XiaoMi-AI文件搜索系统
World File Search Systemdards
太阳能材料和太阳能电池
资格标准标准在太阳能电池的高耐力和弹性上。在这些Stan dard中，例如欧洲ECSS-E-ST-20-08C或美国AIAA S-111A对应物，包括与高温加速测试有关的生命测试（包括其他许多）。There are several issues that make it difficult to assess the multijunction solar cell life from temperature tests in these standards.例如，在欧洲标准中，假定为硅设备确定的0.7 eV的活化能。另一方面，美国标准在50℃，80℃和110℃的温度下提出了温度加速测试，显然很低，可以真正加速太阳能电池的寿命测试。因此，在本文中，我们介绍了由Inno vative温度ALT得出的结果可靠性数字（可靠性函数，失效概率和MTTF），该温度允许适当估计商业晶格的激活能量匹配的Gainp/ga（IN）AS/GE Triple Juniple -Junife Junction太阳能电池。主要结论是：a）估计活化能为0.97 eV。此值导致测试细胞的寿命值明显更高。b）从Weibull失败密度函数β获得的形状参数为1.67； c）测试的太阳能电池在80°C - 130℃的温度范围内表现出强大的设备，表现出高可靠性值； d）对于较高的温度，尤其是150℃以上的温度，可靠性显着衰减； f）可以在任何操作温度和故障标准中评估可靠性函数和参数。
安全比较和后...
摘要。量子计算挑战锚定公共密码安全性的计算硬度假设，例如素数分解和离散对数问题。为量子时代做准备并承受配备量子计算的攻击，安全性和加密社区正在设计新的抗量子公开密钥密码。国立斯坦德和技术研究所（NIST）正在收集和标准化量子密码，这与其过去参与建立DES和AES作为对称的密码标准类似。公用签名的纳斯特主义算法是二锂，猎鹰和彩虹。找到比较这些算法的共同基础可能很困难，因为它们的设计，基本的计算硬度假设（基于晶格的基于晶格与基于多变量）以及用于先前研究中安全强度分析的不同指标（Qubits vs. Quantum Gates）。我们克服了此类挑战，并比较了Dilithium，Falcon和Rainbow的最终Quantum后密码的安全性和表现。为了进行安全比较分析，我们通过量子电路的深度宽度成本（DW成本）来衡量安全优势，并通过分析通用量子门模型并通过量子退火来提高先前的文献。为了进行性能分析，我们比较算法在执行时间内的计算负载以及与运输层安全性（TLS）和传输控制权协议（TCP）/Internet协议（Internet协议（IP）集成时，通信成本和实施开销。我们的工作介绍了安全比较和绩效分析以及贸易分析，以告知后Quantum Cipher设计和标准化，以保护后Quantum时代的计算和网络。
挪威胡斯塔维卡维京天空号停电 - NTNU Open
本文从 2019 年 3 月在挪威胡斯塔德维卡发生的 Viking Sky 游轮故障（停电、失去推进力和近乎搁浅）中汲取教训。游轮行业的故障和事故吸引了全球媒体的关注，并可能严重影响相关公司和当局的声誉和业务绩效。采用系统方法调查和分析 (CAST)，旨在通过系统方法最大限度地从 Viking Sky 的故障中吸取教训，并有助于减少游轮行业的故障。这项研究提出了三项主要建议：事故或故障前兆和恢复力指标概述；对其他游轮的安全建议；北极和南极地区增加游轮运营的经验教训和行动策略。研究发现，多种事故或故障前兆，例如润滑油水平低、涡轮增压器故障、大型柴油发电机不工作、恶劣天气导致安全设备无法运行以及其他前兆，导致 Viking Sky 在胡斯塔德维卡遇到故障和极度危急的情况。船长立即决定发出求救信号、船员的准备情况以及处理紧急情况的方式等弹性指标被发现对 Viking Sky 的危急情况产生了积极影响。本文还强调，适应
3. 我们精心规划的社区
