XiaoMi-AI文件搜索系统
World File Search Systemstudying
研究团队绩效的方法：飞机......
在关于团队培训的研究中，Wexley 和 Latham 描述了衡量培训效果的四种方法：1）反应标准 - 即参与者喜欢或不喜欢培训师、培训内容、培训方法等的方式；2）学习 - 通常通过测试来衡量培训后获得的知识；3）工作行为的变化 - 衡量参与者将培训期间获得的知识应用到工作环境中的程度；4）成本相关收益的衡量 [5]。收益衡量是上述四个标准中最难衡量的，但 Stelly 和 Taylor 在航空维修人员中开展团队培训后，测量到了显著的财务改善 [6]。本文介绍了一种使用主观和客观测量工具来衡量收益的方法。
用于研究 Fluxonium 量子比特 1 的平面结构
近十年来，许多国家都在积极研究超导量子电路的基本量子特性 [1–3]。该领域的进展得益于新型量子比特的出现 [4, 5]、制造方法的改进 [6– 10]、系统尺寸的增加 [2–11] 以及量子比特的相干性 [2, 12]。超导量子比特的主要优势是制造工艺相对简单，采用半导体电子产品生产中广泛使用的标准电子束沉积和纳米光刻方法。超导量子比特的运行基于约瑟夫森效应。[12, 13] 的作者简要介绍了超导量子比特的主要类型，特别是相干时间达到数十和数百微秒的 transmons 和 fluxoniums。
研究公共安全监控人工智能的文章
为了保障公共安全而进行的技术监控（例如，摄像头、传感器、手机、 OSINT）渗透到个人生活的方方面面。在本文中，我们提出了这样一种观点，即人工智能的加入改变了监控生态系统的运作方式，因此值得产生一个新概念：监控人工智能生态系统。监控人工智能生态系统由相互关联的不同参与者（技术、人类、超人类、组织等）组成，所有这些参与者都参与了人工智能辅助的监控任务。它们不仅包含任何技术生态系统的通常复杂性，还包含人工智能的额外复杂性，具有技术和社会方面的新兴特征。我们主张在人工智能生态系统中开展工作时采用多方面视角，并描述（受人类学启发的）理解和解开人工智能监控生态系统的方法。民主控制的人工智能监控的发展需要系统地考虑五重螺旋（公共、私人、民间社会、学术界、自然）中的伦理、法律和社会方面（ELSA）。我们强调明确定义五重螺旋的哪些观点在人工智能监控中被考虑，哪些观点没有被考虑，以实现一套透明的（ELSA）价值观来指导人工智能监控的开发和实施。我们提供了一个示例，说明我们如何在智能城市技术开发和应用的试验场（即所谓的“生活实验室”）的背景下开发和应用（部分）这些方法。在这里，我们采取积极参与学者作为“批判性朋友”的立场，参与复杂的创新和评估过程。我们与该领域的对话伙伴一起，梳理和反思我们所探索的生活实验室设置中蕴含的（公共安全）价值观。最后，我们呼吁人们不要将监控人工智能系统理解为一个需要解决的问题，而要将其理解为一个需要高度多样化的利益相关者讨论的持续过程。
研究企业创新：新的研究可能性
在本文中，我们将论证美国国税局在响应政策制定者的需求方面发挥着重要作用。税收系统是唯一可用的数据系统，它通过详细的财务数据（完整的收入和资产报表）定期捕捉创新和竞争活动的结果，这些数据适用于所有企业，无论是否为雇主，无论是否为公有。只有税收系统才能捕捉到旨在刺激创新和竞争力的税收政策的效果信息。这些信息可用于通过审计和其他报税后事件（如修正申报和结转）计算公司或纳税申报层面的有效税率。此外，只有税收系统才能通过存在分层所有权交叉表、有关直通实体的信息以及个人与组织之间的关系来捕捉组织相互关系的复杂性。在所有情况下，考虑到对不回应企业的执法处罚，税收数据很可能比调查数据更准确，也更不容易出现未回应的情况。
研究早期人类发展的技术挑战
引言早期人类发展被定义为受孕后的前8周：涵盖胚胎发生的主要地标在建立健康的妊娠方面。第1至3周纳入胚胎植入，细菌层的规范和种系，以及建立早期身体计划。第3至5周代表早期的器官发生阶段，其中形成了主要器官系统中的祖细胞及其衍生的细胞类型，并伴有形态发生的图案，例如神经管的闭合和心脏的循环。从第5周到第8周，器官发生继续建立更成熟的器官，例如肢体芽中的骨骼生成和脊柱的形成，以及整体体内生长。此后，获得了特定于物种的解剖结构和功能性属性的胚胎被认为是子宫内发育中其余部分的胎儿。对在这个形成阶段的胚胎发展的了解很重要，因为在此期间发生的模式事件和细胞相互作用对于最终导致后代的组织和器官系统的结构组织至关重要。对正常发育的了解也可以使
适合研究树木的安全 DNA 提取协议......
