XiaoMi-AI文件搜索系统
World File Search Systemloading
在铁蛋白纳米范围内货物载荷，以准备靶向肿瘤的递送
铁蛋白是细胞内的球形铁储存蛋白，由两种类型的24个亚基组成：重链铁蛋白（HFN）和轻链铁蛋白。铁蛋白自动组装自然地成12 nm的外径为12 nm，直径为8 nm的内部空腔。自2012年首次报道了人类HFN的内在肿瘤靶向性能，因此，HFN已广泛探索抗癌药物和诊断分子（包括放射性分散性和流动型）的肿瘤靶向递送，包括放射性分散剂，以及无线纳米纳米属（NPS）和化学药物。本协议提供了四个详细的过程，描述了如何在HFN纳米范围内加载四种类型的货物，这些货物能够准确控制货物加载：无机金属纳米颗粒的合成在野生型人类HFN纳米腔内（过程1）（需要〜5 h）；将阿霉素载入野生型人HFN纳米腔的腔中（过程2，需要〜3 d）；将GD 3 +加载到基因工程的人类HFN纳米腔的腔中（过程3，需要约20 h）；并将64 Cu 2 +放射性同位素加载到基因工程的人类HFN纳米腔的腔中（过程4，需要〜3 h）。随后使用这些基于HFN的制剂具有固有的肿瘤靶向能力和缺乏免疫原性，因此是有利的。因此，如本协议中所述产生的人类HFN可用于将治疗药物和诊断信号作为多功能纳米药物提供。
用于描述和模拟橡胶承受大拉伸载荷的超弹性模型
目的：橡胶广泛用于轮胎、机械零件和需要弹性的用户产品。一些基本特性仍未解决，主要是它们在过度机械性能中发挥作用。需要研究弹性橡胶在高动态压力和高拉伸强度下的性能。这些弹性体旨在增加应力断裂并保持高压拉伸强度。设计/方法/方法：本研究对炭黑聚合物基质对不同橡胶拉伸特性的影响进行了数值研究。使用每百份橡胶 (pphr) 三种不同百分比（80%、90% 和 100%）的炭黑填料部分来测量橡胶的材料特性。结果：本研究发现，随着炭黑填料比例增加 30%，拉伸强度和伸长率会增强。实际意义：本研究在四种超弹性模型中对橡胶进行了实验测试：Ogden 模型、Mooney-Rivlin 模型、Neo Hooke 模型、Arruda-Boyce 模型，使用有限元法 (FEM) 获得模拟材料响应的参数，以供比较。这四种模型已广泛应用于橡胶研究。超弹性模型已用于预测拉伸试验曲线——弹性体橡胶模型的准确描述和预测。对于四种模型，Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差——弹性体橡胶模型的准确描述和预测。对于四种模型，Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差。数值 Ogden 模型结果表明，大应变情况下的相对适应性误差为 1% 至 2.04%。原创性/价值：相比之下，其他模型估计参数的拟合误差从 2.3% 到 49.45%。这四个超弹性模型是拉伸试验模拟，目的是
多智能体移动边缘计算网络中具有排队动态的分布式任务卸载优化
摘要 — 任务卸载决策在物联网 (IoT) 中的移动边缘计算 (MEC) 技术中起着关键作用。然而，在没有任何集中通信和计算协调的分布式多智能体网络中，它面临着来自应用层任务排队的随机动态和物理层耦合无线干扰的重大挑战。在本文中，我们研究了考虑上层排队动态和下层耦合无线干扰的分布式任务卸载优化问题。我们首先提出了一种新的优化模型，旨在通过优化多个智能体的卸载阈值来最大化它们的预期卸载率。然后，我们将问题转化为博弈论公式，进一步设计了一个分布式最佳响应 (DBR) 迭代优化框架。分析了博弈论模型中纳什均衡策略的存在性。对于每个代理阈值策略的单独优化，我们进一步提出了一种编程方案，将受约束的阈值优化转化为无约束的拉格朗日优化 (ULO)。单独的 ULO 被集成到 DBR 框架中，使代理能够以分布式方式协作并收敛到全局最优。最后，提供了模拟结果来验证所提出的方法，并证明了其相对于其他现有分布式方法的显著优势。数值结果还表明，所提出的方法可以实现与集中式优化方法相当的性能。
由于高速机械载荷引起的神经细胞损伤病理
成功检测和预防脑损伤取决于与潜在病理相关的细胞损伤阈值的定量识别。在此，通过将最近开发的惯性微神经流变性技术与3D体外神经组织模型相结合，我们可以量化和解决高负载速率的神经细胞的结构病理学和关键损伤应变阈值，例如在BLAST，气腔，气液或定向能量导管中遇到的高负载率。我们发现，以MAP2为特征的神经元树突状棘显示为7.3％的物理衰竭菌株，而微管和纤维肌动蛋白能够在受伤前耐受耐受的菌株（14％）。有趣的是，尽管这些关键损伤阈值与以前报道的中等和较低应变率报道的文献值相似（<100 1/s），但此处报道的原发性损伤的病理学与凋亡或坏死过程中的生物化学激活相比纯粹是物理性质的明显不同。
人工智能赋能无人机数据卸载...
