XiaoMi-AI文件搜索系统
World File Search System工作特性
带 CoSi2 栅极的 MOS 隧道发射极
带有 CoSi 2 栅极电极的高性能 MOS 隧道阴极 T. Sadoh、Y. Zhang、H. Yasunaga、A. Kenjo、T. Tsurushima 和 M. Miyao 九州大学电子系 6-10-1 Hakozaki，福冈 812-8581，日本 电话：+81-92-642-3952 传真：+81-92-642-3974 电子邮件：sadoh@ed.kyushu-u.ac.jp 1. 简介 高稳定性低电压工作的微阴极是真空微电子学和先进平板显示技术中不可或缺的一部分。到目前为止，已经对具有金属-绝缘体-金属 (MIM) 结构 [1] 和金属氧化物半导体 (MOS) 结构 [2-4] 的隧道阴极进行了研究。Yokoo 等人。报道了具有 Al 或 n + 非晶硅 (a-Si) 栅极的 MOS 隧道阴极的工作特性 [2, 3]。具有 Al 栅极的阴极的发射效率高，但 Al/SiO 2 界面不稳定。另一方面，具有 a-Si 栅极的阴极的 a-Si/SiO 2 界面稳定。然而，a-Si 栅极的电阻相对较高，发射效率较低。因此，迫切需要提高阴极的发射效率和寿命。为了提高它们，需要具有低电阻和稳定电极/氧化物界面的高质量薄栅极电极。CoSi 2 是电阻最低的硅化物之一，具有化学和热稳定性。因此，预计采用 CoSi 2 作为栅极材料将提高阴极的性能。在这项研究中，研究了具有 CoSi 2 栅极的隧道阴极的工作特性，并证明了薄 CoSi 2 膜可以提高发射效率和寿命。这是关于具有 CoSi 2 栅电极的 MOS 隧道阴极的首次报道。2. 实验步骤所用衬底是电阻率为 10 Ωcm 的 n 型 Si。通过湿法氧化生长 160nm 厚的场氧化物。去除具有 0.3mm 2 的圆形栅极图案的氧化物后，通过干氧化在 900 ℃持续 22 分钟生长 10nm 厚的栅极氧化物。为了改善栅极氧化物，将样品在 Ar 中以 1100℃退火 90 分钟。栅极氧化后，使用固体源 MBE 系统在基底温度为 400℃下通过共沉积 Co 和 Si 形成 5-10nm 的 CoSi 2 栅电极，基底压力为 5x10 -11 Torr。最后，通过沉积 Al 形成接触。样品的示意图和能带图分别如图 1 和图 2 所示。测量了二极管电流 Id 和发射电流 Ie 与栅极偏压的关系。3. 结果与讨论图 3 显示了二极管和发射电流密度与电场的典型依赖关系。在 7 MV cm -1 以上的电场下，可以观察到电子的发射。图 4 显示了图 3 中数据的 Fowler-Nordheim 图。发现二极管和发射
vaxign-dl：一种基于深度学习的疫苗设计方法及其评估
*联合第一作者。＃共同对应。摘要反疫苗接种学（RV）提供了一种系统的方法来识别基于蛋白质序列的潜在疫苗候选物。将机器学习（ML）集成到此过程中，大大增强了我们从这些序列中预测可行疫苗候选物的能力。我们以前已经基于极端梯度提升（XGBOOST）开发了Vaxign-ML程序。在这项研究中，我们进一步扩展了基于深度学习技术的Vaxign-DL计划。深神经网络组装非线性模型，并使用层次结构化层学习数据的多级抽象，并在计算设计模型中提供了数据驱动的方法。Vaxign-DL使用三层完全连接的神经网络模型。使用Vaxign-ML开发中使用的相同细菌疫苗训练数据，Vaxign-DL能够在接收器工作特性下达到0.94，特异性为0.99，灵敏度为0.74，精度为0.96。使用剩余的疾病原验证（LOPOV）方法，Vaxign-DL能够预测10种病原体的疫苗候选物。我们的基准研究表明，在大多数情况下，Vaxign-DL在Vaxign-ML上取得了可比的结果，并且我们的方法在准确预测细菌保护性抗原方面优于Vaxi-DL。简介
AIRPLUS 系列空气处理 - Pneumax
