XiaoMi-AI文件搜索系统
World File Search Systemask
通过使用纳米球自组装掩模直接蚀刻来改进 PDMS 模具制造，以制造软 UV-NIL 亚波长超表面
随着超表面在光学应用领域的应用越来越广泛，在其开发中需要一种能够以低成本实现大表面和亚100纳米尺寸的制造方法。由于其高吞吐量和小结构化能力，软纳米压印光刻是制造此类器件的良好候选方法。但是，由于必须使用低粘度聚合物才能达到所需尺寸，因此阻碍了其在可见光波长下超表面的应用，这使得最终的压印件更易碎，且该过程更昂贵、更复杂。在此，我们提出了一种PDMS模具制造方法，该方法依赖于PDMS的自组装掩模，然后直接蚀刻模具，从而与聚合物粘度无关可达到的最小尺寸。我们对使用我们的方法获得的模具制造的超表面进行了表征，验证了其在大表面器件纳米制造中的应用。
内布拉斯加州的电池回收
该演示文稿由Nebraska University -Lincoln大学的环境与可持续性研究计划带给您免费和公开访问。已被授权的数字通信管理员@Nebraska University -Lincoln接受了它将环境参与的社区项目和产品纳入。
自适应双级多机器人任务分配和在不确定性下使用时间逻辑约束
这项工作解决了未知机器人过渡模型下多机器人协调的问题，以确保按时间窗口时间窗口逻辑指定的任务对用户定义的概率阈值满意。我们提出了一个BI级框架，该框架集成了（i）高级任务分配，其中根据机器人的估计任务完成概率和预期奖励分配任务，以及（ii）在履行分配的任务时，机器人独立优化了辅助奖励。要处理机器人动力学中的不确定性，我们的方法利用实时任务执行数据来迭代地完善预期的任务完成概率和奖励，从而无需显式机器人过渡模型即可自适应任务分配。我们从理论上验证了所提出的算法，表明任务分配具有很高的置信度达到所需的概率阈值。最后，我们通过全面的模拟证明了框架的有效性。
DrugOrchestra：通过深度多任务学习联合预测药物反应、目标和副作用
大量积累的药物基因组学、化学基因组学和副作用数据集为药物反应预测、药物靶标识别和药物副作用预测提供了前所未有的机会。现有的计算方法将其范围限制在这三个任务中的一项，不可避免地忽略了它们之间的丰富联系。在这里，我们提出了 DrugOrchestra，这是一个深度多任务学习框架，可以联合预测药物反应、靶标和副作用。DrugOrchestra 利用预先训练的基于分子结构的药物表征来连接这三个任务。DrugOrchestra 不是直接对单个任务进行微调，而是使用深度多任务学习通过同时对药物反应、靶标和副作用预测进行微调来获得基于表型的药物表征。通过将这三个任务结合在一起，DrugOrchestra 能够仅通过了解其分子结构来预测看不见的药物。我们通过整合三个任务中的 8 个数据集，构建了一个包含超过 21,000 种药物的异构药物发现数据集。与在单个任务或单个数据集上训练的方法相比，我们的方法获得了显着的改进。我们进一步揭示了 8 个数据集和 3 个任务之间的可迁移性，为理解药物机制提供了新的见解。关键词：多任务学习、药物靶标预测、药物副作用预测、药物反应预测可用性：https://github.com/jiangdada1221/DrugOrchestra
人工智能生成语言模型的当前状态比人类在不同的思维任务上更具创造力
公开访问的人工智能（AI）大语模型（例如ChatGpt）的出现已引起了有关AI功能含义的全球对话。对AI的新兴研究提出了这样的假设，即创造潜力是一种独特的人类特征，因此，人类的看法与AI客观上能够创造的东西之间似乎存在脱节。在这里，我们旨在评估与AI相比人类的创造潜力。在本研究中，人类参与者（n = 151）和GPT-4为替代用途任务，后果任务和不同关联任务提供了反应。我们发现，与人类同行相比，AI在每个不同的思维测量中都具有更强的创造力。具体来说，当控制响应的流利度时，AI是更原始和精心制作的。目前的发现表明，与人类受访者相比，AI语言模型的当前状态具有更高的创造力。
新型深紫外微型 LED 阵列推动无掩模光刻技术发展
光刻技术在集成电路芯片制造中发挥着至关重要的作用，是半导体和微电子工业的关键核心技术之一。20世纪90年代以来，低成本、高分辨率无掩模光刻系统成为先进光刻技术研究的热点。然而，该项前沿技术的专利主要掌握在欧洲、美国、日本和韩国手中，技术壁垒较高。
在爱荷华州地方法院的波尔克县法院