打造经济健康的市中心。扩大市中心作为城市经济引擎的作用。打造一个对创意经济中的工人和企业都有吸引力的真实城市环境。为新企业集群创造机会，利用现有企业和新兴技术之间的协同作用。积极保留和吸引 Mission Street 和 Fair Oaks Avenue 上互补的零售用途，并利用其独特的地理位置。扩大住房机会增加和多样化对所有生活方式、人口和经济现实都有吸引力的住房机会。安全、舒适、适宜步行的街道提供活跃的店面，重新利用 Mission Street 和 Fair Oaks Avenue 来促进安全的步行和骑自行车，并激活现有的小巷和道路。利用公共交通促进行人和公共交通友好型开发，在车站提供额外的出行选择，并改善通往地铁 A 线车站的行人、自行车和公共交通路线。正确停车有效管理市中心停车场的供需，以满足游客、通勤者和居民的停车需求。建立互联互通的开放空间系统 开发丰富而综合的公共领域，包括公共开放空间、道路和私人庭院，由公共和私营部门共同实施。 激活公共领域 提供、维护和改善公共设施，如公园、街景和市民空间。 制定清晰且可预测的标准，以实现更高质量的开发和街景改善。 开发与街道互动并塑造市民领域的建筑。 情境建筑 设计尊重现有小而细粒度环境的填充建筑，丰富公共领域。 投资艺术和文化 确保市中心作为文化和创意中心的地位。
基于模拟群落评估中欧鱼类环境 DNA 条形码的五对引物
环境 DNA (eDNA) 宏条形码已成为检查鱼类群落的有力工具。在将基于 eDNA 的评估引入监管监测环境（例如欧盟水框架指令）之前，需要方法标准化。为了确保方法的准确性并满足监管标准，已经建立了各种采样、实验室和生物信息学工作流程。然而，全面监测鱼类的关键先决条件是选择合适的引物对，以准确识别给定水体中存在的鱼类。过去十年中，发表了针对不同遗传标记区域的各种鱼类特异性引物对。然而，尚未开展专门研究来评估常用鱼类引物对在评估中欧鱼类物种方面的性能。因此，我们创建了一个由 45 种中欧鱼类 DNA 组成的人工“模拟”群落，并检查了五对引物的检测能力和可重复性。我们的研究重点介绍了引物选择和生物信息学过滤对 eDNA 宏条形码结果的影响。在我们研究中评估的五对引物中，tele02（12S 基因）引物对是中欧淡水鱼 eDNA 元条形码的最佳选择。此外，MiFish-U（12S）和 SeaD NA-mid（COI）引物对表现出良好的检测能力和可重复性。然而，特异性较低的引物对（即针对脊椎动物）被发现不太可靠，并产生大量假阳性和假阴性检测。我们的研究说明了如何通过精心选择引物对和生物信息学流程使 eDNA 元条形码成为鱼类监测更可靠的工具。
迈向 Q-Day 安全的重大飞跃
到 2027 年，网络犯罪的损失预计将高达 23.8 万亿美元。这主要是因为没有哪个计算机网络是没有漏洞的。在联网计算机中，个人数据的万无一失的网络安全被认为几乎是不可能的。量子计算机 (QC) 的出现将使网络安全恶化。QC 将大大缩短计算时间，从几年缩短到几分钟，为数据密集型行业带来福音。但 QC 会使我们当前的加密技术容易受到量子攻击，从而破坏几乎所有现代加密系统。在具有足够量子比特的 QC 出现之前，我们必须准备好量子安全策略来保护我们的 ICT 基础设施。后量子密码学 (PQC) 正在全球范围内被积极推行，以防御潜在的 Q-day 威胁。美国国家标准与技术研究所 (NIST) 通过严格的流程测试了 82 种 PQC 方案，其中 80 种在 2022 年的最后一轮测试后失败。最近，剩下的两种 PQC 也被瑞典和法国的密码学家团队破解，这使得 NIST 的 PQC 标准化流程面临严重危险。由于所有经 NIST 评估的 PQC 均失败，因此迫切需要探索替代策略。尽管网络安全严重依赖于密码学，但最近的证据表明，它确实可以使用零漏洞计算 (ZVC) 技术超越加密。ZVC 是一种与加密无关的绝对零信任 (AZT) 方法，它可以通过禁止所有第三方权限（大多数漏洞的根本原因）使计算机具有量子抗性。 AZT 在传统系统中是无法实现的，因此，一个经验丰富的欧洲合作伙伴联盟致力于构建紧凑、固态的设备，这些设备坚固、有弹性、节能、没有攻击面，可以抵御恶意软件和未来的 Q-Day 威胁。
