XiaoMi-AI文件搜索系统
World File Search SystemRepository
航空航天 - CERES 研究资料库
摘要：飞机维护已被确定为航空业许多高风险领域的一个关键关注点；仍然是商业航空运输业中许多事故和严重事件的偶然/促成因素。本研究的目的是回顾和分析 2003 年至 2017 年期间发生的与飞机维护相关的事故和严重事件，以更好地了解因果因素和促成因素。为此，编制了与维护相关的事故和严重事件数据集，然后通过主题分析方法进行定性分析。使用 NVivo 软件对这些事件进行编码可以开发分类法 MxFACS。然后由主题专家评估编码输出，并确定评分者间一致性值以证明研究过程的严谨性。随后，根据事件与已知事故类别（如失控、跑道偏离）的关系对事件进行了评估。发现最常见的维护事件后果是跑道偏离和空中返航，第二级类别与发动机和起落架系统故障有关。最大的维护因素问题是“维护程序不足”和“检查未发现缺陷”。在死亡人数方面，“碰撞事件”是最突出的后果，“发动机相关事件”是最重要的事件，“维护程序不足”是最令人担忧的维护因素。该研究的结果可以与现有的风险分析方法结合使用，并使利益相关者能够开发通用或定制的领结。这可能识别系统中现有的障碍以及弱点，从而能够在组织和行业范围内制定缓解策略。
利哈伊保护机构知识库
镍基高温合金一直在满足燃气轮机对高温材料的需求，以提高工作温度 (T) 并实现更高的效率 [1]。然而，要进一步突破燃气轮机在 T > 1600 C 下的运行极限，就需要发现和开发除相当昂贵的镍基高温合金之外的新型合金。最近对合金探索的兴趣促使人们偏离传统的合金化策略，探索相图中心，从而产生了一种新的合金，即多主元合金 (MPEA) [2]。与沉淀强化合金相比，MPEA 具有单相/双相固溶体（由多种组成元素的比例相当导致的相对“更高”的混合熵驱动），这些固溶体在较高温度下稳定，即使在升高的 T 下也能保持优异的机械、腐蚀和热性能 [2e18]。 MPEA 可用的成分范围非常广泛，而且人们对使用计算和机器学习技术加速合金发现的兴趣日益浓厚，这促进了具有目标特性的 MPEA 的高通量设计研究[8、9、11、12、15、17、19 e 22]。尽管如此，在实验室规模上对这些成分的预测相 / 特性的验证通常仅限于电弧熔炼 [23、24]、机械合金化、放电等离子烧结 [25] 和薄膜沉积 [26]。基于激光沉积的增材制造 (AM) 技术的进步为高通量合成 MPEA 提供了机会，它提高了可扩展性，可以将合金和组件设计结合起来，以获得应用驱动的材料特性 [27 e 36]。然而，AM 的优势有时会被制造方面的挑战所取代，包括材料中的孔隙率
航空航天科学进展 - CERES 研究资料库
航空业正面临越来越大的压力，需要通过长期战略来减少排放，以满足不断增长的飞行乘客数量。目前运行的飞机通常是在设计时将机身与推进系统分开考虑的。这样一来，传统的航空发动机架构在推进效率方面已接近极限，而技术进步带来的收益却越来越少。一种有前途的替代架构可以提高下一代商用飞机的整体性能，它依赖于边界层吸入 (BLI)。这项技术将机身与战略性定位的推进系统在空气动力学上耦合，以有目的地吸入机身的边界层流。尽管如此，对于 BLI 效益的解释和量化仍缺乏共识。这主要是因为传统的性能核算方法在强气动耦合的情况下失效。随后，定义适当的性能指标以提供一致测量和潜在效益比较是一项重大挑战。本评论研究了用于评估 BLI 性能的各种会计方法和指标。这些内容在数值和实验模型的背景下进行了讨论和批评。从数值上讲，几何、空气动力学和推进模型按保真度顺序排序，同时使用大量方法进行流动特征识别，从而实现对 BLI 的现象学理解。然后特别关注具有不同设置、方法和相关限制和不确定性的实验 BLI 模型。最后，参考其相关的设计探索和优化研究，对众多非常规 BLI 飞机概念进行了分类、比较和批评。
Han 等人 2022 PBJ - Rothamsted 存储库
