XiaoMi-AI文件搜索系统
World File Search Systemcient
肥胖症患者的肠道菌群：与肠道菌群在肥胖症患者中的营养和炎症作用的关系：RE
对营养对粪便菌群的影响的研究及其与肥胖和与体重过大有关的肥胖和炎症的相互作用，已获得相关性，以开出精确的药物。 div>菌群的组成与饮食和生活方式密切相关，直接或间接影响脂肪组织的能量代谢，肠道生理学和稳态，影响肥胖，2型糖尿病，心血管疾病，某些类型的癌症和涉及的炎症过程。 div>对宏基因组机制的理解对于应对临床和流行病学挑战至关重要，并在营养炎症 - 肥胖轴上制定了个性化的治疗策略和健康政策，从它们之间的相互作用及其之间的相互作用及其可能的调节作用至关重要。 div>宏基因组过程的知识会更深入地了解菌群作为肥胖的原因或后果，以及对菌群组成的修改，以优化代谢健康并降低发病率的风险，并详细介绍与OBESITY和OBESITY和炎症相关的慢性疾病的治疗方法。 div>本综述着重于解决肠道菌群与营养，肥胖和炎症的关系，以开发有效的预防和治疗各种慢性代谢疾病的方法。 div>
随着技术价格下降，受控制理论启发的设计能否保持部署政策的有效性和成本效益？
摘要 基于经济激励的部署政策是加速清洁能源技术传播的最有效工具之一。上网电价等政策工具在推动太阳能光伏发电的增长方面发挥了关键作用，并可以加速其他对能源系统脱碳至关重要的技术的采用。然而，历史经验表明，如果不能根据技术价格下降调整经济激励措施，可能会从根本上破坏这些政策的有效性和成本效益。本文通过评估三种新颖的政策设计来应对这一挑战。基于控制理论原理，所提出的机制根据部署、政策成本或采用者的盈利能力的变化来调整激励措施。我们评估了每种政策设计在 2000 年至 2016 年期间应用于德国太阳能光伏上网电价时将取得的结果。为此，我们开发了一个基于代理的模型，使我们能够模拟个人家庭和中型和大型企业的采用决策，以及技术价格的演变。我们的结果表明，受控制理论启发的响应设计可能会产生更紧密地遵循其目标且成本更低的政策。此外，我们的分析表明，所研究的设计可以大大减少政策结果和意外利润的不确定性。这项研究还强调了政策目标的时间分布，并确定政策设计的权衡，为未来部署政策的设计得出相关启示。
量子性的深度有效证明 - 研究集锦
量子性证明是一种质询-响应协议，其中经典验证者可以有效地证明不受信任的证明者的量子优势。也就是说，量子证明者可以正确回答验证者的质询并被接受，而任何多项式时间经典证明者都将基于合理的计算假设被高概率拒绝。为了回答验证者的质询，现有的量子性证明通常要求量子证明者执行多项式大小的量子电路和测量的组合。在本文中，我们给出了两种量子性证明构造，其中证明者只需执行恒定深度量子电路（和测量）以及对数深度经典计算。我们的第一个构造是一个通用编译器，它允许我们将所有现有的量子性证明转换为恒定量子深度版本。我们的第二个构造基于舍入问题学习，并且产生的电路深度比通用构造更短，需要的量子位更少。此外，第二种构造对噪声也具有一定的鲁棒性。
学习在实际环境中有效，精确地导航
在陆地机器人自主导航的背景下，创建用于代理动力学和感官的现实模型是机器人文献和商业应用中的广泛习惯，在该习惯中，它们用于基于模型的控制和/或用于本地化和映射。另一方面，较新的AI文献是在模拟器或Ai-thor的模拟器或端到端代理上进行训练的，在这种模拟器中，重点放在照相现实渲染和场景多样性上，但是高效率机器人动作具有较少的特权角色。所得的SIM2REAL差距显着影响训练有素的模型转移到真正的机器人平台。在这项工作中，我们探讨了在设置中对代理的端到端培训，从而最大程度地减少了Sim2real Gap，在感应和驱动中。我们的代理直接预测（离散的）速度命令，这些命令是通过真实机器人中的闭环控制维护的。在修改的栖息地模拟器中鉴定并模拟了真实机器人的行为（包括底盘的低级控制器）。探视和定位的噪声模型进一步促进了降低SIM2REAL间隙。我们在实际导航方案上评估，探索不同的本地化和点目标计算方法，并报告与先前的工作相比的性能和鲁棒性的显着增长。
Cryorl：加固学习启用有效的冷冻EM数据收集
单粒子冷冻电子显微镜（Cryo-EM）已成为主流结构生物学技术之一，因为它具有确定动态生物分子的高分辨率结构的能力。但是，冷冻EM数据获取仍然是昂贵且劳动力密集的，需要大量的专业知识。结构生物学家需要一种更高效，更客观的方法来在有限的时间范围内收集最佳数据。我们将Cryo-EM数据收集任务制定为这项工作中的优化问题。目标是最大化指定期间拍摄的好图像的总数。我们表明，强化学习是一种有效的方法来计划低温EM数据收集，并成功导航异质的低温EM网格。我们开发的AP-PRACH，CRYORL，在类似设置下的数据收集的平均用户表现出了更好的表现。
精确农业涉及使用实时信息来增强资源的有效利用和对农业方法的监督，所有这些都是W
精确农业涉及使用实时信息来增强对资源的有效利用和对农业方法的监督，同时却最大程度地减少了不利的环境影响。多亏了遥感技术的进步，现在在农业部门中生产了大量的大数据。当使用机器和深度学习技术进行分析时，该数据需要转换为有价值的信息，已证明是有益的。这个研究主题“大数据，机器和深度学习的最新进展”吸引了20种高质量的文章，这些文章涵盖了现状的应用以及人工智能，大数据，特征优化，作物疾病检测和分类的精确农业的技术发展。在不断发展的农业景观中，三个关键主题已成为变革性变革的信标。本社论探讨了塑造农业未来的创新领域，重点是三个相互联系的主题：植物疾病检测和作物健康监测的进步，在精确农业中的人工智能（AI）和机器学习（ML）的整合以及用于作品生产优化的方法。在农业科学领域，由于开创性的研究努力，植物疾病检测和作物健康监测的动态景观已经取得了重大进展。Shoaib等。解决噬菌毒全球问题通过强调机器学习技术的关键作用来面对手动监测植物疾病的持续挑战。他们的工作提出了一个基于深度学习的系统，利用了在一个大量数据集中训练的卷积神经网络（Inception Net），其中包括18,161个细分和非细分的番茄叶图像。值得注意的是使用两个最先进的语义分割模型U-NET和修改的U-NET进行疾病检测和分割。结果展示了修改后的U-Net模型的出色性能，超过现有方法，并以高精度对植物疾病进行分类时的效率。