结构和工作特性 Pneumax AIRPLUS 空气处理装置的设计和开发旨在提高可靠性、模块化和用户友好的操作和安装。由于具有不同功能和特性的多种模块以及多种材料选择，使 Pneumax AIRPLUS 空气处理装置成为一个坚固、可靠且极其灵活的模块化系统，可适应多种应用。正确组装的 AIRPLUS 装置是模块化的，具有无限的配置和解决方案，能够实现压缩空气处理的所有功能，例如过滤、调节、润滑、拦截和分配。过滤器（包括聚结和活性炭元件以及油分离器）提供足够的介质过滤。调节器或过滤调节器提供精确可靠的压力调节，它们也配有内置压力表或集成数字压力开关。润滑器根据消耗的空气提供油雾润滑，而截止阀可以气动、电动气动或手动操作，将有效管理压缩空气系统的供应和排气。该系列由一系列互补模块组成，例如气动连接旁路、压力开关和渐进启动。完整的组件由通过快速连接法兰连接在一起的各个模块组成，这些法兰提供“即插即用”组件。这提供了快速简便的安装或更换。Pneumax Airplus 空气处理装置可集成符合 EN-ISO 13849-1 和 CE 标志（根据欧盟机械指令附件 V）的安全元件。AIRPLUS 空气处理装置有 4 种不同尺寸，连接尺寸从 1/8“ 到 1”，流量性能高达 8000Nl/min。
禁食血糖与淋巴细胞比率预测不稳定心绞痛患者的长期心脏死亡率
摘要背景：这项回顾性研究旨在探索对冠状动脉病变严重程度和不稳定Angina pectoris（UAP）患者的冠状动脉病变严重程度和长期心脏死亡率的空腹血糖与淋巴细胞计数比（GLR）的预测价值，这尚未被报道过。方法：4110名UAP患者包括在研究中。根据其GLR值将患者分为两组，并接受平均36个月。的结果，包括心脏死亡率，全因死亡率和重新寄养率，并确定了长期心脏死亡率GLR的预测价值。结果：在所有患者中，有865名（21.0％）被重新住院，103例（2.5％）死亡，其中包括39例心脏死亡（0.9％）。与低GLR组相比，高GLR组的语法得分更高（P <0.001）。高GLR组的心脏死亡率（p = 0.006）和重新住院（p = 0.004）的速率更高。Kaplan-Meier曲线表明，GLR≥3.38（p = 0.005）时，心脏死亡率较高（P = 0.005）。接收器工作特性（ROC）分析表明，2.9861的GLR是预测心脏死亡率的有效截止值（P = 0.001）。多元COX回归分析表明，血清肌酐（P = 0.003），GLR（P = 0.029）和语法得分（P <0.001）是心脏死亡率的独立预测指标。结论：GLR与冠状动脉病变严重程度显着相关，可以用作UAP患者心脏死亡率的独立预测指标。
原始研究泛 - 免疫炎性价值优于其他炎症指标，可以预测住院主要不良心血管均匀
背景：对动脉粥样硬化的炎症反应是导致冠状动脉疾病的过程。泛免疫 - 炎症值（PIV）已成为炎症的新型生物标志物。然而，关于PIV对主要不良心血管事件（MACE）或冠状动脉狭窄程度的预测能力的研究很少。我们旨在探索经皮冠状动脉干预（PCI）后St段升高心肌梗塞（STEMI）患者PIV对MACE和冠状动脉狭窄程度的预测能力。方法：这项研究包括542例被诊断为STEMI的患者，并在2016年至2023年间接受了PCI，并测量了PIV和其他炎症标记。使用单变量和多元逻辑回归分析，评估了PCI后MACE和住院期间严重冠状动脉狭窄的风险变量，以创建接收器工作特性（ROC）曲线，并确定炎症标记的最佳阈值。Spearman相关分析用于评估PIV和其他炎症标记与Gensini评分（GS）的相关性。结果：与全身性炎症指数（SII），血小板与淋巴细胞比（PLR）和中性粒细胞与淋巴细胞比率（NLR）相比，PIV在PCI在PCI后在PCI术后患者的冠状动脉症患者的发生程度可能具有更大的预测价值。PIV和GS之间的相关性很强。结论：PIV在预测STEMI患者PCI后预测病情预后和严重的冠状动脉狭窄方面优于SII，PLR和NLR。
确定印度北部2型糖尿病（T2DM）的遗传风险评分
