XiaoMi-AI文件搜索系统
World File Search Systemlatent
混合纳米改进相变材料用于潜热储能系统：数值研究
相变材料 (PCM) 广泛应用于多种用途，尤其是在潜热热能存储系统 (LHTESS) 中。由于 PCM 的导热系数非常低。少量质量分数的混合纳米颗粒 TiO 2 -CuO (50%–50%) 分散在 PCM 中，其质量浓度分别为 0%、0.25%、0.5%、0.75% 和 1% ，以提高其导热系数。本文重点介绍用于 LHTESS 的混合纳米 PCM (HNPCM) 的热性能。开发了一种基于焓-孔隙度技术的数值模型来求解 Navier-Stocks 和能量方程。对壳管式潜热存储 (LHS) 中 HNPCM 的熔化和凝固过程进行了计算。开发的数值模型已通过文献中的实验数据成功验证。结果表明，分散性杂化纳米粒子提高了HNPCM的有效热导率和密度，当HNPCM的质量分数增加0.25%、0.5%、0.75%和1%时，平均充电时间分别提高了12.04%、19.9%、23.55%和27.33%，储能分别降低了0.83%、1.67%、2.83%和3.88%，放电时间分别缩短了18.47%、26.91%、27.71%和30.52%。
基于流的神经网络潜在状态生成模型...
我们针对两种主要的神经变异源提出了一种联合深度神经系统识别模型：刺激驱动和刺激条件波动。为此，我们结合了 (1) 最先进的刺激驱动活动深度网络和 (2) 灵活的、基于正则化流的生成模型来捕捉刺激条件变异，包括噪声相关性。这使我们能够端到端地训练模型，而无需与许多刺激条件波动的潜在状态模型相关的复杂概率近似。我们根据来自小鼠视觉皮层多个区域的数千个神经元对自然图像的反应来训练模型。我们表明，我们的模型在预测神经群体对新刺激（包括共享的刺激条件变异性）的反应分布方面优于以前的最先进模型。此外，它成功地学习了与瞳孔扩张等行为变量相关的群体反应的已知潜在因素，以及随大脑区域或视网膜位置系统变化的其他因素。总体而言，我们的模型准确地解释了神经变异的两个关键来源，同时避免了许多现有潜在状态模型相关的若干复杂性。因此，它提供了一种有用的工具，用于揭示导致神经活动变异的不同因素之间的相互作用。
混合纳米改进相变材料用于潜热储能系统：数值研究
相变材料 (PCM) 广泛应用于多种用途，尤其是在潜热热能存储系统 (LHTESS) 中。由于 PCM 的导热系数非常低。少量质量分数的混合纳米颗粒 TiO 2 -CuO (50%–50%) 分散在 PCM 中，其质量浓度分别为 0%、0.25%、0.5%、0.75% 和 1% ，以提高其导热系数。本文重点介绍用于 LHTESS 的混合纳米 PCM (HNPCM) 的热性能。开发了一种基于焓-孔隙度技术的数值模型来求解 Navier-Stocks 和能量方程。对壳管式潜热存储 (LHS) 中 HNPCM 的熔化和凝固过程进行了计算。开发的数值模型已通过文献中的实验数据成功验证。结果表明，分散性杂化纳米粒子提高了HNPCM的有效热导率和密度，当HNPCM的质量分数增加0.25%、0.5%、0.75%和1%时，平均充电时间分别提高了12.04%、19.9%、23.55%和27.33%，储能分别降低了0.83%、1.67%、2.83%和3.88%，放电时间分别缩短了18.47%、26.91%、27.71%和30.52%。
使用时间
