摘要: - 土壤测试是农业,环境监测和土木工程的重要过程。但是,传统的土壤测试方法是耗时且劳动力密集的。在本文中,我们提出了一个可以自动化土壤测试过程的蓝牙控制的土壤测试机器人。机器人配备了土壤传感器和蓝牙模块,这使其可以与智能手机应用程序进行通信。该应用程序可以控制机器人的运动并从传感器接收实时数据。我们还介绍了机器人的设计和实现,包括硬件和软件组件。最后,我们评估了机器人在不同土壤类型中的性能,并将其与传统的土壤测试方法进行比较。关键字: - 土壤测试,自动化,机器人,蓝牙,传感器。
个人热管理可有效管理皮肤微环境、提高人体舒适度、降低能耗。在个人热管理技术中,由于湿敏纺织品中水分蒸发潜热高,导致热量传递和水分传递共存、相互作用。近年来,随着材料科学和创新聚合物的快速发展,湿敏纺织品已被开发用于个人热管理。然而,实验室规模的概念设计与实际纺织品之间存在很大差距。本文综述了基于襟翼开合的湿敏纺织品、基于纱线/纤维变形的湿敏纺织品和基于纺织品设计的个人体温调节的汗液蒸发调节,并讨论了相应的机制和研究进展。最后,考虑了现有的工程和科学限制以及未来的发展,以解决现有问题并加速湿敏纺织品和相关技术的实际应用。
自 2015 年 3 月 31 日开始生成数据以来,土壤湿度主动被动 (SMAP) 任务一直在验证其土壤湿度 (SM) 产品。在发射之前,该任务定义了一套核心验证站点 (CVS) 标准,以便测试关键任务 SM 精度要求(无偏均方根误差 < 0.04 m 3 /m 3 )。验证方法还包括其他(“稀疏网络”)现场 SM 测量、卫星 SM 产品、基于模型的 SM 产品和现场实验。在过去六年中,已经根据这些参考数据分析了 SMAP SM 产品,并且已经仔细审查了分析方法本身,以便最好地了解产品的性能。对最新的 SMAP 2 级和 3 级 SM 检索产品 (R17000) 的验证表明,基于 L 波段 (1.4 GHz) 辐射计的 SM 记录继续满足任务要求。该产品与欧洲航天局土壤水分海洋盐度任务的 SM 检索结果基本一致,尽管在某些地区存在差异。通过将哥白尼 Sentinel-1 数据与 SMAP 观测相结合生成的高分辨率 (3 公里) SM 检索产品的性能符合预期。但是,目前可用的 3 公里 CVS 数据有限,无法支持在此空间尺度上进行广泛的验证。最新(版本 5)SMAP 4 级 SM 数据同化产品提供 9 公里分辨率的地表和根区 SM,具有完整的时空覆盖,也满足性能要求。SMAP SM 验证程序
摘要组蛋白脱乙酰基酶(HDAC)酶是锌依赖性的金属蛋白酶,在包括癌症在内的多种疾病中受管制。大多数临床使用的HDAC抑制剂是羟胺。由于选择性差,药代动力学和有毒副作用而导致其临床使用的局限性保留了非羟氨酸锌结合组(ZBG)的新抑制剂的发展。因此,在这项工作中,采用了计算和化学技术来评估许多具有潜在螯合能力的有机部分的锌离子螯合活性。分子建模研究,包括分子对接,分子动力学模拟和ADMET实验,以评估所选有机部分对HDAC蛋白的潜在螯合活性。选择了所选的部分与锌离子反应以探索螯合倾斜度,并使用红外和紫外线/VIS光谱对所得的络合物进行表征。根据所有发现,反吡啶(化合物1)在硅结合数据中显示出优越性。建模结果得到了实验锌离子螯合趋势的支持。关键词:组蛋白脱乙酰基酶;锌结合组;分子对接;分子动态模拟。
