XiaoMi-AI文件搜索系统
World File Search Systemphysics
登录概念的概念，用于登录生物设施技术演示有效载荷。 Garret Fitzpatrick 1和Mary Hagedorn 2，1天体物理学中心|哈佛＆S
简介：地球上的生物多样性受到威胁，并处于危险之中。即使在全球气候变化的最乐观模型下，地球生物的惊人比例也将继续灭绝。由于无数的人为驱动因素，大部分物种和生态系统面临的不稳定和灭绝威胁，这些威胁的加速速度比我们帮助他们在自然环境中拯救它们的能力更快。迫切需要设想创新的策略来保护地球的生物多样性，以保护未来的生态系统。冷冻保存技术提供了一种创新的策略，从而可以在100年内冷冻和呈静脉。随着成功的越来越多，可以融化冷冻保存材料的收集以恢复DNA，完整的细胞甚至整个功能生物。全球许多机构都维持冷冻保存的生物收藏，尤其是那些处理人类健康的机构；但是，很少有生物症状在冷冻状态下将活的野生动植物样品持有。尽管如此，所有这些生物局限器都需要密集的人类管理，电力和持续的液氮供应，从而使它们容易受到不可预测的自然和地缘政治灾难的影响。此外，许多冷冻收藏都存储在城市中心，使它们更容易受到破坏稳定威胁的影响。
使用机器学习的新物理学的信号无关搜索的多次测试
摘要在这项工作中，我们解决了如何通过利用多个测试策略来增强信号无关搜索的问题。特别是我们考虑依靠机器学习的假设检验，其中模型选择可以引起对新物理信号的特定家庭的偏见。专注于新的物理学习机，这是一种进行信号不合命中率检验测试的方法，我们探索了多种多次测试的方法，例如组合P值和聚集的测试统计量。我们的发现表明，结合不同的测试，特征性的囊型玻璃参数是有益的，并且与最佳可用测试相当的表演是可以实现的，同时也可以提供对各种异常的响应更加均匀的响应。本研究提出了一种方法，该方法是有效的，该方法是在机器学习方法之外的方法，并且可以原则上应用于基于假设检验的较大类模型分析。
![arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日](/simg/d/d218e1fe75ebf62623e6767a32680742b198a723.png)
arXiv:2501.00149v2 [physics.ao-ph] 2025 年 1 月 6 日
识别产生破坏性风暴潮的热带气旋以进行风险评估（例如从用于气候研究的大型降尺度风暴目录中识别），通常很棘手，因为它需要进行许多昂贵的蒙特卡罗流体动力学模拟。在这里，我们表明替代模型从准确度、召回率和精确度的角度来看很有前景，并且它们可以“推广”到新的气候情景。然后，我们提出了一种信息丰富的在线学习方法，仅使用一些流体动力学模拟即可快速搜索产生极端风暴潮的气旋。从具有详细风暴潮流体动力学模拟的最小 TC 子集开始，替代模型选择信息丰富的数据进行在线重新训练，并迭代改进其对破坏性 TC 的预测。对大量降尺度 TC 目录的结果表明，使用不到 20% 的模拟作为训练，检索罕见的破坏性风暴的精确度为 100%。信息丰富的采样方法高效、可扩展到大型风暴目录，并可推广到气候情景。
通过偏高（物理/工程）提高超极化的博士后职位
UT西南医学中心致力于一个教育和工作环境，为大学社区的所有成员提供了平等的机会。西南航空禁止非法歧视，包括基于种族，颜色，宗教，民族起源，性别，性取向，性别认同，性别表达，年龄，残疾，残疾，遗传信息，公民身份或退伍军人身份的歧视。要了解更多信息，请访问此处。
医学生物物理学系
出售/共享（例如，必须了解Facebook组，课程英雄，Chegg等）未经明确许可的记录不允许录制（音频或视频），不得分发录音r学生将被期望学生承诺在Western承诺提供一个不受骚扰和歧视的学习和工作环境之前采取学术诚信保证。所有学生，教职员工和教职员工都在这一承诺中发挥作用，并有责任确保和促进安全，尊重的学习和工作环境。相关政策包括西方的非歧视/骚扰政策（M.A.P.P.1.35）和非歧视/骚扰政策 - 行政程序（M.A.P.P.1.35）。经历或证人行为可能是骚扰或歧视的任何学生，教职员工或教职员工都必须向西方人权办公室报告该行为。骚扰和歧视可以是基于人权的，也称为基于EDI的（性别歧视，种族主义，跨性别恐惧症，同性恋恐惧症，伊斯兰恐惧症，仇外心理，反犹太主义和能力主义）或非人类权利（个人骚扰或工作场所骚扰）。
