XiaoMi-AI文件搜索系统
World File Search SystemStructural
结构变化、生产发展和资本流动
摘要 新冠疫情的爆发再次使结构性变化和生产力发展对于经济抵御经济冲击的至关重要性成为焦点。最近的几篇文章已经强调了生产力落后与新冠疫情社会经济危机强度之间可能存在的反常关系。在本文中，我们分析了在疫情爆发前四十多年可能阻碍生产力发展的因素。我们研究了（非外国直接投资）净资本流入作为过早去工业化潜在来源的作用。我们以 1980 年至 2017 年的 36 个发达国家和发展中国家为样本，重点关注金融一体化程度不断提高的新兴和发展中 (EDE) 经济体的情况。我们表明，资本流入充裕的时期可能导致制造业在就业和 GDP 中的份额大幅收缩，以及经济复杂性指数下降。我们还表明，“反常”结构变化现象在 EDE 国家比在发达国家更为常见。基于这些证据，我们最后提出了一些政策建议，强调资本管制和外部宏观审慎措施控制国际资本流动，作为在加强（短期）金融和宏观经济稳定的基础上促进长期生产发展的有用政策工具。 关键词：结构变化；过早去工业化；资本流入；宏观审慎政策 JEL 代码：O14；O30；F32；F38 1. 简介 新冠疫情给我们的经济和社会造成了沉重打击。这种负面影响表明，各国之间存在显著的异质性，不仅在发达国家和新兴和发展中经济体（下称 EDE）之间，而且在 EDE 内部也存在显著的异质性。一些亚洲国家，例如中国和越南，其增长速度显著放缓，但它们仍保持了实际 GDP 的正增长率，而其他经济体则经历了显著的负增长。新冠疫情对拉丁美洲和南亚的经济影响似乎最为严重（IMF，2020a；UN，2021）。发达经济体的复苏前景也比大多数新兴和发展中经济体光明得多（世界银行，2021）1。
Longformer：利用结构 MRI 对阿尔茨海默病进行分类的纵向转换器
结构磁共振成像 (sMRI)，尤其是纵向 sMRI，通常用于在阿尔茨海默病 (AD) 临床诊断期间监测和捕捉病情进展。然而，目前的方法忽视了 AD 的渐进性，大多依赖单一图像来识别 AD。在本文中，我们考虑利用受试者的纵向 MRI 进行 AD 分类的问题。为了解决学习纵向 3D MRI 时缺失数据、数据需求和随时间发生的细微变化等挑战，我们提出了一个新模型 LongFormer，它是一种混合 3D CNN 和变压器设计，可从图像和纵向流对中学习。我们的模型可以充分利用数据集中的所有图像，并有效地融合时空特征进行分类。我们在三个数据集（即 ADNI、OASIS 和 AIBL）上评估我们的模型，并将其与八种基线算法进行比较。我们提出的 LongFormer 在对来自所有三个公共数据集的 AD 和 NC 对象进行分类方面取得了最先进的性能。我们的源代码可从 https://github.com/Qybc/LongFormer 在线获取。
人工智能与结构性不公正 - 多样性、公平性和包容性
摘要 本章主张采用结构性不公正方法来治理人工智能。结构性不公正包括分析和评价两个部分。分析部分包括社会科学中众所周知的结构性解释。评价部分是一种正义理论。结构性不公正是一个强大的概念工具，它使研究人员和从业者能够识别、表达甚至预测人工智能偏见。本章以人工智能中因结构性不公正而产生的种族偏见为例。然后，本章介绍了哲学家 Iris Marion Young 提出的结构性不公正概念。此外，本章还认为结构性不公正非常适合作为一种人工智能治理方法，并将这种方法与从危害和利益分析或价值陈述开始的替代方法进行了比较。本章表明，结构性不公正为多样性、公平和包容性的价值观和关注提供了方法论和规范基础。本章最后对“结构”和责任的概念进行了展望。结构的概念是正义的核心。一个开放的理论研究问题是人工智能本身在多大程度上是社会结构的一部分。最后，责任的实践是结构性不公正的核心。即使他们不能对结构性不公正的存在负责，每个人和每个组织都有责任在未来解决结构性不公正问题。
合理的催化剂结构设计促进可逆锂二氧化碳电池
图 1. Pt 电催化剂的设计和表征。（a）Pt 基 LCB 中 CO 2 转化过程示意图。（b）CO 2 、Li 和 Li 2 CO 3 在 Pt 表面不同取向上的吸附行为侧视图和（c）相应吸附能的比较。（d）Li 2 CO 3 在 Pt 表面不同取向上的分解能。（e）不同电极的 XRD 分析。（f）HTS 后电极的详细表面结构和 TEM 观察（比例尺 = 200 nm）。
发作性和慢性偏头痛患者的脑网络结构特征
