XiaoMi-AI文件搜索系统
World File Search SystemGong
作物抗非生物胁迫育种进展
全球气候变化，包括干旱、极端气温以及盐碱化和重金属污染等不利的土壤条件，对作物的产量和品质产生了深远影响，对全球粮食安全构成了重大威胁（ Waadt 等，2022 年）。为了更好地适应各种非生物胁迫，谷物作物的细胞过程和整个植物生理发生了一些根本性变化（ Zhang 等，2022 年）。这些适应性反应对于增强作物抗性至关重要，对作物改良具有极其重要的意义（ Gong 等，2020 年）。优良种质的鉴定、潜在机制的发现和重要抗性基因的利用对于抗非生物胁迫作物育种至关重要。高通量表型评估、全基因组关联研究、多组学分析和基因编辑等先进技术不仅加深了我们对作物应对非生物胁迫的分子机制的理解，而且加速了培育具有增强的非生物胁迫抗性的作物（Gao，2021）。尽管通过应用这些先进技术，在模式植物和非模式植物中已经报道了参与植物应对非生物胁迫的多种策略和重要基因，从而增进了我们对主要作物抗非生物胁迫机制的理解，但仍存在知识上的空白。我们设立了“作物抗非生物胁迫育种进展”研究课题，目的是弥补这些空白。本研究课题包括以下主题：（a）非生物胁迫抗性评估和优良种质资源的利用； (b) 通过遗传或基因组学方法鉴定赋予抗非生物胁迫性的基因，例如 BSA-seq、QTL 定位、GWAS 和关键基因家族的全基因组表征；(c) 利用多组学研究作物非生物胁迫的生理和分子机制
神经系统疾病中的人参皂苷Rb1的进展
“所有草药的王”是人参，一种补品和药草（Tao et al。，2023）。传统中药将人参的效率归因于延长生命并补充重要能量（IM，2020年）。人参对神经系统疾病的治疗益处得到了广泛的临床前和临床数据的支持（Mancuso和Santangelo，2017年）。人参的活性成分包括皂苷，多糖，精油和多肽（Ha等，2007; Ni等，2022; Tao等，2023）。Ginsenosides由20（s） - 甲二二二醇和20（s） - dammarane类型的丙二醇糖蛋白组成（Zhou等，2019a）。Ginsenoside RB1（GSRB1）是一种高度流行的人参皂苷，用作主要的原帕纳二二醇皂苷（图1）（Kim等，2022; Ni等，2022）。GSRB1可用于治疗影响神经，心血管和内分泌系统的多系统疾病（Zheng等，2017; Zhou等，2019b; Gong等，2022）。GSRB1已被发现表现出几种生物学活性，尤其是在神经系统中。这些活性可以穿透血脑屏障并发挥神经保护作用，例如抗炎性，抗氧化剂，抗凋亡和抗嗜硫酸盐（Kim，2012; Kim等，2013; Ong等，2015; Zhou等，2015; Zhou等，2019b）。最近的研究表明，GSRB1可以抑制炎症，氧化应激和兴奋性毒性，减轻神经元损伤，并促进神经元细胞修复以治疗神经疾病（Kiefer和Pantuso，Pantuso，2003; Yang Je。等，2020； Shi等，2020）。等，2020； Shi等，2020）。这些发现表明GSRB1在治疗癫痫，阿尔茨海默氏病（AD）和帕金森氏病（PD）方面可能更有效。
Tairan He
CONFERENCE PROCEEDiNGS [C15] HOVER: Versatile Neural Whole‑Body Controller for Humanoid Robots.Tairan He*, WenliXiao*, ToruLin, ZhengyiLuo, ZhenjiaXu, ZhenyuJiang, JanKautz, ChangliuLiu, GuanyaShi, Xiaolong Wang, Linxi “Jim” Fan † , Yuke Zhu † ICRA , 2025 [Paper] [C14] OmniH2O: Universal and Dexterous Human‑to‑Humanoid Whole‑Body Teleoperation and Learning.Tairan He*, Zhengyi Luo*, Xialin He*, Wenli Xiao, Chong Zhang, Kris Kitani, Weinan Zhang, Changliu Liu, Guanya Shi.CoRL , 2024 [Paper] [C13] WoCoCo: Learning Whole‑Body Humanoid Control with Sequential Contacts.Chong Zhang*, Wenli Xiao*, Tairan He, Guanya Shi.CoRL ( Oral ), 2024 [Paper] [C12] Learning Human‑to‑Humanoid Real‑Time Whole‑Body Teleoperation.Tairan He*, Zhengyi Luo*, Wenli Xiao, Chong Zhang, Kris Kitani, Changliu Liu, Guanya Shi IROS , 2024 ( Oral ) [Paper] [C11] Progressive Adaptive Chance‑Constrained Safeguards for Reinforcement Learning.Zhaorun Chen, Binhao Chen, Tairan He, Liang Gong, Chengliang Liu.IROS , 2024 [Paper] [C10] Agile But Safe: Learning Collision‑Free High‑Speed Legged Locomotion.Tairan He*, Chong Zhang*, Wenli Xiao, Guanqi He, Changliu Liu, Guanya Shi.RSS , 2024 ( Outstanding Student Paper Award Finalist ‑ Top 3 ) [Paper] [C9] Safe Deep Policy Adaptation.Wenli Xiao*, Tairan He*, John Dolan, Guanya Shi.ICRA , 2024 [Paper] [C8] State‑wise Safe Reinforcement Learning: A Survey.Weiye Zhao, Tairan He, Rui Chen, Tianhao Wei, Changliu Liu.IJCAI (Survey Track) , 2023.[Paper] [C7] Probabilistic Safeguard for Reinforcement Learning Using Safety Index Guided Gaussian Process Models.
