XiaoMi-AI文件搜索系统
World File Search System互补性
识别涉及混合性能和杂种群体互补性的QTL：应用于阶乘和混合拨号玉米玉米混合动力面板的新GWAS模型
抽象密钥消息提出了一个原始的GWAS模型，该模型集成了等位基因的祖先，并允许探测背景特定的添加剂和优势QTL，涉及异性群互补性和混合性能。抽象的玉米遗传多样性被构造成彼此选择和改善的遗传群体。此过程会随着时间的流逝而增加组的互补性和分化，并确保由小组间杂交产生的杂种表现出较高的表现和异性症。为了确定与混合性能和杂种群体互补涉及的基因座，我们引入了一个原始的关联研究模型，该模型将等位基因的异性群的起源与异性构成群体分离，并将其与常规的添加剂/优势模型进行了比较。这个新模型应用于凹痕和弗林特线之间的阶乘，以及具有两种不同分析层的凹痕混合线之间的拨号线：在每个环境中和多种环境中。我们确定了所有特征的几个强大的添加剂QTL，包括一些用于开花时间的众所周知的加性QTL（在染色体8上的VGT1/2区域）。屈服特征在拨号面板中显示出显着的非加性效果。大多数检测到的产量QTL表现出过度势力或更有可能的伪过分效应。在这些QTL上明显过度污染，导致了遗传组互补性的一部分。环境之间的比较显示，添加QTL效应的稳定性高于非添加效应。我们还揭示了显示遗传群起源作用的大型染色体区域。根据局部杂种群的起源，几个QTL显示出效应的变化。总的来说，我们的结果说明了混合面板如何与专用的GWAS建模相结合，允许识别新的QTL，这些QTL无法通过通过传统建模分析的经典混合面板无法揭示的新QTL。
商品互补性在混合捆绑策略中的作用
本文研究当垄断企业生产两种互补产品并可能采取捆绑销售策略时的最佳定价。为此，我们使用了 Yan 和 Bandyopadhyay (2011) 框架的修改版本，其中捆绑销售策略的有效性与互补程度正相关，并且独立产品需求的价格弹性可能不同。获得了三个主要结果。首先，混合捆绑销售被证明是最佳策略。其次，捆绑（非捆绑）产品的销售额和利润随着产品变得更加互补而增加（减少），这需要一种经验上合理的行为。第三，当产品高度互补时，弹性较小的产品和捆绑产品可以定价相同。关键词：混合捆绑；产品互补程度；价格弹性；多产品垄断 JEL 分类代码：D21，D42
重视技术互补性：屋顶太阳能和……
* 纽约大学斯特恩分校，bbolling@stern.nyu.edu；** 劳伦斯伯克利国家实验室，ndarghouth@lbl.gov；***（通讯作者）耶鲁大学和 NBER，kenneth.gillingham@yale.edu；† 智利天主教大学商学院，andresgonzalezlira@uc.cl。对于麻省理工学院、西部大学和德克萨斯大学奥斯汀分校的研讨会参与者以及 2023 年 ASSA 会议、2023 年 IIOC、2023 年 AERE 夏季会议、2023 年营销科学会议和 2023 年 USAEE 会议的会议参与者提供的有益意见和建议，我们表示感谢。我们还要感谢美国能源部的 Ammar Quasibaty 提出的非常有用的建议。本材料基于美国能源部能源效率和可再生能源办公室 (EERE) 资助的太阳能技术办公室奖励编号 DE-EE0009363 的工作。本文表达的观点不一定代表美国能源部或美国政府的观点。
人机协作的互补性
人工智能 (AI) 有可能显著提高人类在各个领域的表现。理想情况下，人类与人工智能之间的协作应产生互补团队绩效 (CTP)，这是他们任何一方都无法单独达到的绩效水平。然而，到目前为止，CTP 很少被观察到，这表明人们对互补性的原理和应用理解不足。因此，我们开发了一个互补性的一般概念，并形式化了其理论潜力以及在决策情况下的实际实现效果。此外，我们将信息和能力不对称确定为互补性的两个主要来源。最后，我们在两项实证研究中说明了每个来源对互补潜力和效果的影响。我们的工作为研究人员提供了决策中人机互补性的全面理论基础，并表明利用这些来源是设计有效的人机协作（即实现 CTP）的可行途径。
企业和总经济中的资本技能互补性
