XiaoMi-AI文件搜索系统
World File Search System更优越
未来航母与超级航母：新问题和技术
未来航母与超级航母：新问题与新技术 CSC 2004 主题领域 国家军事战略 执行摘要 标题：未来航母与超级航母：新问题与新技术 作者：美国海军少校 Sean P. Higgins 论文：新技术和新出现的问题（如联合攻击战斗机和向近海海军的转变）威胁着超级航母的未来。讨论：自航母诞生以来，人们就未来航母的大小和能力展开了激烈的争论。本文通过研究美国对大型航母的需求，探讨超级航母（一种在大小、能力和地位上都更优越的大型航空母舰）的时代是否即将结束。通过研究航母的发展、威胁、成本、新兴技术和能力，我们将发现，尽管价格便宜，但未来的航母仍将保持庞大的体型。航母已经发展到可以支持舰载机联队。飞机为航母的变革提供了主要来源。短距起飞和垂直着陆 (STOVL) 飞机的成功开发将扩大舰载机联队的能力，并要求航母具备新的能力。常规起降 (CTOL) 飞机延续了超级航母的传统。STOVL 和 CTOL 飞机的集成舰载机联队将实现联合部队和联军之间的互操作性。机电飞机发射系统 (EMALS)、无人机 (UAV) 和无人作战飞机 (UCAV) 等新兴技术将能够降低人力成本并修改船体设计。衡量总运营成本 (TOC) 将使新航母的预算估算更加高效，并有助于实现长期目标，因为它可以更轻松地保持在预算之内，避免成本超支。虽然其他海军强国都使用较小的航母，但美国是唯一拥有运营超级航母的能力和资源的海军强国。航母及其舰载机联队的能力是讨论下一艘超级航母时必须解决的关键问题。最终，航母的大小取决于执行任务所需的能力、海军的核心功能和总运营成本。结论：未来的航母设计必须以海军的功能和支持这些功能所需的能力为中心。CVN-76 和 CVN-77 将成为向 CVNX2 过渡的桥梁，CVNX2 是 2018 年及以后的下一代航空母舰。虽然美国海军目前专注于沿海地区，但海上基地的出现和新出现的威胁要求我们减少对蓝水能力的重视，但也不能忽视。转向小型航母的选择将限制我们作为超级大国的能力。大型航母将确保国家利益
混合可再生能源技术比较
Olumuyiwa AMUSAN，拉各斯大学，阿科卡，尼日利亚；约翰内斯堡大学，南非 Ponmile OLAWOORE，亚历克斯埃克维梅联邦大学，埃邦伊，尼日利亚 楚克韦布卡 IGWE 亚历克斯埃克维梅联邦大学，埃邦伊，尼日利亚 摘要：为了减少大气和环境污染的负面影响及其随之而来的负面影响，全球正在考虑多种可再生能源发电方案。因此，对环保、经济高效、接近零碳足迹的可持续能源解决方案进行技术比较仍然是研究领域的核心关注点。可以进一步探索太阳能、风能及其混合能源，以满足能源消费者不断增长的负荷需求，特别是在包括信息技术 (IT) 服务在内的高能源需求设施中。关键 IT 基础设施是研究机构的核心支柱，因此混合能源解决方案对于提高可持续性至关重要。本研究使用尼日利亚埃邦伊亚历克斯·埃克韦梅联邦大学的 IT 实验室，将太阳能和风能的混合能源与独立能源进行了比较。对单个能源和风能、太阳能和电池能源的混合能源进行了适当的尺寸测量，然后在 300W 实验室 IT 负载的高峰和非高峰时段测量了装置上的输入输出电压。实验结果表明，太阳能、风能及其混合能源的输入/输出峰值和非峰值直流电压分别为 12.67V/12.02V / 12.47V/11.61V、12.53V / 11.90V / 12.48V / 11.87V 和 12.78V / 12.09V / 12.57 / 11.95V，这意味着与负载高峰时段相比有显著增加，而负载非高峰时段则较低。结果还表明，与单独的太阳能或风能系统相比，每隔 5 分钟测试一次的太阳能-风能-电池混合系统具有更优越的输出电压调节和效率。结论是，太阳能、风能和电池能源的混合系统是大学 IT 实验室理想的独立可再生能源电源选择。关键词：太阳能光伏系统、风能系统、太阳能-风能-电池混合系统、信息技术