工作纸·没有。 2025-15降低了成本：全球电动汽车电池行业的DOA和政府政策
* Barwick：UW-Madison，NBER和CEPR，pbarwick@wisc.edu;权：芝加哥大学，hskwon@uchicago.edu；李：康奈尔大学，NBER和RFF，sl2448@cornell.edu； Zahur：皇后大学，nahim.zahur@queensu.ca。我们感谢在奥尔巴尼，亚利桑那州，布法罗，芝加哥，康奈尔州，达特·嘴，密苏里州，麻省理工学院，俄亥俄州，俄亥俄州，北京，宾夕法尼亚州，宾夕法尼亚州，普林斯顿，皇后皇后，皇后po，stan- ford，stan- ford，stan- ford，stan- ford，stan- ford，stan- Hunt All- cott, Abhi Ananth, Steve Berry, Chris Conlon, Ying Fan, Ken Gillingham, Penny Goldberg, Larry Goulder, Gautam Gowrisankaran, Phil Haile, Keith Head, Ken Hendricks, Kate Ho, JF Houde, Mark Jacobsen, Matt Kahn, Adam Ka- por, Jakub Kastl, Michael Keane, Chris Knittel, Ashley Langer, Jing Li, James MacKinnon, Thierry Mayer, Eugenio Miravete, Salvador Navarro, Aviv Nevo, Matthew Osborne, Jacquelyn Pless, Dave Rapson, Jon Scott, Alex Shcherba- chov, Jim Stock, Rich Sweeney, Chris Timmins, Bob Town, Min Wang, Matthijs Wildenbeest, Catherine Wolfram和Daniel Xu有用的评论。Yangsai Chen，Yulian Chen，Jack Collison，Chenyan Gong，Jason Huang，Binglin Wang，Feiyu Wang，Yucheng Wang，Yuerong Wang，Haohan Wenyan和Xin Zheng提供了出色的研究Ascancesance。Barwick和Li致谢国家科学基金会的资金支持（奖项2417173）; Zahur承认社会科学与人文研究委员会的资助支持；权感谢芝加哥大学能源政策研究所 - 中国的资金支持。
基于云端的深度神经网络的优化及应用...
[2] Li K, Wang J, Wu X, et al. Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning[J]. arXiv preprint arXiv:2408.16633, 2024. [3] Tian J, Mercier P, Paolini C. Ultra low-power, wearable, accelerated shallow-learning fall detection for older at-risk persons[J]. Smart Health, 2024, 100498. [4] Xu, Q., Feng, Z., Gong, C., Wu, X., Zhao, H., Ye, Z., ... & Wei, C. (2024). Applications of explainable AI in natural language processing. Global Academic Frontiers, 2(3), 51-64. [5] Leong HY, Gao YF, Shuai J, et al. Efficient fine-tuning of large language models for Automated Medical Documentation[J]. arXiv preprint arXiv:2409.09324, 2024. [6] Soleimani M , Irani FN , Davoodi YM .楼宇暖通空调运行多目标优化:采用Koopman预测控制和深度学习的高级策略[J].建筑与环境, 2024, 248(Jan.):111073.1-111073.16。 [7] 王琳, 程颖, 项爱英, 张建, 杨华. 自然语言处理在金融风险检测中的应用[J].金融工程与风险管理, 2024, 7: 1-10。 [8] 程颖, 杨倩, 王琳, 项爱英, 张建.基于神经网络算法的商业银行信用风险预警模型研究[J].金融工程与风险管理, 2024, 7: 11-19。 [9] 李宇峰等，“结合知识图谱嵌入与深度学习的药物不良反应预测模型研究。”2024 第四届机器学习与智能系统工程国际会议（MLISE）。IEEE，2024 年。[10] 程宇峰，郭建军，龙胜，吴宇峰，孙敏，张荣军，高级
