XiaoMi-AI文件搜索系统
World File Search System同位
通过兼容CAD兼容拓扑优化方法的分级结构式蜂窝材料的热设计
具有周期性微观结构的构建的细胞材料（ACM）通常是在通过增材制造（AM）技术获得的高性能组件中构建的，这是由于其高特定强度和良好的效果。ACM也用于用于较高的表面与质量比以方便利用以增强传热的方法。在这项工作中，提出了一种数值方法，以预测AM获得的ACM的有效疗法电导率（ETC）。该模型基于一般数值均质化方案和对ACM的代表体积元素（RVE）的明确描述。数值分析已经对31 rves的几何形状进行：结果表明，ACM的宏观等在很大程度上取决于RVE的相对密度和几何特征。此外，从rves几何形状的数据库开始，选择了七个配置来设计分级ACM，通过计算机辅助设计与设计兼容的拓扑优化方法基于非均匀理性基础样条型样条超曲面以代表伪型密度纤维，并具有众所周知的固体同位素性材料，并具有损失的方法。尤其是，SIMP方法中使用的惩罚定律被基于物理的惩罚方案取代，该方案通过插值每个RVE拓扑的均质化结果和合适的后加工阶段，以从优化过程的结果中恢复分级ACM而不是结构的分布。在从文献中提取的2D和3D基准问题上显示了所提出方法的效果。
![arXiv:2109.00731v1 [hep-ph] 2021 年 9 月 2 日](/simg/4\4788bd97188d2b3e489427cb317007cf69d4c306.webp)
arXiv:2109.00731v1 [hep-ph] 2021 年 9 月 2 日
自 2003 年 Belle 合作组观测到 X (3872) [ 1 ] 以来, 一系列类粲偶素态, 也称为 XYZ 态在实验上被发现 [ 2 ], 它们的奇异性质为我们理解量子色动力学 (QCD) 的非微扰性质提供了理想的平台 [ 3 – 6 ]。对于类粲偶素态的性质, 人们提出了一些奇异的解释, 如四夸克效应、分子效应、混合效应和运动学效应等, 但传统的粲偶素解释不能被抛弃 [ 3 – 9 ]。典型例子是光子-光子聚变过程中产生的 X (3915) 和 X (3930) [ 10 , 11 ]，可分别指认为粲偶素 χ c 0 (2 P ) 和 χ c 2 (3 P ) 态 [ 12 ]。但对于大部分类粲偶素态，文献中既有奇异的解释，也有传统的粲偶素指认为态，其性质仍存在疑问。以 X (4140) 为例，它在 2009 年由 CDF 合作组首次观测到 [ 13 ]，由于不同实验组对其宽度的测得差异很大 [ 20 – 22 ]，一直被解释为传统的 c¯ c 态 [ 14 , 15 ] 和四夸克态 [ 16 – 19 ]。然而，无零同位旋的类粲偶态尤其有趣，因为它们是奇异态的明显候选者，引起了实验和理论的极大关注。2014 年，BESIII 合作组在 e + e − → ( D ∗ ¯ D ∗ ) ± π ∓ 过程的 π ∓ 反冲质谱中观察到了一个结构
研究声明
