XiaoMi-AI文件搜索系统
World File Search System柔性的
用还原石墨烯氧化石墨烯的玻璃纤维的制造和特征评估
摘要：石墨烯电子纺织品（电子纹理）最近被认为是功能性纺织品领域的有前途的材料以及柔性/可穿戴电子产品。在本文中，我们报告了一种高度导电，柔性的石墨烯织物，该织物由氧化石墨烯（RGO）（RGO）片和玻璃织物组成，结合了表面化学和简单的浸入方法。我们还研究了它们的电子和机电特性，用于电子纺织品和柔性电子。拟建的RGO玻璃织物（RGOGFS）表现出良好的板电阻为30〜40Ω /□。此外，还研究了灵活性和机械稳定性。我们的RGOGF可以保持大于〜5 mm的曲率半径的稳定电阻。良好的电导率和柔韧性表明，RGOGFS在电子纹理和柔性设备中的应用可能具有巨大的潜力。
大空间结构的分布式磁态度控制
对大空间结构的姿态控制的分布式磁性扭矩杆的实用性被构成。执行器的分布式阵列提供了优势，例如分布结构载荷，增加的容错性，允许模块化设计结构，此外，执行器可能会与轨道上的制造策略进行整体化。首先，显示分布式扭矩可有效旋转高度柔性的结构。这与应用于结构中心的扭矩进行了比较，该结构会导致较大的表面变形，并且可能无法实施旋转。使用带有嵌入式执行器的平面结构的弹簧质量模型来证明这一点。然后开发出分布式扭矩算法以控制一个可寻址的执行器阵列。使用阵列进行态度控制模拟，以控制大型空间结构，再次以弹簧质量系统建模。态度控制系统已被证明可以有效地挖出代表性的75×75 M柔性结构，并在存在重力级别的扭矩和现实的磁场模型的情况下执行杀伤动作。
MXENES/聚苯胺纳米复合材料在制造创新超级电容器技术中的作用
摘要：电导聚合物和MXENES的多功能和独家电子，光学，物理化学，电化学和机械特征都激发了全球科学家在使用这些材料设计创新的高性能存储系统方面采取严重的动力，以这些材料为机械灵活的电子技术来解决不断增长的技术技术，以解决各种材料的需求。然而，两种材料都经历了一些严重的实际限制，这使科学界以Mxenes/pani纳米复合材料的形式进行了必要的修改，并具有合适的成分，从而实质上可以恢复其代表性特征，但可以成功地抑制其功能缺陷。因此，在当前概述中，MXENES/PANI纳米复合材料制造的不同策略是为高级超级电容器制造的，特别提及合成即兴创作所带来的必要的形态修饰，从而导致了卓越的电容性，电子电荷运输以及结构性以及还认识到并进行了比较。这样的分析将有目的地有助于调整整体机械和电化学响应，以尽快对更智能和高度柔性的微电子进行策划。
大环肽抑制剂陷阱MRP1在催化无能的构象中
三磷酸腺苷结合盒（ABC）转运蛋白，例如多药耐药蛋白1（MRP1），通过在质膜上输出异种化合物来预防细胞毒性。然而，构型MRP1功能阻碍了某些癌症的血脑屏障递送，而MRP1过表达导致获得的多药耐药性和化学疗法衰竭。小分子抑制剂具有阻断底物运输的潜力，但很少显示MRP1的特异性。在这里，我们鉴定出一种名为CPI1的大环肽，该肽抑制了MRP1，但显示出对相关多药物多糖转运蛋白P-糖蛋白的最小抑制作用。在3.27Å分辨率下的冷冻电子显微镜（冷冻EM）结构表明，CPI1与生理底物白细胞三烯C4（LTC 4）在同一位置结合MRP1。与两个配体相互作用的残基都包含大型，柔性的侧链，它们可以形成各种相互作用，揭示了MRP1如何识别多个结构无关的分子。CPI1结合可以防止三磷酸腺苷（ATP）水解和底物转运所需的构象变化，这表明它可能具有作为治疗候选者的潜力。
通过电力到天然气和水下压缩空气系统的尺寸和运行储能的尺寸和运行
摘要。在大规模可再生能源存储的可能解决方案中，电力对气（P2G）和压缩空气储能（CAES）似乎非常有前途。在这项工作中，P2G和基于水下存储量的创新类型的CAE（UW-CAE）可以从技术经济的角度比较，当与48 MW E海上风力发电厂结合使用时，可以选择适当的位置，以适合高生产率和有利的海底深度。采用优化模型来研究系统设计和操作，最大程度地提高寿命的盈利能力，同时考虑差异安装和运营成本，产品的市场价值（即氢气和电力）以及技术约束。在当前的经济和技术情况下，所得的P2G系统具有标称功率，相当于风停止容量的10％，氢存储缓冲液较小。另一方面，UWCAES的压缩机和涡轮机的标称功率接近全风电场，需要大的水下压缩空气储罐。这两种选择都显着影响风电厂的管理，但两个系统的最有益应用是不同的：P2G导致紧凑而柔性的单元，而UW-CAES能够利用更高的平均转换效率（约80％的圆旅）来利用更高的安装功率和投资成本。无论如何，考虑到当前的框架，最终的经济学仍然不足，但是它们的竞争力可以改善与下一未来能源市场的预期发展相吻合。
