XiaoMi-AI文件搜索系统
World File Search Systemature
TNFD in a Box v6 - 模块 1：自然与商业关系
“我们知道，我们的长期成功取决于自然环境的健康和稳定。这意味着要采取可持续的农业实践，保护水资源、生物多样性、气候和土壤健康，并在全球范围内发挥我们的作用，解决粮食生产和消费对环境的影响”
袋鼠妈妈护理对提前出院并入住新生儿科的早产儿灌注指数、心率和血氧饱和度的影响
摘要 目的：确定袋鼠妈妈护理 (KMC) 对提前出院并于随后几天入住新生儿重症监护病房 (NICU) 的早产儿灌注指数、心率和血氧饱和度的影响。方法：本研究采用随机对照实验设计，并使用前测-后测对照组模型。本研究纳入了 2019 年 12 月至 2020 年 12 月期间提前出院并随后入住 NICU 的婴儿。在土耳其伊斯坦布尔一家私立大学医院的 NICU，使用简单随机化技术分配实验组 (n = 38) 和对照组 (n = 38)。比较了应用 KMC 的实验组和未应用 KMC 的对照组的心率、灌注指数和血氧饱和度水平。以 15 分钟为间隔测量这些参数，持续 45 分钟（0-1、15、30、45 分钟）。资料收集通过母婴入门信息表、袋鼠妈妈护理准备表、袋鼠妈妈护理生理参数监测表、Noninvaziv脉搏血氧饱和度仪进行，采用独立样本t检验、Pearson卡方检验、Fisher精确概率法进行统计。结果：实验组与对照组婴儿胎龄（分别为31.11±3.25和31.61±3.04，p=.491）和体重（分别为1778.29±436.93和1953.29±345.74，p=.057）相近，差异均无统计学意义。袋鼠妈妈护理前，实验组与对照组婴儿心率、血氧饱和度、血流灌注指数值均无差异（p>.05）。从应用KMC后的第一个15分钟到KMC后45分钟，实验组的心率和血氧饱和度与对照组相比显著降低（p=0.001）且趋于稳定。实验组在KMC期间第15、30和45分钟的心率低于对照组（分别为147.63±11.04；142.47±11.94；136.82±13.22和153.13±8.73；154.50±7.27；154.84±7.05）。此外，袋鼠妈妈护理期间的氧饱和度高于对照组（分别为 96.68 ± 2.08；97.24 ± 2.18；97.87 ± 1.66 和 94.79 ± 1.27；94.66 ± 1.45；94.39 ± 1.38）。与对照组相比，实验组在袋鼠妈妈护理期间心率和氧饱和度的显著差异在袋鼠妈妈护理后 45 分钟内持续。灌注指数在袋鼠妈妈护理期间 30 分钟和 45 分钟时显著升高。然而，尽管这种变化在袋鼠妈妈护理后仍持续，但灌注指数的变化并不具有统计学意义。结论：袋鼠妈妈护理有助于调节提前出院并在随后几天进入 NICU 的早产儿的心率、氧饱和度和灌注指数。关键词：心率、婴儿护理、袋鼠妈妈护理法 氧饱和度 灌注指数 早产
申请征集：ProGREEN Advance Institute (AI)Virtual on
加强对与可再生能源增长潜力相关的重要推动因素和制约因素的了解，对于确保增加使用可再生能源的可行途径至关重要。作为回应，START International 在魁北克研究基金会 (FRQ) 的支持下，正在实施促进可再生能源收益 (PROGREEN) - 西非项目。该项目旨在加强对可再生能源转型的了解以及这些转型对发展的影响，特别是在粮食和水安全以及人口福祉方面。在项目第一阶段，START 召集了布基纳法索和塞内加尔的多学科和跨部门专家团队，对推动两国可再生能源转型的关键推动因素和限制因素进行了深入评估。该项目还通过拉巴特皇家战略研究所与摩洛哥的可再生能源专家进行合作，探索和确定该国可再生能源格局的关键层面以及与西非更广泛的工作之间的潜在协同作用。
用户对人工智能信任的系统文献综述
摘要 用户对人工智能 (AI) 系统的信任已得到越来越多的认可，并被证明是促进采用的关键因素。有人提出，支持人工智能的系统必须超越以技术为中心的方法，转向以人为本的方法，这是人机交互 (HCI) 领域的核心原则。本评论旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法，以收集未来技术和设计策略、研究和计划的见解，以校准用户与人工智能的关系。研究结果证实，定义信任的方法不止一种。选择最合适的信任定义来描述特定环境中的用户信任应该是重点，而不是比较定义。研究发现，用户对人工智能系统的信任受到三个主要主题的影响，即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位，强调了从开发到监控人工智能系统的过程中用户参与的重要性。研究还发现，用户和系统的不同环境和各种特征也会影响用户信任，强调了根据目标用户群的特征选择和定制系统功能的重要性。重要的是，社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面，调查是最常用的方法，其次是访谈和焦点小组。总之，在使用或讨论支持 AI 的系统的每个情况下，都需要直接解决用户信任问题。此外，校准用户与 AI 的关系需要找到不仅对用户而且对系统都适用的最佳平衡。
关于人工智能用户信任的系统文献综述