摘要我们在多部门框架中研究了具有特定于公司的多因素生产功能并允许公司特定于公司特定的因子价格楔形的互补性。我们根据跨因素的替代弹性，跨公司和部门的替代弹性以及因素强度来表征技能溢价对资本设备价格的弹性。使用法国数据，我们提供了这些公司级弹性的可靠识别。结合了这些要素，我们提供了总资本技能互补性的首次识别，该互补性允许在公司，行业和总体水平上无观察到的生产率的无观察能力偏见。我们发现，在经济和统计上具有重要程度的总资本技能互补性，但是仅这种力量就不足以产生对数据中观察到的高技能工人的相对需求的全面增加。技能促进技术变革没有体现在资本设备中。关键词：资本技能互补性，资本设备，收入不平等，技能溢价，Cresh本文是该中心贸易计划的一部分。经济绩效中心由经济和社会研究委员会资助。我们感谢Julieta Caunedo，Jonathan Dingel，Erik Hurst，Ezra Oberfield，Elena Pastorino，Pascual Restrepo，Felix Tintelnot，Giovanni Violante和许多研讨会参与者，以获取有用的评论。该项目受益于Topaze项目的资金（ANR-18-CE26-0009）。10.34724/casd）。由于Casd -Center d'Acces Securise Aux Donnees提供的安全环境，可以访问法国机密数据（参考
微生物组和免疫之间的互补性可能
1宾夕法尼亚州医学院医学系宾夕法尼亚州医学院，宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州17033，宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州2宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州医学院1宾夕法尼亚州。 kzc3@psu.edu（K.-M.C.）; caliaga@pennstatehealth.psu.edu（c.a.）3美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州立医学院微生物与免疫学系。 tschell@pennstatehealth.psu.edu 4美国科罗拉多州立大学的癌症预防实验室，美国，美国80523，美国； tymo -fin.lutsiv@colostate.edu（t.l. ）; henry.thompson@colostate.edu（H.T。） 5宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州17033的公共卫生科学系； jzhu2@pennstatehealth.psu.edu *通信：amanni@pennstatehealth.psu.edu（a.m.）; kee2@psu.edu（K.E.-B。） †这些作者为这项工作做出了同样的贡献。3美国宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州立医学院微生物与免疫学系。 tschell@pennstatehealth.psu.edu 4美国科罗拉多州立大学的癌症预防实验室，美国，美国80523，美国； tymo -fin.lutsiv@colostate.edu（t.l.）; henry.thompson@colostate.edu（H.T。）5宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州17033的公共卫生科学系； jzhu2@pennstatehealth.psu.edu *通信：amanni@pennstatehealth.psu.edu（a.m.）; kee2@psu.edu（K.E.-B。） †这些作者为这项工作做出了同样的贡献。5宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州宾夕法尼亚州17033的公共卫生科学系； jzhu2@pennstatehealth.psu.edu *通信：amanni@pennstatehealth.psu.edu（a.m.）; kee2@psu.edu（K.E.-B。）†这些作者为这项工作做出了同样的贡献。
揭秘黑洞互补性 - PhilSci-Archive
