XiaoMi-AI文件搜索系统
World File Search Systemmodular
通过模算子实现量子时间中的动态非局域性
非局域性是一个引人注目的概念，自量子理论诞生之初 [1,2] 至今，它一直吸引着学术界越来越多的兴趣。无论是通过贝尔非局域性 [3,4]、量子操控 [5,6]、一般的量子纠缠 [7]，还是更广泛的量子不和谐 [8–11]，非局域性一直是量子基础研究的核心。这是有原因的：由于多个实验证实了贝尔不等式的量子违反 [12–19]，人们相信量子力学与经典力学有着根本的不同。这些研究带来了理论和技术突破 [20–28]。此外，甚至可以讨论时间中的纠缠 [29–33]。上述类型的非局域性与系统的制备（或制备和测量）有关。因此，它可以称为运动非局域性。使用模变量的概念引入的另一种非局域性[34]与量子系统遵循的运动方程有关，因此称为动态非局域性。尽管这些变量非常有前景，正如在连续系统量子信息的首次应用中已经证明的那样[35-38]，但它们尚未得到社区相当一部分人的充分关注[39]。文献中考虑的最常见的模变量类型是模位置和模动量[35-48]。事实上，设ℓ和p0分别为长度和动量维数的参数，模算子
模块化基因共表达网络分析揭示阿尔茨海默病和进行性核上性麻痹背后的分子通路
全面了解神经退行性疾病不同阶段所涉及的病理机制是预防和改善疾病治疗的关键。患病大脑中的基因表达改变是有关受病理影响的生物过程的潜在信息来源。在这项工作中，我们对被诊断为阿尔茨海默病 (AD) 或进行性核上性麻痹 (PSP) 的人类患者与淀粉样变性和 tau 蛋白病的动物模型大脑中的基因表达改变进行了系统比较。使用系统生物学方法揭示与基因表达改变相关的生物过程，我们可以精确地指出与 tau 蛋白病/PSP 和淀粉样变性/AD 更密切相关的过程。我们发现与免疫炎症反应相关的基因表达改变在年轻人中占主导地位，而与突触传递相关的基因表达改变主要在老年 AD 患者中观察到。然而，在 PSP 中，与免疫炎症反应和突触传递相关的变化重叠。在 AD 和 PSP 大脑中观察到的这两种不同模式分别在淀粉样变性和 tau 蛋白病的动物模型中得到了很好的再现。此外，在 AD 中，而不是在 PSP 或动物模型中，与 RNA 剪接相关的基因表达改变非常普遍，而与髓鞘形成相关的基因表达改变在 AD 和 PSP 中都很丰富，但在动物模型中却没有。最后，我们在细胞类型特异性共表达模块中确定了 12 个 AD 和 4 个 PSP 遗传风险因素，从而有助于揭示这些基因在发病机制中的可能作用。总之，这项工作有助于揭示受淀粉样蛋白和 tau 病理影响的潜在生物学过程以及它们如何导致 AD 和 PSP 的发病机制。
优化北极偏远微电网中模块化水回用系统的需求响应
由于依赖进口柴油，运输成本高昂，北极偏远柴油微电网的电力和水处理成本高昂。过去在这些地区实施自来水的尝试被证明是困难的，因为用进口柴油抽水、运输和加热水的能源成本很高。已经开发了一种模块化水再利用 (WR) 系统，为缺乏自来水的个体家庭提供更实惠的分布式供水服务。然而，如果由社区柴油微电网供电，这些 WR 系统仍然消耗大量电力，并可能给家庭带来高昂的能源成本负担。在这里，我们扩展了一个混合整数线性优化模型——可再生能源的食物-能源-水微电网优化 (FEWMORE)——将运行 WR 系统的影响视为连接到微电网的可调度负载。我们将该模型应用于没有自来水的阿拉斯加西部社区，以分析太阳能和风能的 WR 系统的需求响应 (DR)。目前，微电网中模块化供水服务的能源优化、水处理和需求响应模型尚未阐明这种分析。集成太阳能光伏 (PV) 阵列为 WR 系统供电，而不是仅依靠柴油发电，可在 20 年的使用寿命内使项目总成本（安装和维护太阳能光伏以及从柴油微电网购买电力）降低 3%。优化调度水处理过程可节省更多成本：项目总成本降低 13%，柴油使用量减少 37%。