用户对Rotem引导止血复苏的看法：一项混合定性 - 定量研究
摘要：粘弹性的护理止血复苏方法，例如Rotem或TEG，对于决定时间柔性的个性化凝结干预措施至关重要。国际输血指南强调患者的安全性增加和降低治疗成本。我们分析了护理提供者对Rotem的看法，以识别感知的优势和改进领域。我们进行了一项单中心，混合的定性 - 定量研究，包括访谈，然后进行在线调查。使用模板方法，我们在护理提供商对Rotem的响应中首先识别主题。后来，参与者根据在线问卷中的五点李克特量表上的六个陈述对六个陈述进行了评分。接受了七十七名参与者的采访，52名参与者完成了在线调查。通过分析用户感知，我们确定了十个主题。最常见的积极主题是“高准确性”。最常见的负面主题是“需要培训”。在在线调查中，有94％的参与者同意监控实时Rotem Temograms有助于更快地启动目标治疗，而81％的人同意重复的ROTEM培训将是有益的。麻醉护理提供者发现Rotem是准确且迅速可用于支持动态和复杂止血情况下的决策。但是，临床医生认为解释Rotem是一项复杂且认知要求的任务，需要明显的培训需求。
带有微型机器人的脱离MEMS扫描仪的微型LIDAR
摘要 - 光检测和范围（LIDAR）已被广泛用于空中监视和自动驾驶。如果配备LIDAR，机器人技术甚至微型机器人的能力都可以大大增强，但是必须使用非常轻巧和小的LIDAR。微型机器人的尺寸接近鸟类或昆虫，几乎所有现有的激光雷达都太重了，对它们来说太大了。在这项工作中，提出并证明了其光学扫描仪的新型MEMS LIDAR，其光学扫描仪已被提出并证明。扫描仪头将通过移动的微型机器人携带，而雷达底座则固定在地面上。有一条薄而柔性的光学/电缆，将扫描仪头连接到底座。扫描仪头由一个MEMS镜子和一个棒镜组成，它的重量仅为10 g，长4厘米。mems镜的光圈为1.2 mm×1.4 mm，可以扫描9°×8°的视场（FOV）。由于微型机器人和光学扫描仪头部相对于光学接收器的移动，IMU（惯性测量单元）已嵌入扫描仪头中以跟踪运动，并且已经开发出算法以重建真实点云。可移动的底圈可以每秒获取400点，并检测到最多35厘米的目标。微型机器人在移动时可以携带扫描仪的头部，并且可以在LiDAR底座生成点云。这种新的LIDAR配置可实现微型机器人的范围，映射，跟踪和缩放扫描。
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。
两个邻居海绵的形态和微生物组策略，以应对地中海二氧化碳的低pH值
海洋酸化（OA）深刻影响海洋生物化学，从而导致生物多样性损失。porifera通常被预测为获胜者分类单元，但是应对OA的策略可能会有所不同，并可能产生多样化的健身状况。在这项研究中，比较了基于V 3 - V 4 16S rRNA基因标记的微生物移位，均具有高微生物丰度（HMA）的邻居无聊的肾脏肾状态肾小管和低微生物含量（LMA）微生物群。海绵Holobionts在具有低pH值（PHT〜7.65）的CO 2通风系统中共发生，并且在Ischia岛附近具有环境pH（pHT〜8.05）的控制位点，代表了研究未来OA的自然类似物，并且面对全球环境变化，物种的反应。微生物的多样性和组成在两个物种跨越不同，但在不同的水平上有所不同。在Cunctatrix中检测到核心分类单元的数量增加，在OA下，在肾牙叶梭状芽孢杆菌中报道了更多样化和柔性的核心微生物组。通气S. cunctatrix表现出形态障碍，以及假定的压力诱导的营养不良的迹象，表现为：1）α多样性的增加，2）从海绵相关的微生物向海水微生物转移，以及3）高营养不良评分。肾形状在代替中，没有形态变化，失调分数低，并且α多样性的降低和排气标本中的核心分类量降低。因此，
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。