视觉测定面板，用于鉴定属于进化枝I和II和II>的Monkeypox病毒DNA
Monkeypox病毒（MPXV）是一种包裹的双链DNA病毒，属于poxviridae，condopoxvirinae和Orthopoxvirus属（Hraib等，2022; Gong等，2022）。MPXV形成刚果盆地进化枝（进化枝I）和西非进化枝（进化枝II）（Durski等，2018）。此外，进化枝II由两个子映组成，即进化枝IIA和进化枝IIB。在全球爆发中的2022 MPXV分离株在系统发育中属于进化枝IIB，这导致了第一个广泛的人类到人类传播（WHO，2022年）。迄今为止，MPXV已扩散到全球103个国家和地区。2022年7月23日，世界卫生组织宣布蒙基托克斯（MPOX）爆发国际关注的公共卫生紧急情况（WHO，2022； Peng等，2023）。随着全球感染病例的越来越多，开发了一种快速检测工具，以提高地方性国家和地区的监视和检测能力，这是很大的重要性。检测对于防止病毒的扩散至关重要。先前的研究发现，由于MPXV和天花病毒之间存在交叉反应性，因此无法通过抗体测试完全区分正托病毒成员（Hughes等，2014）。和抗体的产生具有一定的延迟，这不利于早期疾病的快速诊断。基于此，我们建立了一个核酸Viusal测定面板，用于快速识别和检测MPXV进化枝I。与其他诊断方法相比，实时PCR具有高量吞吐量和提高灵敏度的功能。WHO推荐的几种PCR分析的检测极限范围为3.5至40.4副本，可以通过多个实时PCR区分正托细胞病毒（Maksyutov等，2016; Durski等，2018）。，这些测定的检测期超过90分钟，
材料视野-RSC出版
最近提出了挑战46 - 49（有关此主题的最新评论，请参见参考文献15、24、50和51）。关于微核化学的有争议的报告不仅限于ESIM。最近，Zare＆同事们声称，微圆头的空气 - 水接口自发产生H 2 O 2，52 - 55，而重量的数量从〜1 ppm或30 m m不等（2019年在2019年（气动喷雾液滴）52至114 m m（在2020年）52至114 m m（54 m）54 m（m）54 m（M）54 m（M）54 m（m）54 m（m）54 m（M）。相对湿度为55％或70％）。53 As for the mechanistic insights, computer simulations of Head-Gordon & co-workers 56 – 58 have suggested the emergence of instantaneous ultrahigh electric elds at the air – water interface that may drive H 2 O 2 formation, while the simulations of Ruiz-L´opez and co- workers 50 and Gong and co-workers 59 suggested that the local electric eld was lower at the air – water interface compared to the 大部分。厨师和同事推测，微圆头的空气 - 水界促进了水自由基阳离子的形成H 2 O + *和阴离子H 2 O - *，这是主要的氧化还原物种。24 Colussi 60还提出了一种类似的机制，从而喷洒一小部分相对带电的液滴，即，包括多余的H 3 O +和OH - ，这些液滴碰撞形成OH *和H * Radi-cals。6360我们的团队通过指出了由于环境臭氧污染，61和OH *激进的形成而引起的伪像，我们的团队对这些报告提出了24,27,52 - 57,60的挑战； 62此外，我们已经解释了基于在水中溶解的氧气（固体界面）减少的气动喷雾剂中痕量（〜1 m m）H 2 O 2浓度的出现。
欧庆东 助理教授
学术出版物（精选）J. Lv†、Y. Wu*†、J. Liu†、Y. Gong、G. Si、G. Hu、Q. Zhang、Y. Zhang、J.-X. Tang、MS Fuhrer、H. Chen、SA Maier、C.-W. Qiu*、Q. Ou *，具有可配置低对称布洛赫模式的双曲极化子晶体。《自然通讯》2023，14，3894。Q. Zhang†、Q. Ou *†、G. Si、G. Hu、S. Dong、Y. Chen、J. Ni、C. Zhao、MS Fuhrer、Y. Yang、A. Alu*、R. Hillenbrand*、CW Qiu*，高对称正交晶体中的单向激发声子极化子。《科学进展》2022，8，eabn9774。 G. Hu†、Q. Ou †、G. Si、Y. Wu、J. Wu、Z. Dai、A. Krasnok、Y. Mazor、Q. 张、Q. Bao*、C.