XiaoMi-AI文件搜索系统
World File Search System大丰
截至二零二四年六月三十日止六个月之中期业绩公告
集团主要附属公司包括：正大天晴药业集团有限公司（「正大天晴」）、北京泰德药业有限公司（「北京泰德」）、南京正大天晴药业有限公司（「南京正大天晴」）、江苏正大丰海药业有限公司（「江苏正大丰海」）、江苏正大清江药业有限公司（「江苏正大清江」）及invoX Pharma Limited（「invoX」）。南京正大天晴、江苏正大清江及江苏正大丰海分别被江苏省科学技术委员会认定为「江苏省肿瘤及心脑血管植物化学药物工程技术研究中心」、「骨科药物工程技术研究中心」及「肠外营养药物工程技术研究中心」。
TMC-1中CH3NC的检测和建模
a b s t r a c t在冷的，深色的星际云条件下研究了两个密切相关的氰化物CH 3 [CN/NC]和H 2 C [CN/NC]的密切相关的异构体对。与空间中甲基氰化物（CH 3 CN）的不同检测相反，以前仅在温暖和热的恒星形成区域中观察到甲基异氰化物（CH 3 NC）。我们使用绿色银行望远镜的检测显着性约为13.4σ，报告了冷前核金牛座分子云（TMC-1）中CH 3 NC的检测。在H 2 CCN中的过度过渡和Ch 3 Cn和Ch 3 Nc中的四极相互作用与绿色库望远镜观测到的光谱线相匹配：狩猎芳香族分子的绿色储物望远镜上的大型项目捕食大型项目，导致了与1的含量相对于1的水。92 + 0。13-0。07×10 - 9对于氰基甲基自由基（H 2 CCN），5。02 + 3。08-2。06×10 - 10- 10-3 CN和2。 97 + 2。 10 - 1。 37×10-11 ch 3 nc。 在TMC-1条件下，在CH 3 CN和CH 3 NC的TMC-1条件下，将这些分子与三相气体密码Nautilus建模的努力，尽管在这些物种的观察值和模型之间，约5.9％的比率是一致的。 这可能指出模型中缺少破坏路线。 模型捕获了H 2 CCN的较大丰度。 解离重组被认为是这些分子的主要生产途径，并且发现具有丰富离子的反应是主要破坏途径。06×10 - 10- 10-3 CN和2。97 + 2。 10 - 1。 37×10-11 ch 3 nc。 在TMC-1条件下，在CH 3 CN和CH 3 NC的TMC-1条件下，将这些分子与三相气体密码Nautilus建模的努力，尽管在这些物种的观察值和模型之间，约5.9％的比率是一致的。 这可能指出模型中缺少破坏路线。 模型捕获了H 2 CCN的较大丰度。 解离重组被认为是这些分子的主要生产途径，并且发现具有丰富离子的反应是主要破坏途径。97 + 2。10 - 1。37×10-11 ch 3 nc。 在TMC-1条件下，在CH 3 CN和CH 3 NC的TMC-1条件下，将这些分子与三相气体密码Nautilus建模的努力，尽管在这些物种的观察值和模型之间，约5.9％的比率是一致的。 这可能指出模型中缺少破坏路线。 模型捕获了H 2 CCN的较大丰度。 解离重组被认为是这些分子的主要生产途径，并且发现具有丰富离子的反应是主要破坏途径。37×10-11 ch 3 nc。在TMC-1条件下，在CH 3 CN和CH 3 NC的TMC-1条件下，将这些分子与三相气体密码Nautilus建模的努力，尽管在这些物种的观察值和模型之间，约5.9％的比率是一致的。这可能指出模型中缺少破坏路线。模型捕获了H 2 CCN的较大丰度。解离重组被认为是这些分子的主要生产途径，并且发现具有丰富离子的反应是主要破坏途径。H + CH 3 NC以过渡状态理论为潜在的破坏途径进行了研究，但发现在冷云条件下太慢，无法解释CH 3 NC的建模和观察到的差异。
自动检测，识别和计数深...
太平洋中的深海纹状会具有强大的商业，文化和娱乐价值，尤其是鲷鱼（Lutjanidae），这些价值（Lutjanidae）构成了大部分捕捞量。然而，由于数据的稀缺，管理这些遗迹是具有挑战性的。立体声诱饵的远程水下视频站（BRUV）可以提供有关鱼类股票的有价值的定量信息，但是手动处理大量视频是耗时的，有时甚至是不现实的。为了解决这个问题，我们使用了基于区域的卷积神经网络（更快的R-CNN），这是一种深度学习体系结构来自动检测，识别和计算BRUV中的深水鲷鱼。视频是在新喀里多尼亚（南皮林）收集的，深度为47至552 m。使用在6,364张图像中观察到的11个深水鲷鱼物种中的12,100个注释的数据集，我们为具有舒适注释的6种物种获得了良好的模型性能（F-Measures> 0.7，最高0.87）。视频中最大丰度的自动和手动估计之间的相关性很高（0.72 - 0.9），但较快的R-CNN显示出低估的偏见。一种半自动协议，我们的模型在处理BRUV镜头时支持手动观察者，改善了性能，与手动计数的相关性为0.96，对于某些关键物种，则具有0.96的相关性和完美的匹配（r = 1）。此模型已经可以帮助手动观察者半自动地处理BRUVS录像，并且当更多培训数据可用以降低假否定率时，肯定会改善。这项研究进一步表明，在海洋科学中使用人工智能是进步的，但对未来有必要。
农田生物多样性受益于小木质特征
尽管对农业景观中木质特征的生物多样性的积极影响得到了广泛认可，但仍然存在关于哪种景观环境以优先考虑其实施以及在哪些比例方面的问题。研究农田生物多样性对不同景观组成（农田，草地，混合）中的小木质特征（SWF）密度的响应，我们分析了从111只鸟类，22个蝙蝠和25个Bush Cricket物种的标准化监测方案中的精细分辨率数据，以全国规模（依靠3772，834和724的监视点）超过372.27，这是72，724和727的监控点。 法国。我们通过不同的指标（物种多样性和功能组成）使用了广义的加性混合模型来分析人口和社区反应。我们发现三个分类单元对SWF表现出积极的反应，尤其是在Cropland，SWF密度相对于草原和混合景观最低。此外，我们的结果还提出了三个分类单元共有的非线性响应，而在大多数指标中，造成了至少6％的SWF密度的收益，但在较小程度上（例如，在7-12％的SWF时达到的最大丰度达到了最大的丰度）。我们注意到，农田鸟类专家中的某些物种受SWF的负面影响。总体而言，我们强调了在农业景观中，尤其是在农田中促进木质特征的好处，以支持生物多样性及其相关的生态系统功能。我们的研究为先前研究的建议提供了至关重要的经验证据，以及2030年欧盟生物多样性策略的相关性，将至少10％的农田专用于高多样性景观特征。