人工神经网络在...中的意义
摘要。如今，基于计算机技术的进步，研究旨在开发新的数据处理方法。一些研究侧重于创造模仿人类生物数据处理机制的新工具。这些研究为人工神经网络的发展铺平了道路，与传统的、更常用的预测分析工具相比，人工神经网络可以被视为一种更优越的预测分析工具。如今，人工神经网络已在生态学、工程学和健康等学科中得到广泛应用。然而，可以说，尽管它们比其他预测分析更具功能性和有效性，但它们在教育研究中的应用却十分有限。本研究旨在通过参考通过人工神经网络分析进行的研究，阐明人工神经网络在教育研究中的功能和作用。关键词：人工神经网络、多层感知器、单层感知器、输入层、隐藏层简介人工神经网络是模拟人类数据处理系统的数据处理系统（Elmas，2003 年，第 22 页）。人工神经网络的概念源于在计算机系统上模仿人脑的运作原理，用定量数据进行计算，并创建生物神经元的数学模型（Efe & Kaynak，2000，第 1 页）。第一个人工神经网络是由神经生理学家 Warren McCulloch 和数学家 Walter Pitts 基于人脑的计算能力创建的（Bishop，2014，第 9 页）。 1958 年 Frank Rosenblatt 开发出感知器这种人工神经网络系统后，人工神经网络的研究开始加速，随后出现了自适应线性元件（自适应线性元件 (Widrow & Hoff, 1960)、Hopfield 网络 (Hopfield, 1982)、Kohonen 网络 (Kohonen, 1982, 1984)、玻尔兹曼机 (Ackley et al., 1985) 和通过反向传播算法学习的多层前馈神经网络 (Rumelhart et al., 1986；引自 Lek & Guegan, 1999, p. 67)。现代人工神经网络研究的重点是开发新的、更有效的学习算法，并创建能够响应随时间变化的模型的网络 (Kriesel, 2007, pp. 21-22)。如前所述，人工神经网络模拟人类大脑中的生物神经元和创建人工神经元的数学模型基于生物模型（Kohli et al.,, 2014, p. 745）。Hanrahan（2011, p. 5）描绘了生物模型的结构，如图1所示；
初步报告 - 接触力导管用于复杂心律失常成人患者的射频消融和电解剖标测
技术：具有接触力的导管，用于与三维电解剖映射相关的射频消融。适应症：药物治疗无效的心律失常，主要是心房颤动、房性和室性心动过速。原告：心律失常医学协会（SOBRAC）简介：心律失常由于其严重性和并发症而构成了重要的临床挑战。心房颤动会导致快速且不受控制的电传导，从而损害血液动力学。当该病症对药物治疗无效时，可以通过导管消融进行治疗。在全球范围内，这些严重心律失常的发病率呈上升趋势，每年有数百万例新发心房颤动病例，巴西 40 岁以上的人口中很大一部分受到影响。射频导管消融用于破坏导致异常传导的组织。可以选择使用三维电解剖映射的接触力监测，而不是透视检查，因为透视检查会导致辐射暴露及其风险。研究问题：与传统导管消融相比，接触力导管引导消融在治疗成人复杂心律失常方面是否更有效、更安全？临床证据：原告进行的证据综合中将药物治疗作为比较物被认为是不充分的。审阅者的选择仅包括常规导管消融，并确定了具有荟萃分析的系统评价。所找到的文章对心房颤动患者进行了评估，并仅根据临床试验数据给出了总结结果。关于主要结果，即 12 个月时无心房性心动过速生存率，接触力导管消融和传统导管之间没有显著差异（优势比 1.28（95% CI：0.71-2.31）。使用 GRADE 工具评估的该结果证据主体的确定性被认为是低的。对于安全性结果，使用了原告纳入的观察性研究。