摘要：背景：全球，2型糖尿病（T2DM）是增长最快的非传染性多因素和多基因疾病之一，可导致许多健康并发症以及显着的发病率和死亡率。南亚人对T2DM具有很高的遗传易感性，印度是六分之一的糖尿病患者。这项研究研究了选定的遗传多态性与T2DM风险的关联，并发展了多基因风险评分（PRS）。方法：一项案例对照研究招募了来自印度北部JAT锡克教徒的完全同意的参与者。将 DNA样品基于基因分型的一系列多态性，并根据几个遗传关联模型计算了几率。接收器工作特性（ROC）曲线是用于PRS和临床参数组合的。结果：GSTT1（RS17856199），GSTM1（RS366631），GSTP1（RS1695），KCNQ1（RS2237892），ACE，ACE，ACE（RS4646994）和（RS4646994）和（RS4646994）和（TCF7L2（TCF7L2）（RS1222222255555555555555372; RS122255372; RS RS7901695）多态性与T2DM风险增加有关（P≤0.05）。未观察到与IGF2BP2（RS4402960）或PPARG2（RS1801282）的关联。发现加权PR的患者（平均= 15.4，SD = 3.24）高于对照组（平均= 11.9，SD = 3.06），而T（454）= - 12.2（p <0.001）。ROC曲线分析发现，加权PR与临床变量结合使用是T2DM的最有效预测指标（曲线下的面积= 0.844，95％CI = 0.0.808-0.879）。结论：几种多态性与T2DM风险有关。PRS甚至基于有限数量的基因座也改善了该疾病的预测。这可能提供了一种有用的方法来确定T2DM对临床和公共卫生应用的敏感性。
用氢的设备和设备性能 -
将氢混合到天然气中，作为缓解与使用化石燃料有关的环境问题的一种手段，提出了一个由氢气和天然气混合物加油时设计用于天然气的设备性能的问题。这项研究研究了由甲烷作为天然气代理燃料的空间和水加热设备的性能，以及含有多达15％氢的甲烷/氢混合物的性能。使用适用的CSA/ANSI Z 21系列标准，使用三种气体混合物（纯甲烷，5％氢/甲烷混合物和15％氢/甲烷混合混合物）测试了设备的输入速率，点火和燃烧器的工作特性，燃烧产物特性和气体泄漏。气体成分对炉子的影响还测试了温度升高和加热管温度。还评估了露水的露点温度和酸度。总体而言，电器没有出现重大可操作的问题和一致的热量输出降低和CO 2排放，并随着甲烷/氢混合物中的氢含量增加。因此，要满足相同的热量需求，电器将需要在更长的时间内运行，从而导致额外的二氧化碳排放。然而，与天然气相比，使用混合物的使用，相同热量输出的总体CO 2排放量仍会降低。一氧化碳和氧化氮的测量值在可接受的范围内，无论使用的燃料类型如何。对于其他测得的特性没有观察到一致的趋势，表明高达15％的氢混合物不会显着影响这些参数。对本文所检查的含有5％和15％氢的气体混合物的未来测试以及较高的氢量应该融合天然气以确定更具代表性的结果。
引用：Padula WV，Armstrong DG，Pronovost PJ等。使用电子学习来预测住院患者的压力损伤风险
与标准护理相比，使用机器学习预测医院获得的压力损伤风险的抽象目标。设计，我们获得了电子健康记录（EHR），以构建具有压力损伤风险的住院患者的多级队列，然后校准机器学习模型以预测未来的压力损伤风险。优化方法与多级逻辑回归结合使用，以开发一种随着时间的流逝风险转移的预测算法。测试了包括随机森林在内的机器学习方法，以识别该算法的预测特征。我们报告了回归方法的结果以及预测模型的接收器工作特性（ROC）曲线下的面积。设置住院的住院患者。参与者EHR在2家学术医院的5年内35 001住院。主要结果衡量压力损伤风险的纵向变化。结果，通过机器学习产生的特征的预测算法可显着改善压力损伤风险的预测（P <0.001），而ROC曲线下的面积为0.72；而标准护理仅在ROC曲线下实现了0.52的区域。在0.50的特异性下，预测算法的灵敏度为0.75。结论这些数据可以帮助医院在患者脆弱性的医院获得压力损伤的关键时期内保护资源，而美国医疗保险不会报销。因此，在平均500张病床的医院中，每年每年3万至90 000个劳动小时。医院可以使用这种预测算法来启动预防压力损伤的质量改进计划，并进一步将算法定制为设施特定于患者的差异。
miR-26b-5p，Egr1和STAT1 ...