PRISMA - 模块化 ATM 自动化系统 - Frequentis
PRISMA-ACC 是一种功能齐全的模块化 ATM 自动化解决方案，可确保安全高效地提供飞行信息服务和警报服务。PRISMA-ACC 旨在与邻近地区和外部空域用户持续交换飞行和流量数据以及航空和气象数据，从而实现协同运营。该解决方案包括飞行数据处理系统 (FDPS)、安全网系统、由监视和飞行数据显示、控制和监控显示以及完整的法律记录单元组成的管制员工作位置 (CWP)。
通过学习子模函数改进归因方法
这项工作探索了学习子模块评分函数的新想法，以提高现有特征归因方法的特异性 / 选择性。子模块分数对于归因来说是自然的，因为它们可以准确地模拟收益递减原则。提出了一种学习深度子模块集函数的新公式，该公式与现有归因方法获得的实值归因图一致。然后将特征的最终归因值定义为在其他高度归因特征的背景下该特征的诱导子模块分数的边际增益，从而减少冗余但具有区分性的特征的归因。在多个数据集上的实验表明，所提出的归因方法具有更高的特异性和良好的判别力。我们方法的实现可在 https://github.com/Piyushi-0/SEA-NN 上公开获得。
人类大脑网络的多模态和多主体模块化组织
人类大脑是一个由解剖学上相互连接的大脑区域组成的复杂网络。自发神经活动受到这种结构的限制，从而产生远程神经元素活动之间的统计依赖模式。结构和功能连接之间的非平凡关系对认知、疾病、发展、学习和衰老提出了许多未解决的挑战。虽然许多研究都集中在解剖和功能网络中边缘权重之间的统计关系上，但人们对它们的模块和社区之间的依赖关系知之甚少。在这项工作中，我们研究并描述了人类大脑解剖和功能模块组织之间的关系，开发了一种新颖的多层框架，扩展了多层模块化优化的经典概念。通过同时将从不同主体估计的解剖和功能网络映射到社区中，这种方法使我们能够对大脑的模块组织进行多主体和多模态分析。在这里，我们研究了静息状态下解剖和功能模块之间的关系，找到了独特和共享的结构。所提出的框架构成了多层网络分析背景下的方法学进步，并为进一步研究临床队列、认知要求高的任务以及发展或寿命研究中的结构和功能网络组织之间的关系铺平了道路。
软件定义的可植入模块化平台（...
抽象上下文。对啮齿动物的长期深度脑刺激（DBS）研究对于该领域的研究进度至关重要。但是，大多数刺激装置都需要夹克或大型头部安装系统，这些系统严重影响流动性和一般福利影响动物的行为。目标。开发一种临床前神经刺激植入系统，用于小动物模型中的长期DBS研究。方法。我们提出了一种称为软件定义的植入式平台（Stella）的低成本双通道DBS植入物，其印刷电路板尺寸为Ø13×3.3毫米，重量为0.6 g，当前消耗为7.6 µ µA/3.1 V，结合了一种基于环氧树脂的包装方法。主要结果。Stella提供具有广泛使用的商业电极的电荷平衡和可配置的电流脉冲。在体外研究表明，使用CR1225电池表明至少12周无错误的刺激，但我们的计算预测使用CR2032的电池寿命最多为3年。在成年大鼠中对丘脑下核的DBS的示例性应用表明，在42天内，完全植入的Stella神经刺激剂在42天内耐受良好的耐受性，而没有相关的术后阶段相关压力，从而导致正常动物行为。封装，功能的外部控制和监视被证明是可行的。用标准参数刺激通过丘脑下神经元引起C-FOS表达，证明了Stella的生物活性功能。意义。所有硬件，软件和其他材料均可在开源许可下获得。我们开发了一种完全可植入的，可扩展和可靠的DBS设备，该设备满足了在自由移动的啮齿动物疾病模型中对DB的反向转化研究的迫切需求，包括敏感的行为实验。因此，我们根据“人道实验技术的原理” - 替代，减少和精致（3R）添加了一项重要的动物研究技术。