Omega-3 长链多不饱和脂肪酸 (LC-PUFA)、二十碳五烯酸 (EPA；20:5 D 5,8,11,14,17) 和二十二碳六烯酸 (DHA；22:6 D 4,7,10,13,16,19) 现已被公认为健康均衡饮食的重要组成部分 (Napier 等人，2019 年；West 等人，2021 年)。供应 Omega-3 脂肪酸的野生捕捞渔业已达到可持续生产的最高水平；因此，满足日益增长的人口日益增长的需求的尝试依赖于替代鱼油来源 (Tocher 等人，2019 年)。亚麻荠 (Camelina sativa) 是一种油籽作物，含有高含量 ( > 35 % ) 的 α -亚麻酸 (ALA；18:3 D 9,12,15 )，并且已重建一条从 ALA 到亚麻荠 cv 中合成 EPA 和 DHA 的生物合成途径。 Celine 种子通过表达异源去饱和酶和延长酶基因，产生与海洋鱼油相当的 EPA 和 DHA 水平，以原型系 DHA2015.1（缩写为 DHA1）为例，积累了超过 25% 的 n-3 LC-PUFA（图 S1 和 S2（Petrie 等人，2014 年；Ruiz-Lopez 等人，2014 年）。英国、美国和加拿大的 DHA1 田间试验表明，omega-3 LC-PUFAs 特性在不同的地理位置和农业环境中是稳定的（Han 等人，2020 年）。同时，使用 DHA1 种子油的鲑鱼饲养试验和人类饮食研究均表明，这些转基因植物衍生油可以作为海洋衍生鱼油的有效替代品（Betancor 等人，2018 年；West 等人2021 年）。基于我们观察到的 ALA 是种子 omega-3 LC-PUFA 生产的内源性 C18 前体（Han 等人，2020 年），我们假设增加 ALA 库可以进一步增强 DHA1 亚麻荠中的 EPA/DHA 积累。DHA1 构建体已经含有 D 12 去饱和酶，可驱动脂肪酸流入 PUFA 生物合成（图 S1 和 S2）。然而，作为一种不太明显的方法，我们建议使用基因编辑的亚麻荠 fae1 突变体。亚麻荠 FAE1 与内源性 FAD2 D 12 去饱和酶（其
肯特学术存储库
化石内生物记录了过去的大脑特征：大小，形状，脉管系统和回味。需要这些数据以及实验和比较证据，以解决有关大脑能量，认知专业和发展可塑性的问题。通过将跨学科技术应用于化石记录，paleonalology一直领导着重大创新。神经影像揭示了化石脑组织和行为。可以通过基于古代DNA的脑官和转基因模型对灭绝物种大脑发育和生理的推论进行实验研究。系统发育比较方法将跨物种的数据与表型相关联，并将大脑与行为相关联。同时，化石和考古发现不断贡献新的知识。通过合作，科学界可以加速知识获取。共享数字化的博物馆收藏可以提高稀有化石和文物的可用性。可通过在线数据库以及用于测量和分析的工具可获得比较神经解剖学数据。在这些进步的背景下，paleonalologology记录为将来的研究提供了充足的机会。生物医学和生态学科学可以从古术学的方法以及其新颖的研究管道中受益，从而在神经解剖学，基因和行为之间建立联系。
Rothamsted存储库下载
通过植物育种提高农作物的产量是耗时且费力的，而新颖的等位基因组合的产生受染色体链接块和连锁拖拉的限制。减数分裂重组对于通过父母等位基因的重组创造新的遗传变异至关重要。同源染色体之间的遗传信息交换发生在跨界（CO）位点，但CO频率通常很低且分布不均。这种偏见在重组“冷”区域中引起了连锁 - 拖拉的问题，其中不希望的变化仍然与有用性状相关。在植物中，编程的减数分裂特异性DNA双链断裂，由SPO11复合物催化，启动重组途径，尽管只有〜5％导致COS的形成。为了研究Spo11-1在小麦减数分裂中的作用，作为操纵的前奏，我们使用CRISPR/CAS9在六链球菌的所有三种SPO11-1同种植物中生成编辑。显示植物在所有六个Spo11-1副本中都表现出色，无法接受染色体突触，缺乏COS且无菌。相比之下，在营养生长和生育方面，携带三种野生型同源物中任何一个副本的线条与未经编辑的植物都无法区分。然而，对编辑植物的细胞遗传学分析表明，同种异体产生COS和突触动力学的能力有所不同。此外，我们还表明，携带六个编辑的小麦突变体的转化是用TASPO11-1B基因编辑的SPO11-1副本，恢复突触，CO形成和生育能力，因此为这种具有重要意义的作物的重组提供了一种途径。
