XiaoMi-AI文件搜索系统
World File Search SystemXiong
利用量子信息技术和区块链构建弹性 Web 3.0：双向视角
作者地址：任晓旭，xiaoxuren@tju.edu.cn，天津大学智能与计算学院，天津，中国，300072；徐敏瑞，minrui001@e.ntu.edu.sg；Dusit Niyato，dniyato@ntu.edu.sg，南洋理工大学计算机科学与工程学院，新加坡，新加坡，639798；康佳文，kavinkang@gdut.edu.cn，广东工业大学自动化学院，广州，中国，510006；熊泽辉，zehui_xiong@sutd.edu.sg，新加坡科技设计大学信息系统技术与设计支柱学院，新加坡，新加坡，487372；邱超，chao.qiu@tju.edu.cn；王晓飞，xiaofeiwang@tju.edu.cn，天津大学智能与计算学院，天津，300072。
钠导向光子诱导组装策略制备高原子利用率多位点催化剂
该期刊文章的自存档后印本版本可在林雪平大学机构知识库 (DiVA) 上找到：https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-196935 注意：引用该作品时，请引用原始出版物。An, X., Wei, T., Ding, P., Liu, L., Xiong, L., Tang, J., Ma, J., Wang, F., Liu, H., Qu, J., (2023), Sodium- Directed Photon-Induced Assembly Strategy for Preparing Multisite Catalysts with High Atomic Utilization Efficiency, Journal of the American Chemical Society , 145(3), 1759-1768。https://doi.org/10.1021/jacs.2c10690
白细胞介素-23 作为溃疡性结肠炎的药物靶点
IL-12 和 IL-23 (IL12/23) 是促炎细胞因子，有助于人体免疫的多个方面。临床前数据和临床试验已证明 IL-12、IL-23 与能够产生组织炎症的致病性 T 辅助细胞的生成之间的关系。迄今为止的临床证据表明 IL-12p40 亚基对某些疾病至关重要。事实上，白细胞介素-23 被认为对某些自身免疫性炎症疾病有贡献，例如牛皮癣、炎症性肠病（IBD；如溃疡性结肠炎 - UC 和克罗恩病 - CD）、类风湿性关节炎、多发性硬化症和肿瘤生长 (Xiong et al. , 2022)。因此，考虑到上述所有证据，旨在控制 IL-12/23 信号通路是开发多种潜在治疗方法的药理学策略。
陪审团suh
1。NOWISIS数据如何影响学习的接触动态？H.J.Terry Suh，M。Simchowitz，T。Pang，R。Tedrake IROS 2023研讨会：学习符合基于模型的操纵方法，并掌握2。与梯度打击不确定性：通过扩散得分与H.J.Terry Suh，G。Chou，H。Dai，L。Yang，A。Gupta，R。Tedrake机器人学习会议（CORL），2023 3.种子：6D中的串联弹性末期效果用于Visuotactile工具使用H.J.Terry Suh，N。Kuppuswamy，T。Pang，P。Mitiguy，A。Alspach，R。Tedrake国际智能机器人和系统会议（IROS），2022年，4。可区分的模拟器会提供更好的政策梯度吗？H.J.Terry Suh，M。Simchowitz，K。Zhang，R。Tedrake国际机器学习会议（ICML），2022年，Long Talk，杰出纸张奖5.在策略优化中使用可区分的模拟器进行访问量填充的操作H.J.Terry Suh，M。Simchowitz，K。Zhang，T。Pang，R。Tedrake ICRA 2022车间：RL操纵6。线性模型在对象桩操纵中的线性模型的令人惊讶的有效性H.J.Terry Suh，R。Tedrake算法XIV（WAFR），347-363，2020 7。多模式混合运动H.J.Terry Suh，X。Xiong，A。Singletary，A.D。Ames，J.W。 Burdick IEEE国际智能机器人与系统会议（IROS），2020 8。 朝着面向人形的运动写作A. Stoica，H.J。 Terry Suh，S.M。Terry Suh，X。Xiong，A。Singletary，A.D。Ames，J.W。Burdick IEEE国际智能机器人与系统会议（IROS），2020 8。朝着面向人形的运动写作A. Stoica，H.J。Terry Suh，S.M。Terry Suh，S.M。Hewitt，S。Bechtle，A。Gruebler，Y。IwashitaIEEE国际系统，人与控制论的国际会议（SMC），2017年
OCED 投资风险方法
该文件是在 OCED 代理主任 Kelly Cummins 的领导下制定的。它在投资组合战略部主任 Melissa Klembara 的指导下得以完成，并由 William Dean、Shrikant Avi 和 Olivia Corriere 组成的核心团队领导。在此过程中，来自 OCED 的许多员工提供了宝贵的反馈意见。这些贡献者包括（按字母顺序排列）：Tom Andrews、Eli Bashevkin、Keith Boyea、Maressa Brennan、Catherine Casomar、Chris Creed、Andrew Dawson、Howard Dickenson、Greg Dierkers、James Dubois、Andrew Gilbert、Katie Harkless、Myer Johnson-Potter、Richard Matsui、Andrew McCabe、Laurel McFadden、Ketriel Mendy、Eric Miller、Anna-Lee Misiano、Katrina Pielli、Katy Sartorius、Doug Schultz、Daniel Sharfman、Todd Shrader、Divya Singh、Jonah Wagner、Jef Walker、Eddie Whitehurst、Robin Wong 和 Julia Xiong。