现代神经界面允许在脑电路中访问多达一百万个神经元的活动。但是，带宽极限通常在更大的空间采样（更多通道或像素）和采样的时间频率之间创造权衡。在这里我们证明，可以通过利用神经元之间的关系来获得神经元时间序列中的时空超分辨率，该神经元嵌入了潜在的低维数量人群动力学中。我们新颖的神经网络训练策略，通过时间（SBTT）进行选择性反向传播，从而从数据中学习了潜在动力学的深层生成模型，在这些数据中，观察到的一组变量在每个时间步骤都会发生变化。由此产生的模型能够通过将观测值与学习的潜在动态相结合来推断缺失样本的活动。我们测试SBTT应用于顺序自动编码器，并证明了电生理和钙成像数据中神经种群动态的有效和更高的表征。在电生理学中，SBTT可以准确推断界面带宽较低的神经元种群动力学，从而为植入的neu-roelectronic Interfaces提供了明显的动力节省的途径。在两光子钙成像的应用中，SBTT准确地发现了神经population活性的高频时间结构，从而大大优于当前的最新技术。最后，我们证明，通过使用有限的高带宽采样对预处理动力学模型，然后使用SBTT将这些模型适应这些模型以获取稀疏采样的数据，可以进一步提高性能。
使用来自 PubMed 的词嵌入进行监督学习可以捕获有关蛋白激酶和癌症的潜在知识。
多年来，抑制导致癌症的蛋白激酶 (PK) 一直是癌症治疗的重要课题。到目前为止，FDA 批准的药物已经针对了 530 多种 PK 中的近 8%，大约 150 种蛋白激酶抑制剂 (PKI) 已经在临床试验中进行了测试。我们提出了一种基于自然语言处理和机器学习的方法来研究 PK 和癌症之间的关系，预测抑制哪些 PK 可以有效治疗某种癌症。我们的方法根据 PubMed 摘要中的单词和概念邻域将 PK 和癌症表示为具有语义意义的 100 维向量。我们使用 ClinicalTrials.gov 中有关 I-IV 期试验的信息来构建随机森林分类的训练集。我们使用历史数据的结果显示，可以提前数年准确预测 PK 与特定癌症之间的关联。我们的工具可用于预测抑制 PK 对特定癌症的相关性，并支持设计有针对性的临床试验，以发现用于癌症治疗的新型 PKI。
重离子引起的 SiC 功率 MOSFET 中的单粒子效应和潜在损伤
碳化硅 (SiC) 功率 MOSFET 的优势使得该技术在太空、航空电子和高能加速器应用方面具有吸引力。然而，当前的商业技术仍然容易受到单粒子效应 (SEE) 和辐射环境引起的潜在损伤的影响。在暴露于重离子的商用 SiC 功率 MOSFET 中，实验观察到两种类型的潜在损伤。一种是在略低于退化开始的偏置电压下观察到的，它涉及栅极氧化物。另一种损伤类型是在低于单粒子烧毁 (SEB) 极限的偏置电压下观察到的，它归因于 SiC 晶格的改变。聚焦离子束 (FIB) 和扫描电子显微镜 (SEM) 用于研究损伤部位。最后，总结了重离子在 SiC MOSFET 中引起的不同类型的损伤，这些损伤与离子 LET 和操作偏置有关。
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。
超现实神经解码：通过 GAN 潜在空间从 fMRI 激活重建面部
神经解码可以概念化为通过特征空间将大脑反应映射回感官刺激的问题。我们引入了 (i) 一种新颖的实验范式，该范式使用具有先验已知特征表示的、控制良好但高度自然的刺激，以及 (ii) 其实现，用于从大脑记录中对面部进行超现实感知重建 (HYPER)。为此，我们在神经解码管道的最早步骤中使用生成对抗网络 (GAN)，通过获取 fMRI 数据，因为受试者会感知由 GAN 的生成器网络合成的面部图像。我们表明，用于生成的潜在向量有效地捕获了与 fMRI 测量相同的定义刺激属性。因此，GAN 潜在向量可用作感知图像的基础特征，可以预测（重新）生成，从而实现迄今为止最准确的感知重建。
利福平治疗潜在结核病感染
•治疗过程中的实验室监测：对于大多数患者而言，LTBI治疗期间的常规LFT是不需要的，但是在以下情况下应获得串行LFT（至少每月）：肝病病史，酒精使用或同时使用其他潜在的肝毒性药物，妊娠，妊娠，妊娠和异常基线LFT。除LFT外，还建议在基线测试中鉴定出具有实验室异常的患者，以便在治疗期间进行周期性的CBC检查。关于中断利福平的测试频率和阈值的决定是个性化的。因药物诱导的肝损伤而停止LTBI治疗的适应症包括无症状患者正常的转氨酶≥5倍，在有症状的患者或总胆红素≥2中≥3倍的跨激酶≥3倍。