XiaoMi-AI文件搜索系统
World File Search SystemMultiscale
利用透明石墨烯微电极阵列实现对海马癫痫的多模式、多尺度洞察
1 费城儿童医院儿科神经内科，宾夕法尼亚州费城 19104，2 宾夕法尼亚大学生物工程系，宾夕法尼亚州费城 19104，3 宾夕法尼亚大学佩雷尔曼医学院神经科学系，宾夕法尼亚州费城 19104，4 宾夕法尼亚大学神经工程与治疗中心，宾夕法尼亚州费城 19104，5 迈克尔·J·克雷森茨退伍军人医疗中心神经创伤、神经变性和修复中心，宾夕法尼亚州费城 19104，6 宾夕法尼亚大学生物化学与分子生物物理学研究生组，宾夕法尼亚州费城 19104，7 宾夕法尼亚大学物理与天文学系，宾夕法尼亚州费城 19104，8 宾夕法尼亚大学佩雷尔曼医学院神经内科，宾夕法尼亚州费城 19104，9 物理医学与宾夕法尼亚大学康复科，宾夕法尼亚州费城 19104
支持信息富含硫的纳米多孔
摘要：提出了一种多尺度计算方法，用于预测具有高玻璃过渡温度的纠缠均聚物熔体的粘弹性特性。从聚合物的原子模型开始，引入了两个更粗糙的表示粗粒模型和一个滑弹性表示，该模型在更长的时间和长度尺度上连续运行。三个模型通过重新归一化的时间和模量尺度来统一，这是通过分别匹配其归一化链平方平方和应力松弛模量来实现的。为了促进纠缠链的松弛，在比实验中可访问的链条上进行模拟。时间 - 温度叠加施加以推断在高温下计算出的粘弹性特性，以实验可及的较低温度。这种提出的方法可以从原子模型开始预测熔体的线性流变性，并且不需要实验参数作为输入。在这里，这是针对集团和静态聚苯乙烯的证明，与实验测量相吻合。■简介
脊髓背角的多尺度计算机模型揭示与慢性疼痛相关的网络处理变化
与疼痛相关的感觉输入在脊髓背角 (SDH) 中经过处理，然后传递到大脑。这种处理极大地影响了刺激是否被正确或错误地感知为疼痛。在识别组成 SDH 的兴奋性和抑制性神经元类型方面已经取得了重大进展，并且有一些关于神经元类型如何连接的信息，但尚不清楚整个回路如何处理感觉输入或这种处理在慢性疼痛条件下是如何被打乱的。为了探索 SDH 功能，我们开发了一个受实验数据严格约束的回路计算模型。我们的模型包括基于电导的神经元模型，这些模型可重现脊髓神经元的特征性放电模式。根据可用的定性数据，兴奋性和抑制性神经元群体通过其遗传标记表达、放电模式或形态进行突触连接。使用遗传算法，根据一系列机械刺激强度下的初级传入发放率（模型输入），调整突触权重以重现投射神经元发放率（模型输出）。不同的突触权重组合可以产生等效电路功能，揭示可能造成不同电路对扰动或病理损伤产生异质反应的退化。为了验证我们的模型，我们验证了它对抑制的减少（即去抑制）和特定神经元类型的消融的反应方式与实验一致。经过验证，我们的模型为解释实验结果和在计算机上测试假设提供了宝贵的资源，以计划用于检查正常和病理性 SDH 电路功能的实验。
脊髓背角的多尺度计算机模型揭示了与慢性疼痛相关的网络处理的变化
这篇早期发布的文章已经过同行评审并被接受，但尚未经过撰写和编辑过程。最终版本在风格或格式上可能略有不同，并将包含指向任何扩展数据的链接。
多类运动想象脑机接口的多尺度时频方法
运动想象脑机接口 (MI-BCI) 已成为神经康复领域的一项很有前途的技术。然而，目前的多类 MI-BCI 的性能和计算复杂度尚未得到充分优化，而且很少研究对运动想象任务中个体差异的直观解释。在本文中，首先将精心设计的多尺度时频分割方案应用于多通道脑电图记录以获得时频片段 (TFS)。然后，利用基于特定包装器特征选择规则的 TFS 选择来确定最佳 TFS。接下来，使用发散框架中实现的一对一 (OvO)-divCSP 来提取判别特征。最后，利用一对其余 (OvR)-SVM 根据选定的多类 MI 特征预测类标签。实验结果表明，我们的方法在两个公开的多类 MI 数据集上取得了优异的性能，平均准确率为 80.00%，平均 kappa 为 0.73。同时，提出的 TFS 选择方法可以显著减轻计算负担，同时准确率几乎没有降低，证明了实时多类 MI-BCI 的可行性。此外，运动想象时频反应图 (MI-TFRM) 是可视化的，有助于分析和解释不同受试者之间的表现差异。
