完整作者列表: Mishra, Esha;内布拉斯加大学林肯分校,物理学和天文学 Ekanayaka, Thilini;内布拉斯加大学林肯分校,物理学 Panagiotakopoulos, Theodoros;中佛罗里达大学 Le, Duy;中佛罗里达大学,物理系;中佛罗里达大学 Rahman, Talat;中佛罗里达大学,物理学 Wang, Ping;佛罗里达州立大学,化学和生物化学系 McElveen, Kayleigh;内布拉斯加大学林肯分校,化学 Phillips, Jared;印第安纳大学普渡大学印第安纳波利斯分校,物理学 Zaz, Zaid;内布拉斯加大学林肯分校 Yazdani, Saeed;IUPUI N'Diaye, Alpha;劳伦斯伯克利国家实验室,先进光源 Lai, Rebecca;内布拉斯加大学林肯分校 Streubel, Robert;内布拉斯加大学林肯分校,物理学和天文学 程瑞华;印第安纳大学普渡大学印第安纳波利斯分校,物理系 沙特鲁克,迈克尔;佛罗里达州立大学,化学系 彼得·道本;内布拉斯加大学林肯分校,物理学和天文学
b'genation 的 C3 和 C2 位尚未开发。在此,我们报道了一种无催化剂获取 1-芳基 2,3-二碘咔唑 [7,8] 的方法,其中涉及碘转位(方案 1D)。值得注意的是,我们的方案允许在三个连续位置 [9] 即 C1、C2 和 C3 对咔唑核心进行可控官能化。环化前体 (碘吲哚基)炔醇 1a \xe2\x80\x93 n 是使用已知程序由适当的吲哚-2-甲醛制备的。[5] 我们的旅程始于研究苯基取代炔醇 1a 作为模型底物的反应(表 1)。 [10] 我们研究了 1a 与几种碘化试剂(如 I 2 、NIS、ICl 和 Ipy 2 BF 4 )的反应。在碳酸钠存在下,在异丙醇中,在 15 °C 下使用 ICl [11] 可有效实现串联碘环化-碘移位。使用 1.1 倍过量的 ICl 可得到三环 2a ,产率为 50%(表 1,条目 5),而使用 2.5 倍过量的 ICl 可得到所需的杂环,产率为 60%(表 1,条目 3)。通过对粗反应混合物进行 TLC 和 1 H NMR 分析观察到总转化率,未检测到副产物或聚合反应。然而,在柱层析纯化 2,3-二碘-咔唑 2a 的过程中观察到一些分解,这可能是导致分离产率适中的原因。值得注意的是,重排的 1-苯基-2,3-二碘-咔唑 2a 是唯一的区域异构体。使用有机碱代替 K 2 CO 3 或不同的溶剂'
摘要 — 最近的物联网 (IoT) 网络涵盖大量固定和机器人设备,即无人地面车辆、水面舰艇和空中无人机,以执行搜索和救援行动、野火监测、洪水/飓风影响评估等关键任务服务。由于基于物理的机器人操作系统 (ROS) 模拟器是基于时间的,而基于网络的无线模拟器是基于事件的,因此实现这些设备之间的通信同步、可靠性和最小通信抖动是模拟和系统级实现的关键挑战,此外还有部署在现实环境中的移动和异构 IoT 设备的复杂动态。然而,在将异构多机器人系统付诸实践之前,物理(机器人)和网络模拟器之间的同步是最难解决的问题之一。现有的基于 TCP/IP 通信协议的同步中间件主要依赖于机器人操作系统 1 (ROS1),由于其基于主控的架构,会消耗大量通信带宽和时间。为了解决这些问题,我们设计了一种新型的机器人与传统无线网络模拟器之间的同步中间件,该中间件依赖于新发布的具有无主数据包发现机制的实时 ROS2 架构。我们提出了一种地面和空中代理的速度感知传输控制协议 (TCP) 算法,使用数据分发服务 (DDS) 的发布-订阅传输,以最大限度地减少不同机器人代理之间的数据包丢失和同步、传输和通信抖动。我们提出的中间件与特定的机器人和网络模拟器无关,但对于模拟和实验,我们使用 Gazebo 作为基于物理的 ROS 模拟器,并使用 NS-3 作为无线网络模拟器。我们在模拟和系统层面对数据包丢失概率和平均延迟进行了广泛的网络性能评估,使用视距 (LOS)/非视距 (NLOS) 和 TCP/UDP 通信协议,通过我们提出的基于 ROS2 的同步中间件。此外,为了进行比较研究,我们进行了一项详细的消融研究,用实时无线网络模拟器 EMANE 替换 NS-3,用基于主控的 ROS1 替换无主控的 ROS2。最后,为了在实践中实现转变,我们在不同的地形上部署了一组不同的真实机器人——一架空中无人机 (Duckiedrone) 和两辆地面车辆 (TurtleBot3 Burger),形成了无主控 (ROS2) 和主控 (ROS1) 集群,以评估潜在的网络同步和抖动问题。我们提出的中间件证明了使用一组不同的固定和机器人设备构建大规模物联网基础设施的前景
摘要:癌症影响超过1900万人,是世界上第二大死亡原因。癌症治疗中使用的主要策略之一是抑制与细胞存活有关的拓扑异构酶II。副作用和不良反应限制了拓扑异构酶II抑制剂的使用;因此,研究的重点是发现可以抑制拓扑异构酶II并具有更安全的毒理学作用的新型化合物。海洋生物是具有不同药理特性在内的二级代谢产物的来源,包括抗癌活性。本综述的目的是呈现和讨论海洋来源化合物的药理潜力,其抗肿瘤活性是由拓扑异构酶II抑制介导的。已经证明了几种来自海绵,真菌,细菌,沿海和其他海洋来源的化合物已被证明可以抑制拓扑异构酶II。但是,有些研究仅报告对接相互作用,而其他研究并未完全解释拓扑异构酶II抑制的机制。需要进一步的体外和体内研究,以及仔细的毒理学评估,重点是癌细胞的选择性。