JENKINS Be KEMPER - 考维塔公立学校
意见基础 我们根据美国普遍接受的审计准则和美国审计长颁布的《政府审计准则》中适用于财务审计的标准进行审计。根据这些标准，我们的责任在我们报告的“审计师对财务报表审计的责任”部分有进一步的描述。我们必须独立于俄克拉荷马州考维塔市考维塔学区 1-017 号，并根据与我们的审计相关的道德要求履行我们的其他道德责任。我们相信，我们获得的审计证据是充分、适当的，为发表审计意见提供了基础。
NPL 报告 MS 34 - 机器学习的不确定性评估
准确、标准化和质量保证的测量为社会带来了诸多好处。这一目标是通过计量基础设施实现的，这些基础设施定义了主要的测量标准，并确保所有测量都可以通过不间断的校准链追溯到这些标准，每个校准链都会增加测量不确定度（BIPM 等）。机器学习 (ML) 和人工智能 (AI) 有可能将计量的范围扩展到信号处理应用，例如先进制造、自动运输、网络通信和医学成像，其中底层物理模型要么不太了解，要么计算效率低下。然而，人们认为 ML 的输出不可信，阻碍了 ML 及其所有优点的采用（Floridi，2019 年）。更具体地说，ML 预测的可追溯性必须伴随着对不确定性的可靠定量评估。虽然机器学习的最新进展在很大程度上集中在分类任务上，但机器学习在计量学中的典型用途是回归任务，其中需要估计连续量。虽然目标是使用有关连续（单变量）量的信息来做出决策或评估系统是否满足特定要求，但根本挑战是测量该量以提供该信息，因此我们将在本报告中重点关注回归问题。计量学中如何出现回归问题？它们的出现是因为通常不可能或不希望直接测量一个量，而是需要或希望从一些更容易测量或有信息的贡献中推断出关于一个量的信息。这些贡献可能与某些仪器或系统进行的测量、应用的校正或从制造商的规格或校准证书等来源获得的信息有关。然后需要一个模型来从这些贡献中推断出有关感兴趣数量的信息。通过测量模型评估不确定性的框架在有影响力的“测量不确定度表达指南”（GUM）（BIPM 等，2008a）中为计量界标准化。在许多情况下，不可能基于物理理解构建或执行分析模型的计算，而是必须采用数据驱动的方法。举三个示例测量问题，其中 ML 要么正在使用，要么具有潜力。
青春期的糖尿病
1。Foster NC，Beck RW，Miller KM等。2016 - 2018年T1D交易所的1型糖尿病管理和结果的状态。糖尿病技术。2019; 21（2）：66-72。 doi：10.1089/dia.2018。 0384 2。 James S，Perry L，Lowe J，Harris M，Craig Me。 组为。 在澳大利亚和新西兰的青少年和1型临时性的青少年和年轻人中的次优血糖控制：来自澳大利亚糖尿病数据网络注册表的数据。 儿科糖尿病。 2022; 23：736-741。 doi：10.1111/pedi.13364 3。 Boettcher C，Tittel SR，Meissner T等。 在10-40岁患有1型糖尿病的患者的血糖控制，泵使用和胰岛素剂量的性别差异：糖尿病注册表研究。 BMJ开放糖尿病护理。 2021; 9（2）：8。 doi：10.1136/bmjdrc-2021-002494 4。 Skinner TC，Charnon S，Howells L，McEvilly A.糖尿病。 in：Snoek FJ，Skinner，TC，编辑。 糖尿病护理中的心理学。 John Wiley＆Sons; 2000。 5。 Seiffge-Krenka I.糖尿病青少年及其家人：压力，应对和适应。 剑桥大学出版社； 2001。 6。 Werther Ga，法院JM，EDS糖尿病和青少年。 Miranova出版商； 1998。 7。 美国糖尿病协会。 13。 儿童和青少年：糖尿病中的医疗服务 - 2021年。 糖尿病护理。 2021; 44-（补充1）：S180-S199。 doi：10.2337/dc21-S013 8。 青春期胰岛素作用受损。2019; 21（2）：66-72。 doi：10.1089/dia.2018。0384 2。