XiaoMi-AI文件搜索系统
World File Search SystemParticle
将光学和电气传感与高级粒子表征的机器学习相结合
粒子分类在各种科学和技术应用中起着至关重要的作用，例如在医疗保健应用中区分细菌和病毒或识别和分类癌细胞。此技术需要对粒子特性进行准确有效的分析。在这项研究中，我们通过多模式分类方法研究了电和光学特征的整合。使用机器学习分类器算法来评估结合这些测量值的影响。我们的结果证明了多模式方法比独立分析电气或光学特征的优越性。通过整合两种方式，我们实现了94.9％的平均测试精度，而单独的电气特征则达到66.4％，仅光学特征为90.7％。这突出了电气和光学信息的互补性及其提高分类性能的潜力。通过利用电气传感和光学成像技术，我们的多模式方法为粒子特性提供了更深入的见解，并对复杂的生物系统提供了更全面的了解。
通过机器学习模型预测微塑料颗粒的毒性
与化学物质不同，可以根据定义明确的分子结构和稳定的特性来识别该化学物质（例如，cas数，微笑），微型和纳米塑料颗粒（MNP）缺乏这种直接的分类。每个MNP都有自己的特征组合，包括聚合物组成，粒子尺寸（长度和宽度）以及形状以及形状以及物理化学特性，例如表面电荷，表面化学和塑料相关化学物质。此外，这些特征可能会随着时间而变化，特别是由于MNP暴露于自然环境时的退化过程。为了实现MNP的可靠危害和风险评估，有必要预测MNP的毒性，其性状组合尚未直接在实验室中进行测试。类似于将化学物质的分子结构与有毒结果联系起来的定量结构 - 活性关系（QSAR）模型，需要模型将MNPS性状与其毒性联系起来。最近收集的微塑料资源管理器（TOMEX）2.0数据库的毒性由290个发表的有关MNP对水生物种的效应的研究点的13,412个数据库组成，这为处理这项任务提供了独特的机会。使用TOMEX 2.0数据，我们对任务进行了机器学习模型，以预测未经测试的MNP的毒性（存在/不存在效果方向，有效浓度）。我们还比较了根据分配的质量分数根据研究质量过滤数据集时的预测是否发生变化。我们比较了两种机器学习算法（增强回归树和深神经网络）的预测性能，并使用可解释的AI（平均边缘效应）的方法来洞悉毒性结果与MNP特征，实验参数和物种特质之间的关系。最后，我们讨论了如何使用此类模型来预测MNP的环境相关混合物的毒性，以及它们如何在将来有助于毒性较小，更环保塑料材料的发展。
可扩展的性能和掉落的粒子接收器槽和平板粒子TOSCO2热交换器通道的优化
在附录A或B至10 CFR第1021部分中列出的一系列动作中， 适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。在附录A或B至10 CFR第1021部分中列出的一系列动作中， 适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。适用于10 cfr part 1021中列出的行动中的第1021部分。安全，健康或DOE或行政命令的类似要求； （2）要求将废物存储，处置，恢复或治疗设施（包括焚化炉）进行选址和施工或重大扩展，但该提案可能包括分类排除的废物存储，处置，恢复或治疗措施或设施； （3）干扰危险物质，污染物，污染物或cercla排除的石油和天然气产品，这些石油和天然气产品在环境中已经存在，因此会有不受控制的或无法控制的释放； （4）有可能对环境敏感的资源产生重大影响，包括但不限于10 CFR第1021部分（第4）段中列出的资源，D部分（附录B部分）； （5）涉及基因工程的生物，合成生物学，政府指定的有害杂草或入侵物种，除非提出的活动以设计和操作的方式包含或限制，以防止未经授权释放到环境中并按照适用的要求进行，例如在10 cf（5）中列出的1021 cfr Part 1021 cfr part subpart 1021，subpart b。
颗粒增强热塑性淀粉
通讯作者：ocheiemekastephen@nbrri.gov.ng，+23408060094881提交日期：25/02/2024接受日期：26/04/2024日期发布日期：16/05/2024摘要：这项研究调查了生物重新构成的生物置换的开发。环境危害。这些危害包括但不限于污水阻塞和海洋环境中对水生生物的危险造成的洪水。溶液铸造方法用于将不均匀的高岭石粘土纳米粒子与蒸馏水，淀粉，稀乙酸和硝酸混合在一起，以产生不同的热塑性淀粉（TPS）/粘土复合物的不同组成，其粘土材料与2.5 wt至10 wt的粘土。使用X射线衍射（XRD）对复合材料进行表征，并确定了机械和吸水性能。结果表明，与对照相比，与对照相比，抗拉力强度（0.72 MPa），弯曲强度提高了5倍（3.34 MPa），硬度增加了2倍（23.56 HVN），并降低了3倍（6.63％）。此外，10 wt。％粘土含量复合材料显示出最高的机械性能。列出的特性的显着改善归因于结晶度的降低以及热塑性淀粉和纳米粘膜之间新化学键的形成。观察到，如果采用同步机器搅拌器（例如挤出机），则可以进一步增强复合材料的性能。
