XiaoMi-AI文件搜索系统
World File Search System学界
国际天文学联合会（IAU）的声明。
主席先生，尊敬的各位代表，在去年 6 月举行的第 65 届外空委会议上，国际天文学联合会宣布成立“保护暗夜和宁静天空免受卫星星座干扰中心”，简称 CPS。该中心体现了第 59 届 STSC 报告中的建议，鼓励所有利益攸关方，特别是天文学界、航天工业和星座公司，合作研究和实施一切可能的措施，以减轻星座对天文学和原始夜空能见度的负面影响。该中心于 2022 年 4 月 1 日正式开始运营，旨在协调多学科的国际合作，以帮助减轻卫星星座的负面影响。该中心依靠 230 多名外部成员、个人或代表团体、机构和私营公司的合作，他们为 CPS 的四个主要领域或中心的活动做出了贡献：卫星中心、政策中心、工业和技术中心以及社区参与中心。我很高兴地报告，在这四个活动领域都取得了实质性的成就。SatHub 有效地组织了几次低地球轨道卫星的光学观测活动，在某些情况下，还与星座公司密切合作：精确测量卫星视光度，作为其轨道和姿态的函数，
克林顿·J·戴维森 - 电子波的发现
可以说，电子衍射的发现是由伽利略开创的。但我并不打算效仿这位以伊甸园事件为起点讲述家乡历史的绅士。我将以导致物理学家最终接受光在某些用途上必须被视为粒子这一观点的事件作为一个方便的起点。这一观点在 1800 年被托马斯·杨平息后，又在 1899 年再次困扰着自满的物理学界。这一年，马克斯·普朗克提出了光能在某种程度上是量子化的这一观点。正如他所展示的那样，这一观点如果被接受，将提供一种完全解释黑体辐射光谱中能量分布的方法。这种量化使得辐射和物质之间的能量转移以与辐射频率成比例的量突然发生。这些量之间的比例因子是不断重复的普朗克常数 h。因此，光在某种意义上是微粒的想法重生了。这种关于光的微粒方面的间接证据是否能被接受为结论，仍是一个猜测的问题，因为已经从实验室的秤和仪表中取下了指向同一结论的第一批直接证据；关于光的真相正在从大自然中逼出——有时，在这种情况下，是一个最不情愿的证人。
使用强化学习设计多体系统中低推力进入周期性轨道的方法
I. 引言随着火星立方体一号 (MarCO) 任务的成功和小型化技术的进步，小型卫星不再局限于在低地球轨道 (LEO) 运行。相反，通过低推力小型卫星进行深空探索、技术演示和有针对性的科学任务可能很快就会成为现实。事实上，即将到来的任务，如月球冰立方、LunaH-map 和 NEA Scout，将把小型卫星作为次要有效载荷搭载在 Artemis 1 上，部署到多体重力环境内的各种位置[1-3]。然而，混沌多体系统中航天器的轨迹和机动设计本质上是一个高维问题，而且由于结合了与低推力小型卫星相关的约束而变得更加复杂：有限的推进能力、运行调度约束以及固定但不确定的初始条件。虽然存在多种基于最优控制和动态系统理论 (DST) 的数值方法，用于在多体系统的近似动力学模型中构建低推力轨迹和机动剖面，但自主和稳健设计策略的开发需要一种替代方法。强化学习 (RL) 是天体动力学界越来越感兴趣的一类用于实现轨迹和机动设计的自主性的算法。RL 算法通常涉及代理与环境交互，通过对动态状态采取行动来最大化奖励函数。代理会探索环境，直到确定了决定每个状态下最佳动作的策略。如果制定得当，这些算法可以探索许多状态-动作对以确定最佳动作，同时限制对次优动作的探索。RL 方法已用于天体动力学中各种应用和动力学模型的轨迹和机动设计。例如，Dachwald 探索使用人工神经网络和进化算法设计配备低推力航天器到水星的转移 [ 4 ]。Das-Stuart、Howell 和 Folta 近期提出的方法利用 RL 和基本动力学结构来设计圆形限制三体问题 (CR3BP) 中周期轨道之间的复杂转移轨迹 [ 5 ]。此外，Scorsoglio、Furfaro、Linares 和 Massari 还使用演员-评论家深度强化学习 (DRL) 方法来开发地月空间近直线轨道航天器的对接机动 [ 6 ]。