XiaoMi-AI文件搜索系统
World File Search SystemUMES
激光定向能量沉积自适应控制研究进展
摘要：激光定向能量沉积（LDED）是金属增材制造的重要组成部分之一，具有成型速度快、成型体积大、适合零件修复等特点。LDED以激光束为热源，通过快速加热、熔化、凝固、冷却等工艺，逐层制造零部件。然而，由于热循环和加工环境复杂，LDED生产零部件的沉积质量和重复性较差，阻碍了该技术的推广。自适应控制技术（ACT）一直被认为是解决该问题的有效且潜在的方法。随着监测设备和数据处理技术的发展，许多研究集中在LDED上，建立了工艺参数、工艺特征和产品质量之间的关系，促进了ACT的快速发展。本文对LDED的ACT中存在的问题进行了回顾和讨论。© 2020 光学仪器工程师学会（SPIE）[DOI: 10.1117/1.OE.59.7.070901 ]
对英国生物库队列的睡眠时间、失眠和大脑结构进行全面评估
睡眠对身心健康至关重要。睡眠不足或睡眠剥夺会导致血压升高 [1]、体重增加 [2、3]、糖尿病和心脏病风险增加 [4-6] 以及免疫系统功能障碍 [7]。就心理健康而言，睡眠问题（嗜睡症或失眠症）是许多精神疾病的特征，尤其是痴呆、精神分裂症、躁郁症、重度抑郁和焦虑症 [8-11]。睡眠具有多种功能，包括恢复大脑能量储备 [12、13]、清除清醒状态下的代谢副产物 [14-16] 以及维持注意力和记忆功能 [17-20]。一些研究已经探讨了睡眠与大脑结构之间的关系。 Lifebrain 联盟 (N = 1299) [21] 的研究表明，睡眠质量较低和存在睡眠问题与一生中海马体积减小有关，而 Framingham 心脏研究 (N = 2060) [22] 的研究表明，较长的睡眠时间与整体大脑体积较低有关。对于人类连接组计划 (N = 974) 的一个子样本，较短的睡眠时间及较差的睡眠质量与扣带回、中颞叶及眶额皮质部分皮质内髓鞘含量较低有关 [23]。在几个较小规模的研究中，
气候变化对南部高卢南部农业和经济的影响：基于代理的建模的新观点
罗马气候最佳（RCO）和后期的古董小冰河时代（Lalia）对罗马帝国的兴衰产生了什么影响？我们的文章提出了一种基于代理的建模（ABM）方法，以评估气候变化对南部高卢南部葡萄园，橄榄树和谷物农场的利润的影响，这是罗马时期的主要财富来源。该ABM模拟了一个农业生态系统模型，该模型从古气候数据中处理潜在的农业产量值。该模型计算出销售农作物的农业剥削的收入，其年度体积根据气候和市场价格而变化。通过从收入中扣除运营和运输成本来计算不同农业剥削的潜在利润。我们得出的结论是，罗马时期的温暖和潮湿的气候可能对公元前2世纪和公元3世纪之间的葡萄酒和橄榄农场的盈利能力产生了极为有益的影响，但对谷物生产的影响较小。随后，在古董晚期的冰河时代晚期（公元4世纪），农场的潜在盈利能力显着下降。将我们的模型结果与考古数据进行比较，使我们能够讨论这些气候波动对农业和经济增长的影响，然后从古物的开始到结束。
此表格是必填项！！未能提交您的健康和...
了解您的风险 学习有关疫苗接种的知识 某些大学生患脑膜炎的风险较高，这是一种可能致命的细菌感染，通常称为脑膜炎。事实上，住在宿舍的新生患此病的风险高出六倍。美国一个健康顾问小组建议大学生，特别是住在宿舍的新生，更多地了解有关脑膜炎和疫苗接种的知识。 什么是脑膜炎球菌性脑膜炎？ 脑膜炎很少见。但一旦发作，这种可能致命的细菌性疾病会导致大脑和脊柱周围液体肿胀，以及严重和永久性残疾，如听力丧失、脑损伤、癫痫、截肢甚至死亡。 它是如何传播的？ 脑膜炎球菌性脑膜炎通过呼吸道分泌物或与感染者的密切接触在空气中传播。这可能包括咳嗽、打喷嚏、接吻或共用餐具、香烟和水杯等物品。有哪些症状？脑膜炎球菌性脑膜炎的症状通常与流感相似，包括高烧、严重头痛、颈部僵硬、皮疹、恶心、呕吐、嗜睡和意识模糊。哪些人容易感染脑膜炎球菌性脑膜炎？某些大学生，尤其是住在宿舍或宿舍楼的新生，患脑膜炎球菌性脑膜炎的风险较高。其他本科生也可以考虑接种疫苗以降低患病风险。脑膜炎可以预防吗？可以。目前有一种安全有效的疫苗可以预防五种最常见的脑膜炎菌株中的四种。这种疫苗的保护期约为三至五年。与任何疫苗一样，脑膜炎疫苗可能无法保护 100% 的易感人群。更多信息：要了解有关脑膜炎和疫苗的更多信息，请访问或致电 UMES Charles R. Drew 学生健康中心 (410-651-6597)。您还可以访问美国疾病控制与预防中心 (CDC) 网站 www.cdc.gov/ncidod/dbmd/diseaseinfo ，以及美国大学健康协会网站 www.acha.org 。
