XiaoMi-AI文件搜索系统
World File Search System左图
红移的Cherenkov辐射，用于快速定时检测器
基于闪烁体的伽马射线检测器中时间响应的增强对于诸如飞行时间正电子发射断层扫描（TOF-PET）以及实验核和粒子物理等应用至关重要。实现这一改进的一种有希望的方法是利用Cherenkov辐射，与传统闪烁光相比，它几乎瞬间发出。然而，基于Cherenkov的检测的主要局限性是可检测光子的低收率，因为大多数紫外线（UV）范围内发出，许多材料表现出很高的吸收和透明度降低。为了克服这一限制，我们建议使用红移的Cherenkov散热器（RCR）。通过将荧光掺杂剂引入液体溶剂中，Cherenkov光子从紫外线转移到可见的光谱，在紫外线上，材料更透明，常规的光电探测器具有更高的效率。这种技术旨在增加检测到的Cherenkov光子的数量，最终导致辐射探测器的时机分辨率得到改善。为了评估这种方法的可行性，我们测试了不同的液体溶剂，包括八度（ODE），氯仿（CHCL₃）和二甲基亚氧化二甲基亚氧化物（DMSO），并以Popop为波长转移掺杂剂。uv-ab-吸附分析证实，ODE在紫外线范围内表现出最高的透明度，并且在检测到的Cherenkov光子中，Popop的掺入导致了17％至56％的增加，如图1左图所示，这比较了与波长偏移的不同溶剂的相对检测率。
在竞争性视听任务条件下，神经 α 振荡和瞳孔大小差异性地指示认知需求
图 1. 实验设计。A：试验设计。听觉和视觉刺激同时呈现。听觉间隙检测任务：参与者必须在白噪声 7 秒内检测到间隙（间隙可能发生在 4-6 秒的时间窗口内）。对于“困难”条件，间隙持续时间单独滴定至 75% 正确。对于“简单”条件，间隙持续时间加倍。多物体跟踪任务：参与者观看 16 个移动点，并被要求在移动点场景中跟随最初提示的（红色）点。7 秒后，点停止移动，三个点被标记为绿色，并标为 1、2 和 3。参与者必须决定三个点中的哪一个是提示点。参与者必须跟随一个（简单）或五个（困难）点。分析集中在 3-4 秒的时间窗口（间隙前窗口；此外，由于其反应缓慢，还关注 5-6 秒的瞳孔大小窗口）。 B：单任务会话（左）和双任务会话（右）的设计。在单任务会话中，参与者分别执行听觉和视觉任务（但始终呈现视听刺激）。在双任务条件下，参与者同时执行这两项任务。C：假设示意图。如果生理测量指标独立于模态来指示认知需求，则难度增加的影响在各种模态之间应该是相同的（左图）。或者，难度增加的影响可能在不同的感官模态之间有所不同（右图）。
量子联盟绑定使简单
正如Gao [4]所观察到的那样，纯正论点立即表明，要证明量子联合界限，它可以考虑纯状态。这可以有助于几何直觉，特别是如果一个州和投影仪都是真实的，只有轻度的一般性丧失，只有轻度的一般性丧失。在这种情况下，让ψt⟩表示通过根据第一个t投影测量结果进行调节而获得的r d单位向量。然后，如果H = H t + 1表示T + 1项目的子空间，则对（T + 1）测量的分析实际上仅取决于四个向量，即ProJ Hψ0⟩，Proj HψTtt⟩，Proj H ht⟩，Proj H h ∣0 0⟩0 r和Proj H the。因此，如果不丧失一般性，我们可以将所有内容投射到r 4中，而第一个载体跨越r 3。我们可以在单位半径的r 3中描绘地球仪，而H t + 1是赤道的平面，ψ0⟩和ψT + 1 phe位于地球的表面上，并且是= r = r = r = r ∣⟩̃⟩ + + + + +⟩ +⟩ +ψttt t t t t t t t t t⟩ ⟩指向第四维。对于j∈{0，t，t + 1}，我们将（λJ，φJ）写（λj，φj），为∣ψj j⟩的经度/纬度（或当j = t）时。我们可以假设λt =λt + 1 = 0，因此ψt +1⟩=（0，0）。（请参见图1中的左图。）对于j∈{t，t + 1}，让我们写∆ j的角度，为ψ0⟩和j j⟩j j j j j j j o，也写入̃ ∆ t的角度，为ψ0⟩和∣ ̃ tt⟩之间的角度写̃ ∆ t。我们声称
KDIGO-2025-ADPKD-指南.pdf
S24 图 1. 常染色体显性多囊肾病 (ADPKD) 高危成人 (有阳性家族史) 的诊断算法 S63 图 2. 偶然发现肾脏和/或肝脏囊肿且无已知常染色体显性多囊肾病 (ADPKD) 家族史的成人的诊断算法 S23 图 3. 根据检测的阳性预测值，按年龄组划分的超声标准，用于在有阳性家族史的人群中诊断常染色体显性多囊肾病 (ADPKD) S23 图 4. 根据检测的阴性预测值，按年龄组划分的超声标准，用于在有阳性家族史的人群中排除常染色体显性多囊肾病 (ADPKD) S23 图 5. 16 – 40 岁有阳性家族史人群的磁共振成像 (MRI) 标准 S75 图 6. 与常染色体显性多囊肾病 (ADPKD) 疾病进展速度相关的因素S77 图 7. 评估常染色体显性多囊肾病 (ADPKD) 中肾脏疾病进展速度的方法 S79 图 8. Mayo 影像分类将身高调整总肾体积 (htTKV)/年龄分为 5 个不同的类别 S80 图 9. Mayo 影像分类 (MIC) 常染色体显性多囊肾病 (ADPKD；左图)，其中 (a,b) MIC 亚类 1A 和 1E、(c – f) MIC 亚类 2A 和 (g,h) MIC 亚类 2B 的示例 (右图)
艾克斯-马赛大学 - Théses.fr