神经形态处理系统使用混合信号模拟/数字电子电路和/或忆阻设备实现脉冲神经网络,代表了一种有前途的技术,适用于需要低功耗、低延迟且由于缺乏连接或出于隐私考虑而无法连接到云进行离线处理的边缘计算应用。然而,这些电路通常噪声大且不精确,因为它们受设备间差异的影响,并且工作电流极小。因此,按照这种方法实现可靠的计算和高精度仍然是一个悬而未决的挑战,一方面阻碍了进展,另一方面限制了这项技术的广泛采用。从构造上讲,这些硬件处理系统具有许多生物学上合理的约束,例如参数的异质性和非负性。越来越多的证据表明,将这些约束应用于人工神经网络(包括用于人工智能的神经网络),可以提高学习的稳健性并提高其可靠性。在这里,我们深入研究神经科学,并提出网络级大脑启发策略,进一步提高这些神经形态系统的可靠性和稳健性:我们通过芯片测量来量化群体平均在多大程度上有效地减少神经反应的变化,我们通过实验证明皮质模型的神经编码策略如何允许硅神经元产生可靠的信号表示,并展示如何利用这些策略稳健地实现基本计算原语,如选择性放大、信号恢复、工作记忆和关系网络。我们认为,这些策略可以有助于指导使用噪声和不精确的计算基板(如亚阈值神经形态电路和新兴的记忆技术)实现的稳健可靠的超低功耗电子神经处理系统的设计。
SIP 正在成为新的 SOC • 模块化方法与单片方法 • 并非每个逻辑功能 (IP) 都需要在相同的工艺节点 (HI) 中进行设计 • 利用小芯片形式的 IP • 目前小芯片集成在硅中介层上;薄膜层压板正在兴起 • 包括最新的 IC 封装 2.5D、3D、FOWLP 技术 • 下一代所需的电路板设计专业知识
摘要。云计算服务提供商为应用程序提供按需计算资源。寻找适合用户预算、满足应用程序性能和约束的最佳云资源分配仍然是一项研究挑战。云资源分配问题与设计空间探索 (DSE) 问题非常相似,因为它们都必须在充足的设计空间中找到合适的硬件配置,而它们的目标不相容,并受到多种约束。这项工作通过应用设计空间探索技术提出了一种解决云资源分配问题的方法。我们从 DSE 工具 MultiExplorer 设计并开发了一个软件扩展 MultiExplorer-VM,该工具具有根据用户需求和应用程序约束提供虚拟机配置的工作流程。已经进行了一系列全面的实验来评估和验证所提出的工具。我们还将我们提案中的解决方案与其他现有的研究工作进行了比较,这些研究工作侧重于基于 Paramount 交互 (PI) 技术的云资源分配问题。结果表明,MultiExplorer-VM 比 PI 技术取得了显著 (更好) 的结果。 MultiExplorer-VM 带来的成本结果与 PI 技术相比降低了 8.8 倍。实验还表明,对于大多数应用程序,MultiExplorer-VM 实现了最佳云配置。
摘要 本研究旨在开发一种新的不依赖异构体的酶联免疫吸附测定 (ELISA) 方法来测量脂蛋白 (a) [Lp(a)],验证其性能特征,并通过与金标准 ELISA 方法和 LC-MS/MS 候选参考方法(两者均由华盛顿大学开发)进行比较来证明其准确性。新检测的原理是使用主要针对载脂蛋白 (a) KIV 2 中表位的单克隆抗体 LPA4 来捕获 Lp(a),然后使用针对 KIV 9 上单个抗原位点的单克隆抗体 LPA-KIV9 来检测它。验证研究是根据《临床实验室改进修正案》和美国病理学家学院的指导方针进行的。 LPA4/LPA-KIV9 ELISA 的分析测量范围为 0.27 – 1,402 nmol/L,该方法符合精密度、线性、加标和回收率、稀释度、血浆与血清比较以及准确度的严格标准。在 64 个已知载脂蛋白 (a) 亚型的样本中,与金标准 ELISA 和 LC-MS/MS 方法进行了方法比较,结果显示两种方法均具有良好的相关性(分别为 r = 0.987 和 r = 0.976)。此外,载脂蛋白 (a) 大小的变化仅分别占偏差变化的 0.2% 和 2.2%,表明 LPA4/LPA-KIV9 ELISA 不受载脂蛋白 (a) 大小多态性的影响。肽图分析和竞争实验表明,金标准 ELISA(a-40)和新开发的 ELISA(LPA-KIV9)中使用的测量单克隆抗体针对的是 KIV 9 上的相同表位 4076 LETPTVV 4082。
1 日本新潟大学医学与牙科研究生院神经生物学与解剖学系;2 日本新潟大学跨学科研究项目;3 日本岩手医科大学牙科学院生理学系;4 日本新潟大学医学院医学人工智能中心;5 日本上越新潟护理学院护理系;6 日本东京庆应义塾大学电子显微镜实验室;7 日本东京国家神经病学和精神病学中心国家神经科学研究所神经肌肉研究系;8 日本新潟大学医学与牙科研究生院显微解剖学系;9 日本新潟大学研究设施协调中心