塑造生态未来的基础模型
在过去的几十年中，人工智能领域（AI）和机器学习（ML）取得了长足的进步（Jordan和Mitchell，2015年），生态研究从中受益（Borowiec等，2022; Tuia等，2022）。在这些进步中，基础模型（FM）已成为分析大量数据以及生成，理解和操纵类人类文本的强大工具。斯坦福大学的基础模型研究中心（CRFM）于2021年8月推广了“基础模型”一词，暂时指的是“任何经过广泛数据培训的模型（通常是按大规模使用自学的模型），这些模型可以适应（例如，可以将其用于较广泛的下游任务（例如，fine）。使FM与众不同的是两个主要概念的组合：预培训和适应特定任务。这是从更传统的机器学习或仅解决特定任务的建模方法的范式转变。最近的一个例子是OpenAI的大型语言模型（LLM）GPT-4（OpenAI，2023）。GPT-4使用基于神经网络的体系结构，旨在处理数据序列，特别是文本。该模型在来自广泛的公共资源的大规模数据集上的自我监督过程中进行了预训练。然后，使用较小的数据样本对其进行调整以适应不同的特定任务。一些例子是：文本生成，聊天机器人，语言跨性别，摘要，编码和教育材料和艺术生成。如果不需要人类标签，则可以是基于FM使用的自我监督学习（SSL）的预训练克服了监督学习的数据标记的瓶颈（Kolides等，2023）。
教授Maximilian Mayer Curriculum Vitae（2025年1月）
Maximilian Mayer博士是波恩大学的国际关系和全球技术政治初级项目。他曾在诺丁汉宁博大学（2019-2020）曾在诺丁汉大学助理教授曾是人民人大学的研究员（2018-2020）。 Maximilian在上海汤吉大学（2015-2018）担任研究教授，在慕尼黑大学慕尼黑大学慕尼黑社会技术中心（2018-2019）担任高级研究员，并在波恩大学全球研究中心担任管理助理助理和高级研究员（2009-2015）。 Maximilian在哈佛大学肯尼迪学院，科学，技术和社会计划的访问学者，并担任国际研究协会（2015-2017）和阶梯计划主席（2014-2015）的阶梯（科学，技术，艺术和国际关系）的楼梯（科学，技术，艺术和国际关系）的部门。 Maximilian拥有Ruhr University Bochum的硕士学位，并在波恩大学获得了博士学位。 他的研究兴趣包括全球科学，创新和技术政治；中国的外交和能源政策；全球能源和气候政治；国际关系理论。 马克西米利安（Maximilian）出版了七本书，包括中国的能量渴求：神话还是现实？ （2007年与Xuewu gu一起），《改变命令：全球和地方现实的跨学科分析》（2008年，共同编辑），《全球科学技术政治政治》（2014年，首席编辑）。他曾在诺丁汉宁博大学（2019-2020）曾在诺丁汉大学助理教授曾是人民人大学的研究员（2018-2020）。Maximilian在上海汤吉大学（2015-2018）担任研究教授，在慕尼黑大学慕尼黑大学慕尼黑社会技术中心（2018-2019）担任高级研究员，并在波恩大学全球研究中心担任管理助理助理和高级研究员（2009-2015）。Maximilian在哈佛大学肯尼迪学院，科学，技术和社会计划的访问学者，并担任国际研究协会（2015-2017）和阶梯计划主席（2014-2015）的阶梯（科学，技术，艺术和国际关系）的楼梯（科学，技术，艺术和国际关系）的部门。Maximilian拥有Ruhr University Bochum的硕士学位，并在波恩大学获得了博士学位。他的研究兴趣包括全球科学，创新和技术政治；中国的外交和能源政策；全球能源和气候政治；国际关系理论。马克西米利安（Maximilian）出版了七本书，包括中国的能量渴求：神话还是现实？（2007年与Xuewu gu一起），《改变命令：全球和地方现实的跨学科分析》（2008年，共同编辑），《全球科学技术政治政治》（2014年，首席编辑）。他是全球政治中艺术与主权的男女编辑（Palgrave，2016年），编辑了重新思考丝绸之路：Chinas Belt and Road Initiative and Repering Eurasian Relative（Palgrave，2018年），是《全球中国Routledge手册》（2025年）。Maximilian目前正在领导“中国现代性基础设施及其全球构成效应”研究小组，该研究由北莱茵 - 威斯特伐利亚州文化与科学部资助。
不确定物理学中的开放过去
