XiaoMi-AI文件搜索系统
World File Search SystemSEPS
8 年级科学高级学术课程 (AAC) ...
• 评分阶段 1 • 评分阶段 2 • 评分阶段 3 • 评分阶段 4 过程标准描述了学生参与内容的方式。科学与工程实践 (SEP) 描述了学生为学习内容需要在课堂上进行的实践。反复出现的主题和概念 (RTC) 描述了学生需要如何思考内容才能学习它。科学与工程实践 8.1A 根据从文本、现象、模型或调查中观察到的信息提出问题并定义问题。8.1B 使用科学实践来计划和开展描述性、比较性和实验性调查，并使用工程实践来设计问题的解决方案。8.1C 在实验室、教室和现场调查期间使用适当的安全设备和实践，如德克萨斯州教育署批准的安全标准中所述。 8.1D 使用适当的工具，如量筒、米制尺、元素周期表、天平、秤、温度计、温度探头、实验室器皿、计时装置、 pH 指示剂、加热板、模型、显微镜、载玻片、生命科学模型、培养皿、解剖工具包、磁铁、弹簧秤或力传感器、模拟波行为的工具、卫星图像、天气图、手持放大镜以及实验室笔记本或日志。8.1E 使用国际单位制 (SI) 收集定量数据，并以定性数据为证据。8.1F 使用反复试验和方法组织数据，构建适当的表格、图形、地图和图表。8.1G 开发和使用模型来表示现象、系统、过程或工程问题的解决方案。8.1H 区分科学假设、理论和定律。8.2A 确定模型的优点和局限性，例如其大小、属性和材料。8.2B 通过识别任何重要的描述性统计特征、模式、错误来源或局限性来分析数据。 8.2C 使用数学计算来评估数据中的定量关系。8.2D 评估实验和工程设计。8.3A 提出解释并提出由数据和模型支持的解决方案，并与科学思想、原理和理论相一致。8.3B 在各种设置和形式中单独或协作地交流解释和解决方案。8.3C 使用应用科学解释和实证证据进行科学论证。8.4A 将过去和当前的研究对科学思想和社会的影响联系起来，包括科学过程、成本效益分析以及与内容相关的不同科学家的贡献。8.4B 通过评估来自多个适当来源的证据来评估所使用的可信度、准确性、成本效益和方法，从而做出明智的决策。
6 年级科学高级学术课程 (AAC) ...
• 评分阶段 1 • 评分阶段 2 • 评分阶段 3 • 评分阶段 4 过程标准描述了学生参与内容的方式。科学与工程实践 (SEP) 描述了学生为了学习内容需要在课堂上进行的实践。反复出现的主题和概念 (RTC) 描述了学生需要如何思考内容才能学习它。科学与工程实践 6.1A 根据从文本、现象、模型或调查中观察到的信息或提出问题并定义问题。6.1B 使用科学实践来计划和开展描述性、比较性和实验性调查，并使用工程实践来设计问题的解决方案。6.1C 在实验室、教室和现场调查期间使用适当的安全设备和实践，如德克萨斯州教育署批准的安全标准中所述。 6.1D 使用适当的工具，如量筒、米制尺、元素周期表、天平、秤、温度计、温度探头、实验室器皿、计时装置、pH 指示剂、加热板、模型、显微镜、载玻片、生命科学模型、培养皿、解剖工具包、磁铁、弹簧秤或力传感器、模拟波行为的工具、卫星图像、手持放大镜以及实验室笔记本或日志。6.1E 使用国际单位制 (SI) 收集定量数据，并以定性数据为证据。6.1F 使用反复试验和方法组织数据，构建适当的表格、图形、地图和图表。6.1G 开发和使用模型来表示现象、系统、过程或工程问题的解决方案。6.1H 区分科学假设、理论和定律。6.2A 确定模型的优点和局限性，例如其尺寸、属性和材料。 6.2B 通过识别任何显著的描述性统计特征、模式、错误来源或局限性来分析数据。6.2C 使用数学计算来评估数据中的定量关系。6.2D 评估实验和工程设计。6.3A 提出解释并提出由数据和模型支持的解决方案，并与科学思想、原则和理论相一致。6.3B 在各种设置和形式中单独或协作地交流解释和解决方案。6.3C 使用应用科学解释和实证证据进行科学论证。6.4A 将过去和当前的研究对科学思想和社会的影响联系起来，包括科学过程、成本效益分析以及与内容相关的不同科学家的贡献。6.4B 通过评估来自多个适当来源的证据来评估所使用的可信度、准确性、成本效益和方法，从而做出明智的决策。