最近，Miller 和 Linares 应用著名的近端策略优化 (PPO) 算法来设计地月系统中遥远逆行轨道之间的转移，通过 CR3BP 进行建模 [ 7 ]。这些研究的成功为天体动力学界继续探索和扩展 RL 在多体轨迹设计策略中的应用奠定了宝贵的基础。具体来说，本文以这些先前的研究为基础，重点关注实施基于 RL 的轨迹设计方法的一个重要组成部分：制定一个奖励函数，该函数既反映了设计目标，也反映了影响恢复机动轮廓操作可行性的约束。该分析是在低推力 SmallSat 的轨迹设计背景下进行的，以快速访问位于与 CR3BP 中的周期轨道相关的稳定流形上的附近参考轨迹。
Dawes评论10：深度学习对分析星系调查的影响
过去几年，现代银河调查提供的数据的数量和复杂性一直在稳步增加。新设施将很快提供成像和频谱数亿个星系。从这些大型和多模式数据集中提取一致的科学信息仍然是社区和数据驱动的方法（例如深度学习）的开放问题，它已迅速成为解决一些持久挑战的潜在强大解决方案。这种热情在使用神经网络的前所未有的出版物的指数增长中反映了这种热情，这些指数从2015年的少数作品变成了2021年在Galaxy Surveys领域的平均每周一篇论文。在提到深度学习的第一批发表的工作中，在新的大数据集（例如欧几里得和LSST）开始启动之后不久，我们相信，我们相信及时回顾这项新技术在轨道中的真正影响及其潜在的潜力，以解决新数据集群的规模和复杂性提出的关键挑战。 因此，这篇综述的目的是两个方面。 我们首先要在一个共同的文件中总结深度学习的主要应用程序，用于到目前为止出现的星系调查。 然后，我们提取了所学到的主要成就和经验教训，并突出了关键的开放问题和局限性，在我们看来，这将需要在未来几年中特别关注。 总体而言，天文学界迅速采用了最先进的深度学习方法，反映了这些方法的民主化。 分类，分割）。在新的大数据集（例如欧几里得和LSST）开始启动之后不久，我们相信，我们相信及时回顾这项新技术在轨道中的真正影响及其潜在的潜力，以解决新数据集群的规模和复杂性提出的关键挑战。因此，这篇综述的目的是两个方面。我们首先要在一个共同的文件中总结深度学习的主要应用程序，用于到目前为止出现的星系调查。然后，我们提取了所学到的主要成就和经验教训，并突出了关键的开放问题和局限性，在我们看来，这将需要在未来几年中特别关注。总体而言，天文学界迅速采用了最先进的深度学习方法，反映了这些方法的民主化。分类，分割）。本评论表明，使用深度学习的大多数作品都符合计算机视觉任务（例如这也是应用程序的领域，深度学习带来了迄今为止最重要的突破。但是，我们还报告说，应用程序变得越来越多样化，深度学习用于估计星系特性，识别异常值或限制宇宙学模型。这些作品中的大多数仍处于探索性水平，这可能部分解释了引用方面的有限影响。在进行未来调查的处理中，很可能需要解决一些共同的挑战。例如，不确定性量化，可解释性，数据标记和领域转移问题从模拟的训练中转移问题，这构成了天文学的共同实践。
人类ATP结合盒转运蛋白的作用P ...
摘要ATP结合盒（ABC）转运蛋白P-糖蛋白（P-GP）和ABCG2是多药转运蛋白，可在细胞培养中赋予对众多抗癌疗法的耐药性。这些发现最初在医学肿瘤学界引起了极大的兴奋，因为这些转运蛋白的抑制剂有望克服癌症患者的临床多药耐药性。然而，与癌症化学治疗剂结合使用的P-gp和ABCG2抑制剂的临床试验并未成功，部分原因是由于对癌症检查的多剂量耐药性（MDR）的多因素基础的分子理解而导致的临床试验有缺陷。在基于理性结构的抑制剂药物设计中缺乏高分辨率的结构信息，因此该领域也受到了阻碍。结构生物学的最新进展导致了ABCG2和P-gp的多种结构，这些结构更清楚地阐明了运输机理以及其底物和抑制剂结合位点的多性性特异性。这些数据应该证明对开发两个转运蛋白的更有效和特定的抑制剂有用。因此，尽管需要评估可能的药代动力学相互作用，但是这些抑制剂可能会在克服癌症群体中的化学疗法中克服ABC依赖性多药耐药性方面具有更大的有效性。可能对这些抑制剂的另一种更具说服力的使用可能是可逆地抑制
病理学家学院第 20 届年度科学会议...
