XiaoMi-AI文件搜索系统
World File Search Systemstripping
无阳极锌石墨电池
双(氟磺酰基)酰亚胺阴离子 (FSI − )、AlCl 4 − 和 (BrCl) n − 已被研究作为石墨插层化合物 (GIC) 的插层剂。[3] 由于电池结构简单，DIB 已从 Li [4] 扩展到 Na、[5] K、[6] Mg、[7] Ca、[8] 和 Zn 离子 [9] 体系。与有机或离子液体电解质不同，具有高安全性和低成本特点的水系电解质近年来正在蓬勃发展。[3f,10] 尽管已经取得了重大进展，但 DIB 面临的关键挑战在于设备级的低能量密度。以前提高 DIB 能量密度的尝试主要依靠使用浓电解质 [6,11] 来降低非活性溶剂的重量比。然而，只有在超高浓度下才能动力学抑制正极侧的阳极腐蚀。当 DIB 充电过程中消耗掉大部分电解质时，稳定性问题仍然存在。金属阳极的镀层剥离效率也在很大程度上取决于浓缩电解质下形成的钝化界面。在之前的 DIB 原型中，总是需要过量的金属阳极和电解质。最近，开发了“无阳极”锂金属电池概念，使用非活性基质作为集流体，[12] 这比锂金属更安全、更方便，而且
机器人软件工程：未来研究方向
机器人正在经历一场革命，它们渗透到我们日常生活的方方面面，从房屋维护到基础设施巡检，从高效的货物仓储到自动驾驶汽车等等。这项技术进步及其影响令人震惊。然而，这场革命正在超越现有软件开发流程、技术和工具的能力，而这些流程、技术和工具几十年来基本保持不变。这些能力无法应对机器人软件特有的挑战，例如处理领域多样性、异构硬件、编程和学习组件、捕捉和建模的复杂物理环境（其中存在不确定性）、包括人机交互在内的突发行为，以及跨多个维度的可扩展性需求。展望未来，机器人软件开发的需求将日益普及、自主性更强，并且越来越依赖于复杂的自适应组件、硬件和数据。为此，美国国家科学基金会 (NSF) 于 2023 年 10 月在密歇根州底特律举办了一场以“机器人软件工程”为主题的社区研讨会。研讨会的目标是汇集机器人技术和软件工程领域的思想领袖，形成一个共同体，并确定机器人软件工程领域在未来五年内应重点解决的关键问题。本报告总结了研讨会的动机、活动和成果，特别是阐明了机器人软件所面临的独特挑战，并确定了应对这些挑战的富有成效的近期研究方向的愿景：
通过基于注意力的卷积神经网络对大鼠缺血性病变 MRI 图像中的大脑半球进行自动分割
摘要 我们提出了 MedicDeepLabv3+，这是一种卷积神经网络，是第一个完全自动化地分割缺血性病变大鼠磁共振 (MR) 体积中的大脑半球的方法。MedicDeepLabv3+ 通过先进的解码器改进了最先进的 DeepLabv3+，结合了空间注意层和额外的跳过连接，正如我们在实验中所展示的那样，可以实现更精确的分割。MedicDeepLabv3+ 不需要 MR 图像预处理（例如偏置场校正或模板配准），可以在不到 1 秒的时间内完成分割，并且可以根据可用资源调整其 GPU 内存要求。我们在一个由 11 个队列的 MR 体积组成的异构训练集上优化了 MedicDeepLabv3+ 和其他六个最先进的卷积神经网络（DeepLabv3+、UNet、HighRes3DNet、V-Net、VoxResNet、Demon），这些队列是从不同病变阶段获取的。然后，我们在包含 655 张 MR 大鼠脑体积的大型数据集上评估了经过训练的模型和两种专门为啮齿动物 MRI 颅骨剥离 (RATS 和 RBET) 设计的方法。在我们的实验中，MedicDeepLabv3+ 的表现优于其他方法，在脑部和对侧半球区域的平均 Dice 系数分别为 0.952 和 0.944。此外，我们还表明，尽管 GPU 内存和训练数据有限，但我们的 MedicDeepLabv3+ 也提供了令人满意的分割。总之，我们的方法（公开发布于 https://github.com/jmlipman/MedicDeepLabv3Plus）在多种情况下都取得了出色的结果，证明了其能够减轻大鼠神经影像研究中的人工工作量。
克莱尔郡议会 – 截至 2024 年 12 月 20 日当周的规划申请已收到
