XiaoMi-AI文件搜索系统
World File Search System最小化
使用拉普拉斯正则化 Schatten p范数最小化从头预测药物-靶标相互作用
在制药科学中，药物发现的一个关键步骤是识别药物-靶标相互作用 (DTI)。然而，只有一小部分 DTI 经过了实验验证。此外，通过传统的生化实验来捕捉药物和靶标之间的新相互作用是一个极其费力、昂贵且耗时的过程。因此，设计用于预测潜在相互作用的计算方法来指导实验验证具有实际意义，特别是对于从头情况。在本文中，我们提出了一种新算法，即拉普拉斯正则化的 Schatten p 范数最小化 (LRSpNM)，用于预测新药物的潜在靶标蛋白和没有已知相互作用的新靶标的潜在药物。具体而言，我们首先利用药物和靶标相似性信息来动态地预填充部分未知的相互作用。然后基于相互作用矩阵低秩的假设，我们使用 Schatten p 范数最小化模型结合拉普拉斯正则化项来提高新药/新靶点案例的预测性能。最后，我们通过一种高效的交替方向乘子算法对 LRSpNM 模型进行数值求解。我们在五个数据集上评估了 LRSpNM，大量的数值实验表明 LRSpNM 比五种最先进的 DTI 预测算法具有更好、更稳健的性能。此外，我们对新药和新靶点预测进行了两个案例研究，这表明 LRSpNM 可以成功预测大多数经过实验验证的 DTI。
能源报告 最小化电力短缺的模型...
本文考虑了修改电力系统充分性评估中使用的电力短缺最小化数学模型的问题。对现有软件包进行了审查和分析，特别是考虑了其中的电力短缺最小化数学模型。修改了数学模型，以正确考虑受控部分的最大允许有功功率流。在本研究的实验部分，我们测试了提出的修改。结果确定，从电力系统运行的物理定律的角度来看，最合适的结果是由二次损耗的电力短缺最小化模型得出的，该模型考虑了受控部分的电力传输约束。© 2021 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
COVID-19疫苗 原告 - 穆特判断。 ... 俄勒冈州健康计划（OHP）药房现在可以对Covid进行账单... 最小化疫苗废物的策略 听力通知热水器生效日期
“由ORS 656.018授予的免疫力仅适用于填补原告雇主角色的人，凭借对工人服务的方向和控制。记录支持初审法院的决定，即在该测试下，原告是PWTC的主题工作者，而不是NMC的主题工作者。此外，NMC不适合在ORS 656.018下有权获得豁免权的其他类别的人员中。这是我们询问的程度。我们拒绝这样的论点，即由于其与PWTC的关系的性质，应将NMC视为免疫的索赔人的雇主。”
管壳式潜热储能设计方法，包括材料选择、储能性能评估和成本最小化
摘要：壳管式潜热储能装置采用相变材料在几乎恒定的温度下储存和释放热量，具有高传热效率以及高充电/放电功率。尽管许多研究已经通过模拟和实验研究调查了材料配方、传热，但专门针对储能装置设计方法的研究却非常有限。本研究提出了一种综合方法，包括使用多属性决策和多目标决策工具进行材料评估、epsilon-NTU 方法以及使用遗传算法进行成本最小化。该方法通过一系列实验结果得到验证，并应用于太阳能吸收式制冷机应用的储能装置的优化。据报道，单位成本低至 8396 美元/单位，功率为 1.42 千瓦。该方法被证明是一种高效、可靠且系统的工具，可在进行计算流体动力学或详细实验研究之前完成壳管式 LHTES 的初步设计。
剖析同种异体HSCT的生物学以增强GVT效应，而最小化GVHD
同种异体造血干细胞移植（Allo-HSCT）是对血液恶性肿瘤患者的首次成功疗法，主要是由于移植物抗肿瘤（GVT）作用。戏剧性的方法论变化旨在扩大对老年患者和/或合并症患者的资格的资格，导致使用降低的强度调节治疗方案，并同时与更具侵略性的免疫抑制以更好地控制Graft Graft-versus-versus-Host疾病（GVHD）。因此，疾病复发已成为Allo-HSCT后的主要死亡原因。因此，预防和治疗复发已成为最前沿的，并且仍然是未满足的医疗需求。尽管有60年的临床前和临床研究，但在不促进GVHD的情况下获得GVT效应所需的免疫学要求尚未完全确定。在此，我们回顾了与GVT效应有关的临床前建模和临床研究的学习，重点是复发机制以及在Allo-HSCT和自体HSCT之后正在开发以克服疾病复发的免疫调节策略。重点是讨论目前的知识和方法，其方法是基于细胞疗法，细胞因子增强免疫反应和双重用途抗体疗法或其他可以控制GVHD而同时靶向癌细胞的药理剂的方法。
最小化鸟类胶卷，并与玻璃改造和新 -