在心房颤动患者中，与传统导管相比，接触力导管组的主要并发症（包括心脏穿孔）数量明显较少。经济评估：原告提出了一份被认为部分充分的成本效益分析。调整了一些成本、效用和 HR 参数，并计算出新的成本效益比为 R$110,000/QALY。虽然有证据表明安全性结果更优越，但在其模型中，原告选择考虑两种技术之间的类似益处。预算影响分析：原告提出的预算影响分析是根据模型中修改后的参数重新计算的，在主要情况下，预计接受消融治疗的全体人口都将使用具有接触力的导管，其影响为五年内 4250 万雷亚尔（约合每年 800 万雷亚尔）。
病理学家很快就会被机器人取代吗？
技术的不断进步对工人产生了令人担忧的影响，无论从事何种职业。在某些工厂中，机器人数量是工人数量的 14 倍 (1) ，机器人自动化机器作为更优越的替代品进入工作领域已不再是科幻小说中的命题。这是一个显而易见的现实，而且发展如此迅速，以至于英国国家统计局 (ONS) 提供了一种工具，允许工人计算他们被取代的个人风险 (2) 。某些工作似乎不可避免地会因技术创新而消失，这让病理学家的处境岌岌可危；根据 ONS 的数据，医生被取代的风险最低，这是否能为抵御技术浪潮提供必要的保护？病理学决策的细微差别是否是机器无法实现的？或者，所涉及的过程是否有助于自动化，也许是为了改善患者护理？病理学在历史上的可塑性往往反映出人们愿意接受医学创新 (3)(4) 。自从组织病理学家因显微镜而出现以来，随着人类的进步，亚专科和新方法也应运而生 (4)。最近，数字病理学技术的采用大大简化了工作流程 (5)。不断提高临床准确性和效率的愿望推动了这种现代化。正如外科医生得到了机器人助手的帮助而不是被取代一样 (6)(7)，无能为力的良性机器人“工具”的发展在逻辑上不会对病理学家的未来构成威胁。病理学家的角色将在技术的操作和解释中受到保护。如果人工智能 (AI)（约翰·麦卡锡博士将其定义为“制造智能机器的科学和工程”） (8) 为机器提供决策权，病理学家的角色将变得不那么明确。人工智能取代病理学家可能具有成本效益，通过节省病理学家的培训和工资来抵消设计和生产成本。多任务处理能力也具有明显的节省时间的能力。从历史上看，人工智能技术在自我完善和重新解释世界观方面根本无法与人类大脑相匹敌 (9) 。最近的技术发展弥补了这一差距，预示着人工智能改进诊断决策的额外考虑。人工神经网络受到大脑神经元互连的影响，已被证明对于能够学习和匹配临床专业知识的人工智能系统的发展至关重要 (10) 。Yamamoto 等人在解释未注释的组织病理学图像时试用现代人工智能技术的研究揭示了它的前景，同时也为病理学家指明了不确定的未来 (11) 。深度学习算法使机器学习成为可能，准确识别关键图像特征，获得与人类相同精度的可解释知识。值得注意的是，人工智能破译了以前未被识别的特征，提供比人类建立的格里森评分更准确的预后指征。由于该算法不需要持续的人为输入，并能识别病理学家无法识别的特征，其作为可行替代方案的潜力显而易见。然而，正如 Misbah 等人简洁地描述的那样，病理学家不仅限于诊断评估 (3) 。实验室的方向、提供临床见解、确保高标准和直接协调患者护理只是日常考虑的一小部分。这些流程对于提供实验室主导的服务至关重要，似乎与自动化不太兼容。
使用可解释的机器学习对重症监护病房中的心脏骤停进行早期预测：回顾性研究