James S，Perry L，Lowe J，Harris M，Craig Me。 组为。 在澳大利亚和新西兰的青少年和1型临时性的青少年和年轻人中的次优血糖控制：来自澳大利亚糖尿病数据网络注册表的数据。 儿科糖尿病。 2022; 23：736-741。 doi：10.1111/pedi.13364 3。 Boettcher C，Tittel SR，Meissner T等。 在10-40岁患有1型糖尿病的患者的血糖控制，泵使用和胰岛素剂量的性别差异：糖尿病注册表研究。 BMJ开放糖尿病护理。 2021; 9（2）：8。 doi：10.1136/bmjdrc-2021-002494 4。 Skinner TC，Charnon S，Howells L，McEvilly A.糖尿病。 in：Snoek FJ，Skinner，TC，编辑。 糖尿病护理中的心理学。 John Wiley＆Sons; 2000。 5。 Seiffge-Krenka I.糖尿病青少年及其家人：压力，应对和适应。 剑桥大学出版社； 2001。 6。 Werther Ga，法院JM，EDS糖尿病和青少年。 Miranova出版商； 1998。 7。 美国糖尿病协会。 13。 儿童和青少年：糖尿病中的医疗服务 - 2021年。 糖尿病护理。 2021; 44-（补充1）：S180-S199。 doi：10.2337/dc21-S013 8。 青春期胰岛素作用受损。James S，Perry L，Lowe J，Harris M，Craig Me。组为。在澳大利亚和新西兰的青少年和1型临时性的青少年和年轻人中的次优血糖控制：来自澳大利亚糖尿病数据网络注册表的数据。儿科糖尿病。2022; 23：736-741。 doi：10.1111/pedi.13364 3。Boettcher C，Tittel SR，Meissner T等。在10-40岁患有1型糖尿病的患者的血糖控制，泵使用和胰岛素剂量的性别差异：糖尿病注册表研究。BMJ开放糖尿病护理。2021; 9（2）：8。 doi：10.1136/bmjdrc-2021-002494 4。Skinner TC，Charnon S，Howells L，McEvilly A.糖尿病。in：Snoek FJ，Skinner，TC，编辑。糖尿病护理中的心理学。John Wiley＆Sons; 2000。 5。 Seiffge-Krenka I.糖尿病青少年及其家人：压力，应对和适应。 剑桥大学出版社； 2001。 6。 Werther Ga，法院JM，EDS糖尿病和青少年。 Miranova出版商； 1998。 7。 美国糖尿病协会。 13。 儿童和青少年：糖尿病中的医疗服务 - 2021年。 糖尿病护理。 2021; 44-（补充1）：S180-S199。 doi：10.2337/dc21-S013 8。 青春期胰岛素作用受损。John Wiley＆Sons; 2000。5。Seiffge-Krenka I.糖尿病青少年及其家人：压力，应对和适应。剑桥大学出版社； 2001。6。Werther Ga，法院JM，EDS糖尿病和青少年。 Miranova出版商； 1998。 7。 美国糖尿病协会。 13。 儿童和青少年：糖尿病中的医疗服务 - 2021年。 糖尿病护理。 2021; 44-（补充1）：S180-S199。 doi：10.2337/dc21-S013 8。 青春期胰岛素作用受损。Werther Ga，法院JM，EDS糖尿病和青少年。Miranova出版商； 1998。7。美国糖尿病协会。13。儿童和青少年：糖尿病中的医疗服务 - 2021年。糖尿病护理。2021; 44-（补充1）：S180-S199。doi：10.2337/dc21-S013 8。青春期胰岛素作用受损。Amiel SA，Sherwin RS，Simonson DC，Lauritano AA，Tamborlane WV。 在糖尿病青少年中导致不良血糖控制的一个因素。 n Engl J Med。 1986; 315（4）：215-219。 doi：10.1056/nejm198607243150402 9。 