XiaoMi-AI文件搜索系统
World File Search SystemSeeing
防腐斗争中的大局观
亲爱的腐蚀专家们，有句俗话说得好，“只见树木不见森林”。最近，一位来自 EFC 会员协会的代表问了我几个简单的问题，这让我想起了这句话。作为 EFC 主席，我的主要职责是确定 EFC 需要在哪些方面发展并启动相应的流程。然而，我的大部分时间都花在签署文件、协商小型组织变革、解决日常琐事以及讨论个人问题上。没有多少时间可以鸟瞰 EFC。因此，当我被要求回答这些特定问题时，我感到非常振奋，您可以在本期 EFC 通讯中找到这些问题以及我的答案。让我只强调与腐蚀未来相关的一个方面。我是一个坚定的乐观主义者。范式正在缓慢但肯定地发生变化。社会不仅要求快速和立即的解决方案，而且要求可持续的解决方案。考虑整个生命越来越重要
了解量子力学：量子实验的作用
第二次量子革命不仅促进了量子科学和技术的研究，也促进了如何最好地教育可能进入这一新兴领域的学生的研究。关于量子科学教育的大部分讨论都集中在学生的概念学习或潜在雇主所期望的技能上；缺乏对实验课程和实验如何促进本科量子教育的研究。为了开始了解量子实验可能发挥的作用，我们对在本科实验课程中使用单光子和纠缠光子进行实验的教师进行了调查，发现最重要的学习目标之一是“在现实生活中看到量子力学”。为了更好地理解这一目标，我们采访了 15 位接受调查的教师，询问他们了解量子力学对他们意味着什么，以及他们为什么认为这是学生教育的重要组成部分。我们从对这些访谈的定性编码分析中提出了新主题，这些主题开始阐明教师如何看待了解量子力学，以及教师希望了解量子力学（以及更广泛地进行量子实验）将帮助学生实现哪些学习目标。
Seeing Machines 与 Collins 签署独家协议...
Seeing Machines Limited（“Seeing Machines”或“公司”）2023 年 5 月 16 日 Seeing Machines 与 Collins Aerospace 签署独家协议 - 联合开发航空业先锋眼动追踪解决方案的独家许可 - 作为协议的一部分，Seeing Machines 将在三年内获得 1000 万美元的许可费 - Collins Aerospace 是全球最大的一级航空电子公司 Seeing Machines Limited（AIM：SEE，“Seeing Machines”或“公司”）是一家先进的计算机视觉技术公司，设计人工智能驱动的操作员监控系统以提高运输安全，已与位于明尼苏达州伯恩斯维尔的柯林斯航空航天实体（“柯林斯”）签署了独家永久许可协议（“协议”）。柯林斯是雷神技术公司 (NYSE: RTX) 旗下企业，是全球航空航天和国防工业技术先进和智能解决方案的领导者。根据协议，两家公司将共同努力，向全球航空业推广和提供创新的人工智能眼动追踪解决方案，通过任务关键型疲劳检测解决方案提高安全性并更好地支持飞行员。该协议建立在两家公司于 2021 年 11 月 15 日宣布的成功合作基础之上，旨在在未来 20 年内获得超过 7 亿美元的飞机和模拟器领域的重要机遇，并开发革命性的疲劳管理技术解决方案，以提高整个航空航天领域的安全性。作为 Seeing Machines 授予 Collins 在航空航天领域永久独家使用权的回报，Collins 将向该公司支付 300 万美元的预付款，并在接下来的两年内支付额外的 700 万美元。此外，Collins 将向 Seeing Machines 支付非经常性工程 (NRE) 费用以开发解决方案，随着船舶组发布给客户，这些费用将演变为潜在的未来特许权使用费。Collins 正在通过整合两家公司在导航、通信、传感器技术、飞行控制和航空系统设计方面的集体专业知识来加速创新。飞行员支持解决方案有助于监控和缓解疲劳并降低人为失误的可能性。Collins Aerospace 航空电子总裁 Troy Brunk 表示：“与 Seeing Machines 达成的这项协议使 Collins Aerospace 能够进一步增强我们的解决方案。Seeing Machines 的尖端技术加上我们在航空电子和飞行控制方面的专业知识将有助于提供创新产品，满足客户不断变化的需求。这证明了我们致力于确保飞行员、机组人员和乘客的安全。”Seeing Machines 继续在航空业的眼动追踪解决方案领域处于世界领先地位，与飞机、模拟器和控制台运营商达成了商业协议。该协议进一步加强了公司在该领域的领先地位，因为 Collins 利用其广泛的能力将这项技术集成到其解决方案套件中，以解决面临的安全关键问题
激光探索 1 - 波涛之下：看到证据......