在空间风化的样品中应用计算机视觉算法来自动化太阳粒子轨道分析。 K. Heller 1，J。A。McFadden 1，M。S。T
在空间风化的样品中应用计算机视觉算法来自动化太阳粒子轨道分析。K. Heller 1，J。A. McFadden 1，M。S. Thompson 1。 1地球，大气和行星科学系，普渡大学，西拉斐特，47907年（mcfadde8@purdue.edu）。 简介：暴露于太阳风辐射和其他高能离子流的来源导致在太阳系上无空体表面上土壤的空间风化[1,2]。 尤其是，太阳能耀斑的太阳能颗粒（SEP）对晶粒的辐照，可以将毫米穿透到地表岩石上，从而导致晶粒内部晶体结构损伤的线条。 这些SEP轨道可以通过对透射电子显微镜（TEM）中土壤样品的分析来揭示。 通过TEM图像测得的晶粒中这些SEP轨道的密度可用于基于校准的生产速率生成暴露时间表[3]。 对这些SEP轨道密度的分析可在无气体表面上的太空风化和太阳辐射过程以及雷果石混合和重新加工时间表上产生宝贵的见解。 直到最近，对TEM图像中的SEP轨道的识别和分析主要是手工执行的，这是一种耗时的实践。 但是，机器学习领域（ML）和计算机视觉领域的进步使机器的视觉能力能够通过适当的神经网络设计和培训数据匹配和超越人类的能力[4，5，6]。 这两个模型在结构上是相同的，但在培训数据上却有所不同。A. McFadden 1，M。S. Thompson 1。1地球，大气和行星科学系，普渡大学，西拉斐特，47907年（mcfadde8@purdue.edu）。简介：暴露于太阳风辐射和其他高能离子流的来源导致在太阳系上无空体表面上土壤的空间风化[1,2]。尤其是，太阳能耀斑的太阳能颗粒（SEP）对晶粒的辐照，可以将毫米穿透到地表岩石上，从而导致晶粒内部晶体结构损伤的线条。这些SEP轨道可以通过对透射电子显微镜（TEM）中土壤样品的分析来揭示。通过TEM图像测得的晶粒中这些SEP轨道的密度可用于基于校准的生产速率生成暴露时间表[3]。对这些SEP轨道密度的分析可在无气体表面上的太空风化和太阳辐射过程以及雷果石混合和重新加工时间表上产生宝贵的见解。直到最近，对TEM图像中的SEP轨道的识别和分析主要是手工执行的，这是一种耗时的实践。但是，机器学习领域（ML）和计算机视觉领域的进步使机器的视觉能力能够通过适当的神经网络设计和培训数据匹配和超越人类的能力[4，5，6]。这两个模型在结构上是相同的，但在培训数据上却有所不同。在这里，我们应用这些ML技术来开发一个原型自动化程序，该程序可以自动检测和分析TEM图像中的SEP轨道，从而使未知样本中的SEP轨道更有效，更准确地注释。方法：机器智能程序（“模型”）旨在查找和计算提供的TEM图像中的所有SEP轨道，包括潜在的微弱或“隐形”轨道。由于轨迹而言，由于主要是与背景材料不同的强度线段的线段，该模型旨在识别线性强度差异的区域。两种单独的型号经过训练以提高性能 - 一种在较暗的背景（LOD）上搜索较轻的曲目，而一种搜索较轻的背景（DOL）上的较暗轨道（DOL）。拆分模型的决定在很大程度上旨在改善训练时间和模型性能，因为示例往往由LOD或DOL轨道组成。因此，将模型拆分可改善训练时间并减少处理时间，因为训练集和应用的差异减少为更简单，较小的模型提供了空间。此外，这使该模型可以应用于两种不同类型的扫描TEM（STEM）成像模式：深色场（DF），其中SEP轨道显得比周围的晶体更明亮，而明亮场（BF），其中SEP轨道显得比周围的晶体更暗。由于计算机以抽象的结构可视化数据，分析是按像素度量进行的，而不是与测量相关的