摘要 用户对人工智能 (AI) 系统的信任已越来越多地得到认可，并被证明是促进采用的关键要素。有人提出，人工智能系统必须超越以技术为中心的方法，走向以人为本的方法，这是人机交互 (HCI) 领域的核心原则。本综述旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法，以收集未来技术和设计策略、研究和计划的见解，以校准用户与人工智能的关系。研究结果证实，定义信任的方法不止一种。重点应该是选择最合适的信任定义来描述特定环境中的用户信任，而不是比较定义。研究发现，用户对人工智能系统的信任受到三个主要主题的影响，即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位，强调了用户参与从开发到监控人工智能系统的重要性。研究还发现，不同环境以及用户和系统的各种特征都会影响用户信任，这凸显了根据目标用户群的特征选择和定制系统功能的重要性。重要的是，社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面，调查是最常用的方法，其次是访谈和焦点小组。总之，在使用或讨论人工智能系统的每一个环境中，都需要直接解决用户信任问题。此外，校准用户与人工智能的关系需要找到不仅对用户而且对系统都适用的最佳平衡点。
氢能文献综述_2024 年 1 月 - Gridworks
为了加速经济脱碳，政府和企业正在投资氢气作为低排放或零排放燃料，以取代化石气体（也称为天然气或甲烷气体）。在联邦层面，2021 年 6 月，美国能源部 (DOE) 启动了首个“能源地球计划”，旨在十年内将“清洁氢气”的成本降低 2 至 1 美元/公斤，从而为应对气候危机做出贡献。3 为了支持这一目标，《通胀削减法案》引入了新的清洁氢气生产税收抵免，并扩大了现有的投资税收抵免范围，以适用于氢气项目和独立的氢气储存技术。4 此外，通过《两党基础设施法》，联邦政府将向七个区域氢气中心投资 70 亿美元，5 预计这也将催化超过 400 亿美元的私人投资。6
使用挂锁探针解剖分子特征以解释病理状态 Anastasia Magoulopoulou
摘要 生命科学领域的最新技术进步极大地提高了我们以前所未有的深度在分子水平上解决科学问题的能力。自推出以来，下一代测序 (NGS) 实现了高通量分析，随着时间的推移，变得越来越普及和负担得起，塑造了研究和临床应用的未来。空间分辨转录组学 (SRT)，特别是原位测序 (ISS)，提供单细胞转录组数据，同时保留周围组织微环境的组织病理学背景。本论文探讨了挂锁探针与原位测序 (ISS) 或下一代测序 (NGS) 结合的应用，以解决与特定疾病相关的问题。在论文 I 中，我们研究了结核分枝杆菌 (Mtb) 与结核病感染小鼠肺中免疫细胞之间的空间相互作用，绘制了细菌簇和单个细菌附近的免疫相关转录本。我们的研究结果表明，在 Mtb 抗性的 C57BL/6 小鼠中，靠近单个细菌的巨噬细胞活化。相比之下，在易感染结核分枝杆菌的 C3HeB/FeJ 小鼠的肺组织中占主导地位的组织化肉芽肿未富集免疫激活转录本。这种方法提供了对结核病免疫反应的见解，并强调了空间分辨转录组学在研究宿主-病原体相互作用方面的能力。在论文 II 中，我们研究了非小细胞肺癌 (NSCLC) 中的肿瘤微环境，重点研究了 T 细胞克隆性的影响。我们将 TCR 克隆性与基因突变、肿瘤免疫特征和对免疫疗法的反应联系起来。我们的数据显示，高 TCR 克隆性与高肿瘤突变负担、发炎的肿瘤表型以及对检查点抑制剂的反应改善有关，这表明其有可能成为 NSCLC 个性化免疫治疗的生物标志物。在论文 III 中，我们在空间上探索了新辅助治疗期间选定的 NSCLC 组织中的 TCR 模式和免疫细胞分布，这些组织具有匹配的未受影响的淋巴结，以及 HER2+ 乳腺癌病例。我们注意到，与匹配的淋巴结相比，癌症组织中的 TCR 多样性较低。我们的数据进一步揭示了扩增克隆型（主要是 CD8 T 细胞）的区域优势，这些克隆型位于靠近癌症区。总体而言，这些结果证明了 ISS 在提供诊断组织样本中肿瘤免疫微环境中克隆 T 细胞扩增之间相互作用的关键空间细节方面的实用性，特别是在治疗环境中。在论文 IV 中，我们开发了一种基于分子倒置探针 (MIP) 的经济高效的检测血液样本中微生物病原体和抗菌素耐药性标志物的检测方法，即使在资源匮乏的环境中也能提供高特异性和灵敏度。MIP 方法简化了病原体检测，无需进行大量的样品制备或生物信息学分析，使其成为资源匮乏地区监测传染病的便捷工具。总的来说，这项工作展示了挂锁探针和先进技术的应用，以加深我们对疾病的了解并改善诊断和个性化治疗。
使用量子算法进行全息特征分解
本文讨论了超维计算（HDC）（又称向量符号架构（VSA））中全息特征向量的分解。HDC 使用具有类似大脑特性的高维向量来表示符号信息，并利用高效的运算符以认知方式构建和操作复杂结构化数据。现有模型在分解这些结构时面临挑战，而分解过程对于理解和解释复合超向量至关重要。我们通过提出 HDC 记忆分解问题来应对这一挑战，该问题捕捉了 HDC 模型中常见的构造模式。为了有效地解决这个问题，我们引入了超维量子记忆分解算法 HDQMF。HDQMF 的方法独特，利用量子计算提供高效的解决方案。它修改了 Grover 算法中的关键步骤来实现超向量分解，从而实现了二次加速。
附件_IV 显著技术特点 BESS_10GWh.docx
项目名称：NTPC 热电站 2500 MW/10000 MWh BESS。 项目总容量：2500 MW/10000 MWh 每个电站的容量：500MW/2000 MWh。 暂定最小投标规模：250 MW 1000 MWh。 （每个电厂两个 250 MW 区块。所有容量在 400KV/220 KV 互连点测量）BESS 使用寿命 BESS 的设计使用寿命为 20 年，适用于日常单循环运行。本项目范围包括 10 年的运营和维护。 衰减额定项目容量必须在调试期间进行演示，并应在运行的第一年保持。每日放电量和年度往返效率应按年度下降。