引用li y，xiong y，fan w，wang k，yu Q，si l，van der smagt P，Tang J和Chen N（2024），顺序预测Sub
自动疟疾诊断是机器学习（ML）的困难但高价值的目标，有效的算法可以挽救数千个儿童的生命。但是，当前的ML努力在很大程度上忽略了关键的用例限制，因此在临床上没有用。尤其是两个因素对于开发可翻译为临床领域设置的算法至关重要：（i）对ML溶液必须适应的临床需求的清晰了解； （ii）指导和评估ML模型的与任务相关的指标。对这些因素的忽视严重阻碍了过去在疟疾上的ML工作，因为所产生的算法与临床需求不符。在本文中，我们通过显微镜诊断为GIEMSA染色的血液纤维来解决这两个问题。预期的受众是ML研究人员以及评估疟疾ML模型性能的任何人。首先，我们描述了为什么领域专业知识对于有效地将ML应用于疟疾，并列出提供此领域知识的技术文档和其他资源至关重要。第二，我们详细介绍了针对疟疾诊断的临床要求量身定制的性能指标，以指导ML模型的开发并通过临床需求的镜头（与通用ML镜头）评估模型性能。我们强调了患者级别的观点，室内变异性，假阳性率，检测限制和不同类型的错误的重要性。我们还讨论了ML工作中常用的ROC曲线，AUC和F1的原因很不适合这种情况。这些发现也适用于涉及寄生虫负荷的其他疾病，包括被忽视的热带疾病（NTD），例如血吸虫病。
会员指南 2025-2026
(R)................................................2nd................... 2190 25B Smith, Andy (DFL)........................................ 5th.............................. 9249 35A Stephenson, Zack (DFL)................................ 5th.............................. 5513 22B Stier, Terry (R)................................................2nd..........................7-9010† 15A Swedzinski, Chris (R).......................................2nd................................ 5374 54A Tabke, Brad (DFL)............................................. 5th..............................7-9001† 15B Torkelson, Paul (R).........................................2nd................................ 9303 16A Van Binsbergen, Scott (R) ................................2nd..........................7-9010† 38B Vang, Samantha (DFL)........................................ 5th.............................. 3709 52B Virnig, Bianca (DFL)................................................. 5th............................... 4192 7B Warwas, Cal (R) ..............................................2nd..............................7-9010† 32A West, Nolan (R)...............................................2nd................... 4226 5B Wiener, Mike (R)...............................................2nd................... 4293 57B Witte, Jeff (R)......................................................2nd................... 4240 14B Wolgamott, Dan (DFL)................................ 5th................................ 6612 67B Xiong, Jay (DFL)............................................. 5th................... 4201 46B Youakim, Cheryl (DFL).................................... 5th................... 9889 3B Zeleznikar, Natalie (R).............................................2nd................... 2676 40B 特别选举定于 1/28/25.............................................................
