XiaoMi-AI文件搜索系统
World File Search System广谱
广约罗伯特·桑（Robert Sang） - 公司神经祖父
Nature Neuroscience, Nature Computational Science, Nature Communications, eLife, Journal of Neuroscience, PLOS Computational Biology, Current Opinion in Neu- robiology, Neural Networks, Chaos, Frontiers in Neuroscience, JMLR (Journal of Machine Learning Research), NeurIPS (Conference on Neural Information Processing Systems), ICLR (International Conference on Learning Representations), ICML (In- ternational Conference on Machine Learning), Cosyne （计算和系统神经科学），CCN（认知计算神经科学会议），CNS（计算神经科学组织）
从荷兰角度看生物农药的监管
– 在荷兰至少有一种新用途 – 所有活性物质至少属于以下类别之一：• 低风险物质（包括基于 COM 清单 2018 的初步 LR）• 活微生物• 信息素• 其他非化学 PPP，不包括具有广谱毒性的 PPP（例如，可能包括 dsRNA、肽和无毒植物提取物或其他无毒生物物质）• 注意：区域应用的摄入量限制（仍然）有效
机器学习的最新进展辅助拉曼光谱
随着拉曼光谱的发展及其应用域的扩展，用于光谱数据分析的常规方法已经表现出许多局限性。探索新的方法以促进拉曼光谱和分析已成为研究重点的一个领域。已经证明，机器学习技术可以从光谱数据中更有效地提取有价值的信息，从而为分析科学创造前所未有的机会。本文概述了用于机器学习（ML）和ML-Algorithms的传统且最近开发的统计方法，用于基于拉曼光谱的分类和识别应用。这些方法包括主要成分分析，k-nearest邻居，随机森林和支持向量机，以及基于神经网络的深度学习算法，例如人工神经网络，卷积神经网络等。大部分审查致力于从多个领域的Raman光谱中的机器学习进展，包括材料科学，生物医学应用，食品科学等，这达到了令人印象深刻的分析准确性。在许多这些应用领域中，拉曼光谱和机器学习的结合是实现高通量和快速识别的前所未有的机会。还讨论了当前研究的局限性，并提供了对未来研究的观点。
2 型糖尿病患者的皮肤表现谱...
背景：皮肤病通常被糖尿病患者忽视且经常误诊。这些是常见的并发症，并且在糖尿病中会遇到各种各样的疾病。目的和目标：本研究旨在评估 2 型糖尿病 (DM) 患者的各种皮肤表现。材料和方法：本研究在三级护理中心医院的皮肤科、糖尿病门诊进行。经机构伦理委员会批准和研究对象同意后，纳入了 240 名对象。所有对象均接受了临床检查 - 特别强调皮肤表现。采集血液样本并用于估算血糖、肝功能测试和肾功能测试、全血细胞计数、细菌感染 - 革兰氏染色和培养、真菌感染 - KOH（氢氧化钾）涂片、革兰氏染色（针对念珠菌）和培养。结果：200 人中，140 人（58.4%）为男性，100 人（41.6%）为女性。患者以 5、6 和 7 岁为主。主要见于软索病 22 例（9.1%）和念珠菌性龟头包皮炎 21 例（8.7%）。真菌、细菌和非感染性皮肤病分别为 90 例（37.5%）、54 例（22.5%）和非感染性皮肤病 112 例（46.6%）。细菌培养显示化脓性溃疡 8 例、疖病 6 例等。KOH 涂片阳性 22 例，培养阳性 16 例。在非感染性皮肤病中，24 例患者可见软索病。大多数患者服用口服降糖药。结论：本研究结果显示了 2 型糖尿病患者的人口统计学、社会因素和各种皮肤病表现的流行情况。
国际质谱杂志 - Glen Jackson
