XiaoMi-AI文件搜索系统
World File Search Systemestimate
评估内部转录序列（其）作为DNA条形码的有效性以估计真菌多样性
通用系统发育标记，例如核核糖体内部转录序列（ITS），特别是ITS1和ITS2，通常用于估计环境样品中的真菌多样性。然而，许多研究报告了ITS1和ITS2在记录真菌多样性方面的性能和功效上的差异。为了更好地理解使用ITS1与ITS2的含义，需要对多种真菌分类群的全面表示，对于对它们在多个真菌分类单元中使用的荟萃分析是必要的。为了解决这个问题，进行了详尽的文献综述，以比较和对比ITS1和ITS2作为有效的DNA条形码。公开可用的数据集用于合成代表多种真菌分类群的模拟真菌群落，并测试了两个扩增子的功效，并将其与完整的效果进行了比较。这项研究假设ITS1和ITS2对于解决真菌分类单元的分辨率同样有效。具体来说，当比较系统发育分辨率的ITS1和ITS2时，通过两种方法都确定了一组重叠的分类单元，而某些分类单元则由单个其扩增子更好地解决。此处介绍的评估应使读者可以更好地理解ITS1与ITS2在研究真菌多样性和生态学方面的用途和局限性，并使他们能够开发出改进的方法，以更好地分类分辨率，并有助于识别潜在的新物种。
将卫星与机器学习链接到基因，以估算浮游植物社区结构
摘要。海洋色遥感已使用了20多年，以估计主要生产力。ap-aparaches，以基于空间的光谱数据为基于phyto-plankton群落结构，特别是当与光合色素的原位测量结合时。在这里，我们提出了一种新的海洋颜色算法，以得出七个浮游植物组的相对细胞丰度，以及它们对全球尺度上总叶绿素A（CHL A）的贡献。Our al- gorithm is based on machine learning and has been trained using remotely sensed parameters (reflectance, backscatter- ing, and attenuation coefficients at different wavelengths, plus temperature and Chl a ) combined with an omics-based biomarker developed using Tara Oceans data representing a single-copy gene encoding a component of the photosyn- thetic machinery that is present across all浮游植物，包括原核生物和真核生物。它不同于依靠诊断色素来推导浮游植物组的预先方法。我们的方法论提供了浮游植物社区结构的强大范围，该结构的相对细胞丰度和对总CHL浓度的贡献。新生成的数据集产生的有关植物粉的不同方面的信息 -
重复输入相同的短语是否可以很好地评估专家文本输入的性能？
要确定像 OPTI 这样的新颖/不熟悉的键盘布局是否能胜过 QWERTY，通常需要通过纵向研究进行长时间的训练。为了减少这种后勤瓶颈，文献中一种流行的方法要求参与者重复输入相同的短语。然而，这种方法是否能很好地估计专家的表现仍不得而知。为了验证这种方法，我们进行了一项研究，让参与者在 OPTI 和 QWERTY 上输入相同的短语 96 次。结果表明，与使用不同短语的传统方法相比，这种方法有可能更快地估计出专家对新颖/不熟悉的键盘的表现。然而，我们还发现准确的估计仍然需要几天的训练，因此，并不能消除纵向研究的需要。因此，我们的研究结果表明，需要研究更快、更简单、更可靠的实证方法来评估文本输入系统。
公用事业中游能源效率计划的节约归因：标准化搭便车估算协议
几十年来，北美的一些公用事业公司一直在实施能源效率计划 2，以激励客户购买节能设备。这些计划被称为下游计划或回扣计划，通常以回扣的形式提供购买节能设备的激励。该过程通常要求参与者购买经计划批准的节能设备，并提交回扣申请和购买证明。该计划在以实物银行支票的形式将回扣发送给参与者之前会验证申请，这个过程可能需要 30-60 天。然后，公用事业公司通常会申报节能，这是通过工程计算估算得出的，该计算将更换的低效设备的典型年能耗与激励的高效设备的年能耗进行比较。 3 这种节省被称为总节省。