24/8016 克莱尔郡议会 P 20/12/2024 进行以下开发： 拟议工程包括以下内容： a) 将用途从酒吧和餐厅改为多用途社区空间、展览和遗产空间、旅游空间，保留现有的底层咖啡厅和厨房（超过两层楼）并保留酒吧执照； b) 在内部增加无障碍平台升降机，使所有三层楼均可通行； c) 在底层增加通用无障碍厕所和更衣室厕所； d) 在内部提供存储空间： e) 去除地毯、内墙和天花板配件等表面装饰； f) 在底层外部面向 Abbey 街创建“艺术墙”，以促进在公共领域参与艺术，包括数字显示和投影媒体； g) 内部和外部装饰； h) 外部标牌。 根据《栖息地指令》，已对项目进行了适当的评估筛选。已进行环境影响评估 (EIA) 筛选确定，结论是拟议开发项目不会对环境产生重大影响，因此无需进行 EIA。此开发项目拟对受保护结构（RPS 编号：736 / NIAH 编号：2000141）进行施工，如克莱尔县 2023-2029 年发展计划第 4 卷所述，该结构是国家纪念碑（编号 170/ RMP CL033-082001 - 恩尼斯修道院建筑群）的一部分 The Cloister 49 Abbey Street Ennis Co. Clare
2024 年 12 月季度报告
本季度，Yaouré 黄金产量为 66,700 盎司，比上一季度增长 18%，生产成本为每盎司 843 美元，AISC 为每盎司 1,037 美元。Yaouré 共计售出 69,036 盎司黄金，加权平均售价为每盎司 2,395 美元。这使得本季度的平均现金利润率为每盎司 1,358 美元。Yaouré 本季度产生的名义经营现金流为 9100 万美元，而 2025 财年第一季度为 5600 万美元。2024 日历年，Yaouré 黄金产量为 239,636 盎司，几乎占 Perseus 当期黄金总产量的一半，AISC 为每盎司 1,114 美元，12 个月期间产生的名义现金流为 2.62 亿美元。 Yaouré 2025 财年第二季度的运营业绩与上一季度相比有所改善。黄金产量增长了 18%，这得益于加工矿石的原矿品位提高了 16%（从 1.86 克/吨提高到 2.16 克/吨），黄金回收率提高了 2%，达到 93.9%。正如 2025 财年第一季度所强调的那样，Yaouré 实施了一项加速废料剥离计划，旨在从早期恢复，该计划共开采了 1060 万吨，矿山的 AISC 有所增加。正如 2025 财年第一季度报告所预测的那样，由于废料运输大幅减少以及 Yaouré 采矿单位成本相应下降，开采的总材料量大幅减少。
同时确定Pb（II）和CD（...
抽象一些重金属，例如PB，CD，HG以及对人类极为危害的，因为它们的非生物性性质即使在非常低的暴露水平下也是如此。除了标准方法（例如电感耦合等离子体（ICP） - 质谱和ICP光学发射光谱法）外，还需要开发具有快速，准确和廉价要求的其他方法，以检测这些在水源中的有毒重金属离子。最近，由于高选择性，敏感性和低成本，多孔材料在阳极剥离伏安法中的应用引起了极大的关注。在本研究中，使用Zno-电化学降低的氧化石墨烯（ZnO/Ergo）修饰的玻璃碳电极（GCE）用于PD（II）和CD（II）的电化学检测。发现ZnO/ERGO-GCE的表面积为0.130 cm 2比裸机GCE的表面积（0.083 cm 2）大得多。对于ZnO/ergo-gce而言，电荷转移电阻从裸机GCE的3212Ω显着降低到924Ω。这些结果表现出ZnO/ Ergo修饰电极动力学的快速电子传递比。ZnO/ergo-gce与ERGO-GCE和Bare GCE相比，在检测Pb（II）和CD（II）方面表现出出色的电化学性能。峰值电流与2.5-200 µm范围内的CD（II）和Pb（II）浓度具有线性关系。CD（II）和Pb（II）的检测极限分别为1.69和0.45 ppb。此外，电化学传感器在实验研究中表现出极好的选择性，稳定性和可重复性，并且为检测痕量金属的巨大潜力开辟了巨大的潜力。
丙酮 - 丁醇 - 乙醇发酵产品恢复
如今，全球变暖是现代社会中最重要的关注之一，它需要考虑到环境，健康，经济等。化石燃料在这一现象中起着至关重要的作用，并且在过去几十年中找到替代方案一直是研究主题。在可用的一系列选择中，生物燃料是一种高效且在环境可持续的替代方案。生物丁醇预处理特性，例如高加热值，低波动性，高粘度和低腐蚀。此外，它是一个更安全的使用选择，它与汽油和其他燃料融合的能力将其变成了合适且有希望的可再生替代方案。生物丁醇可以由丙酮 - 丁醇 - 乙醇（ABE）发酵过程从农业产业的残留物中产生。生物丁醇与发酵汤的分离和纯化占工厂预算的40％，这是值得注意的。应用了各种分离技术，例如液 - 液体提取，膜人物剥离，真空闪光，膜过度蒸发，透明装置，反渗透，吸附等。一种适合的分离方法必须在产出中产生足够的丁醇浓度，并降低最终产品的成本，以便生物丁醇可以与其他燃料在经济上竞争。这项工作审查了现有的过程，用于将丁醇与安倍发酵的分离和纯化，包括高级方法。考虑环境和经济参数以及每种技术的上级和挑战，将详细讨论所有方法。
使用 2D CNN 检测早期阿尔茨海默病
