XiaoMi-AI文件搜索系统
World File Search Systemlenging
通过反应喷墨打印控制金属有机骨架的组成和位置
金属有机骨架 (MOF) 是一类多样化的材料，由有机配体与金属离子反应形成由多孔网络组成的晶体配位化合物。MOF 具有高内部表面积和易于调节的化学性质，因此已被用于各种各样的应用，[1] 包括：气体存储和分离、[2] 催化、[3] 传感、[4] 水净化、[5] 药物释放、[6] 和电子学。[7] 然而，MOF 的不溶性使其很难加工成实际应用所需的复杂形状和图案，从而限制了它们在复杂设备中的使用。[8] 因此，人们探索了各种各样的方法来在表面上生长、沉积和图案化 MOF。 [9] 这些技术包括：喷涂、[10] 旋涂、[11] 浸涂、[11,12] 软光刻、[13] 微流体[14] 和 3D 打印、[15] 静电纺丝[16] 和凝胶整体法。[15c,17]
高空：自适应无人机控制器测试床
空中无人机越来越被视为在安全关键环境中检查的宝贵工具。在采矿行动中，这对人类运营商带来了动态和危险的环境，这一点都没有。无人机可以在许多情况下部署，包括有效的测量以及搜救任务。在这些动态上下文中运行是在挑战，因此需要无人机控制软件在运行时检测和适应条件。为了帮助开发这样的系统，我们向我们提出的系统是一个模拟测试床，用于调查矿山中无人机的自适应控制器。Aloft使用凉亭利用机器人操作系统（ROS）和模型环境来提供基于物理的测试。仿真环境是由在矿山的物理模型中收集的3D点云构造的，并包含在现实世界中预期的特征。高举允许研究社区的成员将自己的自适应控制器部署到无人机的控制循环中
topoisomerase 1抑制MYC驱动的癌症会促进异常的R环积累，以诱导合成致死性
摘要MYC是基因转录的中心调节剂，在人类癌症中经常失调。直接靶向MYC是挑战，另一种策略是识别MYC作为有效的癌症驱动器所需的特定蛋白质或过程，该癌症驱动器可以针对导致合成的致死性。为了识别MYC驱动的癌症中的潜在靶标，我们使用一对乳腺癌细胞系进行了基因组宽CRISPR敲除筛查，其中MYC失调是从良性转变为转化的肿瘤生长的转变。调节R环的蛋白质被鉴定为一类潜在的合成致命靶标。失调的MYC升高全球转录和一致的R环累积。拓扑异构酶1（TOP1）是DNA拓扑的R-loops的调节剂，已被验证为MYC活性较高的细胞中的脆弱性。与对照细胞相比
nusadialogue：对话摘要和代表性不足和极低的农产品语言
开发针对巨大低资源语言的对话摘要是一项挑战任务。我们介绍了Nusadialogue，这是马来语 - 波利尼西亚语言家族中三种代表性不足语言的对话摘要数据集：Minangkabau，Balinese和Buginese。nusadialogue coverers 17个主题和185个子主题，由73位母语人士提供了注释。另外，我们使用中型印尼特异性语言模型（LMS）进行了精细调整，并对各种多语言大型语言模型（LLMS）进行了零和少数学习。结果表明，对于诸如Minangkabau，Balinese和Buginese之类的极低的资源语言，微调方法的性能与零射击提示相比，其性能明显更高，即使在LLMS具有相当大的Parame-Parame-Parame-ter尺寸时，也会产生更高的提示。我们在https://huggingface.co/ datasets/prosa-text/nusa-dialogue un- der cc-by-sa 4.0许可证中公开发布nusadia-logue数据集。
通过优良杂交组合基因组预测改善大豆关键农艺性状
大豆 [ Glycine max (L.) Merr.] 的产量和成熟度之间存在不利的相关性，这使得育种者很难创造出适应特定种植区域的高产品种。大豆品种根据其光周期敏感性分为 12 个成熟度组，而光周期敏感性主要由一些主要成熟度基因（E 基因）的等位基因变异决定（Langewisch 等人，2017 年）。尽管新大豆品种的营销是根据其光周期适应性针对特定种植区域进行的，但不利条件的出现会限制特定区域可实现的最大产量。因此，成功新品种的产量要求因种植区域而异，相同的产量在一个地区被认为非常好，但在另一个地区却被认为太低。因此，育种者必须谨慎确定他们的综合育种目标，以在所需的成熟度范围内实现尽可能高的产量。
![arXiv:2102.04438v2 [eess.IV] 2021 年 2 月 9 日](/simg/6\6df385af4e1e348c8cd4bffd41616a77febd483d.webp)
arXiv:2102.04438v2 [eess.IV] 2021 年 2 月 9 日