图 6-5：使用行为数据集、驾驶时间和参与者信息训练的模型的实际时间和估计时间之间的误差分布（左图）和相关性（右图）的频率直方图。................................................ . ................................................. ................................... 119 图 6-6：训练模型的实际时间和估计时间之间的误差分布频率直方图（左图）和相关性（右图）具有行为、汽车和生理数据集。................................................ . ................................................. ...................................................... 119 图 7-1 :用于新驾驶员疲劳驾驶检测和预测模型泛化的数据集划分（训练/验证/测试）...... 129 图 7-2：检测模型泛化的数据源并预测新驾驶员驾驶时的困倦................................................................ ................................................... 130 图 7-3：REQM用于检测困倦程度的不同数据源的验证集和测试集。星号代表重要性程度（NS：p>0.05；*：p<0.05；**：p<0.01；***：p<0.001）。................................................ . ...................................................... 132 图 7-4：验证集和测试集的 REQM用于检测睡意水平的不同数据源。星号代表重要性程度（NS：p>0.05；*：p<0.05；**：p<0.01；***：p<0.001）。................................................ . ................................................... 133 图 8-1：传统机器学习与迁移之间的说明图学习（改编自 Pan & Yang，（2010））....................................... ……………………………… ...................................... 140 图 8-2：数据集划分。 ……………………………… ...................................................... 143 图 8-3：用于调整模型以进行检测和处理的数据源预测新驾驶员驾驶时的困倦...................................................... ......................... 143 图 8-4：Oktal® 的静态驾驶模拟器。A 代表 3 个视频屏幕上显示的道路场景。B 代表仪表板。C 是faceLAB® 硬件。D 是用于心电图的三个电极中的两个，E 是呼吸带。。F 是 EDA 的电极（由于信号损失严重，本研究中未使用）。........................................................................................................... 149 图 8-5：具有不同类型道路和相关交通的场景图 ................................ 150 图 8-6：用于调整 ANN 的训练方法。圆柱体代表不同的数据集。小数字圆圈代表第 2.7 部分使用 ANN 进行自适应学习的方法中定义的流程步骤。矩形代表流程中的步骤。.................................................................... 155 图 8-7：基于 AdANN 验证数据集，针对不同信息源，在调整前后检测到的困倦程度的均方根误差 (RMSE) 和标准误差。星号代表显著性水平（NS：p>.05；*：p<.05；**：p<.01；***：p<.001）。158 图 8-8：基于 AdANN 验证数据集，针对不同信息源，在适应前后预测的嗜睡等级 1.5 发生时间的 RMSE 和 SD 平均值。星号表示均值差异的显著性水平（NS：p>.05；*：p<.05；**：p<.01；***：p<.001）。................................................................................................................................................ 159 图 8-9：检测：不同数据集（ANN 训练集、ANN 验证集、AdANN 训练集、AdANN 验证集）的 RMSE 平均值和 SD，作为用于调整 ADANN 训练数据集的数据量（τ，以分钟为单位）的函数。................................................................................................ 160 图 8-10：调整后，Ad-ANN 验证数据集的不同 τ 之间的 RMSE 均值 P 值比较。.................................................................................................................... 161 图 8-11：预测：不同数据集（ANN 训练集、ANN 验证集、AdANN 训练集、AdANN 验证集）的 RMSE 平均值和 SD 作为用于调整 AdANN 训练数据集的数据量（τ，以分钟为单位）的函数。............................................................................................. 162 图 8-12：调整后，将 AD-ANN 验证数据集中每个 τ 与另一个 τ 进行比较的 RMSE 平均值的 P 值。................................................................................................................... 163 图 8-13：困倦程度检测：用于适应的参与者（A）和 ANN 从未遇到过的其他参与者（B）的 RMSE 平均值和 SD，前后
