XiaoMi-AI文件搜索系统
World File Search Systemtuning
Suppressing argyrodite oxidation by tuning the host structure for high areal capacity all-solid-state lithium-sulfur batteries
solid-state Li-S batteries. By hybridizing two-dimensional carbon nitride and N-doped graphene to form CNG with a very high N content, argyrodite decomposition is largely suppressed, which computational and experimental studies show occurs through strong Li-N binding at the solid electrolyte-sulfur host interface. We propose this inhibits the initial oxidation of argyrodite in the indirect process, kinetically limiting Li-ion extraction, and shifting the potential for sulfide ion conversion to sulfur in the first step. This improves SSSB cycling performance by diminishing the build-up of insulating decomposition products at the interface, unlike experienced by carbon materials such as VC and NG. The CNG sulfur
MNCO2O4-Spinel-for-...
后面的印刷：Lankauf K.，GórnickaK。，BłaszczakP。，Karczewski J.在八面体地点，《国际氢能杂志》，第1卷。48，ISS。 24（2023），pp。 8854-8866，doi：10.1016/j.ijhydene.2022.12.01348，ISS。24（2023），pp。8854-8866，doi：10.1016/j.ijhydene.2022.12.013
蛋白抑制基于新型多细胞性状的演变
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年1月22日。 https://doi.org/10.1101/2023.05.31.543183 doi：biorxiv preprint
单层WSE2带有双轴应变调谐的上传感器的光致发光
摘要：机械应变可用于调整单层过渡金属二核苷（1L-TMD）的光学特性。在这里，从1l-wse 2薄片的上转换光致发光（UPL）用通过十字形弯曲和压痕法诱导的双轴应变调节。发现，随着施加的双轴应变从0％增加到0.51％，UPL的峰位置被大约24 nm红移。同时，对于在-157 MeV至-37 MeV之间的宽范围内的上转换能量差，UPL强度指数增加。在三种不同的激发波长为784 nm，800 nm和820 nm处的1L-WSE 2中，UPL发射在1L-WSE 2中观察到的线性和肌功率依赖性表示多音辅助的一photon photon UpConversion发射过程。1L-TMDS的应变依赖性UPL发射的结果铺平了光子上转换应用和光电设备进步的独特途径。
一种微调模型诱导稳定固定点的方法
理想化的化学植物的第一原理模型可能不准确。一个替代的天然是将机器学习（ML）模型直接适合工厂传感器数据。我们使用一种结构化方法：工厂内的每个单元都由一个ML模型表示。将模型拟合到数据后，将模型连接到类似流面的有向图中。我们发现，对于较小的植物，这种方法效果很好，但是对于较大的植物，流程表中大型和嵌套的循环产生的复杂动力学导致模型初始化期间求解器的不稳定性。我们表明，单单元模型的高精度还不够：梯度可以指向意外的方向，从而防止求解器收敛到正确的固定状态。为了解决这个问题，我们提出了一种微调ML模型的方法，即即使使用非常简单的求解器也变得强大。
超导性和电荷的平面单轴支架调整...