作者单位:新罕布什尔州汉诺威盖泽尔医学院生物医学数据科学系(Nasir-Moin、Bagchi、Wei、MacKenzie、Hassanpour);新罕布什尔州汉诺威达特茅斯学院计算机科学系(Nasir-Moin、Bagchi、Tomita、Wei、Hassanpour);新罕布什尔州黎巴嫩达特茅斯-希区柯克医学中心病理学和实验室医学系(Suriawinata、Ren、Liu);新罕布什尔州黎巴嫩达特茅斯卫生政策和临床实践研究所(Robertson、MacKenzie);新罕布什尔州汉诺威盖泽尔医学院医学系(Robertson、MacKenzie);佛蒙特州怀特河交界处退伍军人事务医疗中心胃肠病学科(Robertson);新罕布什尔州汉诺威盖泽尔医学院社区和家庭医学系(Rees);新罕布什尔州汉诺威盖泽尔医学院流行病学系(Rees,Hassanpour)。
摘要 由于溶剂、个人护理产品和药物化合物中出现了新的污染物,水污染已成为一个全球性问题。膜工艺在水处理中似乎有效且前景广阔。虽然膜工艺可以显著降低污染物水平,但诸如结垢等问题仍不断出现。利用人工智能 (AI) 预测结垢和增强膜特性目前正受到关注。可以采用各种人工智能 (AI) 模型根据输出优化输入参数,这有助于预测膜性能并评估其有效排斥污染物的能力。本文讨论了使用人工智能技术改进膜技术和过滤工艺的可能性。膜结垢会在运行过程中造成严重问题,因为杂质会积聚在膜上,从而降低膜的正常运行能力。人工智能算法可用于预测渗透通量和结垢增长特性。本文的结论是,利用人工智能预测膜污染可以增强工艺的膜选择,通过更好的污染控制系统开发降低成本,并使工艺在工业规模上更具可扩展性。文献表明,存在一些模型,例如神经模糊干扰系统,可以预测正向渗透膜的性能,相关性高达 0.997,均方根误差为 0.04。本文还得出结论,探索更多像 GAN 这样的新型深度学习架构将有助于更好地从废水中回收资源,并更好地预测膜工艺中的污染。关键词:人工智能;新兴污染物;污染;膜工艺;优化。
图S14。具有周期性边界条件(PBC)的拟定计算域。(a)顶视图和(b)由𝜃 twist的顶部MOS 2层,中间摩西2层和底部AU基板组成的异质结构系统的前视图。(c)表示内部键的表示,该键证明了双层系统中所构建的Moiré模式。moiré单位单元在(a)中以白色标记,在(c)中为红色。请注意,高𝜃双层构型导致小尺寸的Moiré周期性,𝐷。
使用硫固体电解质(SES)的全稳态电池(ASSB)是有吸引力的候选物,因为与使用有机溶剂相比,使用液体型锂离子电池(LIBS)比液体型锂离子电池(LIBS)更长。sulfer ses,即使在干燥室等环境中,也会在暴露于水分时会降低其离子电导率并产生有毒的氢硫。然而,到目前为止,尚未完全阐明水分暴露在ASSB细胞性能上的影响。旨在填补这一知识的差距,本文描述了水分对ASSB阳性电极的耐用性的影响,并在这项研究中以露室模拟的空气暴露或暴露于干室模拟的空气中,在这项研究中为-20°C。在细胞耐用性评估后,在阳性电极上进行了二级离子质谱(TOF-SIMS)测量时间,并使用裸露的SE在细胞中观察到了特征降解模式。
使用硫化物固体电解质 (SE) 的全固态电池 (ASSB) 是下一代能源装置的有吸引力的候选者,其寿命比使用有机溶剂的液态锂离子电池 (LIB) 更长。众所周知,即使在干燥室等环境中,硫化物 SE 暴露在潮湿环境中也会导致离子电导率降低并产生有毒的硫化氢。然而,暴露在潮湿环境中对 ASSB 电池性能的影响迄今为止尚未完全阐明。为了填补这一知识空白,本文描述了水分对硫化物 SE 未暴露或暴露在露点为 -20°C 的干燥室模拟空气中的 ASSB 正极耐久性的影响的研究。在电池耐久性评估之后,对正极进行了飞行时间二次离子质谱 (ToF-SIMS) 测量,并利用暴露的 SE 观察了电池中的特征降解模式。