摘要 — 无人机 (UAV) 带来的进步是多方面的，为无人机作为智能对象全面融入物联网 (IoT) 铺平了道路。本文采用博弈论和强化学习的原理和概念，将人工智能引入多服务器移动边缘计算 (MEC) 环境中的无人机数据卸载过程。首先，基于随机学习自动机理论，无人机自主选择 MEC 服务器进行部分数据卸载。然后制定无人机之间的非合作博弈来确定要将无人机的数据卸载到选定的 MEC 服务器，同时通过利用子模博弈的力量证明至少存在一个纳什均衡 (NE)。介绍了一种最佳响应动力学框架和两种收敛到 NE 的替代强化学习算法，并讨论了它们的权衡。通过建模和仿真，在不同操作方法和场景下，就其效率和有效性进行整体框架性能评估。索引术语 — 无人机数据卸载、移动边缘计算、强化学习、博弈论
基于外泌体的药物输送系统的载药技术
外泌体是一种直径为40~100nm、具有双层膜包裹的细胞外囊泡，作为天然载体具有免疫原性低、在血液中稳定性高、可将药物直达细胞等优点，能够在细胞间进行运输，有利于细胞间物质和信息的交换，通过装载外源性药物（如小分子药物、跨膜蛋白、核酸药物等）来改变受体细胞的功能状态。外泌体作为药物载体的关键是将外源性药物有效地装载到外泌体中，而这一任务对外泌体作为药物载体的功能化研究是一个挑战。目前，超声处理、电穿孔、转染、孵育、挤压、皂苷辅助装载、转基因、冻融循环、热冲击、pH梯度法、低渗透析等方法已被用于将这些药物装载到外泌体中。本综述旨在概述外泌体各种药物装载技术的优缺点。
承受循环载荷的增材制造金属部件的损伤容限设计：最新技术与挑战
我们发现，许多经典概念需要扩展，以适应 AM（特别是激光粉末床熔合）中存在的特定微观结构（晶粒尺寸和形状、晶体结构）和缺陷分布（空间排列、尺寸、形状、数量）。例如，缺陷的 3D 表征变得至关重要，因为 AM 中的缺陷形状多种多样，对疲劳寿命的影响方式与传统生产的部件不同。这些新概念对确定 AM 部件疲劳寿命的方式有直接影响；例如，由于仍然缺少缺陷分类和可容忍形状和尺寸的量化，因此必须定义一种新策略，即理论计算（例如 FEM）允许确定最大可容忍缺陷尺寸，并且需要无损检测 (NDT) 技术来检测此类缺陷是否确实存在于组件中。这些示例表明，AM 部件的组件设计、损坏和故障标准以及特性（和/或 NDT）如何完全相互关联。我们得出结论，这些领域的同质化代表了工程师和材料科学家当前面临的挑战。
请以以下方式引用本文：Zerbst, U., Bruno, G., Buffiere, JY., Wegener, T., Niendorf, T., Wu, T., Zhang, X., Kashaev, N., Meneghetti, G., Hrabe, N., Madia, M., Werner, T., Hilgenberg, K., Koukolíková, M., Procházka, R., Džugan, J., Möller, B., Beretta, S., Evans, A., Wagener, R., Schnabel, K., Damage tolerant design of supplementary manufacturing metal components strictly tocyclic loading: State of the art and challenges, Progress in Materials Science (2021), doi: https://doi.org/10.1016/j.pmatsci.2021.100786
我们发现，许多经典概念需要扩展，以适应 AM（特别是激光粉末床熔合）中存在的特定微观结构（晶粒尺寸和形状、晶体结构）和缺陷分布（空间排列、尺寸、形状、数量）。例如，缺陷的 3D 表征变得至关重要，因为 AM 中的缺陷形状多种多样，对疲劳寿命的影响方式与传统生产的部件不同。这些新概念对解决 AM 部件疲劳寿命确定的方法有直接影响；例如，由于仍然缺少缺陷分类和可容忍形状和尺寸的量化，因此必须定义一种新策略，即理论计算（例如 FEM）允许确定最大可容忍缺陷尺寸，并且需要无损检测 (NDT) 技术来检测此类缺陷是否确实存在于组件中。这些示例表明，AM 部件的组件设计、损坏和故障标准以及特性（和/或 NDT）如何完全相互关联。我们得出结论，这些领域的均质化代表了工程师和材料科学家当前面临的挑战。