2023 年 4 月甲板上的公民权利
多个海岸警卫队亲和团体取得了里程碑式的进展，各团体的领导层和海岸警卫队高层领导签署了谅解备忘录 (MOU)，正式承认了他们的合作关系。新成立的海岸警卫队亲和团体包括残疾盟友资源小组 (DARG)、海岸警卫队频谱和政府中的黑人 (BIG)。DARG 旨在提高人们对影响残疾人士的工作场所问题的认识，并加强包容性招聘工作。海岸警卫队频谱为海岸警卫队 LGBTQ+ 人员提供了一个正式的社区空间，以提供支持和联盟。BIG 倡导为黑人海岸警卫队军事和文职人员提供平等机会和职业发展。兴趣小组和员工资源小组可以通过培育一个包容性的社区来丰富服务人员的个人和职业发展，该社区支持海岸警卫队的核心价值观，即荣誉、尊重和忠于职守。虽然海岸警卫队兴趣小组与服务部门合作，但它们被视为独立组织。左图：DARG 总裁 Linda Aase 与健康、安全和工作生活总监海军少将 Dana Thomas（左）和人力资源代理助理指挥官兼多元化和包容性高级顾问 Donna (Mischell) Navarro 博士一起签署 DARG MOU，2023 年 4 月 6 日。图中：Donna (Mischell) Navarro 博士与海岸警卫队领导人（包括美国海岸警卫队副司令 Steven Poulin 海军上将和 Spectrum 成员）一起签署海岸警卫队 Spectrum MOU，2023 年 3 月 27 日。右图：海岸警卫队分会 BIG 总裁 LaShonda Jones 和 Donna (Mischell) Navarro 博士在签署 BIG MOU 后享受庆祝时刻，2023 年 3 月 30 日。（照片由 Moses Ward 拍摄）
对高速旋翼空气力学的基本理解......
1.1 复合直升机的示例.......................................................................................................................................................3 1.2 倾转旋翼飞机的示例.......................................................................................................................................................3 1.3 前飞对后飞桨叶速度的影响.......................................................................................................................4 1.4 同轴反向旋转旋翼能够在前飞期间保持每个旋翼的升力不对称，每个旋翼的力矩相互抵消。通过消除后飞桨叶升力来平衡旋翼力矩的需要，可以缓解后飞桨叶失速，就像单旋翼飞行器一样（左图）[5]。................................................................ ..................................................................................................................................................................................4 1.5 兰利全尺寸风洞中的 PCA-2 转子试验装置 [11]。...9 1.6 采用悬臂转子配置的 Meyer 和 Falabella 风洞试验装置 [12]。......................................................................................................................................................................10 1.7 叶片表面压力端口的展向和弦向位置 [12]。11 1.8 零铰链偏移转子的轮毂组件，显示来自叶片的压力管连接到轮毂内的压力拾音器 [12]。 12 1.9 1965 年詹金斯在兰利全尺寸风洞中的试验装置 [13]。 14 1.10 高进速比时转子推力和 H 力系数与总距（A0）的关系，显示总距推力反转 [13]。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.13 在增加前进比的情况下，在盘面载荷恒定的情况下测得的有效旋翼升阻比 [16]。 . . . . . . . . . . . . . 21 1.14 升力对总距比和前进比的敏感度变化 [16]。 . . . . . 22 1.15 在 NASA 艾姆斯研究中心 40 x 80 英尺 NFAC 风洞中监测 UH-60A 空气载荷旋翼 [17]。 . . . . . . . . . . . . . . 24 1.16 压力传感器在仪表旋翼叶片上的分布 [17] 24 1.17 UH-60A 减速旋翼风洞试验中明显的集体推力反向趋势 [18]。 . ...