电荷转移解离质谱法 (CTD-MS) 已被证明可在气相中诱导生物离子的高能碎裂，并提供类似于极紫外光解离 (XUVPD) 的碎裂光谱。迄今为止，CTD 通常使用动能介于 4-10 keV 之间的氦阳离子来引发自由基导向的分析物碎裂。然而，作为一种试剂，氦气最近已被列为一种越来越稀缺和昂贵的关键矿物，因此本研究探索了使用更便宜、更易获得的试剂气体的潜力。使用各种 CTD 试剂气体（包括氦气、氢气、氧气、氮气、氩气和实验室空气）对聚合度为 4 的模型肽缓激肽和模型寡糖 k-角叉菜胶进行碎裂。CTD 结果还与低能碰撞诱导解离 (LE-CID) 进行了对比，后者在同一个 3D 离子阱上收集。使用恒定的试剂离子通量和动能，所有五种替代试剂气体都产生了与 He-CTD 相比非常一致的序列覆盖率和碎裂效率，这表明试剂气体的电离能对生物离子的活化影响可以忽略不计。所有气体的 CTD 效率范围为缓激肽的 11-13% 和 k -角叉菜胶的 7-8%。在这些狭窄的范围内，缓激肽的 CTnoD 峰的丰度和缓激肽的 CTD 碎裂效率都与 CTD 试剂气体的电离能相关，这表明共振电荷转移在该肽的活化中起的作用很小。缓激肽和 k-角叉菜胶的大部分激发能来自电子停止机制，该机制由试剂阳离子与生物离子最高占据分子轨道 (HOMO) 中的电子之间的长程相互作用描述。CTD 光谱没有提供任何证据表明生物离子与氢气、氧气和氮气等反应性更强的气体之间存在共价结合产物，这意味着试剂离子的高动能使它们无法进行共价反应。这项工作表明，任何测试的替代试剂气体都是未来 CTD-MS 实验的可行选择。© 2021 Elsevier BV 保留所有权利。
磁振子谱的量子计算
相互作用系统通常以它们的基态和低能激发的特性为特征。例如，在自旋系统中，即使基态可能相似，低能激发的特征也可以将海森堡模型与伊辛或 XY 模型区分开来。在量子材料中，可以通过仔细对它们的激发进行分类来区分各种各样的有间隙系统（由电荷密度波、强关联或超导引起）。低能激发的特性因材料所表现出的物理行为而异。考虑一个绝缘体，其低能行为可以用相互作用的自旋很好地描述。它将表现出与金属费米液体不同的低能激发，而金属费米液体的低能行为可以用电子准粒子很好地描述。此外，不同的探针（如光导率、中子散射或光发射）可以探测系统的不同方面。举一个具体的例子，我们来看看 Fe 基超导体 FeSe 的低能激发。我们已经从自旋（中子）[ 1 ] 和电荷（光学）[ 2 ] 两个角度对这些激发进行了研究。这两个角度提供的关于材料的相关信息相互补充。有些多体相互作用系统可以通过分析确定其光谱。在自旋系统中（如 XY 模型），Holstein-Primakoff [ 3 ] 或 Jordan-Wigner [ 4 ] 变换会将系统转换为可以立即确定激发光谱的形式。这是因为自旋系统的激发实际上具有费米子特性，而这种特性在原始自旋图像中很难提取。另一种方法是猜测波函数，然后获得激发，例如 BCS 理论 [ 5 ] 或量子霍尔效应 [ 6 ]。然而，对于一大类系统，还没有已知的精确解，必须通过数值方法获得编码低能激发的相关函数。可以通过以下方式实现
1个拉曼光谱和晶格动力学计算...
含量和低成本的半导体，例如磷化锌（Zn 3 p 2），是下一代光伏应用的有希望的候选者。但是，有利于缺陷形成和可控掺杂的市售基材的合成是限制设备性能的挑战性缺点。更好地评估相关特性，例如结构，晶体质量和缺陷，将允许更快地进步Zn 3 P 2，从这个意义上讲，拉曼光谱可以发挥不可估量的作用。为了提供Zn 3 p 2的完整拉曼光谱参考，这项工作从实验和理论的角度来看，对四侧结构的Zn 3 P 2（空间组P 4 2 / NMC）纳米线的振动特性进行了全面分析。低温高分辨率的拉曼极化测量已在单晶纳米线上进行。不同的极化构型允许选择性增强1G，B 1G和E G拉曼模式，而从互补的不偏度拉曼测量中鉴定出B 2G模式。与洛伦兹曲线的所有拉曼光谱同时进行反向卷积允许鉴定33个峰，这些峰已在39个理论上预测的特定元素中分配给了34个（8 a 1g + 9 b 1g + 3 b 2g + 14 e g）。实验结果与基于密度功能理论的第一原理计算所计算的振动频率非常吻合。在声子分散图中观察到了三个独立的区域：（i）低频区域（<210 cm-1），该区域由Zn相关振动，（ii）中间区域（210 - 225 cm-1）主导，该区域（210 - 225 cm-1）代表真正的声子隙，无观察到的振动，（III）高频区域（III）高频率（III）primitation frirications（> 225 cm-cm-1）。振动模式的分析表明，非脱位模式主要涉及沿长晶体轴（C轴）的原子运动，而退化模式主要对应于平面振动，垂直于长C轴。这些结果为识别四方Zn 3 p 2相提供了详细的参考，可用于构建基于拉曼的方法，用于有效筛选散装材料和膜，这可能包含结构性不均匀性。