黑洞信息悖论在多大程度上导致了量子力学的违背？我将解释黑洞互补性如何提供一个框架来阐明黑洞的量子表征如何在信息悖论的情况下保持一致。我指出，有两种方法可以兑现这里所用的一致性概念：操作性概念和描述性概念。这两种关于一致性的思考方式导致了（至少）两个黑洞互补性原则：操作性原则和描述性原则。我们关于现实主义/工具主义的科学背景哲学可能最初会让我们更喜欢其中一个原则。然而，最近的物理学文献将量子信息论和量子计算复杂性理论的工具应用于涉及黑洞内部或周围量子系统的各种思想实验，这意味着操作性原则在描述性原则不成功的情况下是成功的。这让我们看到，对于操作主义者来说，黑洞信息悖论可能不再紧迫。
论爱尔兰波浪能、潮汐能、风能和太阳能资源的互补性
I. 引言 使用可再生能源已被认为是应对人为气候变化的关键战略。这些能源被认为是可持续的，因为它们可以自然补充并且不会产生温室气体。实现低碳经济和应对全球气候变化挑战的重要一步是实施可再生能源替代品。这场绿色革命是由太阳能和风能引领的。由于此类资源丰富，将波浪能和潮汐能等新形式的可再生能源纳入当前的资源组合将有助于向 100％ 可再生能源的未来过渡 [1]。利用多种资源组合将提高能源供应系统的可靠性，并降低将可再生能源纳入当前发电结构的成本。能源互补的概念是指多种可变的可再生能源协同工作以提高系统可靠性的能力，从而减少能源发电不足的时期。可再生能源资源的互补性评估对于设计这些资源的最佳组合以满足负荷要求至关重要。
CGE和EIO模型的互补性
区域经济影响分析具有从Haig（1926）到Kratena等人最新的区域间动态计量经济学模型的悠久历史。（2013）。研究人员试图构建可以预测经济行动并估计的经济行动的分析框架。领域的主要工具之一仍然是输入输出（IO）模型，其75年以上的持续使用在很大程度上是由于它作为大多数区域经济模型的基础的重要性。在过去的40年中，设计和估计越来越复杂的经验模型的能力通过改进的统计方法，数据频率增加和计算能力的指数增长（Tesfatsion和Judd，2006；另请参见Brooke等人。，1992）。这导致了更复杂的模型的开发，即具有产生动态预测和影响分析的能力的计量经济输入输出（EIO）。首先由Isard（1951）开发了该模型将IO模型的部门细节与时间序列信息相结合，为研究人员提供了一种强大的工具，以了解超出传统静态模型范围的长期现象。在国家一级的国家一级和康威（1990）的Stone（1961）和Almon（2017）进一步增强了其发展。然而，如今，在世界大多数地区，EIO仍然是很少使用的模型，并且当然并未在区域分析中广泛使用。1的部分缺乏识别是由于在同一时间范围内发生的另一类模型的成功和增长引起的，该模型是区域可计算的一般平衡（CGE）模型。CGE模型开始出现在1970年代，但直到1990年代才成为区域经济建模的主要工具（Partridge and Rickman，1998）。该模型采用了一种可靠的，复杂的技术，将供应侧关系纳入了IO的需求方面。再加上易于访问的软件，尤其是近年来，在发展中国家尤其是在全球范围内的突出。然而，该模型通常缺乏EIO的一些原始好处，例如预测和详细的部门信息，尽管一些最近的事态发展表明可以容纳这些限制（例如，请参见术语模型，Wittwer，2017年）。本文的目的是评估EIO和CGE之间的实际和理论差异，并评估可以实现两种方法的整合的路径。应该指出的是，Heim（2017）的最新贡献对国家一级的当前趋势提出了挑战，该趋势避免了动态随机通用平衡（DSGE）配方的标准计量经济学模型和矢量自动回应（VAR）模型。Heim（2017）开发了一个56个方程式模型，并测试了其针对DSGE和VAR模型的预测能力，并取得了很大的成功。
基于可再生能源的混合系统的互补性
人们越来越关注美国电力供应快速深度脱碳的情景，其中成本最低的解决方案通常涉及可再生能源、能源存储和输电资产的大幅扩张。能够整合可再生能源项目同时最大限度减少输电扩张的战略在未来可能特别有价值。正是在这种背景下，混合发电厂（或混合能源系统）的概念变得突出。一个具体的例子是 FlexPower 概念，1 它试图展示如何将可变可再生能源 (VRE) 和能源存储技术结合起来，从而产生基于可再生能源的混合发电厂，提供完全的可调度性和全方位的可靠性和弹性服务，类似于或优于基于燃料的发电厂。