图1：中大西洋山脊系统显示较高的分辨率回声沿着船只轨道映射，并在卫星数据之间进行卫星数据解释。（Google Earth：Data Sio，NOAA，美国海军，NGA，Gebcodata ldeo-Columbia，NS，Noaalandsat/Copernicus）此EarthlearneNingIdea是一种试图模拟回声数据收集方法的试图，该方法允许科学家绘制海洋底层并解释其板块构造的板块。（本系列中的“激光任务2 - 在波浪上方”显示了卫星方法 - 第2页上的表）。海洋有多深？回声声音是一种技术，其中一种声纳使用声波来确定水深（测深），从而确定海底表面的形状（地形）。声波是从船上的仪器（换能器）上的仪器中射出的，并测量了从海底（双向时间）反射的波浪所花费的时间，并将其转换为海洋深度。这在深渊平原的深水中提供了约100米的分辨率。可以使用D.I.Y.可以在教室中模拟回声声音。激光测量（或激光测距仪） - 手持测量设备，通过将激光从设备发送到目标，并测量反射返回所需的时间，记录两个点之间的距离。这提供了涉及原则的实际证明。（它还补充了第2页的表中所引用的地球“建模海底映射”）
内部焦点并透过角色的眼睛
19与观众（观众，读者）是否或在何种程度上同时意识到艺术品的结构元素，例如彩绘表面及其代表性内容，都有与思想哲学和美学哲学有关的广泛讨论。借助理查德·沃尔海姆（Richard Wollheim），穆雷·史密斯（Murray Smith）称这种“双重性”的经验，并认为它是大量艺术品的一部分。参见他的“角色双重性”，《新文学史》 42（2011）：277–94。要进行仔细的讨论，包括对综合索赔的一些解散，请参见Bence Nanay，“代表性观看是否需要双重性？'，《英国美学杂志》 45（2005）：248–57。关于经验的“双重性”的辩论表明，对艺术品接收的心理结构的全面了解比我们对通过角色的眼睛看见的内部焦点的描述还可以提供更多的辩论。我们的目的是采取一些步骤来解释内部焦点，从而有助于大局。感谢一位匿名审稿人提醒我们对“双重性”的讨论以及上述想象力和妄想之间的区别。
看到曙光——实时可视化蛋白质翻译
新的靶点空间 通过靶向 mRNA 来调节蛋白质表达已经是药物开发中一种经过验证的方法，如基于 RNAi 的疗法所示。然而，这些药物不是小分子，这严重限制了它们作为治疗策略的使用。用小分子靶向 mRNA 二级结构是一个新兴领域，但用小分子结合 mRNA 的治疗效果尚未得到验证。此外，这种方法无法实现组织选择性，因为此类药物会与目标 mRNA 在其表达的任何地方结合。Slonim 解释说，他的团队已经开发了一个使用荧光标记的转移 RNA (tRNA) 的高内涵筛选平台。tRNA 通过将特定氨基酸按照 mRNA 上的代码运输到将氨基酸链接到蛋白质的核糖体中发挥重要作用。“我们的想法是将荧光颜色附着在 tRNA 上，并将其转染到细胞中。当一对标记的 tRNA 最终位于核糖体上时，它会产生 FRET 信号，使我们能够实时看到蛋白质翻译的光，”他说。为了实现这一目标，该团队纯化并用荧光标签标记了人类所有 tRNA（46 种同工受体）（图 1）。他们设计了两个完整的 tRNA 库：一个标记有能量供体，另一个标记有能量受体（红色和绿色）。“这是产生 FRET 信号的绝佳机会。核糖体将两个 tRNA 放在一起，卸下氨基酸并构建蛋白质链。这是一个可重复的事件，发生在每个核糖体、每个细胞中——它可能是自然界中存在的最可重复的事件。我们可以在看起来像夜晚银河系的图像中看到这一现象，”他说。
看到的是：用于机械解释性的脑启发的模块化训练