方法：纳入 19 名健康对照者 (HC)、17 名 EM 患者和 12 名 CM 患者。计算皮质厚度和皮质下体积，并使用图论分析框架和基于网络的统计数据分析拓扑结构。我们进一步使用支持向量机回归 (SVR) 来确定这些网络测量是否能够预测临床参数。结果：基于网络的统计数据显示，与 HC 相比，EM 和 CM 中包括额颞区、顶叶和视觉区在内的解剖区段之间的区域间连接强度明显较低。两组患者均观察到更高的分类性，其中 CM 的模块性高于 HC，EM 的传递性高于 HC。对于皮质下网络，两组患者均观察到更高的分类性和传递性，CM 的模块性高于 HC。SVR 显示，网络测量可以稳健地预测偏头痛患者的临床参数。结论：我们发现与 HC 相比，偏头痛患者的网络高度分离，这表明 EM 和 CM 的整体网络中断。 CM 的模块性较高但聚类系数较低，表明该组与 EM 相比存在更多隔离。隔离网络的存在可能是头痛相关脑回路适应不良重组的征兆，从而导致偏头痛发作或疼痛的继发性改变。
高级复合材料结构概念和材料...
3.0 'ISPAN' Module Development .............................................................. 15 3.1 Flat Stiffened Panel .......................................................................... 16 3.1.1 DIAL Shell Element .............................................................. 18 3.1.2 Model Geometry .................................................................. 19 3.1.3 Loads .....................................................................................................................................................................................................................................................边界条件................................................................................................................................................................................................................................................................... 21 3.1.5解决方案............................................................... 3.2.1.1 Example 1 Linear Static Analysis .................................. 26 3.2.1.2 Example 2 Bifurcation Buckling Analysis ........................ 31 3.3 Flat Rectangular Tubular Truss Core Panel ............................................... 35 3.3.1 Program Components ............................................................ 35 3.3.1.1 Command Module ................................................... 35 3.3.1.2前处理器..................................................................................................................................................................................................................................... 3后处理器.............................................................................