具有kagome晶格结构的材料由于其独特的电子义务而引起了强烈的关注，从而探索了新的和异国情调的量子现象。[1，2]在新发现的Kagome金属中，V 3 SB 5（a = k，rb，cs）表现出丰富的量子现象，例如非平凡的拓扑带，费米能量附近的范·霍夫（Van Hove）奇异性，高度不寻常的超导性超导性和电荷密度波（CDWS）。[3 - 9]这些发现刺激了这一领域的一波研究。我们的研究重点是CSV 3 SB 5，这是A V 3 SB 5类的特定成员，该类别对其新型电子特性引起了极大的关注。CSV 3 SB 5（空间群P 6 / mmm）的结构由剖腹层插入的V – SB层。在V – SB层中，钒阳离子由SB Octahedra协调，形成了二维Kagome晶格（图1（a））。[ 3 ] CsV 3 Sb 5 undergoes a CDW transition at T CDW ≈ 94 K, and enters into a superconducting ground state at T c ≈ 3 K. [ 4 ] Various experimental studies revealed long- range CDW order [ 10 – 12 ] and suggested that the unconven- tional CDW may be related to van Hove filling, in addition to electron–phonon coupling.此外，在该系统中已经报道了电子列表，并建议CDW高度不寻常。[13]尽管t c相对较低，但CSV 3 SB 5中的超导状态可能非常不寻常。例如，理论和运输测量表明
微调汽车T细胞的抗原敏感性
嵌合抗原受体（CAR）T细胞是“活药物”，通过抗体衍生的结合结构域特异性地识别其靶抗原，从而导致T细胞激活，扩展和销毁同源靶细胞。FDA/EMA CAR T细胞用于治疗B细胞恶性肿瘤的批准将CAR T细胞疗法确立为现代免疫疗法的新兴支柱。然而，几乎每名接受CAR T细胞疗法的患者在第一年内都患有疾病复发，这被认为是由于癌细胞上的CAR靶抗原的下调或丢失，以及功能能力降低，称为T细胞耗尽。在汽车激活阈值下方的抗原下调使T细胞保持沉默，使CAR T细胞疗法无效。使用CAR T细胞用于治疗越来越多的恶性疾病，尤其是实体瘤的疾病，需要增强汽车敏感性以在癌细胞上低密度的靶向抗原。在这里，我们讨论了即将到来的策略和当前设计汽车以识别抗原低癌细胞的挑战，旨在提高敏感性和最佳治疗性效率，同时降低肿瘤复发的风险。
60个神经类固醇 - 大脑功能的微调
在母亲中，分娩后的Allopregnanolone迅速下降会导致GABA信号失衡。最多五分之一的女性可能会导致产后抑郁症，这是产后第一年的一种严重抑郁症。经过数十年的神经类固醇替代疗法的研究后，Allopregnanolone，Brexanalone的表述在2019年被美国食品药品监督管理局批准，是通过静脉输注的第一家可用于治疗产后抑郁症的药物。该药物设计的进一步改善导致Zuranolone在2023年获得批准，这是一种口服配方，比Brexanalone更容易施用。
ODL-BCI：通过超参数调整对学生注意力进行分类的脑机接口最佳深度学习模型
摘要 — 脑机接口 (BCI) 研究在教育领域引起了关注，它为监测和提高学生的认知状态提供了潜力，本研究的重点是开发一种最佳深度学习模型 ODL-BCI，用于实时分类学生的注意力水平。该模型结合了超参数调整技术，并利用了公开的“困惑的学生 EEG 脑波数据”数据集。我们提出了一种通过贝叶斯优化优化超参数的深度学习模型。该模型的架构由一个输入层、几个隐藏层和一个输出层构成。隐藏层中的节点数和激活函数是使用贝叶斯优化确定的。每一层的学习率也进行了优化。在 EEG 混淆数据集上，对所提出的模型进行了评估，并与几种标准机器学习分类器进行了比较，包括决策树、AdaBoost、Bagging、MLP、朴素贝叶斯、随机森林、SVM 和 XG Boost。实验结果表明，优化后的深度学习模型优于所有其他分类器，准确率达到 74%。该模型在准确分类学生注意力水平方面的有效性凸显了其作为教育环境中宝贵工具的潜力。这项研究促进了 BCI 技术的进步，为基于 EEG 的认知评估的深度学习模型的优化提供了见解。未来的工作包括探索该模型在更大数据集上的通用性，并将其适用性扩展到其他 BCI 应用程序。
论预训练数据多样性与微调鲁棒性之间的联系
预训练已在深度学习中被广泛采用，以提高模型性能，特别是当目标任务的训练数据有限时。在我们的工作中，我们试图了解这种训练策略对下游模型泛化特性的影响。更具体地说，我们提出以下问题：预训练分布的属性如何影响微调模型的鲁棒性？我们探索的属性包括预训练分布的标签空间、标签语义、图像多样性、数据域和数据量。我们发现影响下游有效鲁棒性的主要因素 [44] 是数据量，而其他因素的重要性有限。例如，将 ImageNet 预训练类别的数量减少 4 倍，同时将每个类别的图像数量增加 4 倍（即保持总数据量固定）不会影响微调模型的鲁棒性。我们展示了从各种自然和合成数据源中提取的预训练分布的发现，主要使用 iWildCam-WILDS 分布转变作为稳健性测试。