再生医学是一个新兴领域，专注于开发和应用新疗法来恢复患病或受损细胞、组织和器官的正常功能。病理学家在这一领域的四个主要方面发挥着重要作用：1. 了解健康和疾病中的组织生长和血管化 - 以便于识别用于诊断或预测的生物标志物以及用于预防或治疗的可用药物靶点；2. 评估和表征组织工程和再生医学 (TERM) 产品及其库存 - 以便于从不合格的修复结果中实现最佳再生；3. 作为重要成员参与临床试验 - 确保遵守法规，在细胞、组织和器官水平上进行成像和分子分析；4. 在良好生产规范环境下促进细胞、组织或器官的体外生产及其自动化。在病理学家中，血液学家尤其适合在推动该领域发展方面发挥重要作用，因为他们在干细胞生物学和移植、细胞特性和储存方面拥有丰富的专业知识，并参与临床前研究和临床试验以确保新治疗方法的安全性和有效性。也许现在是时候让血液学界考虑设立一个分支专业，以培训医学专家作为从业者以及安全有效的再生医学实践的守护者。
多尺度建模与机器学习相结合
摘要 机器学习越来越被认为是生物、生物医学和行为科学领域一项很有前途的技术。毫无疑问，这项技术在图像识别方面取得了巨大的成功，并可直接应用于电生理学、放射学或病理学等诊断领域，在这些领域我们可以获得大量带注释的数据。然而，机器学习在预后方面往往表现不佳，尤其是在处理稀疏数据时。在这个领域，基于经典物理的模拟似乎仍然无法替代。在这篇综述中，我们确定了机器学习和多尺度建模在生物医学科学中可以相互受益的领域：机器学习可以以控制方程、边界条件或约束的形式整合基于物理的知识，以管理不准确问题并稳健地处理稀疏和噪声数据；多尺度建模可以整合机器学习来创建代理模型，识别系统动态和参数，分析敏感性，并量化不确定性以弥合尺度并理解功能的出现。着眼于生命科学领域的应用，我们讨论了机器学习与多尺度建模相结合的最新技术，确定了应用和机会，提出了未解决的问题，并解决了潜在的挑战和局限性。我们预计它将激发计算力学界的讨论，并触及数学、统计学、计算机科学、人工智能、生物医学、系统生物学和精准医学等其他学科，共同努力为生物系统创建强大而高效的模型。
保守的DNA甲基转移酶：细菌表观遗传调节基本机制的窗口
越来越多的研究报告说，细菌DNA甲基化具有重要的功能，超出了其在限制性修饰系统中的作用，包括影响临床相关的表型，例如毒力，宿主定殖，孢子孢子，生物膜形成等。尽管有洞察力，但此类研究在很大程度上具有临时的性质，并且将从系统的策略中受益，从而实现微生物学界对细菌甲基瘤的联合功能表征。在这种意见中，我们建议高度保守的DNA甲基转移酶（MTases）代表了细菌表观基因组学研究的独特机会。这些MTases在细菌中很常见，跨越各种分类法，并且存在于多种人类病原体中。除了具有良好特征的核心DNA MTase，例如来自Vibrio Cholera，Salmonella Enterica，梭状芽胞杆菌艰难梭菌或化脓性链球菌的核心MTase，在许多人类病原体中也发现了多个高度保守的DNA MTase，其中包括属于Burkholderia属的人和阿科氏菌。我们讨论了为什么以及如何优先考虑这些MTase，以使社区范围内的综合方法进行功能基氏症研究。最终，我们讨论了一些高度保守的DNA MTases如何成为开发新型表观遗传抑制剂以用于生物医学应用的有希望的靶标。
硅光子学
e x Cote s ummary the Art Silicon Photonics是光子综合电路（PICS）的有吸引力的技术，因为它直接建立在硅纳米电子世界的极端成熟基础上。因此，它以非常高的收率和低成本的方式打开了通向非常高级照片的路线。更准确地说，硅光子图片如今在200和300mm CMOS铸造厂的商业生产中，具有NM级别的精度和可重复性，从光子学的角度来看是前所未有的。基本技术利用了硅在绝缘子（SOI）晶圆中，其中硅氧化硅层的硅层上的硅层充当了波导的核心，该波导将芯片上的设备互连。或者，SOI晶片被硅晶片取代，用一堆氮化硅波导核心层包围，被氧化硅覆盖层包围。现在，这种氮化硅图片被认为是硅光子家族的组成部分。在此路线图的单独章节中描述了它们。因此，本章主要关注基于SOI的硅光子学，是硅光子学界的主要方式。值得注意的是，近年来，许多SOI PIC平台添加了第二个光子波引导层，是氮化硅层，从而结合了两种方法的最佳方法，并可以提高设计和增强性能的灵活性。
癌症免疫治疗学会 (SITC) 关于非黑色素瘤皮肤癌免疫治疗的临床实践指南
摘要 非黑色素瘤皮肤癌 (NMSC) 是最常见的恶性肿瘤之一。一般来说，早期 NMSC 的治疗效果良好；然而，一小部分患者会发展为耐药性、晚期或转移性疾病，或更难以成功治疗的侵袭性亚型。最近，美国食品药品监督管理局 (FDA) 已批准免疫检查点抑制剂 (ICI) 用于治疗默克尔细胞癌 (MCC)、皮肤鳞状细胞癌 (CSCC) 和基底细胞癌 (BCC)。尽管 ICI 已证明对 NMSC 有效，但由于缺乏预测性生物标志物、需要考虑特殊患者群体、毒性管理以及对非典型反应的评估等多种因素，这些药物的常规临床使用可能更具挑战性。为了通过向肿瘤学界提供专家指导来改善患者护理，癌症免疫治疗协会 (SITC) 召集了一个多学科专家小组来制定临床实践指南 (CPG)。专家小组借鉴已发表的文献以及他们自己的临床经验，为医疗保健专业人员制定了有关 NMSC 免疫治疗重要方面的建议，包括分期、生物标志物检测、患者选择、疗法选择、治疗后反应评估和监测以及患者生活质量 (QOL) 考虑等。本 CPG 中基于证据和共识的建议旨在为治疗 NMSC 患者的癌症护理专业人员提供指导。