请引用本文：Keriö et. al. ，（2020）。适用于研究树木与真菌相互作用的安全 DNA 提取方案，Bio-protocol 10 (11): e3634。DOI：10.21769/BioProtoc.3634。
使用球体研究癌症和代谢疾病
球体是单个或多细胞类型的简单3D簇。三维细胞聚集体比传统的二维细胞培养物提供了体内条件的更准确的表示。因此，由于与2D培养系统相比，球体已经成为一种新的细胞培养模型。此外，对球体形成的研究使我们深入了解疾病建模，包括模仿肿瘤，组织工程和药物发现中的干细胞研究。
研究高光谱分离提取成分的潜力
太空资产对美国国防、安全和经济财富至关重要。遥感是了解太空资产周围环境态势的重要技术。地面太空望远镜技术无法在空间上分辨太空中遥远的物体（轨道高度超过 1,000 公里，例如 GEO）或小型物体（例如 CubeSats）。这些物体被称为未解析的空间物体 (URSO)。高光谱遥感已被提议作为一种提取未解析空间物体定量信息的技术。高光谱传感器的高光谱分辨率包含有关未解析物体材料成分的信息，这些信息来自材料对测量光谱的贡献。即使物体无法在空间上分辨，也可以在光谱上分辨。高光谱解混是一种将混合测量光谱特征分解为组成材料及其丰度的光谱特征的技术。在地面应用中，解混已被广泛研究，研究对象是包含感兴趣物体的光谱和空间信息的图像。对于未解析的空间物体，作者建议使用在空间物体在高光谱传感器的视野范围内移动时收集的时间轨迹的光谱时间特征来提取物质成分信息。这种方法面临的一大挑战是，收集到的光谱时间特征可能不够丰富，无法使用盲高光谱解混方法提取物质成分。在本文中，我们使用一个简单的模拟模型，即一个类似卫星的物体在背景上旋转，以研究空间分辨率如何影响 URSO 物质成分的可识别性。我们将性能视为空间分辨率在提取的端元质量及其丰度方面的函数。初步结果表明，提高空间分辨率可以提高可识别性（这并不是一个令人惊讶的结果），但如果光谱时间特征足够丰富，那么几个像素就足以识别物质成分。关键词：未解析的空间物体；高光谱解混；光谱时间特征；空间域感知。
使用实时fMRI
记忆是指我们一生中获取，存储，检索和重组经验和知识的能力。以这种方式，记忆实际上是所有行为和认知功能的基础。尽管已使用实时功能磁共振成像（RTFMRI）来研究许多功能，例如感知，注意力和情感，但RTFMRI的使用却少得多，用于直接研究记忆的神经机制。在本章中，我们回顾了有关人脑如何支持记忆的现有文献。我们专注于在长期记忆中（也称为情节记忆）中编码，巩固和检索个人体验的系统。除了相关方法外，我们还考虑了介入的研究，这些研究已通过实验操纵大脑以与记忆行为建立因果关系。最后，我们讨论了如何使用RTFMRI来监测，扰动和实例化与记忆相关的大脑状态，从而涵盖了这一淡淡的研究中最近的RTFMRI研究以及未来研究的潜在思想。我们得出的结论是，RTFMRI有望为人类记忆提供独特的理论见解。
在神经时代学习编程：只是一个疯狂的想法？
语言或运动活动。如果我们只是观察程序员处理源代码时的情况，我们会看到很多被激活的大脑区域，但我们不知道哪些区域与程序理解行为直接相关。为了确定在程序理解过程中大脑的哪个部分被特别激活，我们应用了一种减法，如图 2 所示：我们让程序员识别代码中的语法错误作为一项基线任务，称为控制条件，它揭示了“浏览”代码与深入理解其语义之间的差异。这种减法是保守的，以便不会发现虚假的激活，这样，与程序理解行为无关的激活就会被尽可能地过滤掉。经过几年的规划和在 fMRI 扫描仪外进行的多次试点测试，我们得出了一个可以在 fMRI 机器内执行的实验设计。我们展示了我们的