XiaoMi-AI文件搜索系统
World File Search SystemUrbana
标题页：评估支持研究的高级计算基础架构的价值：为研究政策提供信息的新工具Winona G. Snapp-Chi
John Towns 4 Craig A. Stewart 5* 1 Pervasive Technology Institute, Office of the VP for IT, Indiana University, Bloomington, IN, 47408, USA 2 Research Technologies, Office of the VP for IT, Indiana University, Bloomington, IN, 47408, USA 3 Rosen Center for Advanced Computing, Purdue University, West Lafayette, IN 47906, USA 4 National Center for超级计算申请，伊利诺伊大学Urbana-champaign，Urbana，IL 61801，美国5计算机科学系，印第安纳大学，布卢明顿，印第安纳州布卢明顿，47408 * jtowns@illinois.edu（城镇），stewart@iu.edu（stewart）利益宣言（资金来源）作者宣布已宣布财务支持，以进行本文的研究，作者身份和出版，特别是NSF奖，特别是：towns（Snapp-Childs IU-Childs IU-Concontract Pi Pi）（Snapp-Childs iu concontract Pi）（＃10555555555545，＃1545，＃1545，＃1545，汉考克（＃1445604，＃2005506）; Xiaohui Carol Song（Smith，Co-Pi）（＃2005632）和IU Pervasive技术研究所的支持。致谢这项工作得到以下组织的支持：？国家科学基金会赠款：Towns（Snapp-Childs IU分包PI）（＃1053575，＃1548562）;汉考克（＃1445604，＃2005506）; Xiaohui Carol Song（Smith，Co-Pi）（＃2005632）。Snapp-Childs还得到了印第安纳大学Pervasive Technology Institute的支持。我们感谢Kristol Hancock的编辑和Katja Bookwalter的图形设计。
DOE/EA-2128 最终环境评估大型试点...
摘要：美国能源部 (DOE) 国家能源技术实验室 (NETL) 编制了此环境评估 (EA)，以分析部分资助一项拟议项目的潜在环境、文化和社会经济影响，该项目设计、建造和运行基于林德-巴斯夫先进的胺基燃烧后二氧化碳 (CO 2 ) 捕获技术的 10 兆瓦电力 (MWe) 碳捕获系统，用于燃煤发电厂。美国能源部提议向伊利诺伊大学香槟分校 (UIUC) 领导的项目团队提供成本分摊资金，用于位于伊利诺伊州斯普林菲尔德现有的城市水电和电力 (CWLP) 设施的拟议大型中试测试设施项目。拟议项目将涉及大型中试设施的建设和为期两年的运营，以展示林德-巴斯夫燃烧后二氧化碳捕集技术利用美国国内煤炭的可扩展性和商业潜力，从而降低全面采用该技术所带来的风险，并为在美国进行商业部署铺平道路
试验板：多模式AI-Ready临床试验数据集
1伊利诺伊大学伊利诺伊大学乌尔巴纳 - 香槟分校的计算机科学系中国杭州大学的吉安格大学5医学大数据中心，广东省人民医院（广东医学科学院），南部医科大学，中国广州。6张大学医学创新研究所，中国杭州大学的药学学院，吉江大学，吉吉安格大学医学院第二个分支机构医院，中国医学院，美国芝加哥8 GE Healthcare，美国芝加哥，美国9吉维亚，美国哥伦比亚省芝加哥市，美国，美国，美国，美国，美国，美国，美国9吉尼亚州。美国纽约州伦斯勒理工学院 *通讯作者：Jintai Chen（cjt147@illinois.edu）†这些作者对这项工作也同样做出了贡献
综合和比较生物学 - Snell实验室
* Ming-Hsieh电气和计算机工程系，Viterbi工程学院，南加州大学，洛杉矶，洛杉矶，美国加利福尼亚州90007，美国； †美国伊利诺伊大学伊利诺伊大学耕作科学系，美国伊利诺伊州香槟，美国伊利诺伊州61801； ‡卡尔森兽医学院和美国俄勒冈州立大学俄勒冈州立大学综合生物学系，美国97331； §亚利桑那州立大学，亚利桑那州立大学科学基本概念中心，美国亚利桑那州85287-0506； ¶美国南卡罗来纳州南卡罗来纳大学，美国南卡罗来纳州南卡罗来纳大学海洋和沿海科学研究所，美国29201；密歇根州立大学渔业与野生动物系，东兰辛，密歇根州48824，美国； KK生物科学系，伦斯勒理工学院，美国纽约州特洛伊市第8街110号，美国12180； ** Hauptman-Woodward医学研究所和美国纽约州布法罗市的SUNY，美国纽约州14203，美国； ††华盛顿大学生物学系，美国华盛顿州西雅图市24 Kincaid Hall，美国华盛顿州98105； ‡‡亚利桑那大学图森大学神经科学系，美国亚利桑那州85721，美国