通过 CRISPR-Cas9 核糖核蛋白和基于 URA3 的标记回收对炭疽菌进行有效的多基因敲除
图 1. CRISPR-Cas9 RNP 促进 C. higginsianum 中与供体 DNA 的同源重组。（a）CRISPR-Cas9 RNP 介导的 HDR 示意图。首先，将重组 Cas9 蛋白（橙色）和针对目的基因 (GOI) 的合成 gRNA（洋红色）在体外混合以形成 RNP。其次，用 RNP 和供体 DNA 转化 C. higginsianum 原生质体，其中供体 DNA 具有选择标记 NPTII，两侧是两个同源臂。最后，通过结合选择培养基和基于 PCR 的筛选来分离用选择盒替换 GOI 的菌株。（b）URA3 敲除的构建设计。供体 DNA 具有选择标记，即 NPTII 表达盒，两侧是 0.5 kb 的同源臂，以浅灰色框表示。箭头表示扩增 ura3 基因组中特异性存在的“片段 1”和“片段 2”的引物。（c）转化子数量和 URA3 敲除率。左图显示每板转化子数量，右图显示每板 URA3 敲除率（n =5）。“-gRNA”和“+gRNA”分别代表不含和含 gRNA 的结果。星号表示统计差异（p < 0.001，Welch t 检验）。通过 PCR 筛选评估 URA3 的敲除，如 (d) 所示。（d）ura3 突变体的 PCR 筛选。使用 (b) 中所示的引物组，在含有 500 µg/ml G418 的 MA 上使用每个菌落进行 PCR。显示了从 -gRNA 和 +gRNA 转化子中随机选择的七个菌落的结果。 C. higginsianum 肌动蛋白基因 (CH63R_04240) 的 238 bp 片段被指定为肌动蛋白。凝胶左侧的数字表示 DNA 大小标记 (bp) 的位置。
跨脑网络神经科学视角
图 1 脑间网络的整体效应可以分解为特定种子区域的节点效应。该图显示了陌生人与儿童互动与母子互动、基线与竞争以及基线与合作的整体和节点密度效应。节点密度由四个 NMF 成分的系数编码。左图：绘制了群体效应的边际后验分布及其平均值、90% CI（粗黑线）和 99% CI（细灰线）。CI 的宽度表示与估计参数相关的不确定性。90% CI 不包括零的参数（红线）被解释为存在影响的证据。整体结果显示出强烈的伴侣效应，与陌生人与儿童二元组相比，母子二元组的同步性有所提高，以及竞争效应和一些合作效应的证据，与基线条件相比，两种任务条件的同步性更高。节点结果证实了这些整体结果，但提供了更多的拓扑细节。具体而言，伴侣效应相当普遍（在成分 3 和 4 以及基线条件下的成分 2 中），而竞争和合作效应主要局限于左侧和右侧前额叶大脑区域（成分 1 和 4）。右图：五张 catplots 显示了在基线、合作和竞争条件下，母子和陌生人-儿童二元组中后部全局和节点密度值的变化情况。底部：热图可视化了 NMF 产生的基础矩阵，显示了儿童（C）和成人伴侣（P）的每个 fNIRS 通道（x 轴）对相应成分（y 轴）的贡献。在脑模型上可视化了儿童和成人伴侣的 fNIRS 通道，这些通道对每个成分的贡献最大，就其节点密度而言，权重高于第 80 个百分位数（最小值 = 0，最大值 = 1）
奥斯卡 1 号卫星
历史照片档案 OSCAR 1 卫星 - OSCAR 1 于 1961 年 12 月发射，是世界上第一颗非政府卫星。OSCAR 1 由一群加利福尼亚的业余无线电操作员仅花费 63 美元建造，运行了 22 天。照片来源：史密森航空航天博物馆。奥斯卡计划于 1963 年将左图的 Oscar 1 航天器模型捐赠给史密森尼博物馆。OSCAR - 搭载业余无线电的轨道卫星 1958 年 1 月第一颗美国卫星 (Explorer 1) 发射后不久，西海岸的一群业余无线电爱好者 - Lance Ginner，K6GSJ；Chuck Smallhouse，W6MGZ；Ed Beck，K6ZX；Al Diem；Chuck Townes，K6LFH (SK) 和 Nick Marshall，W6OLO (SK) - 组织起来，加入了 OSCAR 计划。经过 OSCAR 项目成员、ARRL 和政府机构之间的一系列交流，第一颗业余无线电卫星 OSCAR I 获得了在范登堡空军基地使用 Thor DM-21 Agena-B 火箭发射的机会。它于 1961 年 12 月 12 日上午成功发射。发射后，OSCAR 1 持续发射了 22 天直至电池断电，来自 28 个国家的 570 多名业余无线电爱好者确认收到了它。在三个多星期的时间里，OSCAR 1 用摩尔斯电码向世界各地的业余无线电操作员发送了简单的信息“HI”；这条信息当时和现在都是国际上公认的业余无线电爱好者之间的友好问候语。（以上文字摘自 2011 年 ARRL 网站上的一篇优秀文章，纪念 OSCAR 1 50 周年）。在 OSCAR 1 取得巨大成功的基础上，AMSAT 又赞助了数十颗后续“OSCAR”卫星，其中许多卫星仍在轨道运行，可供世界各地的业余无线电爱好者使用。