摘要 目标 为了在计算资源的获取方面公平地采用医学人工智能 (AI) 算法，所提出的方法基于二维 (2D) 卷积神经网络 (CNN)，该方法可以更快、更便宜、更准确地检测早期阿尔茨海默病 (AD) 和轻度认知障碍 (MCI)，而无需使用大型训练数据集或昂贵的高性能计算 (HPC) 基础设施。方法 所提出的模型使用标准化的阿尔茨海默病神经影像学计划 (ADNI) 数据集，并使用 Brain Extraction Tool V.2 方法进行额外的头骨剥离。2D CNN 架构基于 LeNet-5，使用了 Leaky Rectified Linear Unit 激活函数和 Sigmoid 函数，并在每个卷积层之后添加了批量归一化以稳定学习过程。通过手动调整所有超参数对模型进行了优化。结果 从准确率、召回率、精确率和 f1 分数方面对模型进行了评估。结果表明，该模型预测 MCI 的准确率为 0.735，通过了 0.521 的随机猜测基线，预测 AD 的准确率为 0.837，通过了 0.536 的随机猜测基线。讨论 所提出的方法可以帮助临床医生在 AD 和 MCI 的早期诊断中具有足够高的准确率，基于相对较小的数据集，并且不需要 HPC 基础设施。这种方法可以减轻差异并实现医疗算法采用的公平性。结论 医疗 AI 算法不应只关注准确性，还应评估它们如何影响差异并在采用过程中实现公平性。
增强医疗保健推荐：深度卷积神经网络中的迁移学习用于阿尔茨海默病检测
阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 等神经退行性疾病会严重影响大脑功能和认知。先进的神经成像技术，尤其是磁共振成像 (MRI)，通过检测结构异常在诊断这些疾病方面发挥着至关重要的作用。这项研究利用以大量 MRI 数据而闻名的 ADNI 和 OASIS 数据集来开发用于检测 AD 和 MCI 的有效模型。该研究进行了三组测试，比较了多个组：多类分类（AD vs. 认知正常 (CN) vs. MCI）、二元分类（AD vs. CN 和 MCI vs. CN），以评估在 ADNI 和 OASIS 数据集上训练的模型的性能。对这两个数据集都应用了高斯滤波、对比度增强和调整大小等关键预处理技术。此外，还利用 U-Net 进行颅骨剥离，通过去除颅骨来提取特征。研究了几种著名的深度学习架构，包括 DenseNet-201、EfficientNet-B0、ResNet-50、ResNet-101 和 ResNet-152，以识别与 AD 和 MCI 相关的细微模式。采用迁移学习技术来提高模型性能，利用预训练数据集来改进阿尔茨海默氏症 MCI 检测。ResNet-101 与其他模型相比表现出色，在涵盖 AD、CN 和 MCI 的多类分类任务中，在 ADNI 数据集上实现了 98.21% 的准确率，在 OASIS 数据集上实现了 97.45% 的准确率。它在区分 AD 和 CN 的二元分类任务中也表现良好。ResNet-152 在 OASIS 数据集上 MCI 和 CN 之间的二元分类方面表现尤为出色。这些发现强调了深度学习模型在准确识别和区分神经退行性疾病方面的实用性，展示了它们在增强临床诊断和治疗监测方面的潜力。
ibeat v2.0：一种适用于婴儿脑皮质表面重建的多站点，基于深度学习的管道
人类大脑皮层在产后早期阶段经历了戏剧性和关键的发育。受益于神经影像学的进展，许多婴儿脑磁共振成像（MRI）数据集是从具有不同扫描仪和成像协议的多个成像位点收集的，以研究正常和异常的早期大脑发育。但是，通过这些多站点成像数据精确处理和量化婴儿大脑发育是极其挑战的，因为婴儿脑MRIS：a）表现出极低和动态的组织对比，由持续的髓鞘形成和成熟引起，而b）遭受跨站点/扫描仪/扫描仪的多样化的层间数据异质性造成的大型疗程。因此，现有的计算工具和管道通常在婴儿MRI数据上表现不佳。为了应对这些挑战，我们提出了一种强大的，多站点的，可供婴儿守则的计算管道，利用强大的深度学习技术。提议的管道的主要功能包括预处理，脑部头骨剥离，组织分割，拓扑校正，皮质表面重建和测量。我们的管道可以很好地处理T1W和T2W结构婴儿脑MR图像（从出生到6岁），对于不同的成像协议/扫描仪，尽管仅接受了Baby Connectome项目的数据培训，但对不同的成像协议/扫描仪都有效。与多站点，多模式和多年龄数据集的现有方法进行了广泛的比较，表现出我们管道的效率，准确性和鲁棒性。我们已经维护了一个网站Ibeat Cloud 1，以便用户使用管道处理其图像，该管道已成功处理了100多个由100个以上机构的婴儿MRI扫描，并具有各种成像协议/扫描仪。