电池模块化多级管理 (Bm3) 转换器应用于电动汽车和储能电池单元级
本文介绍了一种基于集成 3 开关逆变器拓扑的模块化电池系统，称为电池模块化多级管理 (BM3) 系统。3 开关拓扑可直接应用于电池单元级。与其他电池单元互连时，可在电池模块之间灵活地形成串联和并联连接，以合成任何类型的输出电压。通过这种方式，BM3 拓扑可以用作灵活的 DC/AC 或 DC/DC 转换器。此外，可以绕过单个电池，以便每个电池都可以根据其各自的容量进行充电和放电。因此，任何额外的被动或主动平衡电路都变得过时了。在本文的分析框架内，解释了 BM3 拓扑的基本功能，并使用小规模原型设置验证了其作为 DC/AC 逆变器的可能应用。
综合综合体 - 中小型 - 模块反应器 -
以微电网形式整合可再生能源可以提高电力系统的弹性并减少其碳足迹。但是，可再生能源本质上是间歇性的，它们的可用性可能随天气和季节而有很大差异。储能可以用来弥补一定程度的供应和需求之间的不平衡，但是为此目的安装大规模存储可能是不经济的。因此，通常仍然需要其他类型的电源，在许多系统中，此电源由柴油发电机提供。新兴的小模块反应堆（SMR）技术可以潜在地用清洁选项替代这些来源。这些新的反应堆具有被动安全系统，较长的加油间隔，并提供了负载跟踪的规定，使它们可以补充可再生能源，并为发电和地区/过程热量生产提供可靠，可调节的低碳解决方案。进行了关键问题和方法，并审查了现有的作品，以表明如何有效地将SMR作为清洁和可持续的能源供应有效地集成到微电网中。
AI-In-Orbit-Factory – 用于自适应机器人在轨制造模块化卫星的 AI 方法
模块化卫星架构的持续发展，加上自适应制造工艺的改进，为太空制造创新乃至在轨服务铺平了道路。目前，卫星在轨制造面临的挑战包括高度可靠、精确和自适应的制造和检查过程、解决地球上意外问题的远程操作方法，以及对所有相关活动和条件进行数字化表示以保持完全控制的手段。AI-In-Orbit-Factory 项目使用各种 AI 方法解决了每个挑战。对于在轨工厂和所有正在进行的过程的必要数字化表示，使用了基于知识的方法和数字孪生方法，从而实现了自适应、灵活和易于理解的制造过程。特别是可以描述不同制造机器之间复杂的信息流、协调生产过程的数字过程孪生和生产中卫星的数字孪生。此外，可以通过推理识别冲突和可能的错误来源。利用上述知识库和标准化模块化组件，可以根据所需的任务要求自动规划特定任务卫星的组成。在机器人操纵器的帮助下，使用高分辨率相机和参考图像对每个模块进行光学生产错误检查，然后将其集成到卫星结构中。集成后，子模块将以学习到的标称子系统行为模型作为输入，进行优化测试和异常检测程序。此外，每个操作步骤都使用力反馈和基于视觉的异常检测器进行监督。对于自动组装失败的情况，开发了具有力反馈的双边遥控系统。为了提高遥控组装的精度并减少精神和身体负荷，人类操作员需要借助自适应虚拟固定装置（触觉约束）。自适应夹具从演示和模拟中学习，并根据操作阶段进行参数化，在整个接近、定位和触觉操作阶段提供从粗到细的支持。仲裁组件检测当前操作阶段以选择合适的支撑夹具并确保平稳过渡。关键词：数字孪生、AIT、遥操作、人工智能、机器人制造本文概述了人工智能方法和我们实现可靠、自适应的在轨制造的方法，并介绍了初步结果。