引言百日咳是由百日草细菌引起的高度传染性呼吸道感染。百日咳病例倾向于在美国每3 - 5年每3 - 5年每3至5年达到高峰。在广泛的疫苗接种之前，每年在美国儿童中造成超过200,000例和9,000例死亡。1在COVID-19大流行期间的百日咳案例较低后，百日咳的发生率在2024年在阿拉斯加和全国范围内大幅增加。2,3这种活动激增引起了有关TDAP和DTAP疫苗功效的问题。本评估的目的是评估2024年阿拉斯加儿童的细胞全世界疫苗的现实世界有效性。方法我们进行了基于人群的病例对照分析，以评估收到收到百日咳疫苗（即DTAP和/或TDAP）与2024年百日咳疾病的风险之间的关联。案件包括在2024年5月1日至11月30日在阿拉斯加报告的2个月至17岁的儿童中所有首次实验室确认的百日咳病例。对照是从同一年龄的儿童的测试报告中随机选择的，他们在分析期间与相应的百日咳病例相同的医疗机构进行了呼吸道病毒病原体的测试，但尚无已知的当前或事先诊断百日咳。对于每种情况，我们随机选择了按年龄（年龄）和医疗机构匹配的三个控件。通过与阿拉斯加的免疫信息系统vactrak联系，评估了每个孩子的疫苗状况。确定每个孩子收到的DTAP/TDAP剂量的总数。儿童被归类为完全疫苗接种（或“最新”），如果他们的vactrak记录显示出dtap和tdap剂量，与标本收集时的ACIP年龄特定建议一致。记录的未记录剂量的人被归类为未接种剂，而那些剂量但未最新的人被归类为部分接种疫苗。为了确保准确的儿童疫苗接种数据，该分析仅限于阿拉斯加出生的儿童。在试样收集前2周内给药的剂量被排除在总剂量计数之外，因为时间不足无法实现免疫反应。病例和对照五个以上记录的DTAP剂量或百日咳病史被排除在分析之外。为了估计疫苗接种与百日咳诊断之间的关联，我们使用条件逻辑回归来计算优势比，这是对匹配因素（设施和出生年）的解释。疫苗有效性（VE）计算为：1-优势比×100％。回归模型已针对种族和日历月进行调整，并通过匹配的设计控制了年龄和医疗机构。未接种疫苗的儿童在所有模型中都是参考组。标准错误已调整以说明设施的聚类。最终分析中包括了来自阿拉斯加17个医疗机构的120例病例和344个对照。病例比对照组更有可能未接种疫苗（43.8％[n = 52] vs. 9.3％[n = 32]; p <.001），并且不太可能被完全疫苗接种（42.5％[n = 51] vs. 71.2％[n = 245]; p <.001）（表1）。与接受特定年龄特异性的百日咳疫苗剂量（95％CI：7.6-24.7）相比，未接种的儿童收缩百日咳的可能性高13倍。在完全疫苗接种的儿童中，针对百日咳的疫苗有效性为92.7％（95％CI：86.8％ - 95.9％）（表2）。曾接受过接百日咳疫苗但尚未完全疫苗接种的儿童
自动机器人任务计划通过将大型语言模型与基因编程集成
摘要 - 准确的任务计划对于控制自主系统（例如机器人，无人机和自动驾驶车辆）至关重要。行为树（BTS）被认为是任务计划中最突出的控制政策定义框架之一，由于其模块化，灵活性和可重复性。为机器人系统生成可靠，准确的基于BT的控制策略仍然具有挑战性，并且通常需要域专业知识。在本文中，我们提出了利用大语言模型（LLM）和遗传编程（GP）的LLM-GP-BT技术，以使BTS的生成和配置自动化。LLM-GP-BT技术处理以人类自然语言表达的机器人任务命令，并以计算效率和用户友好的方式将其转换为基于BT的准确和可靠的任务计划。该提出的技术是通过仿真实验系统地开发和验证的，这表明了其简化自主系统任务计划的潜力。
单级篮子试验中的回应率估计
摘要。肿瘤学的治疗进步已基于特定的基因组畸变过渡到靶向治疗。这种转变需要在临床试验中进行创新的统计方法，尤其是在总体协议研究的新兴范式中。篮子试验是一种总体方案，评估了共享共同基因组畸变但在肿瘤组织学上不同的同类群体中的单一治疗方法。在具有运营优势的同时，对篮子试验的分析引入了有关统计推断的挑战。篮子试验可用于确定目标治疗的肿瘤组织学有望足以搬迁以确定临床评估，并可以采用贝叶斯设计来支持这一决策。除了决策之外，对队列特异性响应率的估计对于为后续试验的设计提供了高度相关。这项研究通过仿真研究评估了具有二元结果的七种贝叶斯估计方法，与（频繁的）样本比例估计值形成鲜明对比。目的是提出特定于响应率，重点是平均偏差，平均平方误差和信息借贷程度。探索了各种场景，涵盖了整个队列中的均匀，异类和聚类的响应率。评估方法的性能显示出偏见和精确度的相当大的交易，强调了基于试验特征的方法选择的重要性。Berry的方法在异质性有限的情况下表现出色。在更一般的情况下没有明确的获胜者出现，方法性能受到了对整体平均值，偏见以及先验和调整参数的选择的收缩量所影响。挑战包括方法的计算复杂性，需要仔细调整参数和先前的分布规范以及对其选择的明确指导。研究人员应在设计和分析篮子试验时考虑这些因素。