背景：这项研究旨在研究精神分裂症（SZ）发病机理中涉及的miRNA和上游调节转录因子。方法：使用基因表达综合数据集，基因本体论注释和基因和基因组百科全书（KEGG）途径富集分析的基因表达综合数据集，基因本体学注释和京都百科全书，研究了SZ患者中miRNA和基因的差异表达。进行实时定量聚合酶链反应实验，以验证来自20名SZ患者和20个健康对照组的外周血样本中调节基因的预测筛查。通过接收器操作特征（ROC）曲线分析评估了这些因素中这些因素的诊断潜力。结果：在SZ患者的外周血中，将58个miRNA鉴定为差异表达。miR-26b-5p在SZ患者中表现出明显降低。另外，差异表达了1422个mRNA，包括5个可能调节miR-26b-5p表达的转录因子。在其中，EGR1和STAT1在SZ患者中的表达水平明显较低。接收器的工作特性分析揭示了miR-26b-5p曲线下的面积为0.76，EGR1的0.74为0.74，STAT1的0.82为0.82，STAT1合并的STAT1 -MIR-MIR-26B-5P诊断为0.85。结论：与健康对照组相比，SZ患者外周血中miR-26b-5p，Egr1和STAT1的表达降低表明与SZ有很强的关联。这些分子代表潜在的诊断生物标志物，联合标记STAT1 -MIR-26B-5P可能提供增强的诊断精度。
D1736P01 - 飞机军械系统机械师... - 爱达荷州
(1) 操作、分析性能、排除故障、检查、安装、维护、大修、修理和改装战斗机中由众多复杂电子元件组成的作战军械系统和子系统。单个子系统或组件的示例包括：计算机化外挂管理系统或可编程武器控制系统、火控/控制航空电子设备、火控传感、瞄准系统、数字多路复用数据总线系统、电子对抗设备、武器/航空电子设备视频显示系统和离散武器/航空电子设备系统，并通过操作测试、系统调整和协调确保系统及其接口的兼容性。 (2) 分析性能并将故障隔离到轰炸/导航、火控/武器投放、武器多传感器显示器和外部机电武器系统、光电瞄准吊舱/武器接口、射频电子对抗系统、目标雷达跟踪和导弹跟踪雷达的单个子系统和/或组件。审查和分析机组人员汇报和数据传输设备信息，以帮助解决飞行中遇到的差异，并使用技术手册、示意图、逻辑和接线图、工具和测试设备（包括自动测试设备）隔离整个系统内的异常系统。通过分析电子军械系统的安装、电路和工作特性来解决飞机军械故障。调整和对准传感器、发射器、电源、显示设备、控制器、执行器、伺服器、计算机和其他相关组件。对整个系统进行瞄准，以确保电子武器投放系统的所有组件（如雷达、机枪系统、飞行员的平视显示器、攻角 (AOA) 和飞机惯性导航系统 (INS)）的对准。拆除有故障的 LRU 进行维修，并识别有故障的子组件（如坏电路卡、随机存取存储器、操作飞行程序 (OFP) 和各种电子电路），并将可维修的组件安装到飞机上。检查已完成的维护以确保符合技术指令，并启动必要的表格以确保文件正确并输入飞机历史记录。