我的研究领域是量子复杂性理论，特别是量子态间变换的复杂性。这些操作是经典计算机根本无法执行的，因为输入和/或输出可能是许多不同位串的叠加。相比之下，传统的量子复杂性理论家研究的是量子计算机上计算布尔函数（一种特殊的量子态间变换）所需的资源与经典计算机上计算布尔函数所需的资源的比较。以下是一些激励示例。费曼 [Fey82] 提出量子计算机想法的最初动力是为了模拟物理系统的汉密尔顿演化。吉布斯状态准备 [Con+23] 的目标是输出此类系统在给定温度下的平衡状态。量子输入态可能直接来自自然界，而不是人为生成的数据，例如量子态断层扫描 [BCG13] 或解码黑洞的霍金辐射 [HH13]。最近的一项研究 [ Kre21 ; LMW24 ; BHHP24 ; MH24 ]（在 Quanta Magazine [ Bru24 ] 中进行了调查）表明，有可能将密码学建立在量子态之间的转换基础上，而不依赖于传统密码学对布尔函数的假设。即使最终目标是计算布尔函数，常用的量子算法子程序也包括状态转换，如幺正的线性组合 (LCU) [ BCK15 ; CW12 ] 和量子纠错 [ LB13 ]。传统上，量子态转换的研究都是临时性的；我的博士论文 [ Ros23 ] 和其他作者的近期著作 [ Aar16 ; BEMPQY23 ] 是最先为这类问题提出统一复杂性理论的论文之一。下面我将讨论我在这个主题内的几个研究方向。引用我自己的论文的引文以粗体字表示。
将独立数据与Spike-In Silac（DIA-SIS）结合起来改善蛋白质组覆盖范围和定量
与数据无关的采集（DIA）越来越优于数据依赖性的获取，因为其吞吐量较高，缺失值较少。尽管数据依赖性采集通常使用稳定的同位素来改善量化，但DIA主要依赖于无标签的方法。将DIA与同位素标记整合的努力包括化学方法，例如用于相对和绝对定量和二甲基标记的质量差异标签，虽然有效地使样品制备复杂化。通过氨基酸在细胞培养物（SILAC）中通过氨基酸标记稳定的同位素标记，通过将重标记纳入体内蛋白质的代谢掺入中，实现了高标记的效率。但是，对代谢掺入的需求限制了在临床方案和某些高通量实验中的直接使用。Spike-In Silac（SIS）方法使用外部生成的重样品作为内部参考，即使对于无法直接标记的样品，也可以基于SILAC的定量。在这里，我们结合了DIA-SIS，利用SILAC的稳健定量，而没有与化学标记相关的复杂性。我们开发了DIA-SIS，并严格评估了其性能，并在散装和单细胞样水平上的混合物种基准样品进行了评估。我们证明，与无标签方法相比，DIA-SIS显着改善了蛋白质组的覆盖范围和定量，并减少了错误量化的蛋白质。此外，DIA-SIS被证明可有效分析低输入福尔马林固定的paraffiffinembedded组织切片中的蛋白质。dia-sis结合了稳定的基于同位素的量化的精度和无标签样品制备的简单性，促进了简单，准确且全面的蛋白质。
金刚石中光子到核子的量子隐形传态
由于这些引脚作为量子比特[1]使用，因此仅利用光子吸收这一自然现象便可实现光子-电子纠缠测量（③）[2]。 3. 结果与讨论 我们将六个碱基对应的偏振光转移到庞加莱球上并进行断层扫描，得到了所有偏振保真度超过 80% 的结果（图 2）。这种保真度远远超过了经典极限（66%），并证明我们的转移是具有量子特性的量子态转移。传输保真度恶化的原因被认为是氮核自旋的初始化速度不完善。通过改善这一点，有望提高传输保真度。 4. 结论与展望我们成功地实现了光子的偏振态到氮核自旋的量子转移。未来，我们的目标不仅在于提高转录保真度，还在于将量子态转录到钻石中也存在的碳同位素的核自旋中。 5.参考文献 [1] Y. Sekiguchi, H.Kosaka 等，Nature Commun. 7, 11668 (2016)。 [2] H. Kosaka 和 N. Niikura，Phys. Rev. Lett.