摘要：我们引入了脑启发的模块化训练（BIMT），这是一种使神经网络起作用的方法更模块化和可解释。受到大脑的启发，BIMT将神经元嵌入几何空间中，并以与每个神经元连接长度成正比的成本增强损失函数。这是受到进化生物学中最低连接成本的想法的启发，但我们是首先将这一想法与培训神经网络结合起来的，具有梯度下降以供解释性。我们证明，BIMT发现了许多简单任务的有用的模块化神经网络，以符号公式，可解释的决策边界和分类特征以及算法数据集中的数学结构揭示了组成结构。在定性上，受BIMT训练的网络具有肉眼容易识别的模块，但经常训练的网络似乎更为复杂。定量，我们使用纽曼的方法来计算网络图的模块化； BIMT在我们所有的测试问题上都达到了最高的模块化。一个有前途且雄心勃勃的未来方向是应用提出的方法来了解视力，语言和科学的大型模型。
“新视角”——David Hockney 在 Heong 画廊举办的展览
-作者：Ellen Watters 恰逢春天到来之际，大卫·霍克尼 (David Hockney) 来到剑桥，在 Heong 画廊和菲茨威廉博物馆举办了两场展览。尽管 Heong 画廊是两个空间中较小的一个，但它展示了霍克尼的眼睛：描绘的艺术和技术 (2022 年 8 月 29 日结束) 的很大一部分。从 1959 年开始在皇家艺术学院学习后不久创作的木炭画，到他最近的 iPad 画作，展览展示了霍克尼作为空间探索者，以及如何在各种媒介中在平面上描绘它。两幅 60 年代中期的丙烯画，《被艺术装置包围的肖像》(1965 年) 和《亚利桑那》(1964 年)，是霍克尼创造空间、从想象中汲取灵感并思考色调和颜色排列可以代表物体的艺术奥秘的典型例子。在这两幅画中，霍克尼利用了空白空间的潜力。与此同时，《大峡谷 I》（2017 年）是一幅充满色彩和图案的画布。画布本身的规模和不寻常的形状有助于营造出所描绘空间——大峡谷——的极度广阔感。霍克尼不仅捕捉空间，还使用 3D 软件在令人着迷的摄影画作《观众观看带有头骨和镜子的现成品》（2018 年）中构建空间。
眼见为实？日常数字生活中的信任与视觉化
本文阐述了波伏娃和梅洛-庞蒂用来分析人类主体间性及其暴力维度的意志侵犯概念。首先，我将介绍存在主义现象学具身理论的基本结果，该理论为这一传统中所有关于主体间性的讨论和争论奠定了基础，也为关于人类暴力的讨论奠定了基础。然后，我将阐明波伏娃关于压迫的基本概念。具身和压迫这两个概念使我能够解释波伏娃和梅洛-庞蒂所说的侵犯。本文的主体部分阐明了侵犯的中介性和物质性，并区分了其不同形式。最后，我认为波伏娃和梅洛-庞蒂发展的侵犯概念与萨特在《辩证理性批判》中提出的政治哲学序列性概念有着家族相似性。我提供这些解释和澄清，因为我相信它们可以进一步促进我们对当代媒体的政治方面的批判性探究。
看清全局：利用多模态神经成像研究神经精神疾病
几十年来，人们对开发神经精神疾病新疗法的事业持适度悲观态度，但最近在新治疗方法的使用方面取得了进展。例如，考虑到氯胺酮给药和脑刺激技术对尚未确定正确治疗方法的抑郁症患者的疗效，我们有理由感到乐观。1-4 然而，尽管取得了这些进展，但仍有很长的路要走，我们小组认为，磁共振成像 (MRI) 技术的使用可能在治疗策略的持续发展和改进中发挥重要作用。虽然这已经是一个流行的观点一段时间了，但基于 MRI 的脑结构和功能指标技术经常因无法用作诊断、治疗设计或治疗效果评估的临床相关生物标志物而受到批评。目前，所有神经精神疾病亚型的疾病分类通常不是通过基于生物标志物的标准来定义的，而是通过临床观察来定义，然后根据临床观察结果来制定临床定义（例如，尚未确定正确治疗方法的精神分裂症患者）。虽然寻找类似 HbA 1c 的生物标志物（用于诊断糖尿病）来进行神经精神疾病的临床分期、预后和预测发病时间很诱人，但值得注意的是，神经生物学特征可能与描述遗传学和脑回路的指数相互作用。按照这种思路，大多数神经影像学工作可以被描述为单模态研究：在给定样本的单个时间点研究单个神经影像学模态（例如，仅结构 MRI），尽管可能收集了多个对比。虽然这些研究无疑很有用，有助于了解疾病的病理生理学，但多模态研究（评估同一人群中的多种神经成像模式）有可能提供更全面的数据，可用于分析以识别生物标志物。值得注意的是，先前的研究表明，结构和功能 MRI 都可以用作改进脑部成像的手段