![arxiv：2404.13287V2 [Physics.optics] 2025年1月3日](/simg/9/99121041d18b8453ace711f357ab6eda339c62ae.webp)
arxiv：2404.13287V2 [Physics.optics] 2025年1月3日
1加利福尼亚大学伯克利分校电气工程和计算机科学系，加利福尼亚州94720，美国2韩国科学技术学院，大韩民国大加共和国34141韩国科学技术研究所3号，34141年3月3日，北卡罗来纳大学，北湾北部大学，北部大学，北部的北部大学，北卡罗来纳大学，北卡罗来纳大学， 48513, Republic of Korea 5 Center for Theoretical Physics of Complex Systems, Institute for Basic Science, Daejeon 34126, Republic of Korea 6 Department of Physics, Pohang University of Science and Technology, Pohang 37673, Republic of Korea 7 Department of Material Sciences and Engineering, Korea Advanced Institute of Science and Technology, Daejeon 34141, Republic of Korea 8 Department of Electrical and Computer Engineering, Seoul National韩国共和国98826大学，韩国高级科学技术学院机械工程系，大韩民国大师34141（日期：2025年1月6日）1加利福尼亚大学伯克利分校电气工程和计算机科学系，加利福尼亚州94720，美国2韩国科学技术学院，大韩民国大加共和国34141韩国科学技术研究所3号，34141年3月3日，北卡罗来纳大学，北湾北部大学，北部大学，北部的北部大学，北卡罗来纳大学，北卡罗来纳大学， 48513, Republic of Korea 5 Center for Theoretical Physics of Complex Systems, Institute for Basic Science, Daejeon 34126, Republic of Korea 6 Department of Physics, Pohang University of Science and Technology, Pohang 37673, Republic of Korea 7 Department of Material Sciences and Engineering, Korea Advanced Institute of Science and Technology, Daejeon 34141, Republic of Korea 8 Department of Electrical and Computer Engineering, Seoul National韩国共和国98826大学，韩国高级科学技术学院机械工程系，大韩民国大师34141（日期：2025年1月6日）
使用多物理信息神经网络预测复合地层中隧道施工引起的地表沉降
摘要 摘要 准确预测隧道施工引起的地表沉降对于保证隧道工程安全施工和决策至关重要。本文建立了一种用于预测盾构隧道施工引起地层变形的物理信息神经网络（PINN）模型。该模型将隧道收敛变形与隧道开挖位置的关系纳入深度神经网络（DNN）框架中。考虑到多地层的地质特点，提出了一种多物理信息神经网络（MPINN）模型，在统一的框架下表示不同地层的物理信息。结果表明，MPINN模型可以高度再现有限差分法的计算结果，并能准确预测考虑复合地层的复杂地质信息的隧道施工引起的地表沉降。由于MPINN模型具有完整的物理机制，适用于隧道施工引起的地表沉降问题，可以预测不同地质和几何条件下的隧道施工引起的地表沉降。基于实测数据,提出的MPINN模型能够准确预测监测断面地表沉降曲线,为隧道施工过程中地表沉降预测预警提供参考。
探索物理知识的神经网络以获取作物产量...
