XiaoMi-AI文件搜索系统
World File Search SystemWang
引用：Wang QS，Fang Y，Meng Y等。通过高阈值几何元图增强涡流场。 Opto-Electron Adv 7，240112（2024）
强烈的涡流梁有望赋予吸引人的现象和在高功率激光 - 物质相互作用中的应用。当前，多个涡流束的叠加显示了量身定制和增强涡流场的独特能力。但是，产生此类光束的传统策略遭受了大量或/和低激光诱导的损坏阈值的影响，从而阻碍了实际的广泛应用。在此，提出了一个高阈值跨表面，并通过实验证明了多个共线涡流梁的产生和叠加。该方案通过在方位角方向采用切片相模式的概念来利用元图设计中仅相位调制的高转换效率。实验可以实现具有增强强度和稳定空间传播的光点。此外，飞秒激光诱导的嵌入二氧化硅玻璃中的双重双向纳米结构被用作具有高光学效率的构件。透射率大于99.4％，并且在实验中验证了激光诱导的损伤阈值高达68.0 J/cm 2（在1064 nm，6 ns）的损伤阈值。考虑到这些出色的性能，所证明的高阈值超脸在许多高功率激光场中具有有希望的应用。
电动机轴承故障检测的监督对比度学习 /作者=张，亨格鲁伊； Wang，Bingnan /CreationDate = 2024年9月4日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
抽象的各种故障会导致电动机故障，从而导致停机时间和资产损失。故障检测技术在行业中非常需要预测和防止此类故障。机器学习的最新进展已启用数据驱动的模型，这些模型可以从电动机中监视的信号中识别故障。但是，这些信号可能很复杂，并且表明故障的特征是微妙的。因此，需要提取与信号故障相关的信息特征的有效方法。在本文中，我们探讨了对比度学习在检测相位电流信号的轴承断层中的使用。我们开发了一个模型架构，该模型结构由两个部分，一个特征提取器和一个分类器组成，其中特征提取器使用监督的对比度学习进行了预训练。在Pader-Born University轴承故障数据集上进行了测试，我们的模型达到了87％的高故障分类精度，这表现优于常规机器学习模型。我们还进行了消融测试，以证明该模型中基于对比的学习培训的重要性。通过研究模型的分类结果和提取的特征，我们进一步探讨了对比度学习在提取区分不同类别的特征中的效果。我们预计对比度学习可以奠定更准确的故障检测模型的基础，并将其扩展到其他实际的故障检测任务。
Chengkai Zhu – - Wang Research Group
07/2023 { X. Wang, G. Fan, R. Chen, C. Zhu , Quantum data measurement method, system, electronic equipment and media, CN114021728, Granted, 2023. 03/2023 { X. Wang, C. Zhu , R. Chen, G. Fan, Quantum channel noise parameter estimation method and device, electronic equipment and media, CN114239840, under review, 2023.
tongzhou wang
丹尼尔·佩拉佐（Daniel Perazzo）（巴西Impa的硕士学生）2023年夏季-Biruk Abere（B.S.埃塞俄比亚贡达大学的学生）2023年夏季Gabriele Dominici（英国剑桥大学的硕士学生）夏季2023年夏季Sana Arastehfar（加拿大皇后大学的硕士学生）2023年夏季夏季Sanowar Raihan（计算机和数据科学中心，2023年夏季）的研究助理
Wang等人：coix种子，中国山药和精液的复杂性调节和稳定性增强对肠道细菌的影响 Arifeen等人：杆菌杆菌的生物合成和优化。用农业工业废物从土壤样品中分离为
摘要。中药在维持肠道微生物组的平衡方面起着至关重要的作用，而这种微生物组反过来又在介导中医对宿主的药理作用中起着关键作用。尽管这种相互作用具有重要意义，但很少研究口服传统中药（TCM）对肠道肠道细菌的同时发生模式的影响。在本研究中，我们将灰泥种子，中国山药，精液及其组合纳入小鼠饮食中。随后，我们评估了这些TCM对口服肠道细菌的多样性，社区组成和共发生网络的影响。我们的发现强调了三种TCM品种及其混合物对肠道细菌的多样性和社区组成的重大影响。值得注意的是，我们研究中使用的所有TCM均表现出富集有益的肠道细菌并抑制肠道微生物组内的致病细菌的能力。此外，口服Coix种子，中国山药，精液或它们的组合导致胸腺和脾脏指数增加。对网络拓扑特征的检查揭示了对照组和TCM口服给药组之间的明显差异。与对照组相比，TCM口腔给药组细菌的共发生模式的复杂性较小，但稳定性更高。这些观察结果表明，与对照组相比，TCM口服组中的细菌群落对障碍更具弹性。关键字：中医，肠道微生物社区，网络分析，网络复杂性，自然连通性
引用：Li A，Li YF，Wang C等。具有可重新配置性能和超低功耗的成型集成光谱仪。