背景：心脏骤停 (CA) 是重症监护病房 (ICU) 患者死亡的主要原因之一。尽管已经开发了许多具有高灵敏度的 CA 预测模型来预测 CA，但由于缺乏泛化和验证，它们的实际应用一直具有挑战性。此外，不同 ICU 亚型患者之间的异质性尚未得到充分解决。目标：本研究旨在提出一种临床可解释的集成方法，用于在 24 小时内及时准确地预测 CA，而不考虑患者的异质性，包括不同人群和 ICU 亚型之间的差异。此外，我们进行了独立于患者的评估以强调模型的泛化性能，并分析了临床医生可以实时轻松采用的可解释结果。方法：使用重症监护医学信息集市-IV (MIMIC-IV) 和 eICU 协作研究数据库 (eICU-CRD) 的数据对患者进行回顾性分析。为了解决性能不佳的问题，我们使用基于生命体征、多分辨率统计分析和基尼指数的特征集构建了我们的框架，并以 12 小时的窗口期来捕捉 CA 的独特特征。我们从每个数据库中提取了 3 种类型的特征，以比较 MIMIC-IV 中的高风险患者组和 eICU-CRD 中没有 CA 的患者之间的 CA 预测性能。在特征提取之后，我们使用具有成本敏感学习的特征筛选开发了一个表格网络 (TabNet) 模型。为了评估实时 CA 预测性能，我们使用了 10 倍留一患者交叉验证和交叉数据集方法。我们在每个数据库中针对不同队列人群和 ICU 亚型评估了 MIMIC-IV 和 eICU-CRD。最后，使用 eICU-CRD 和 MIMIC-IV 数据库进行外部验证，以评估模型的泛化能力。所提方法的决策掩码用于捕获模型的可解释性。结果：在 MIMIC-IV 和 eICU-CRD 中，所提出的方法在不同队列人群中的表现均优于传统方法。此外，它在两个数据库中对各种 ICU 亚型的准确度都高于基线模型。可解释的预测结果可以作为非 CA 组和 CA 组之间的统计比较，从而增强临床医生对 CA 预测的理解。接下来，我们分别使用在 MIMIC-IV 和 eICU-CRD 上训练的模型测试了 eICU-CRD 和 MIMIC-IV 数据集，以评估泛化能力。结果显示，与基线模型相比，性能更优越。结论：我们用于学习独特特征的新框架在不同的 ICU 环境中提供了稳定的预测能力。大多数可解释的全局信息揭示了 CA 组和非 CA 组之间的统计差异，证明了其作为临床决策指标的实用性。因此，所提出的 CA 预测系统是一种临床
宽带隙器件特刊社论：设计、制造和应用
新兴的宽带隙 (WBG) 半导体有望推动全球产业发展，就如同 50 多年前硅 (Si) 芯片的发明推动了现代计算机时代的到来一样。基于 SiC 和 GaN 的器件正开始变得更加商业化。与同类的基于 Si 的元件相比，这些 WBG 器件更小、更快、更高效，在更严苛的操作条件下也能提供更高的可靠性。此外，在此框架下，一种新型微电子级半导体材料被创造出来，其带隙甚至比之前建立的宽带隙半导体（如 GaN 和 SiC）还要大，因此被称为“超宽带隙”材料。这些材料包括 AlGaN、AlN、金刚石和 BN 氧化物基材料，它们在理论上具有更优越的性能，包括更高的临界击穿场、更高的工作温度和潜在的更高辐射耐受性。这些特性反过来又使得革命性的新器件可用于极端环境成为可能，例如高效功率晶体管（因为巴利加品质因数有所提高）、超高压脉冲功率开关、高效 UV-LED、激光二极管和 RF 电子设备。本期特刊发表了 20 篇论文，重点关注基于宽带隙的器件：设计、制造和应用。三篇论文 [1-3] 涉及未来 5G 应用和其他高速高功率应用的 RF 功率电子设备。其中九篇论文 [4-12] 探讨了宽带隙高功率器件的各种设计。其余论文涵盖了基于宽带隙的各种应用，如用于提高 GaN 基光子发射器光子提取效率的 ZnO 纳米棒 [13]、InGaZnO 薄膜晶体管 [14]、宽带隙 WO3 薄膜 [15]、银纳米环 [16、17] 和 InGaN 激光二极管 [18-20]。特别是在 RF GaN 器件方面，Kuchta 等人 [1] 提出了一种基于 GaN 的功率放大器设计，该设计降低了透射率畸变。Lee 等人 [2] 展示了一种用于 2.5 至 6 GHz 干扰系统的紧凑型 20 W GaN 内部匹配功率放大器，它使用高介电常数基板、单层电容器和分流/串联电阻器实现低 Q 匹配和低频稳定。 Lin 等人 [3] 通过集成厚铜金属化层实现了 Ka 波段 8.2 W/mm 的高输出功率密度。