Alanis 治疗公司
辛西娅 (Cindy) Collins，董事 Cindy 是一位公认的领导者，在基因和细胞药物、生物制药和诊断方面拥有 40 多年的经验。她曾担任 Editas Medicine (NASDAQ:EDIT)、Human Longevity、GenVec 和 Sequoia Pharmaceuticals 的首席执行官以及通用电气医疗细胞疗法业务的首席执行官/总经理。她还曾担任贝克曼库尔特细胞分析业务集团副总裁、Clinical Micro Sensors, Inc. 总裁，并在百特医疗担任过各种高管职务，包括肿瘤学总裁、战略副总裁、细胞疗法副总裁兼总经理以及输血疗法业务开发副总裁。她的职业生涯始于雅培实验室，担任过各种运营职务。Cindy 在伊利诺伊大学厄巴纳-纳分校获得微生物学学士学位，在芝加哥大学布斯商学院获得工商管理硕士学位。她是 DermTech（纳斯达克股票代码：DMTK）、Certara（纳斯达克股票代码：CERT）、Poseida Therapeutics（纳斯达克股票代码：PSTX）、Draper Laboratories、Panavance Therapeutics 和 Nutcracker Therapeutics 的董事会成员。
SCDT – FlexE 中心网络研讨会系列
主讲人简介 Baquer Mazhari 是印度理工学院坎普尔分校电气工程系的教授。他在 1993 年从伊利诺伊大学厄巴纳-香槟分校获得博士学位后不久就加入了该系。他于 1987 年在马里兰大学帕克分校获得硕士学位，在印度理工学院卡拉格普尔分校获得电子学学士学位。他的研究和教学兴趣涵盖微电子学的不同方面，包括半导体器件和模拟/数字电路。在过去的二十年里，他一直致力于有机和柔性电子学的研究，并帮助在 2000 年建立了 Samtel 显示技术中心，并在 2014 年建立了印度理工学院坎普尔分校国家柔性电子中心。他的研究小组提出了几种新的有机半导体器件和特性分析工具，并开发了一种新的柔性温度计和一种防伪技术。由于他在教学领域的贡献，他获得了印度理工学院坎普尔分校的杰出教师奖、Gopal Das Bhandari 纪念奖和卓越教学奖。
除草剂和生物除草剂研发的新方法
1 美国密西西比大学国家天然产物研究中心；2 美国科罗拉多州立大学农业生物学系；3 肯尼亚卡卡梅加 Toothpick Company Ltd.；4 美国加利福尼亚州戴维斯 ProFarm Group；5 阿根廷罗萨里奥 INBIOAR Global Ltd.；6 美国伊利诺伊州厄巴纳伊利诺伊大学 Carl R. Woese 基因组生物学研究所；7 美国内布拉斯加大学农学与园艺系；8 美国伊利诺伊州埃文斯顿 MicroMGx；9 英国牛津 Moa Technology Ltd.；10 美国密苏里州圣路易斯 BioHeuris Inc.；11 美国北卡罗来纳州达勒姆 Oerth Bio, LLC；12 以色列米斯加夫 Projini AgChem Ltd.； 13 以色列特拉维夫大学医学院戈德施莱格牙科医学院口腔生物学系；14 以色列雷霍沃特魏茨曼科学研究所植物与环境科学系；15 美国康涅狄格州米斯蒂克 Enko Chem Inc. 和 16 以色列雷霍沃特科技园 Agrematch Ltd.
在全球气候变化话语中融合城市气候研究
1 School of Built Environment, University of New South Wales, Sydney, New South Wales, Australia, 2 ARC Centre of Excellence for Climate Extremes, Sydney, New South Wales, Australia, 3 ARC Centre of Excellence for 21st Century Weather, Sydney, New South Wales, Australia, 4 Bochum Urban Climate Lab, Ruhr University Bochum, Bochum, Germany, 5 School of Geography, University College Dublin, Dublin,爱尔兰，6个气候变化研究中心，新南威尔士大学，悉尼，新南威尔士州，澳大利亚，7座艺术，媒体和工程学院，亚利桑那州立大学，亚利桑那州坦佩，亚利桑那州，美国，美国环境科学学院，格里夫大学8号，加拿大圭尔夫大学，加拿大，加拿大，加拿大，灾难风险，环境境外，两国境内，德尔特，德尔特，境内，境内。伊利诺伊大学工程大学，美国伊利诺伊州Urbana-Champaign，伊利诺伊州乌尔巴纳，美利坚合众国11学院，新加坡管理大学，新加坡，新加坡，12 Urban Institute，新加坡管理大学，新加坡，新加坡，新加坡，新加坡
QCBED 测量铝纳米空隙周围的空位浓度、晶格收缩和键合电子密度