响应气候变化，评估极端天气条件下的作物生产力对于提高粮食安全至关重要。与物理过程保持一致的作物模拟模型，可提供解释性，但表现较差。相反，用于作物建模的机器学习（ML）模型具有强大的可扩展性，但可作为黑匣子，并且缺乏遵守作物生长的物理原理。为了弥合这一差距，我们提出了一种新颖的方法，该方法通过估计用水量和对像素水平的水稀缺性的敏感性来结合两种方法的优势。这种方法通过使用增强的损失函数依次解决对水稀缺性的作物产量反应的方程来实现基于物理原理的产量损失估计。利用Sentinel-2卫星图像，气候数据，模拟的用水数据和像素级产量数据，我们的模型表明了高准确性，达到了高达0.77的R 2，匹配或超过了诸如RNNS和变形金刚（RNNS and Transfors）的先例模型。此外，它还提供了可解释的和物理一致的产出，支持行业，决策者和农民适应极端天气条件。
![arxiv：2412.18878v1 [physics.optics] 2024年12月25日](/simg/5/59b14591d8d8c891d6dd044e5a15904dbdc546f6.webp)
arxiv：2412.18878v1 [physics.optics] 2024年12月25日
传统的金属和N型掺杂的半导体材料是新兴的Epsilon – Near -near -Zero（ENZ）材料，展示了非线性光子应用的巨大潜力。然而，这种材料的一个重要限制是缺乏多功能的ENZ波长调整，因此，对ENZ波长的动态调整仍然是一个技术挑战，从而限制了其潜在应用，例如多频带通信。在此，通过光激发后极性形成/解耦的孔浓度的可逆变化以及可调的enz波长移动，可以观察到PSS膜中的ENZ波长的动态调整，从而可以通过可逆的孔浓度变化来实现PSS膜。关于极性激发超快速动力学的实验研究表明，北极子积累的〜80 fs时间常数，北极子解耦的〜280 fs时间常数，表明在子picosocecond时尺度内的enz波长逆转超快切换的潜力。这些发现表明，P型有机半导体可以用作通过极性激发动态调整ENZ波长的新型平台，这为基于ENZ的非线性光学应用在柔性光电上开辟了新的可能性。
焦点问题：医学物理学中的人工智能
继欧洲医学物理组织联合会 (EFOMP) 发表有关人工智能与医学物理学专业关系的社论 [1] 之后，为了满足医学物理学家 (MP) 在这个人工智能新领域的教育需求，EFOMP 于 2019 年 6 月宣布成立一个为期 2 年的工作组 (WG)，题为“人工智能 (AI)”。预期成果是针对医学物理学家 (MP) 的人工智能课程和专业计划以及 EFOMP 欧洲医学物理专家学校 (ESMPE) 人工智能模块。EFOMP 发现医学物理学家 (MP) 需要通过更新其培训和教育计划来承担起医学人工智能时代利益相关者的角色。欧盟 RP174 中也明确指出了这一点，该指南提出了欧洲医学物理专家指南，并强调了教育和培训作为 MP 专业基础的重要性 [2]。正是在这种背景下，EFOMP 人工智能工作组向 EJMP 主编提议，出版一期聚焦医学物理学中人工智能的焦点期刊 (FI)。其想法是将课程中涉及的最重要的主题汇集到一卷 Physica Medica 中，用于教育和培训欧洲医学物理学家 (MP)。在得到主编的热烈赞同后，他建议将本期焦点期刊的范围扩大到人工智能领域的当前研究方面，我们被邀请担任客座编辑。我们很荣幸并谦虚地接受了这项任务。本期焦点期刊旨在总结人工智能在医学物理学中的技术和应用。它还解决了与这些技术相关的常见陷阱。由于人工智能在医学领域，尤其是医学物理学领域的应用近年来出现了前所未有的增长，医学物理学家职业必须跟上这些变化的步伐，我们希望本期焦点期刊能为参与或将参与这一激动人心的领域的 MP 提供指导。