在没有凸起的沼泽的数据的情况下，使用Gest方法估计温室气体吸收或排放
摘要：本文旨在提出一种在没有泥炭沼泽地区数据的情况下估算温室气体（GHG）吸收或排放的方法（Gest方法）。该论文介绍了一个项目，该项目“通过在东欧平原上和中欧平原上的泥炭沼泽重新释放来限制CO 2排放”。研究区域包括三个泥炭沼泽：克鲁基，塞米斯基·布塔（CiemińskieBłota）和维尔基·巴诺（Wielkie Bagno）（Słowiński国家公园）。gest方法取决于研究文献中提供的每种给定栖息地类型的植被和水位以及温室气体系数的估计。假设缺乏人类影响，并且考虑到以泥炭沼泽保存形式的人类影响，则计算了基线场景的温室气体余额。初步研究结果表明，在研究的沼泽区域中总共有41个gest，而CO 2的降低将减少约12％，这是在被提高地下水水平，在沼泽中砍伐树木的耕种，并在生境中变化，将发生约12％。
一种新的孟德尔随机化方法来估计多变量脑成像暴露的因果效应
大型研究队列中同时收集的成像遗传学数据的出现提供了前所未有的机会，通过将遗传变异作为工具变量来评估大脑成像特征对外部测量的实验结果（例如认知测试）的因果关系。然而，经典的孟德尔随机化方法在处理高通量成像特征作为识别因果关系的暴露时受到限制。我们提出了一个新的孟德尔随机化框架来联合选择工具变量和成像暴露，然后估计多变量成像数据对结果的因果关系。我们通过大量数据分析验证了所提出的方法，并将其与现有方法进行了比较。我们进一步应用我们的方法来评估白质微结构完整性（WM）对认知功能的因果关系。研究结果表明，与单独评估单次暴露的因果效应和联合评估多次暴露的因果效应（未进行降维）相比，我们的方法在灵敏度、偏差和错误发现率方面取得了更好的表现。我们的应用结果表明，不同区域的 WM 测量具有联合因果效应，对英国生物库参与者的认知功能有显著影响。
针对性的最大似然估计，以估算先前结核病治疗在苏丹耐药性结核病中的因果关系
多药耐药性结核病（MDR-TB）被定义为异念珠菌和利福平的感染。在全球范围内，有132222个报告了2020年的MDR-TB病例。研究表明，先前的结核病治疗和治疗中断被认为是MDR-TB的主要原因[1，2]。流行病学家将病例对照研究定义为偏见的采样设计。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量的调整后的奇数比（或）。但是，为了建立因果估计人群，或应估算。流行病学家将案例控制定义为与目标人群相比患有疾病的人比例的偏见。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量上的或条件。要构建因果估计，我们必须估计边缘人口或[3]。目标最大似然估计（TMLE）是一种双重鲁棒方法，使用机器学习算法来最大程度地减少偏见的风险[4]。逆概率处理权重（IPTW）是一种因果方法，用于通过创建检查治疗对暴露的影响的模拟组来调整时变的混杂因素。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。 iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。此外，IPTW在某些阶层中通过一组协变量定义的治疗或暴露组非常罕见时发生的所谓阳性违规行为不利[6]。因此，病例对照加权TMLE（CCW-TMLE）方法提供了双重鲁棒方法来估计无偏见的参数估计。如果给定暴露和协变量的结果模型的任何预期参数或给定协变量的暴露模型是正确的[7]，则此方法是一致的。ccw-tmle需要了解结果的患病率概率，以减少偏见的设计[8]。此外，CCW-TMLE估计了各种参数，例如风险比和风险差异，这些参数在病例控制研究的传统分析中不可用。