-W. Qiu*，A. Alu*，扭曲 α-MoO3 双层中的拓扑极化子和光子魔角。 Nature 2020 , 582, 209.（被《物理世界》评选为 2020 年十大突破）Y. Wu†、Q. Ou †、Y. Yin、Y. Li、W. Ma、W. Yu、G. Liu*、X. Cui、X. Bao、J. Duan、G. Álvarez-Pérez、Z. Dai、B. Shabbir、N. Medhekar、 X. Li*，C.-M。 Li, P. Alonso-González, Q. Bao*, 通过氢插层实现 α-MoO3 中低损耗声子极化子的化学切换。《自然通讯》2020，11，2646。Q. Ou †, Y. Zhang*†, Z. Wang, JA Yuwono, R. Wang, Z. Dai, W. Li, C. Zheng, ZQ Xu, X. Qi, S. Duhm, NV Medhekar, H. Zhang*, Q. Bao*, 局部电子掺杂引起混合钙钛矿 pn 结的强耗尽。《先进材料》2018，30，1705792。
可持续供应链管理和组织绩效：学者和从业人员的感知Euphemia Ifunanya Mbamalu 1，Nwosu Kana
摘要目的：这项研究的主要目的是检查可持续供应链管理的联系以及尼日利亚阿南布拉州AWKA的学者和从业人员的组织绩效看法。研究方法：使用来自AWKA地区的122名受访者的问卷收集数据。使用描述性，相关性和回归分析分析数据以检验假设。结果：线性回归表明，协作和弹性的直流成分与OP呈正相关，后者不是显着的。局限性：这项研究受122名学者和从业者的样本量的限制，以及对SSCM和OP Nexus的限制。此样本量可能影响了我们结果的普遍性。本研究并未解决TBL的其他维度，例如组织，社会和环境问题。贡献：这项研究的分析结果有助于知识体系，使从业者能够组织和实施可持续的供应链工作，并监控和评估这些举措如何影响尼日利亚企业的运作。关键词：供应链管理，可持续供应链管理（SSCM），组织绩效如何引用：Mbamalu，E。I.，Chike，N。K.，Oguanobi，C。A.可持续的供应链管理和组织绩效：学者和从业者的感知。管理与组织研究年鉴，5（1），13-30。1。引言消费者，公众，媒体和非政府组织的可持续性意识不断提高，导致了管理实践中可持续的商业原则的叛乱（Gong，Gao，Koh，Koh，Sutcliffe和Cullen，2019; M. Jia，Stevenson，Stevenson和Hendry，＆Hendry，2023; Rehman Khan＆Yu，2023; Rehman Khan＆Yu，20221）。对文明必不可少的生物多样性和生态系统服务的大规模人为侵蚀与人类活动有关。对栖息地丧失，大气污染，自然资源耗竭和气候变化的担忧只是宏，中索和微观政策水平的少数关注点。根据世界可持续发展委员会的预测（WBCSD，2008年），如果未经检查，自然资源的使用将达到2040年地球生物容量的170％。根据世界环境与发展委员会[WCED]，可持续性被定义为“满足当代的需求，而不损害子孙后代满足其自身需求的能力”（McChesney，1991年）。可持续性问题也与全球供应链有关（Sharma，Luthra，Joshi，＆
监视混凝土倒入知识图形增强
摘要本文介绍了一种用于监测混凝土倒入的新方法。传统的手动跟踪方法很乏味，而自动化解决方案（例如计算机视觉（CV）启用的方法）受到了隐秘数据的挑战，并且对各种起重机行为模式的适应性有限。我们提出了一种将上下文知识与对象识别相结合的知识图增强的简历方法。这种方法分析了塔起重机的行为及其与工人，卡车混合器和建筑元素的互动，从而提供了对混凝土倾倒进度的详细且具有弹性的解释。初步发现揭示了该方法解释不完整数据并理解复杂的站点动态的能力，这在现实世界情景中表现出了有希望的潜力。简介混凝土浇注是一种常见且关键的建筑活动，严重影响了建筑项目的完成时间和成本（Wang等，2022）。起重机在这一活性中起着关键作用，因为“起重机和skip”方法是混凝土浇注最普遍的技术之一（Lu等，2003）。在此过程中，混凝土混合在一起，然后由工人倒入地面上的跳过。然后，起重机将跳跃提升到要求混凝土的一个或多个位置。到位后，在将空跳动放回搅拌机中以重新填充之前，将跳过或操纵倒入倾斜或操纵。传统上，监测混凝土倾泻过程的进度是手动和近似的，在该过程中，传递到该地点的混凝土总量被用作倾盆进度的间接指标（Lu＆Anson，2004）。此方法仅提供了对进度的粗略估计，并且无法捕获与浇注过程有关的细微差别，例如起重机升降机的周期和卡车搅拌机的等待时间。因此，它对关键现场资源的瓶颈（例如起重机的可用性）提供了有限的见解，并对影响现场生产率的关键决策（例如，雇用额外的起重机）（Hu等人，2021年）产生了最小的贡献。为了了解需要大量数据的倾泻过程，计算机视觉（CV）已出现用于自动数据获取和分析。例如，Gong and Caldas（2010）开发了一种基于简历的方法来跟踪起重机钩和混凝土桶（即跳过），从而可以分析混凝土浇注状态