技术采用与跨越：移动支付竞赛
∗ 我们感谢 Mark Bils、Yiting Deng、Jeremy Greenwood、Apoorv Gupta、Kinda Hachem、Zhiguo He、Hugo Hopenhayn、Chang-Tai Hsieh、Chad Jones、Boyan Jovanovic、Pete Klenow、Dirk Krueger、Jane Li、Florin Maican、Nitya Nayar、Shumiao Ouyang、Zheng (Michael) Song、Pengfei Wang、Shang-Jin Wei、Toni Whited、Kairong Xiao、Wei Xiong、Daniel Yi Xu 以及各种研讨会和会议的参与者提供的有益评论，感谢 Emily Emick 和 Brennan Merone 提供的研究帮助。本文表达的观点仅代表作者本人，并不一定反映里士满联邦储备银行或联邦储备系统的观点。† 隶属关系：北京大学光华管理学院，北京，中国。电子邮件地址：pengfei-han@gsm.pku.edu.cn。 ‡ 隶属关系：美国弗吉尼亚州里士满里士满联邦储备银行研究部。电子邮箱地址：zhu.wang@rich.frb.org。
能源与环境科学
作者的完整列表：Peng，Xiong; Zachary能源技术部Taie劳伦斯·伯克利国家实验室；劳伦斯·伯克利国家实验室；俄勒冈州立大学刘，江金；劳伦斯·伯克利实验室Zhang，Yaqian；劳伦斯·伯克利国家实验室彭，Xinxing；劳伦斯·伯克利实验室Regmi，Yagya；劳伦斯·伯克利国家实验室，朱莉（Julie）；劳伦斯·伯克利国家实验室；加利福尼亚大学伯克利分校，克里斯托弗化学与生物分子工程卡普亚诺； NEL氢Binny，Dustin；巴拉德电力系统公司Kariuki，南希； Argonne国家实验室，化学科学与工程部踏板车，结婚；劳伦斯·伯克利实验室；加州大学伯克利分校，黛博拉；亚当的阿尔贡国家实验室，化学科学与工程部韦伯；劳伦斯·伯克利国家实验室，能源技术区Danilovic，Nemanja；劳伦斯·伯克利国家实验室，储能和分布资源
政治经济学和劳工阅读小组
• 观点即事实 (《经济研究评论》，即将出版) Leonardo Bursztyn、Aakaash Rao、Chris Roth、David Yanagizawa-Drott • 社交媒体信息流算法如何影响竞选活动中的态度和行为？，《科学》，2023 年，Andrew M. Guess、Neil Malhotra、Jennifer Pan、Pablo Barberá、Hunt Allcott、Taylor Brown、Adriana Crespo-Tenorio、Drew Dimmery、Deen Freelon、Matthew Gentzkow、S, ra González-Bailón、Edward Kennedy、Young Mie Kim、David Lazer、Devra Moehler、Brendan Nyhan、Carlos Velasco Rivera、Jaime Settle、Daniel Robert Thomas、Emily Thorson、Rebekah Tromble、Arjun Wilkins、Magdalena Wojcieszak、Beixian Xiong、Chad Kiewiet de Jonge、Annie Franco、Winter Mason、Natalie Jomini Stroud、Joshua A. Tucker • 在新闻编辑室阅读 Twitter：社交媒体如何影响传统媒体报道、Sophie Hatte、Etienne Madinier、Ekaterina Zhuravskaya