物理哲学中的一个基本问题旨在确定每个物理系统的演化是否受决定论支配，即系统在不同时间的任意两个状态是否具有一一对应的关系，或者未来事件是否原则上可以具有不完全由过去状态决定的多种潜在结果。尽管几个世纪以来人们一直认为这种确定性解释是毫无争议的事实（主要归功于经典物理运动方程及其数学性质的经验成功），1 量子物理的出现引发了一场持久的争论，倾向于认为世界实际上是不确定的。近年来，我们提出，如果假设信息密度有限性原则（即有限体积的空间只能包含有限量的信息），即使是经典物理也应该被非确定性地解释 [2–6]。不确定性无疑赋予了时间方向根本性的作用，因为变化确实会发生：随着时间的流逝，在一系列相互排斥的潜在事件中，只能发生一件事件。然而，一旦一个事件得以实现，它就被认为是确定的，并且这种状态不会随着时间的推移而进一步改变。虽然在不确定的世界中未来是开放的，但过去却存在，正如CF von Weizs¨acker 在说“过去是事实，未来是可能的”时所概括的那样[7]。尽管如此，一些哲学文献中的作者（尤其是J.Łukasiewicz和M.Dummett）暗示了坚持不确定性也可能对过去产生影响的可能性。然而，即使在关于不确定性的众多辩论中，过去也不能完全由不确定世界中的当前事态决定这一观点似乎也常常被忽视。
无需分割的自动化血管矢量化
双光子荧光显微镜 (2PM) 的最新进展使得活体小鼠的血管网络大规模成像和分析成为可能。然而，提取密集毛细血管床的网络图和矢量表示仍然是许多应用中的瓶颈。血管矢量化在算法上很困难，因为血管具有多种形状和大小，样本通常光照不均匀，并且需要较大的图像体积才能获得良好的统计能力。最先进的三维血管矢量化方法通常需要分割（二值）图像，依赖于手动或监督机器注释。因此，逐体素图像分割会受到人类注释者或训练者的偏见。此外，分割图像通常需要在骨架化或矢量化之前进行补救形态学过滤。为了解决这些限制，我们提出了一种矢量化方法，可从未分割图像中直接提取血管对象，而无需机器学习或训练。 MATLAB 中的无分割自动化血管矢量化 (SLAVV) 源代码已在 GitHub 上公开提供。这种新方法使用简单的血管解剖模型、高效的线性滤波和矢量提取算法来消除图像分割要求，用手动或自动矢量分类取而代之。半自动化 SLAVV 在小鼠皮层微血管网络（毛细血管、小动脉和小静脉）的三个体内 2PM 图像体积上进行了演示。矢量化性能已被证明对于血浆或内皮标记对比度的选择具有稳健性，并且处理成本与输入图像体积成比例。全自动 SLAVV 性能在不同质量的模拟 2PM 图像上进行评估，所有图像均基于大（1.4 × 0.9 × 0.6 mm 3 和 1.6 × 10 8 体素）输入图像。从自动矢量化图像计算出的感兴趣的血管统计数据（例如体积分数、表面积密度）比从强度阈值图像计算出的统计数据具有更高的图像质量稳定性。
材料表征百科全书
本材料表征系列试图满足实际材料用户的需求，重点关注表面、界面和薄膜微观表征的新领域。该系列由第一卷《材料表征百科全书》和大约 10 卷后续卷组成，这些卷集中介绍了各个材料类别的表征。百科全书中有 50 篇简短文章（每篇 10-18 页），采用标准格式呈现，方便读者阅读，并附有简单易懂的技术描述及其实际使用示例。除了文章之外，还有每种技术的一页摘要、相关技术分组的介绍性摘要、完整的首字母缩略词词汇表以及所有 50 种技术主要特征的表格比较。该系列共 10 卷，专门针对特定材料类别进行特性描述，包括硅加工、金属和合金、催化材料、集成电路封装等。特性描述是从材料用户的角度进行研究的。因此，一般来说，格式是基于特性、加工步骤、材料分类等，而不是基于技术。所有卷的重点都是表面、界面和薄膜，但重点会根据这些领域对相关材料类别的相对重要性而有所不同。每卷的附录都复制了百科全书中相关的一页摘要，并对百科全书中未涵盖的任何技术提供了更长的摘要。该系列的概念来自与 Manning Publications Comparly 的 Marjan Bace 的讨论。材料特性描述通常的呈现方式与很大一部分受众（材料用户、工艺工程师、经理或学生）的需求之间存在差距。根据我们的经验，当在关于分析技术的讲座或课程结束时，有人问到如何解决某种材料（或加工）特性问题时，答案往往是演讲者“是技术专家，而不是材料方面的专家，没有处理过那种特定情况的经验”。本系列试图通过从材料用户的角度而不是分析技术专家的角度来处理特性问题，从而弥补这一差距。我们要感谢 Marjan Bace 提出最初的概念，感谢 Charles Evans and Associates 的 Shaun Wilson 和表面科学实验室的 Yale Strausser 帮助进一步定义本系列，并感谢所有单卷的编辑努力制作实用的、基于材料用户的卷。