都灵理工大学信息库 - CORE
摘要：现代航空业迎来了新关键要素的大规模传播，包括最初仅用于军事目的的遥控飞机系统 (RPAS)。近十年来，RPAS 已准备好成为各种民用应用中的新空域用户。尽管由于国家和国际飞行航空管理局 (FAA) 的限制，RPAS 目前只能飞入隔离空域，但它们在航空发展和经济投资方面具有显著的潜在增长。只有当获准飞入非隔离空域时，才能全面开发 RPAS，就像有人驾驶的民用和军用飞机一样。向 RPAS 披露空域的初步要求是为每个航空运营商实施国际民用航空组织规定的临时安全管理系统 (SMS)。根据欧洲的 SESAR-JU 和美国的 NextGen，这一问题出现在正在进行的空域管理重组背景下（SESAR-JU 已定义应如何在 SESAR 2020 中开展 RPAS 研究，所有这些都符合 2015 年欧洲 ATM 总体规划）。本文根据欧洲航空安全局 (EASA) 定义的操作场景，为实施风险模型和一般程序/方法以调查 RPAS 安全性提供了基础。该研究基于在 RAID（RPAS-ATM 集成演示）项目中进行的多次 RPAS 实验飞行所取得的结果。
人工智能风险存储库：人工智能风险的综合元审查、数据库和分类
人工智能 (AI) 带来的风险引起了学术界、审计师、政策制定者、AI 公司和公众的极大关注。然而，缺乏对 AI 风险的共同理解会阻碍我们全面讨论、研究和应对这些风险的能力。本文通过创建 AI 风险存储库作为共同的参考框架来解决这一差距。这包括一个从 43 个分类法中提取的 777 个风险的动态数据库，可以根据两个总体分类法进行过滤，并通过我们的网站和在线电子表格轻松访问、修改和更新。我们通过系统地审查分类法和其他结构化的 AI 风险分类，然后进行专家咨询，构建了我们的存储库。我们使用最佳拟合框架综合来开发我们的 AI 风险分类法。我们的高级人工智能风险因果分类法根据其因果因素对每种风险进行分类 (1) 实体：人类、人工智能；(2) 意向性：有意、无意；和 (3) 时间：部署前；部署后。我们的中级人工智能风险领域分类法将风险分为七个人工智能风险领域：(1) 歧视和毒性，(2) 隐私和安全，(3) 错误信息，(4) 恶意行为者和滥用，(5) 人机交互，(6) 社会经济和环境，以及 (7) 人工智能系统安全、故障和局限性。这些进一步分为 23 个子域。据我们所知，人工智能风险存储库是首次尝试严格整理、分析和提取人工智能风险框架，将其整合到一个可公开访问、全面、可扩展且分类的风险数据库中。这为以更协调、更一致、更完整的方式定义、审计和管理人工智能系统带来的风险奠定了基础。
Rothamsted存储库下载
1960年代的绿色革命通过遗传改善，化学肥料，灌溉和机械化而实现了作物产量的显着增加。然而，在气候变化和地缘政治动荡的背景下，目前人口增长的轨迹预测，农业生产将不足以确保未来三十年的全球粮食安全。迫切需要对超出增量收益的农作物的改进。植物生物学近年来还通过开发和应用功能强大的技术（包括基因组测序），“ OMICS技术，精确的基因组编辑以及结构生物学和显微镜的步骤变化”，进行了一场革命。proteostasis-控制细胞蛋白质补体的集体过程，包括合成，修饰，定位和降解 - 是一个从这些进步中受益的领域。本期特刊介绍了这个充满活力的领域的最新研究，特别关注蛋白质降解。在当前文章中，我们强调了植物蛋白质症对农艺特征的多样化和广泛的贡献，提出了机遇和策略，以操纵蛋白质静态机制的不同元素以改善作物，并讨论将这些思想付诸实践所涉及的挑战。
