 使用生成式 AI 支持知识管理是重中之重。知识管理是重点关注领域。关于人工智能模型，企业主要试验大型语言模型，三分之一的企业预计在未来三年内将扩大规模。这使它成为研究的人工智能技术中最受欢迎的。8. 企业报告人工智能人才短缺：企业在采用人工智能方面受到内部人工智能人才不足的限制，68% 的企业表示他们根本没有或只能获得有限的人才。56% 的企业报告称，缺乏人工智能培训进一步加剧了这一问题。企业也难以获得外部人才，超过一半的企业报告称无法获得来自大学、顾问和初创公司的专业知识。9. 人工智能将进入办公室工作：关于未来的使用，企业对他们在白领增值份额较高的工业应用中扩大人工智能使用的能力最为乐观，包括工程和研发、销售和营销以及客户服务。在这些领域，约三分之一的企业预计将在未来三年内实施规模化人工智能。 10. 监管意识有限：只有少数公司了解人工智能法规。
与游戏收集定量数据中的有效性威胁
我们已经看到使用游戏来收集游戏以外的研究问题的数据本身，这是在研究本身之外的研究问题，称为游戏研究（Deterding等，2015）或基于游戏的方法（Slegers等，2016）。例如，经济学家长期以来不得不与他们无法进行真正的宏观经济实验的事实作斗争 - 政府也不会允许他们，也不能真正建立并比较两个相同的现实生活经济体。因此，像卡斯特罗诺娃，威廉姆斯，拉坦和基冈（2009）或Živić，Andjelković，Andjelković，Özden，Dekić和Castronova（2017）已经探索了基于经济性经济学的虚拟经济学，在MACRIEN上，在Maccrotect of MacCRAID上，已经探索了使用MacCRIEN的虚拟经济体的使用。现实世界。正在适应现有的，并创建了新游戏，例如实验室和在线实验（Hawkins，Rae，Nesbitt和Brown，2012; Oladimeji，Thimbleby，Curzon，Iacovides，Iacovides和Cox，＆Cox，＆Cox，2012年）。例如心理学和流行病学是重新修复游戏智能 - 现有娱乐游戏的大规模数据 - 回答基础研究问题（Devlin等，2014； Williams，Contractor，Poole，Poole，Srivastava，＆Cai，＆Cai，2011）。在人们的游戏中表现与诸如流畅智能（Kokkinakis，Cowling，Drachen和Wade，2017年）等游戏外的特征之间建立了密切的关系，他们建议游戏可以用作替代心理测量乐器。人类计算机互动（HCI）和其他领域的定性研究人员越来越多地使用板和纸牌游戏来构建用户和设计研究过程（Hannula＆Harviainen，2016； Slegers等，2016）。所谓的公民科学游戏正在吸引成千上万的志愿者来众筹科学数据收集和处理任务，例如记录污染水平，分类星系图像或识别蛋白质折叠（Cooper，2015年）。
log k在集体树探索中通过树木开采
在集体树探索中，一组K移动代理团队的任务是尽可能快地浏览未知树的所有边缘。当一个代理与该边缘相邻时，将树的边缘揭示给团队。代理从根开始，并且所有代理都沿着每个回合的一个相邻边缘同步移动。代理之间的通信是不受限制的，因此，它们是由单个探索算法中心控制的。算法的保证通常与代理商所需的回合数量进行比较，如果他们预先知道树。此数量至少是最大{2 n/k，2 d}，其中n是节点的数量，d是树的深度。自[FGKP04]引入问题以来，出现了两种保证：第一个以r（k）（n/k）（n/k + d）表现为r（k），其中r（k）称为竞争比，另一个则为2 n/k + f（k，d），其中f（k，d）称为竞争力的竞争力。在本文中，我们介绍了第一个算法，该算法具有线性竞争性开销，从而核对这两种方法。具体来说，我们的界限为2 n/k + o（k log 2（k）-1 d），并导致o（k/exp（√