Philip Nakashima 副教授 1、Yu-Tsun Shao 博士 2,3、Zezhong Zhang 博士 4,5,6、Andrew Smith 博士 7、Tianyu Liu 博士 8、Nikhil Medhekar 教授 1、Joanne Etheridge 教授 7,9、Laure Bourgeois 教授 1,9、Jian-Min Zuo 教授 10,11 1 澳大利亚克莱顿莫纳什大学材料科学与工程系，2 美国洛杉矶南加州大学 Mork Family 化学工程与材料科学系，3 美国洛杉矶南加州大学纳米成像核心卓越中心，4 比利时安特卫普大学材料研究电子显微镜 (EMAT)，5 比利时安特卫普大学 NANOlab 卓越中心，6 英国牛津大学材料系，7 克莱顿莫纳什大学物理与天文学院，澳大利亚，8 日本仙台东北大学先进材料多学科研究所，9 澳大利亚克莱顿莫纳什大学莫纳什电子显微镜中心，10 美国厄巴纳-香槟伊利诺伊大学材料科学与工程系，11 美国厄巴纳-香槟伊利诺伊大学材料研究实验室，背景包括目标我们着手对非均质晶体材料中纳米结构周围的键合电子密度进行首次位置分辨测量。迄今为止，所有键合电子密度和电位研究仅涉及均质单相材料；然而，大多数为我们服务的材料由于其包含的纳米结构而具有混合特性，这通常是设计使然。我们还注意到，材料缺陷无处不在且不可避免，因此我们可以从单一均质晶体的名义上完美的区域推导出材料特性的假设在范围和“实际”应用方面是有限的。这项工作旨在提供一种新功能，用于查询纳米结构和非均质材料中纳米结构周围的键合电子密度。我们的首次尝试涉及名义纯度（99.9999+%）铝中的纳米空隙。在实现这一目标的过程中，我们必须准确绘制空位浓度并确定空位引起的相关晶格收缩，以便能够精确测量晶体势和电子密度的傅立叶系数（结构因子）（误差小于 0.1%），因此我们取得了多项发现。© 作者，由 EDP Sciences 出版。这是一篇开放获取文章，根据知识共享署名许可 4.0 条款分发（https://creativecommons.org/licenses/by/4.0/）。
电子提交给ACS期刊的模板-NSF -PAR
1研究生，部门公民和环境工程，大学。在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。电子邮件：xiyuw2@illinois.edu 2副教授， 公民和环境工程，大学。 在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。 电子邮件：gohary@illinois.edu抽象信息提取提供了一个机会，可以自动从建筑安全法规中提取安全要求，以支持自动安全合规性检查，以检查与这些法规一起检测现场违规行为。 但是，由于非结构化文本的复杂性，以前对安全合规性检查过程自动化的可伸缩性和自动提取安全要求的能力的努力降低了。 因此，本文提出了一种基于深度学习的信息提取方法，用于提取关系，该方法将从建筑安全法规中提取的跌落保护相关实体联系起来，以支持自动化现场合规性检查。 提出的方法使用基于注意力的卷积神经网络模型来识别和分类关系。 该提出的方法已在两个与跌倒保护有关的职业安全与健康管理（OSHA）部分进行实施和测试。 它的加权精度，召回和F-1度量分别为82.7％，81.1％和81.3％，这表明了良好的关系提取性能。 简介现场合规性检查旨在检测违反建筑安全法规的行为。 2018; Fang等。电子邮件：xiyuw2@illinois.edu 2副教授，公民和环境工程，大学。在伊利诺伊州乌尔巴纳香槟（Urbana-Champaign），北马修斯大街205号，伊利诺伊州乌尔巴纳，伊利诺伊州61801。电子邮件：gohary@illinois.edu抽象信息提取提供了一个机会，可以自动从建筑安全法规中提取安全要求，以支持自动安全合规性检查，以检查与这些法规一起检测现场违规行为。但是，由于非结构化文本的复杂性，以前对安全合规性检查过程自动化的可伸缩性和自动提取安全要求的能力的努力降低了。因此，本文提出了一种基于深度学习的信息提取方法，用于提取关系，该方法将从建筑安全法规中提取的跌落保护相关实体联系起来，以支持自动化现场合规性检查。提出的方法使用基于注意力的卷积神经网络模型来识别和分类关系。该提出的方法已在两个与跌倒保护有关的职业安全与健康管理（OSHA）部分进行实施和测试。它的加权精度，召回和F-1度量分别为82.7％，81.1％和81.3％，这表明了良好的关系提取性能。简介现场合规性检查旨在检测违反建筑安全法规的行为。2018; Fang等。传统上，此过程是由现场经验丰富的安全经理手动进行的，该过程无法保证及时确定和解决违规行为（Tang等人。2020）预防潜在的安全事件。因此，许多研究工作已致力于自动化现场合规性检查过程。例如，计算机视觉技术已通过检测某些保护项目（例如硬帽和个人跌落保护系统）的存在来广泛用于监测站点条件（Fang等人2019; Nath等。2020），跟踪和预测工人和设备等站点对象的轨迹（Tang等2019;罗伯茨等。2020），并认可工人的运营以及与环境的互动（Teizer 2015; Zhang等人2015b; Park and Brilakis 2016;唐等。2020）。尽管有这些努力收集和分析现场信息，但通常以粗略的方式做出合规决策，而没有足够的考虑到建筑安全法规中所述的不同情况和/或例外。