Webb KL，Dobson AJ，O'Connell DL等。 胰岛素依赖性糖尿病患者的饮食顺从性。 J慢性病。 1984; 37（8）：633-643。doi：10.1016/0021-9681（84）90113-9 10. Loman DG，Galgani CA。 diabetes的青少年的体育活动。 糖尿病教育。 1996; 22（2）：121-125。 doi：10.1177/ 014572179602200204 div>Amiel SA，Sherwin RS，Simonson DC，Lauritano AA，Tamborlane WV。在糖尿病青少年中导致不良血糖控制的一个因素。n Engl J Med。1986; 315（4）：215-219。 doi：10.1056/nejm198607243150402 9。 Webb KL，Dobson AJ，O'Connell DL等。 胰岛素依赖性糖尿病患者的饮食顺从性。 J慢性病。 1984; 37（8）：633-643。doi：10.1016/0021-9681（84）90113-9 10. Loman DG，Galgani CA。 diabetes的青少年的体育活动。 糖尿病教育。 1996; 22（2）：121-125。 doi：10.1177/ 014572179602200204 div>1986; 315（4）：215-219。 doi：10.1056/nejm198607243150402 9。Webb KL，Dobson AJ，O'Connell DL等。胰岛素依赖性糖尿病患者的饮食顺从性。J慢性病。1984; 37（8）：633-643。doi：10.1016/0021-9681（84）90113-9 10.Loman DG，Galgani CA。 diabetes的青少年的体育活动。 糖尿病教育。 1996; 22（2）：121-125。 doi：10.1177/ 014572179602200204 div>Loman DG，Galgani CA。diabetes的青少年的体育活动。糖尿病教育。1996; 22（2）：121-125。 doi：10.1177/ 014572179602200204 div>1996; 22（2）：121-125。 doi：10.1177/ 014572179602200204 div>
NPL 报告 MS 34 - 机器学习的不确定性评估
准确、标准化和质量保证的测量为社会带来了诸多好处。这一目标是通过计量基础设施实现的，这些基础设施定义了主要的测量标准，并确保所有测量都可以通过不间断的校准链追溯到这些标准，每个校准链都会增加测量不确定度（BIPM 等）。机器学习 (ML) 和人工智能 (AI) 有可能将计量的范围扩展到信号处理应用，例如先进制造、自动运输、网络通信和医学成像，其中底层物理模型要么不太了解，要么计算效率低下。然而，人们认为 ML 的输出不可信，阻碍了 ML 及其所有优点的采用（Floridi，2019 年）。更具体地说，ML 预测的可追溯性必须伴随着对不确定性的可靠定量评估。虽然机器学习的最新进展在很大程度上集中在分类任务上，但机器学习在计量学中的典型用途是回归任务，其中需要估计连续量。虽然目标是使用有关连续（单变量）量的信息来做出决策或评估系统是否满足特定要求，但根本挑战是测量该量以提供该信息，因此我们将在本报告中重点关注回归问题。计量学中如何出现回归问题？它们的出现是因为通常不可能或不希望直接测量一个量，而是需要或希望从一些更容易测量或有信息的贡献中推断出有关量的信息。这些贡献可能与某些仪器或系统进行的测量、应用的校正或从制造商的规格或校准证书等来源获得的信息有关。然后需要一个模型来从这些贡献中推断出有关感兴趣数量的信息。通过测量模型评估不确定性的框架在有影响力的“测量不确定度表达指南”（GUM）（BIPM 等，2008a）中为计量界标准化。在许多情况下，不可能基于物理理解构建或执行分析模型的计算，而是必须采用数据驱动的方法。举三个示例测量问题，其中 ML 要么正在使用，要么具有潜力。