miRNA，miRNA簇和异构体在结直肠癌中癌症干细胞种群发展中的作用。
抽象的背景和目的：隆胺胺是己糖酶II抑制剂，作为抗癌分子，在临床试验中广泛探索。有限的信息占据了有关稳定性指示方法的占上风，这些方法可以确定在压力条件下强制降解隆替胺的降解。因此，我们报告了快速，敏感，可重复且高度准确的液相色谱和质谱法来分析孤立胺降解的使用。实验方法：使用同位物50:50水：具有0.1％甲酸的乙腈可以检测到lonidamine，可以在260 nm wavel的紫外（UV）检测器中，使用lonidamine检测Xbridge beh屏蔽层反向相C18列（2.5 µm，4.6×75 mm）。发现/结果：对于基于串联的液态色谱 - 质谱法（LC-MS）-UV检测，获得了R²> 0.99的线性曲线。这项研究证明（目前是由等司法洗脱的），基于LC-MS的检测具有相对较高的灵敏度（S/N（10 ng/ml）：220和S/N（20 ng/ml）：20 ng/ml）：分别在较低的检测和定量水平下的精度。除了开发LC-MS方法外，我们还报告说，当前方法是稳定性的，并表明在所有三个应力条件下，隆丹明随着时间的流逝会降解；酸性，碱性和氧化。结论和含义：与高性能液相色谱（HPLC）-UV检测结果相比，基于LC-MS的lonidamine的定量被证明是一种更好的方法。关键字：强制退化； LC-MS;隆田胺；稳定性表示。这是关于使用LC-MS方法研究lonidamine强迫降解的稳定性指示方法的第一份报告。
加速的机器学习和数据科学...
图1描绘了使用标记数据训练以预测材料特性的典型监督ML模型。此类ML模型的主要组成部分是（a）定义问题（b）数据采集并选择适当的特征空间，（c）数据处理或探索性数据分析（EDA）和（d）使用合适的算法培训和验证该模型。尽管有许多开源材料数据库，但与数据科学的其他领域相比，数据由不同的类别组成，每个类别的数据相对有限。在大多数实验数据中，研究是在不同的实验条件下进行的，因此数据取决于温度，时间，湿度，原始化学物质等各种对照参数。选择数据后，下一个关键挑战是选择材料的适当功能集（指纹），以用目标属性映射。诸如Pymatgen [12]，Matminer [13]，原子模拟环境（ASE）[14]，DSCRIBE [15]等的开源库[13]等。对于分子和材料的不同位点，键和全局（晶格）特征非常有用。EDA包括验证任何异常值，将丢失的数据推出，将对象类型参数编码为数字类型，检查数据中的任何重复副本等。一旦数据准备就绪，为给定问题选择特定算法是另一个挑战，它应该考虑不同的因素，例如数据的大小，特征空间，问题的复杂性等。如果选择有限的数据点（例如深度学习算法）（高方差）模型（高方差）模型，则可能导致过度拟合。训练模型的解释性是了解最归因于总体预测的特征的另一个重要因素[16]。可以使用超参数调谐方法（如随机搜索交叉验证和网格搜索交叉验证）进一步调整模型的精度。
基于 CRISPR 的配对引导 RNA 抑制 VEGF 治疗脉络膜新生血管
在临床前研究中，利用单个 gRNA 对血管内皮生长因子 A (Vegfa) 进行基于成簇的规律间隔短回文重复序列 (CRISPR) 的基因组破坏可抑制脉络膜新生血管 (CNV)，为新生血管性年龄相关性黄斑变性 (AMD) 的长期抗血管生成治疗提供了前景。使用 CRISPR-CRISPR 相关核酸内切酶 (Cas9) 和多个向导 RNA (gRNA) 进行基因组编辑可以通过用基因截断增强插入-缺失 (indel) 突变来增强基因消融效果，但也可能增加脱靶效应的风险。在本研究中，我们比较了腺相关病毒 (AAV) 介导的 CRISPR-Cas9 系统使用单个和配对 gRNA 靶向 Vegfa 基因中在人类、恒河猴和小鼠中保守的两个不同位点的有效性。配对 gRNA 在体外增加了人类细胞中 Vegfa 基因消融率，但在体内并未增强小鼠眼中的 VEGF 抑制。与单个 gRNA 系统相比，使用配对 gRNA 的基因组编辑也显示出相似程度的 CNV 抑制。使用通过测序 (GUIDE-seq) 实现的全基因组无偏双链断裂 (DSB) 识别进行的无偏全基因组分析揭示了由第二个 gRNA 引起的微弱脱靶活性。这些发现表明，使用两个 gRNA 进行体内 CRISPR-Cas9 基因组编辑可能会增加基因消融，但也可能会增加脱靶突变的潜在风险，而针对 Vegfa 基因中的另一个位点作为新生血管性视网膜疾病治疗的功能益处尚不清楚。