用于评估碳捕获和封存技术的多尺度电力模型（MEME-CCS）
1. 在 ReEDS 中定义基础设施投资驱动因素（燃料价格、技术成本、二氧化碳价格）。2. 在 ReEDS 中规划美国本土的未来基础设施（发电、存储和传输的位置和容量）。3. 使用 ReEDS-PLEXOS 转换工具将容量缩小到单个发电/存储单元并分配其他操作参数。4. 使用一致的操作驱动因素（燃料价格、二氧化碳价格）模拟 PLEXOS 中未来基础设施的区域每小时调度。5. 调度解决方案包括每个区域的位置边际价格。6. 通过负载加权平均将区域价格汇总到市场区域。
FTY720在2型糖尿病大鼠中的影响
提高锂离子电池性能的关键是精确阐明电池的时间和空间层次结构。锂离子电池由阴极和阳极和含有电解质的分离器组成。锂离子电池的阴极和阳极由由活性材料，导电材料和粘合剂组成的复合材料制成，形成复杂的三维结构。由于锂离子反复插入并从活性材料中取出时，反应进行。因此，由于离子扩散而对活性材料的晶格进行了重组，从而导致相变。在活性材料 - 电解质界面上，锂离子的插入和去插入以及电荷转移反应进行。由于多种现象的相互作用，锂离子电池的电荷 - 放电反应是一个非平衡状态。在常规电池研究中执行的灾难性电池后的分析并不能准确理解反应速率和降解机制的主要因素。本综述介绍了有关锂离子电池的时间和空间层次结构的研究结果，重点是在电荷 - 解散反应期间进行的操作测量。第1章概述了锂离子电池的分层反应机理。第2章介绍了Operando测量技术，这对于分析很有用。第3章描述了电极 - 电解质界面的反应，即反应场，第4章讨论了由有源材料中的两相反应引起的非平衡结构变化。第5章介绍了复合电极的独特反应异质性的研究，该反应异质性可以实用。了解分层反应机制将为锂离子电池和下一代电池的设计提供有用的信息。
用于系统范围的对等能量交易的多尺度设计
可再生产生的整合以及加热和运输的电气对于可持续的能量过渡至净零温室气体排放至关重要。这些变化需要大规模采用分布式能源（DERS）。点对点（P2P）能源交易已引起人们的关注，这是一种激励DER的吸收和协调的新方法，具有计算可扩展性，自主权和市场竞争力的优势。然而，扩大P2P交易的主要尚未解决的挑战，包括执行网络约束，管理不确定性和中介传输/分配冲突。在这里，我们为P2P交易提供了一种新颖的多尺度设计框架，并具有平台间的协调机制，以使本地交易与系统级别的要求和分析工具相结合，以通过计算预测实时运营来增强长期计划和投资决策。通过将P2P交易整合到跨空间和时间尺度上的计划和运营中，大规模的采用是可替代的，可以创造经济，环境和社会共同利益。
脑切片中扩散去极化的多尺度计算机建模
图 1：扩展的多尺度模型。组织尺度：脑切片中 36 · 10 3 个神经元（粉色圆圈）中的几个浸没在浴槽中；神经胶质细胞未明确建模，而是表示为每个 ECS 体素中的汇场。细胞尺度：每个神经元都有离子通道、2 个共交换器；Na + /K + 泵（星号表示 ATP/O 2 依赖性）离子在每个神经元内混合均匀（无细胞内扩散）。蛋白质尺度：表格（右）显示控制神经元和神经胶质细胞场中内在机制活动的物种。[离子] 尺度：离子根据菲克定律在 ECS 体素之间扩散，扩散系数见表 1。
基于局部均值分解和 Fisher 规则的多尺度模糊熵用于人体运动分析中的脑电特征提取
脑电信号（EEG）是由大量神经元产生的非线性、非平稳、随机的微弱信号，在人工智能、生物医学工程等领域具有重要的研究价值和实际意义，而脑电特征提取是直接影响处理结果的重要步骤，目前常用的脑电特征提取方法有频域或时域分析、时频结合等方法。由于脑电信号的非线性，上述方法都存在一定的局限性。因此，该文提出一种基于局部均值分解和Fisher规则的多尺度模糊熵用于人体运动分析中的脑电特征提取。首先将脑电信号自适应地分解为一系列乘积函数（PF）分量，然后选取有效的PF分量并计算多尺度模糊熵，利用多尺度模糊熵进行特征提取。利用Fisher规则对模糊熵在不同尺度上的特征分类能力进行排序，选取排序最高的多尺度模糊熵构成最优特征向量，实现特征降维。实验结果表明，该方法能有效提取脑电信号特征，验证了新方法的有效性和可行性。