XiaoMi-AI文件搜索系统
World File Search System使用结构
金属有机框架切割石墨烯氧化石墨烯纳米过滤膜，用于增强废水废水的处理
氧化石墨烯（GO）在水纯化领域中具有巨大的潜力。但是，当直接应用于实际废水废水时，纯GO膜遭受诸如污染灵敏度和有限稳定性等缺点。为了应对这些挑战并解锁GO膜的全部潜力，通过与ZIF-8的纳米颗粒的插入（一种沸石咪二唑酯框架）的插入，已经开发出了新型的纳米复合膜。制备的GO/ZIF-8（GZ）纳米复合膜表现出增强的亲水性和特殊的水纯化能力。具体来说，与原始的GO参考Mem Brane相比，GZ膜表现出了超过两倍的渗透性增强。这种增强效果与盐和有机污染物的抗死性能和竞争性排斥率相结合。gz膜通过3种工业废水废水的跨流过滤有效地用于纯化。与原始的GO参考膜相比，它们显示出改善的分离性能，并且在跨流条件下的高稳定性。使用结构和形态学分析阐明了GZ膜高性能的起源。这项工作强调了使用基于石墨烯的膜在水处理领域取得的重大进展。
BrainGB：使用图神经网络进行脑网络分析的基准（扩展摘要）*
摘要 — 使用结构或功能连接映射人脑的连接组已成为神经影像分析最普遍的范例之一。最近，受几何深度学习启发的图神经网络 (GNN) 因其对复杂网络数据建模的强大功能而引起了广泛关注。尽管它们在许多领域都表现出色，但尚未系统地研究如何设计有效的 GNN 进行脑网络分析。为了弥补这一差距，我们提出了 BrainGB，这是使用 GNN 进行脑网络分析的基准。BrainGB 通过 (1) 总结功能和结构神经影像模式的脑网络构建流程和 (2) 模块化 GNN 设计的实现来标准化该过程。我们对跨队列和模态的数据集进行了广泛的实验，并推荐了一套在脑网络上有效 GNN 设计的通用方法。为了支持基于 GNN 的脑网络分析的开放和可重复研究，我们在 https://braingb.us 上托管了 BrainGB 网站，其中包含模型、教程、示例以及开箱即用的 Python 包。我们希望这项工作能够提供有用的经验证据，并为未来在这个新颖且有前途的方向的研究提供见解。索引术语 — 脑网络分析、GNN、神经成像的几何深度学习、数据集、基准
职业体育俱乐部的未来战略
目的：本研究的目的是确定 Sepahan 体育俱乐部的战略未来。方法：在本研究中，交叉效应分析被用作前瞻性方法之一。使用定性和定量方法（包括访谈和清单）的组合来收集数据。研究来自解释哲学、归纳方法；案例研究策略；定性方法；单点时间范围；研究贡献者、战略家、前瞻性专家、杰出经理和俱乐部的专家。通过使用滚雪球法进行有目的的抽样，选出了 30 名个人。研究工具是半结构化和探索性访谈。使用 Micmac 和场景向导软件分析数据。发现：最重要的战略因素包括支持公共和私人机构、增强文化和社会责任、发展媒体意识、管理系统和流程、开发适当的基础设施、改善财务和环境影响，并且安全性被确定为与俱乐部的可持续发展一致。最后，两种情景包括由财务资源分配、单位和综合管理组件组成的情景；第二个要素是专业化和突出重点，以及为俱乐部的未来规划建模。原创性：在本文中，我们使用结构方程方法研究了8p营销组合要素对足球行业的建模。
原位X射线衍射研究C