通过GPU和机器学习加速结构变体检测
结构变异（SV）是重大的基因组改变，在包括癌症在内的遗传多样性，进化和各种疾病中起着至关重要的作用。检测SVS的传统方法通常在计算效率，准确性和可扩展性方面面临挑战，尤其是在处理大型基因组数据时。近年来，图形处理单元（GPU）和机器学习（ML）的出现已经开发了解决这些挑战的新途径。本文探讨了GPU加速度和ML技术的整合，以增强结构变体的检测和分析。我们提出了一个全面的框架，该框架利用深度学习模型（用于在GPU上并行处理）以高精度实现实时SV检测。我们的方法不仅减轻了计算负担，而且还提高了与常规方法相比，SV检测的敏感性和特异性。通过在各种基因组数据集上进行广泛的基准测试，我们在速度，准确性和可扩展性方面证明了我们的GPU加速ML框架的出色性能。这些发现强调了将GPU和ML技术相结合以革新基因组研究的潜力，并为在临床和研究环境中更有效，更精确的结构变体分析铺平道路。
Operando Tem>揭示的氧化还原金属催化剂的相共存和结构动力学
迫切需要过渡到整个更可持续的社会，尤其是化学工业。[1,2]，尽管进行了深入的研究，但我们目前对催化剂的激活，稳定性能，衰老，失活和再生的过程不可能应对这一挑战。[3-14]随后，无论我们在合成和表征方法方面的进步如何，新催化剂的经验发现仍然是常态。这是一个非常低效，耗时且总体上不满意的努力。关于最佳催化剂设计的量身定制设计的主张只有在建立了对工作催化剂的结构活动相关性的原子性理解后才能实现。这要求我们首先了解反应物的化学潜力如何影响催化剂的状态，以及这些气相和温度诱导的修饰如何反馈或在催化过程中进化。为了更多地阐明催化剂和反应性物种之间的相互作用，并遵循导致催化活性，实地和实时观察到高空间分辨率的活性催化剂的出现的过程。[15,16]
机械技术与结构材料 2024
- Branimir LELA（克罗地亚） – 主席 - Sonja JOZIĆ（克罗地亚） – 副主席 - Dražen ŽIVKOVIĆ（克罗地亚） - Dražen BAJIĆ（克罗地亚） - Goran CUKOR（克罗地亚） - Lidija ĆURKOVIĆ（克罗地亚） - Ivan JANDRLIĆ（克罗地亚） - Nikola GJELDUM (克罗地亚) - Mirko GOJIĆ (克罗地亚) - Krešimir GRILEC (克罗地亚) - Senka GUDIĆ (克罗地亚) - Fuad HADŽIKADUNIĆ (波斯尼亚和黑塞哥维那) - Dario ILJKIĆ (克罗地亚) - Zlatko JANKOSKI (克罗地亚) - Jaroslav JERZ (斯洛伐克) - 佐兰尤尔科维 (克罗地亚) - 埃罗尔·卡姆 (土耳其) - 达尔科·兰德克 (克罗地亚) - 坎迪达·马尔恰 (葡萄牙) - 德拉甘·马林科维 (德国) - 阿莱什·纳戈德 (斯洛文尼亚) - 佐兰·潘迪洛夫 (马其顿) - 姆拉登·佩里尼 (克罗地亚) - 马西莫·罗甘特 (意大利) - 利亚内罗尔多(克罗地亚) - 尼古拉·斯托梅诺夫(保加利亚) - 阿姆拉·塔利-契克米什(波斯尼亚和黑塞哥维那) - 马特伊·韦森雅克(斯洛文尼亚) - 拉迪斯拉夫·弗尔萨洛维(克罗地亚) - 伊维察·韦扎(克罗地亚) - 阿纳托利·扎夫多维耶夫(乌克兰) - 武卡斯吉尔兹（波兰）-武卡斯·瓦尔古拉 (波兰) - 卢卡·塞伦特 (英国) - 瓦尼亚·卡尔达斯·德·索萨 (巴西) - 伊万·皮瓦克 (克罗地亚) - 泽利科·彭加 (克罗地亚) - 阿奇姆·坎普克 (德国) - 法布里奇奥·菲奥里 (意大利) - 保罗·门古奇 (意大利) - 哈桑AVDUŠINOVIĆ（波斯尼亚和黑塞哥维那）
复制 Cynandra opis 蝴蝶的结构颜色，用于仿生双色滤光片
微结构或纳米结构会引起衍射、干涉和散射。[3] 以这种方式产生的结构色通常与角度有关（彩虹色），与光吸收产生的颜色相比，结构色更鲜艳、可调且稳定。[4] 到目前为止，已有多种光子结构被用于产生结构色并取代传统的色素沉着。这些包括可调高折射率光子玻璃、微米级球形胶体组件和衍射光栅结构。[5,6] 虽然仿生光子结构已被用于创造高度饱和的结构色，但它们制造困难且成本高，不适合大规模生产。此外，整个可见光谱范围内对新的仿生结构色的需求尚未得到满足。因此，更好地理解结构着色的潜在机制无疑将改善颜色特性和寿命。虽然自然界中存在大量结构色的例子，但由于蝴蝶翅膀的光子纳米结构颜色鲜艳，因此人们对其的研究兴趣颇多。[7,8] 例如，Vigneron 等人发现，Pierella luna（月神蝴蝶）翅膀鳞片产生的彩虹色效应是由整个鳞片的宏观变形引起的，当翅膀被白光照射时，就像衍射光栅一样分解