此外，TMLE可以估计边际因果效应，正确的规范和倾向评分。TMLE估计所有参数，假设每个人的暴露状态不会影响任何其他人的潜在结果。主要因果假设是没有未衡量的混杂因素。因此，已经测量了暴露和外来的常见原因[9]。在分析过程中有两种广泛的方法可以控制混杂。第一种方法是使用标准回归模型，第二种方法是遵循因果方法。标准回归模型无法在存在可能的混杂或相互作用和协变量之间的混杂或相互作用的情况下估算暴露的平均因果效应。原因是，此方法假设暴露者和混杂因素之间没有相互作用来估计池效应。更重要的是，标准回归模型无法调整时间变化
在 IBM 量子计算机上实现一种用于估计有限方阱势中粒子能量的量子算法
通过 QASM 语言，这是 IBM Q Experience 团队发明的一种用于创建量子电路的语言。另一方面，第二种方法是编写 Python 代码并使用名为 QISKit [32] 的 Python 软件开发工具包 (SDK) 运行它们，它适用于所有类型的算法。因此，我们在本文中展示的工作是使用 QISKit 进行的。可通过云端公开访问的量子设备分别由 IBM Q 5 Yorktown (ibmqx2) 、IBM Q Burlington 、IBM Q 5 London 、IBM Q Essex 、IBM Q Vigo 和 IBM Q Ourense（六个 5 量子比特设备）以及 IBM Q 16 Melbourne 和 IBM Q Armonk（16 量子比特和 1 量子比特设备）表示。用于模拟的经典后端称为 IBMQ QASM 模拟器。所有后端都与一组由单量子比特旋转和相移门组成的量子门一起工作。所有其他单量子比特门（如 X、S、R z 等）一般都是由这三个门的序列构成的，它们与 CNOT 一起构成量子门的通用集。除了量子比特的数量之外，所提到的量子设备在量子比特连接或拓扑方面也有所不同，IBM Q Experience 将其称为设备的耦合图 [33]。在本文中，我们修改并在 IBM 量子计算机上实现了参考文献 [34] 中研究的量子算法，使用相位估计技术找到有限方阱势一维薛定谔方程的基态和第一激发态的能量特征值。我们使用试验波函数作为初始状态，并在位置和动量空间中将其离散化。我们还在希尔伯特空间中构建了时间演化矩阵，其中定义了计算基向量（即量子比特态）。然后，我们将时间演化电路应用于最初准备的寄存器，并使用相位估计方法获得包含能量的相位。我们表明，所提出的算法可以以合理的误差实现预期结果。除了众所周知的量子相位估计方案外，我们还讨论了迭代相位估计方法的实现，以减少电路尺寸和量子比特数，从而有效利用 IBM 量子计算资源。最重要的是，为了充分利用 5 量子比特 IBM 后端，我们通过选择迭代相位估计技术将电路尺寸从文献 [34] 中使用的 8 个量子比特缩短到 5 个。本文组织如下。第 3 节描述了基于相位估计方法的量子算法的步骤。要执行数字量子模拟，我们需要设计时间演化算子来找到系统的能量特征值。此外，坐标应该离散化，初始波函数在网格点上近似。我们还解释了本文使用的两种相位估计算法。在第 4 部分中，我们解释了如何为时间演化算符中的动能和势能项构造量子门。第 5 节给出了结果和讨论，第 6 节讨论了最后的评论。
GAO-23-104661，核武器：NNSA 没有核生产能力的全面时间表或成本估算
NNSA 尚未制定成本估算，以提供开发和维持完整工作范围所需的所有资源的完整和结构化核算。据官员称，由于担心发布初步或不确定的信息，这种生命周期成本估算尚未完成。然而，生命周期成本估算可以增强决策能力，特别是在早期规划阶段，以及支持预算决策、关键决策点、里程碑审查和投资决策。此外，NNSA 拥有成本信息，即使不确定，它也可用于制定预算估算并为项目的关键决策提供信息。根据 NNSA 2023 财年的预算说明，GAO 确定了每年 80 个坑的潜在成本至少为 180 亿至 240 亿美元。制定全面的时间表和生命周期成本估算可以提高 NNSA 的决策能力、其工作的效率和有效性以及向国会提供的信息质量。