石墨和Li Metal之间的超密集相对于锂离子电池（LIB）和石墨插入化合物（GICS）的研究很重要。然而，由于有关C 2 li的有限信息以及将C 2 li与C 6 li区分开的困难，用于合成C 2 li的详细方法仍然未知。因此，我们在高压和高达10 GPA和400℃的高压下，在样品上进行了原位X射线衍射测量。我们采用了两种类型的C 2 li样品；一个是C 6石墨粉和Li金属（C 6 + 3 li）的混合物，另一个是C 6 li和li金属的混合物，其中C 6 Li是通过在Libs中发生的电化学放电（还原）反应制备的。根据C 6 Li或C 2 Li的001衍射峰考虑D值的变化，C 6 Li + 2Li适用于合成C 2 LI，尽管应除去用于电化学反应的非液压电解质，以避免在较低的C 12 LI和C 18 LI期间避免结构转换，以免使用结构转换。这些发现铺平了迈向合成C 2 li的方法的道路，该方法可能会增加LIB的能量密度并使用新颖的物理和电子特性建立GIC。
pinder：蛋白质相互作用数据集和评估资源
蛋白质 - 蛋白质相互作用（PPI）是理解生物学过程并在治疗进步中起关键作用的基础。作为PPI增益吸引力的深度学习对接方法，基准测试协议和针对有效培训的数据集，用于有效培训和评估其在现实世界情景中的一般性功能和绩效。旨在克服现有方法的局限性，我们引入了Pinder，这是一个全面的注释数据集，该数据集使用结构聚类来得出非冗余接口的数据拆分和In-Incon-Includes holo（bound），apo（Unbound），apo（Unbound）和组合预测的结构。Pinder由2,319,564个二聚体PPI系统（最高2500万个增强PPI）和1,955个高质量测试PPI组成，并删除了接口数据泄漏。在方面，Pinder提供了一个带有180个二聚体的测试子集，可与Alphafold-Multimer进行比较，而没有任何接口泄漏其训练集。毫不奇怪，Pinder-Bench-Mark表明，在漏水测试集评估时，现有对接模型的性能被高估了。最重要的是，通过在Pinder界面聚集的分裂上重新培训，我们表明训练分裂的基于接口群集的采样，以及多样化且较少的漏水验证拆分，可实现强大的概括改进。
MIT 开放存取文章 空间内的灵活设计...
许多太空和地面望远镜的提案都趋向于更大的主镜孔径直径，部分原因是天体物理学界希望发现类似地球的系外行星。尽管地面望远镜的尺寸可以继续增大，但太空望远镜受到单个运载火箭整流罩尺寸的限制。为了实现越来越大的太空望远镜，必须考虑在轨组装。这项工作旨在通过评估包含不同发射平台的太空望远镜架构，了解灵活设计方案对太空组装望远镜任务的前期和长期成本的影响。分析了一个 20 米望远镜的概念，并使用结构、光学、热、发射和轨迹子系统的模型来探索灵活设计对望远镜的发射成本和相对或比较复杂性的影响。探讨了发射模块不确定性的影响，并分析了灵活的设计概念，以确定在考虑不确定性后在估计成本和复杂性方面更有利的替代设计概念。分析结果表明，应在概念开发阶段的早期探索在空间望远镜架构的范围和时间上都具有灵活性的设计概念，特别是那些使用现有望远镜任务的传统设计方面的设计概念，并且可能为现有的空间组装望远镜概念提供更好的替代方案。
不确定的供应链管理
在一个知识已成为最有价值的资产之一的时代，有效地收集，存储，管理和利用知识的能力至关重要。鉴于市场需求不断变化，公司的可持续竞争优势至关重要。这项研究的目的是分析知识管理能力在可持续竞争优势中的作用，并评估知识共享和创新价值链在增强公司竞争优势方面提供的影响的有效性。采用的研究方法是使用具有1 - 7点李克特量表的数据收集的调查表定量研究。这项研究是针对印度尼西亚一家国有银行的员工，员工和经理进行的，样本量为206位受访者。数据分析将使用SMARTPLS 4软件使用结构方程建模（SEM）技术进行。假设检验的结果表明，知识管理能力对知识共享的影响以及创新价值链在统计上很重要。此外，知识共享和可持续竞争优势之间具有统计学上的显着影响，并且共享的知识介导了知识管理能力与可持续竞争优势之间的关系。创新价值链对可持续竞争优势的影响也很重要，但是，没有大量证据表明，创新价值链介导了知识管理能力与可持续竞争优势之间的关系。