关于 GaN 功率器件，Wu 等人 [4] 研究了一种双 AlGaN 势垒设计以实现增强模式特性。Ma 等人 [5] 介绍了一种使用 GaN 的数字控制 2 kVA 三相分流 APF 系统。Tajalli 等人 [6] 通过进行缓冲分解研究了 GaN-on-Si 外延结构中垂直漏电和击穿的起源。可以确定每个缓冲层与垂直漏电和击穿电压相关的贡献。Sun 等人 [7] 研究了 GaN-on-Si 外延结构中垂直漏电和击穿电压的分布。[7] 提出了一种利用 TCAD 实现常关型 GaN HEMT 的新方法。该概念基于将栅极沟道方向从长水平方向转置为短垂直方向。Mao 等 [8] 在 IGBT 的集电极侧引入了一部分 p-polySi/p-SiC 异质结，以在不牺牲器件其他特性的情况下降低关断损耗。Kim 等 [9] 实现了 SiC 微加热器芯片作为下一代功率模块的新型热评估设备，并评估了其耐热性能。
液化石油气在实现环境和恢复力（可持续复苏）的长期贡献中发挥的关键作用
第 1 章 前言（实施背景和内容） 日本的 LPG 需求量在 1996 年达到峰值 1,971 万吨，随后在 2019 年下降至 1,393 万吨（减少了 578 万吨，降幅为 -29%）。下降的原因主要有两个：全电气化家庭的兴起和节能燃气设备上市。但也应当注意，随着公共和私营部门对保护全球环境以及通过减少 LPG 等化石燃料的 CO 2 排放来解决这个问题的意识不断增强，LPG 的需求已开始下降。近年来，日本政府（以下简称“日本政府”）发布的“战略能源计划”或“巴黎协定长期战略”等已明确表明了将可再生能源定义为主要电力来源的政治方向。事实上，通过开发革命性技术并克服未来潜在的挑战（如配电网或电力储存），扩大可再生能源电力的利用率是可能的。然而，风险仍然很高。为了实现低碳（或脱碳）社会，在推行可再生能源政策的同时，还必须有效利用现有能源。不可否认的是，液化石油气是一种化石燃料，但它具有出色的环保性能和强大的恢复能力，作为“灾难发生时的最后手段”发挥着重要作用。液化石油气的特殊优势在过去的灾难中得到了充分体现，例如 2011 年日本东部大地震。液化石油气是一种可以在全国任何地方轻松便捷地获取的能源。此外，由于其恢复能力，液化石油气已经确立了作为分散能源的竞争力，供应链在灾难发生时可以比其他主要能源更快地恢复。此外，日本各地都有可靠而强大的供应网络。因此，从日本能源安全的角度来看，液化石油气比其他能源更优越。日本液化石油气协会（以下简称“JLPGA”）于 2018 年 11 月发布了 2025 年液化石油气愿景，其中详细说明了有关需求扩大、稳定供应、改善配送系统、安全、环境、质量控制等方面的中长期方针。这一愿景强调了液化石油气参与者不仅要追求“数量（销售量）”，还要寻求“质量”改进（例如对环境政策的贡献），以帮助实现可持续发展的社会并加强我们的灾难应对能力。这强调了关键责任，和参与该行业的 LPG 参与者的骄傲，并使该行业能够追求可持续发展的社会，而 LPG 是一个明智的选择，不仅是因为环境效益，还因为 LPG 可以为社会优先事项做出贡献。我们选择了可持续发展目标 (SDG)，它融合了环境、技术创新、弹性和可持续性等多个视角，作为客观评估 LPG 的普遍可用性（例如多功能性和便携性）及其在未来不变的重要作用的公平标准。因此，在 LPG 行业的复杂环境下，采用 SDG 将是我们向公众解释 LPG 现状的最合适的方法和途径。除了这些论点之外，LPG 行业还必须阐明 LPG 在帮助实现某些 SDG（例如稳定的能源供应、创新、弹性和环境）方面可以发挥的作用。作为提高公众对 LPG 普遍可用性认识工作的一部分，我们决定撰写和发布此声明。最后，我们要感谢株式会社久观协综合研究所在编写本报告时提供的宝贵建议和支持。