用于高效递送 CRISPR 和其他基因编辑器的新型人源化颗粒
• DLVR-M 平台提供了新功能，可将各种不同的蛋白质和/或 RNA 货物递送至各种不同类型的细胞，同时可能降低免疫原性，因为包膜蛋白来源于人体细胞并在人体细胞中表达。 • 我们预计这些新粒子将广泛应用于许多研究和治疗应用，而这些应用目前受到现有递送方式的功能和特性的限制。 • 这项工作引入了新型包膜，并展示了 DLVR-M 平台在体内和治疗相关原代细胞中有效递送大分子的能力和潜力，而这些细胞通常不接受传统的递送方式。 • 未来的工作将包括更详细地描述这些新型粒子的物理特性和免疫学特征。 致谢
粒子和Astroparpicle物理学的机器学习
今天，人工智能和机器学习技术具有广泛的应用。机器学习技术的应用正在在高能量物理（HEP）和Astroparpicle物理学的研究领域中获得动力。大型强子对撞机（LHC）的实验以及其他几个基于对撞机的和Astroparpicle实验正在积累大量数据，以精确测量粒子物理学的标准模型参数的精确测量，并在较高的标准模型量表中搜索具有较高标准模型的范围，以使其具有较高的标准模型，以使其具有综合的实验性和实验性。将来，高光度LHC预计提供的数据将比迄今为止可用的数据多十倍。在开发事件分类，对象识别和估计策略方面，在HEP中应用Ma Chine学习的应用已经取得了很大的进步。ML方法有望在未来的数据分析中受到大量使用。
光子时间变化系统中的粒子孔不稳定性
摘要：具有时变调制的光子系统引起了极大的关注，因为它们允许设计非重新性设备而无需外部磁性偏差。与时间不变的系统不同，此类调制几个模式具有不同的频率。在这里，我们讨论了这种耦合和颗粒 - 孔对称性如何导致正频率振荡器和负频率振荡器的谐振相互作用。为了说明这一想法，我们分析了由带有行进波调制的Drude-Lorentz模型描述的分散时空晶体。我们的研究结果表明，正频带和负频段之间的相互作用可以在某些条件下引起参数不稳定性，这是由于分散和时空调制之间的相互作用所致。特别是，我们发现材料分散为在没有耗散机制的情况下为任意小调制的速度形成不稳定性的条件。
基于粒子群优化和相位平面分析的4WS车辆的轨迹跟踪控制设计
摘要：随着当今社会的快速发展，交通环境变得越来越复杂。作为智能车辆的重要组成部分，轨迹跟踪因其稳定性和安全性引起了极大的关注。在高速工作等极端工作条件下，准确性和不稳定性很容易发生。在本文中，为分布式驱动车辆提出了一种轨迹跟踪控制策略，以确保在高速和低固定限制条件下进行横向稳定性。模型预测控制器（MPC）用于控制前轮角度，并且设计了粒子群优化（PSO）算法以适应MPC控制参数。滑动模式控制器控制后轮角度，并且通过分析β-来判断车辆不稳定性度。β相平面。在本文中设计了不同不稳定性度的控制器。最后，扭矩分隔器的设计目的是考虑驱动防滑。设计的控制器通过CARSIM和MATLAB-SIMULINK共模拟验证。结果表明，本文设计的轨迹跟踪控制器有效地提高了在确保稳定性的前提下的跟踪精度。
基于粒子群优化的高参数调整机器学习模型的大型covid-19数据分析
分析大数据，尤其是医学数据，有助于为患者提供良好的医疗保健并面临死亡的风险。COVID-19大流行对全世界的公共卫生产生了重大影响，强调了对风险预测模型的需求。机器学习（ML）技术在分析复杂的数据模式和预测疾病预后方面已显示出希望。这些技术的准确性受到更改参数的很大影响。超参数优化在证明模型性能中起着至关重要的作用。在这项工作中，使用粒子群优化（PSO）算法有效地搜索超参数空间并通过识别可以提供最高精度的最佳超级参数来提高机器学习模型的预测能力。在本研究中使用了与COVID-19病例相关的各种临床和流行病学特征的数据集。使用各种机器学习模型，包括随机森林，决策树，支持向量机和神经网络，用于捕获数据中存在的复杂关系。为了评估模型的预测性能，采用了精度。实验发现表明，估计Covid-19风险的建议是有效的。与基线模型相比，优化的机器学习模型的性能更好，并产生了更好的结果。关键字