空间结构的主动阻尼、隔振和形状控制：教程
摘要：本教程回顾了作者在过去 35 年中对精密空间结构主动控制的贡献。它基于 2022 年 9 月在巴黎举行的 IAC-2022 宇航大会上的 Santini 演讲。第一部分致力于空间桁架的主动阻尼，重点是稳健性。通过使用分散的同位执行器-传感器对来实现保证的稳定性。所谓的积分力反馈 (IFF) 简单、稳健且有效，并且可以使用基于模态分析的简单公式轻松预测性能。这些预测已通过大量实验证实。桁架的阻尼策略已扩展到电缆结构，并已通过实验证实。第二部分解决了隔振问题：将敏感有效载荷与航天器引起的振动隔离开来（即姿态控制反作用轮和陀螺仪的不平衡质量）。讨论了基于 Gough-Stewart 平台的六轴隔离器；再次强调，该方法强调了稳健性。提出了两种不同的解决方案：第一种（主动隔离）使用分散控制器，该控制器具有并置的执行器和力传感器对，并具有 IFF 控制。结果表明，这种特殊的天棚实现方式与传统天棚不同，即使它连接的两个子结构是柔性的（大型空间结构的典型特征），也能保证稳定性。第二种方法（被动）讨论了松弛隔离器的电磁实现方式，其中线性阻尼器的经典阻尼器被麦克斯韦单元取代，导致渐近衰减率为 -40 dB/十倍，类似于天棚（尽管在电子方面要简单得多）。讲座的第三部分总结了最近在柔性镜控制方面所做的研究：（i）由压电陶瓷（PZT）致动器阵列控制的自适应光学（AO）平面镜和（ii）由压电聚合物致动器（PVDF-TrFE）阵列控制的球形薄壳聚合物反射镜，旨在部署在太空中。
整合帕金森氏病中步态冻结的结构和功能间的大脑连通性
步态冻结（FOG）对帕金森氏病（PD）患者产生了毁灭性的后果，但是潜在的病理生理机制尚不清楚。在本研究中，通过有或没有雾的PD患者（分别为PD FOG +和PD FOG-）和健康对照组（HC）受试者对PD患者进行了结构和功能连通性分析。我们对24个PD FOG +患者，37例PD FOG - 患者和24 HCS进行了静止状态功能磁共振成像（fMRI）和扩散张量成像。基于区域的空间统计数据用于识别整个大脑中的白质（WM）异常。比较了组之间异常WM区域的分数各向异性（FA）和平均扩散率（MD），并分析了这些参数与临床严重程度之间的相关性，如FOG问卷（FOGQ）分析。素摩擦的同位连通性（VMHC），以识别具有异常半球间连通性的大脑区域。结构和功能度量。结果表明，PD FOG +和PD FOG - 患者在call体（CC），Cingulum（Hippocampus）和上纵向筋膜上的FA降低，CC，COC，Corona Radiata，Corona Radiata，上等纵向筋膜和thalamus的纵向上肌和MD降低。PD FOG +患者的WM异常比PD FOG - 患者更多。fa和MD在CC的脾，身体和整个组中在所有三个组中的差异显着（p <0.05）。CC中的FA降低与FOGQ评分呈正相关。PD FOG +患者在中央后回（PCG），中央回和壁层下边缘的VMHC降低。在PD FOG +患者中，PCG中的VMHC与FOGQ评分负相关，但与CC中的FA呈正相关。因此，雾与FA，MD和VMHC测得的光敏间脑连接性受损，这与临床雾的严重程度有关。这些结果表明，整合结构和功能性MRI数据可以为PD中雾的病理生理机制提供新的见解。