用于神经成像数据的深度学习是一个有前途但具有挑战性的方向。3D MRI 扫描的高维性使这项工作计算和数据密集型。大多数传统的 3D 神经成像方法使用基于 3D-CNN 的架构，具有大量参数，需要更多的时间和数据来训练。最近，基于 2D 切片的模型受到越来越多的关注，因为它们具有更少的参数，并且可能需要更少的样本来实现相当的性能。在本文中，我们提出了一种用于 BrainAGE 预测的新架构。所提出的架构通过使用深度 2D-CNN 模型对 MRI 中的每个 2D 切片进行编码来工作。接下来，它使用集合网络或排列不变层结合来自这些 2D 切片编码的信息。使用 UK Biobank 数据集对 BrainAGE 预测问题进行的实验表明，与其他最先进的方法相比，具有排列不变层的模型训练速度更快，并提供更好的预测。
迈向分布式量子计算生态系统
摘要 — 量子互联网通过实现远程量子节点之间的量子通信，是一种能够支持传统世界中没有直接对应物的功能的网络。事实上，利用量子互联网提供的网络和通信功能，远程量子设备可以采用分布式计算方法进行通信和协作，以解决具有挑战性的计算任务。本文的目的是向读者概述分布式量子计算生态系统设计中出现的主要挑战和未解决的问题。为此，我们从通信工程的角度自下而上地进行了概述。我们首先介绍量子互联网作为分布式量子计算生态系统的基本基础设施。然后，我们进一步阐述分布式量子计算生态系统的高级系统抽象。这种抽象通过一组逻辑层来描述。从而，我们阐明了上述层之间的依赖关系，同时提出了路线图。
电池和电池材料的生命周期评估注意事项
储能对于电网和运输部门的快速脱碳至关重要。[1,2]电池在满足网格上需要短期电力存储的需求并启用电动汽车（EVS）来储存和使用点播能量。[3]然而，通常将制造业的关键物质使用和上游环境影响被视为广泛使用充值电池的缺点。[4,5]生命周期评估（LCA）是一种广泛使用的方法，用于检查大型电池生产，使用和处置和/或回收利用的潜在影响。在其核心上，LCA是量化与产品或服务的直接和间接环境负担相关的方法。[6]这也是一个有用的框架，可以探索提供可比服务的不同技术之间的环境权衡。但是，将LCA应用于电池的原因是从方法论选择到电池制造的主要数据稀缺的各种原因。迄今为止，LCA领域尚未达成共识，即应如何消除电池的环境影响，也没有如何报告结果。研究使用多种系统界限，功能单元，主要数据源（进而在不同级别的谷物级别报告数据）以及生命周期库存，中点和影响类别。这使得不同技术的跨季前者会限制LCA为早期科学研究和技术开发提供反馈循环的能力。Ellingsen等。它也可以限制我们检测和纠正文献中错误的能力；生命周期库存结果通常会因文献中一个或多个数量级而变化，而且大多数评论无法解释差异的根本原因。关于锂离子电池LCA（LIB）LCA的先前审查论文可以归类为三个主要组：识别和降低来源或不确定性/可变性； [7-9]综合结果并确定关键驱动因素以告知进一步的研究； [10,11]以及对改善LCA实践的文献的批判性审查。[12] Sullivan and Gaines [9]回顾了铅酸，镍含量，镍金属氢化物，镍氢，钠硫磺和锂离子电池的生命周期库存估计，并计算了自己的估计值以进行比较；结论的重点是填补关键数据空白的需求。[7]
异构集成量子芯片中介层封装
摘要 — 量子计算机为特定的计算密集型经典问题提供了更快的解决方案。然而，构建容错量子计算机架构具有挑战性，需要集成多个量子位和优化的信号路由，同时保持其量子相干性。由于各种元件之间的材料和热力学不匹配，在平面单片器件架构中实验实现具有多种功能组件的量子计算机具有挑战性。此外，它需要复杂的控制和路由，导致寄生模式和量子位相干性降低。因此，可扩展的中介层架构对于在保持量子位相干性的同时合并和互连复杂芯片内的不同功能至关重要。因此，异构集成是扩展量子位技术的最佳解决方案。我们提出了一种异构集成量子芯片光电子中介层作为高密度可扩展量子位架构的解决方案。我们的技术可实现大批量生产，并为片上、芯片到芯片以及低温到外界的互连提供新颖的光学 I/O 解决方案。
用于有机激光发现的材料加速平台
传统材料的发现是一个费力且耗时的过程，从最初构思到商业化可能需要几十年的时间。材料加速平台的最新发展有望通过结合机器学习的实验自动化来加速材料发现。然而，化学领域的大部分自动化工作都集中在合成和化合物识别上，而综合目标特性表征则受到较少的关注。在这项工作中，引入了一个自动化平台，用于发现作为有机半导体激光器增益介质的分子，这是传统方法面临的一个挑战。该平台包括自动化的乐高式合成、产品识别和光学表征，可以以完全集成的端到端方式执行。使用此工作流程筛选有机激光候选物，发现了八种有机激光器的潜在候选物。测试了四种分子在薄膜器件中的激光阈值，并找到了两种具有最先进性能的分子。这些有希望的结果显示了自动合成和筛选在加速材料开发方面的潜力。