2020年11月每年在美国与玻璃碰撞的近十亿只鸟类大多数人认为与玻璃的鸟类碰撞是一种城市现象，涉及高大的镜像玻璃摩天大楼，但现实是，有56％的碰撞死亡率发生在低层建筑物（即1到四个故事）（即，在城市和农村住所中为44％，在高层建筑物中<1％（损失eT eT eT e et and and。2014）。许多政府设施和庇护游客中心符合大多数鸟类碰撞所涉及的建筑物的描述。幸运的是，现有建筑物可用于低成本，有吸引力的玻璃处理，而新的建筑物和改建可以结合鸟类安全的建筑物设计和专用玻璃。许多鸟类安全措施同时降低能源成本。最近的研究量化了北美的鸟类种群在过去的50年中已有近30亿只鸟类下降，应得到联邦机构的强烈反应，并且对有形行动的重点越来越重视，从而导致可衡量的保护结果，例如减少与玻璃的鸟类碰撞。最大程度地减少与玻璃碰撞的碰撞与116-100 - 内政部，环境和相关机构拨款的2020年法案；政府服务管理局（GSA）P100公共建筑服务的设施标准；并且对鸟类种群的关注不断增加。2020年6月，众议院通过了H.R.2，《鸟类安全建筑物法》，该法规定了由GSA管理的所有公共建筑以鸟类友好的方式设计或更改。能源和环境设计领域的领导地位（LEED）承认通过相关的信用来承认鸟类友好的设计和相关措施的重要性。此外，采取措施减少与玻璃碰撞的步骤支持13186年行政命令的意图：联邦机构的责任保护迁徙鸟类。鸟类看不到透明或反射玻璃作为障碍。玻璃产生了清晰空域的致命幻想。大部分碰撞发生在鸟类可以看到玻璃中的景观反射的那一天（例如，云，天空，植被或地面）；或鸟类通过玻璃看到感知到的栖息地（例如，建筑物内的植物或植被）。当春季和秋季鸟类迁徙期间发生恶劣的天气时，鸟类可能会被照明设施吸引。导致碰撞，夹带，过多的能量消耗，疲惫以及偶尔大规模的夜间死亡事件。
电动汽车太阳能充电的能源成本最小化
由于电动汽车绿色环保，可以替代传统汽车，因此其数量正在不断增长。使用可再生能源为电动汽车充电可以使电动汽车更加环保。预计 2018 年美国电动汽车销量将达到 40 万辆 [1]，比去年翻了一番。然而，这种增长对电网系统的负载形状有一定影响。不受控制的充电会导致大峰值、配电电路过载，最终导致消费者电价上涨 [2]。因此，研究人员提出了具有不同目标的不同算法来控制电动汽车的充电。车辆到电网 (V2G) 技术能够通过频率调节和旋转备用等服务解决上述问题。[3] 显示，电动汽车可以在不到 4 秒的时间内响应调节信号。虽然这项工作展示了一辆电动汽车的 V2G 能力，但 [4] 和 [5] 研究了大量电动汽车参与 V2G 的情况，以及如何满足它们的充电需求。这些工作使用了单向 V2G 技术，即电动汽车不向电网放电。[6] 考虑了电动汽车的放电能力，即双向 V2G。所有这些工作的主要目标是最大化聚合器的利润。这要么来自通过电动汽车充电电价获得的加价，要么来自聚合器为电网系统提供的服务，如频率调节和旋转备用。[7] 考虑了以最小化消费者成本和满足充电需求为目标的充电算法。在这项工作中，作者提出了两种不同的算法。第一种算法通过以下方式解决了优化问题
全局收敛修正牛顿法用于直接最小化 Ohta-Kawasaki 能量及应用于二嵌段共聚物的定向自组装
嵌段共聚物 (BCP) 是由通过共价键连接的化学性质不同的单体的子链或嵌段组成的聚合物，每个嵌段都是一系列相同单体的线性序列。大量一种类型的嵌段共聚物的集合称为熔体。在高温下，不可压缩熔体中的嵌段会均匀混合。随着温度降低，不同的嵌段会分离，并导致称为微相分离的过程。BCP 熔体的微相分离导致中观尺度多相有序结构的自组装，如片层、球体、圆柱体和螺旋体 [1, 5, 26]。微相分离可进一步由在下面表面形成的化学和/或拓扑图案化模板引导，从而实现复杂纳米结构的设计。该过程称为 BCP 的定向自组装 (DSA)。设计 BCP 的 DSA 以复制具有所需特征的纳米结构在纳米制造应用中非常有吸引力 [4, 31, 40, 45]。已证明，BCP 的 DSA 的计算研究在确定材料特性、薄膜厚度、聚合物-基底相互作用和几何限制对自组装过程的影响方面非常有价值 [23, 34, 48, 49]。BCP 熔体的微相分离连续模型 [37]，如自洽场论 (SCFT) 模型、Ohta-Kawasaki (OK) 模型和 Swift-Hohenberg 模型，使得以相对较低的计算成本探索由 DSA 过程形成的纳米结构空间成为可能。它们通常用于与 BCP 的 DSA 相关的设计和逆问题 [ 21 , 27 – 29 , 32 , 36 , 43 ]。为了进一步降低计算成本，必须开发快速而强大的算法来获得模型解，特别是因为在解决设计和逆问题的过程中必须反复求解模型。在本文中，我们重点研究了二嵌段共聚物（具有两个
最小化频率偏差的存储放置策略
随着可再生能源的份额不断增加，需要适当大小和位置的多个存储单元来实现更好的惯性响应。这项工作主要研究“如何在瞬态事件下在电网中分配恒定数量的存储单元，以使最大频率偏差的惯性响应最小化？”的问题。为了回答这个问题，我们提供了一个全面的建模框架，用于在空间效应下确定储能单元的位置和大小以实现频率稳定性。分布式存储单元被建模为电网支持逆变器，电网中的总存储容量基于扰动后允许的稳态频率偏差而受限制。寻找最优分布的问题可以看作是由高维解组成的组合问题。有鉴于此，我们开发了两种基于强力搜索和改进交叉熵法的数值方法来寻找最佳分布，并在未来以色列电网的案例研究中对其进行了检验。案例研究的结果提供了一个新的见解——存储单元应放置在干扰区域周围，包括根据网络拓扑放置在具有高惯性的站点。