了解高等教育机构中亲环境态度的驱动因素：知识，意识与社会>之间的相互作用
具有亲环境态度的院士可以在开发旨在为可持续发展的教育的课程和新计划中发挥关键作用。因此，确定影响院士对环境的积极态度的因素至关重要。这项研究试图研究环境意识，环境知识和生物圈价值观的影响，以及社会影响力的调节作用，对巴基斯坦南部高等教育机构（HIE）教职员工对环境的态度。数据是从巴基斯坦旁遮普邦的Veanari区的六所大学收集的。检查可靠性和有效性后，该研究使用结构方程建模技术来检查上述关联。结果表明，环境意识和生物圈价值显着影响教师对环境的态度。此外，社会影响力积极地缓和了生物圈价值和对环境态度之间的关系。总的来说，这项研究对在特定文化和教育环境中教师的态度影响的因素产生了原始见解。其发现可以为有针对性的策略提供信息，以增强环境教育和参与高等教育，使其成为有关可持续发展教育文献的宝贵补充。此外，海斯还应该建立“绿色团队”，以通过社会影响来诱导积极的环境态度。这些发现可以指导高等教育机构的决策者通过实施提高环境意识并将生物圈价值观纳入其核心使命的认识计划，从而在教师之间促进促进环境的态度。
创业导向对供应链弹性的影响：来自中小企业的证据
全球供应链中断的增加往往使许多企业和中小企业处于脆弱状态。问题是中小企业的创业导向是否会使它们更能抵御供应链中断。由于对创业导向与中小企业供应链弹性 (SCR) 之间关系的研究有限，本研究旨在扩展我们在这方面的知识。本研究基于资源基础观和动态能力理论，考察了创业导向对中小企业供应链弹性的影响。从文献中改编了五种创业导向结构。采用横断面研究，其中使用在线问卷从 173 家中小企业所有者/或经理样本收集数据。使用结构方程模型 (SEM) 和偏最小二乘 (PLS) 技术来检验假设模型。总体研究结果表明，EO 对中小企业的 SCR 有显著影响，这体现在创业导向的创新性、冒险精神、主动性和竞争积极性以及自主性维度的显著积极影响上。这些结果表明，中小企业采用有意识的创业导向管理理念至关重要，这种理念可以通过多种方式来培育，包括促进灵活的组织文化，促进和奖励中小企业员工的创新精神，以及中小企业所有者/管理者和政策制定者在风险管理意识和竞争积极性素养和培训活动方面的合作努力。
上下文意识到脑肿瘤细分的深度学习...
脑肿瘤是大脑中癌细胞的不受控制的生长。肿瘤的准确分割和分类对于随后的预后和治疗计划至关重要。这项工作提出了有关使用结构多模式磁共振图像（MMRI）的脑肿瘤分割，亚型分类和总生存预测的深入学习的上下文学习。我们首先提出了3D上下文意识深度学习，该学习认为放射学MMRI图像子区域中肿瘤位置的不确定性以获得肿瘤分割。然后，我们将常规的3D卷积神经网络（CNN）应用于肿瘤段，以实现肿瘤亚型分类。最后，我们使用深度学习和机器学习的混合方法进行生存预测。为了评估性能，我们将提出的方法应用于2019年多模式脑肿瘤分割挑战（BRATS 2019）数据集，以进行肿瘤分割和整体生存预测，以及计算精度医学放射学-Pathology（CPM- rad Path）对脑肿瘤分类2019年对Tumor Classification for Tumor Classification的数据集。我们还基于流行的评估指标，例如骰子得分系数，Hausdorff距离（HD95）（HD95），分类准确性和均方误差，进行广泛的绩效评估。结果表明，所提出的方法分别提供了稳健的肿瘤分割和存活预测。此外，在2019年CPM-Radpath全球挑战的测试阶段，肿瘤分类导致这项工作排名第二。