尽管对集成光谱仪的需求紧迫，但仍缺少提供高性能同时实用的效果的解决方案。此外，当前的集成光谱仪缺乏其性能的可重构性，这对于动态工作场景非常可取。这项研究通过在硅上证明了一个用户友好，可重构的光谱仪，提供了可行的解决方案。该创新光谱仪的核心是一个可编程的光子电路，能够表现出不同的光谱响应，可以使用芯片相变换个器对其进行显着调整。我们光谱仪的区别特征在于其反向设计方法，促进了轻松控制和对可编程电路的有效操纵。通过消除对复杂配置的需求，我们的设计减少了功耗并减轻控制复杂性。此外，我们的可重构光谱仪提供了两个不同的操作条件。在超高的绩效模式下，它被多个相移的动物激活，并在维持宽带宽度的同时，在图表尺度上实现了异常的光谱分辨率。另一方面，使用易用模式进一步简化了控制逻辑并通过操纵单相移位器来减少功耗。尽管此模式提供了大约0.3 nm的光谱分辨率略有降级，但它优先考虑易用性，并且非常适合超细光谱重建不是主要要求的应用。
专注于生物碱-Frontiers
过敏性鼻炎（AR）的特征是过敏原特异性介导的上呼吸道炎症性炎症性炎症，全球流行率高达30％（Meltzer，2016年）。除了避免过敏原的标准外，过敏原免疫疗法（AIT）旨在诱导特定的过敏原免疫耐受性，从而达到临床症状缓解的状态。特定的未修饰或化学修饰过敏原（过敏反应）的可重复摄入量是保持症状的关键。在AIT的这些方法中，皮下免疫疗法（SCIT），舌下免疫疗法（SLIT）和淋巴免疫疗法（LIT）被证明是有关效率，安全性和副作用的主流治疗方法。与缝隙相比，SCIT是一种临床依赖性治疗方法，患者皮下接受过敏原提取物注射。它分为初始治疗阶段（剂量积累阶段）和维持治疗阶段（剂量维持阶段）。世界过敏组织（WAO）建议将免疫疗法维持三到5年，并在临床上至少推荐2年。患者的依从性是确保持久效率和维持症状缓解作用的关键因素。由于SCIT的持续时间，繁琐的过程，缓慢发作，治疗效果的个体差异以及其他因素从根本上影响治疗剂的完整性，因此。 根据AIT的研究，依从性率从约25％到90％以上（Passalacqua等，2013）。。根据AIT的研究，依从性率从约25％到90％以上（Passalacqua等，2013）。根据AIT的研究，依从性率从约25％到90％以上（Passalacqua等，2013）。世界卫生组织（WHO）采用了“坚持”定义为“一个人的行为，例如服药，饮食或执行生活方式的改变，与医疗保健提供者的同意建议相对应”（Eduardo，2003年）。在最近的欧洲过敏和临床免疫学学院（EAACI）指南中，强调了对患者进行免疫疗法的工作原理以及解释遵守常规剂量3年治疗的重要性的教育（Roberts等人，2018年）。通过系统和技术干预措施，将多种方法引入了改善依从性和监督患者结局的领域，以防止对治疗的不完整中断。诊所的干预措施提前在整个治疗周期中进行了批准，作为一种有效的方法。在面对来自患者的大量个性化数据时，如何精确识别和评估即将到来的非依从性行为的风险，在应用程序中有望有一个临床预测模型。在医疗保健中，机器学习，尤其是顺序模型，位于创新的最前沿，提供了分析复杂医疗数据并改善患者治疗的新方法。先前的研究主要集中在依从性的非序列预测方法上（Ruff等，2019； Wang等，2020； Mousavi等，2022； Warren等，2022）。这种方法在治疗过程中提出了一个显着的限制，特别是对于经常跨越长时间（例如3年）的免疫疗法。这些非序列方法倾向于仅预测整体结果，从而忽略了中间时间步骤的复杂性。促进早期干预措施，一个顺序模型，能够在任何给定时间进行预测
Rodrigo Ferrer-Chavez，Brandon Feng，Jason J. Wang，...
直接成像是发现和表征系外行星的必要技术。鉴于主恒星比我们希望观察到的行星更明亮，因此直接成像的主要挑战是删除尽可能多的星光，同时在我们的图像中保持尽可能多的行星信号。更有效地做到这一点，可以研究淡淡的行星，这转化为对新系外行星种群的访问。尤其是James Webb空间望远镜（JWST）允许对直接图像的子jupiter质量行星具有首次敏感性。常用方法包括在参考图像上执行主成分分析（PCA）以删除星光，但此工作引入了一种新的前向模型方法，使用可区分的冠状动脉模型来减去星光减法。利用JWST的特殊稳定性，我们在模拟的JWST图像上测试了我们的方法，同时拟合了恒星点扩散函数（PSF）和望远镜入口处的光路差（OPD）图。我们的方法成功地以广泛的挑战对比度水平成功恢复了行星信号。
Ma TG，Wang HZ，Guo LJ。 Optogpt：光学多层薄膜结构中的逆设计基础模型。 Opto-Electron Adv 7，240062（2024
光学多层薄膜结构是在许多应用中广泛使用的最重要的光子结构之一，包括结构颜色1,2，过滤器3，吸收剂4，分布式Bragg反射剂5,6（DBR），Fabry-Pérot7（fp）7（fp）储存器，Photovoltaic 8和photovoltaic 8和辐射式冷却9--其他9- 11- 11- 11-11，等等。逆设计旨在确定最佳的材料布置并获得厚度组合以实现用户呈现的光学目标，这对于启用上述许多应用程序至关重要。术语中，主流逆设计方法有两种类型：1）基于优化的方法12-16，它们依靠数值模拟和迭代搜索来微调设计和目标的光学响应之间的差异； 2）基于深度学习的方法17-23，该方法使用神经网络从目标响应的空间中学习了对光学空间的一般映射