XiaoMi-AI文件搜索系统
World File Search System目标选择
无人战斗机——技术、政策和运营挑战
无人作战飞机 (UCAV) 有望成为一种颠覆性技术，它将改变从维和到区域战争等各种作战场景中的常规军事行动。在战斗中，部队通过直接战斗或间接火力与敌人交战。间接火力或防区外交战可以保护部队，并且在可用和有效的情况下是首选。无人作战飞机有望将间接火力的概念提升到一个新的水平。它们在时间敏感的目标选择方面将比导弹更灵活，在高风险环境中比有人驾驶系统更容易消耗，并且它们的持续战斗存在将比导弹或有人驾驶系统更长。随着时间的推移，无人作战飞机可能会将有人驾驶系统（如机载预警和控制系统 [AWACS] 或联合监视和目标攻击雷达系统 [JSTARS]）从诸如指挥、控制和通信保护或航母战斗群空中掩护等常规任务中解放出来。它们还可能执行大部分长航时任务，例如伊拉克上空的北方守望和南方守望。最终，无人战斗机可能会变得非常先进，以至于它们在近距离支援地面部队方面比载人系统更安全，在空对空作战中比载人飞机更成功。它们有朝一日可能会加入防空武器库，对抗战略弹道导弹或巡航导弹。技术进步、国家战略和军事变革的交汇点
哮喘更新2023第2部分：哮喘药物管道2023
哮喘是一个严重严重的全球健康问题，影响儿童和成人。2019年全球疾病研究负担估计，2019年全球约有2.62亿人受哮喘的影响。哮喘是一种与粘膜炎症，气道重塑和气道高反应性相关的气道的慢性炎症性疾病。暴露于某些触发因素可能会导致支气管的收缩，这会导致典型的哮喘症状，例如喘息，胸部紧绷，咳嗽和呼吸急促。随着时间的推移，症状的强度随着变量（后来可能持续）的气流限制而变化。现代诊断包括可变气流限制，支气管挑衅测试和/或过敏测试的肺活量测试。In addition, the assessment of so called “ type-2 biomarkers ” (eosinophil count in blood/sputum, fractioned exhaled nitric oxide, serum IgE-levels) permits to differentiate “ Type-2 asthma” (T helper cell 2 driven; mostly eosinophilic asthma) from “ Non-type 2 asthma ” (T helper cell 1/17 driven: mostly嗜中性粒细胞，混合粒细胞或paucigranulocytic哮喘）。现代哮喘治疗的目的是使用“修饰抗哮喘药物的疾病”（例如具有长期抗炎2激动剂或长期效法的穆斯卡林疗法的疾病）预防症状和恶化和稳定肺功能；在严重不受控制的哮喘的情况下，将生物学作为一种更具目标选择治疗的添加。
进化计算的生物学观点
2018年诺贝尔化学奖授予弗朗西斯·阿诺德（Frances Arnold），强调了工程学的显着趋势：现在是可行的，甚至是必不可少的，即使用自动化的甲基元素来增强人类的设计和创造力。 今天的设计的规模和复杂性增加了，以至于人类无法再理解设计空间或考虑所有合理的能力。 突破这种设计障碍是在许多工程领域中削减的重要挑战。 Arnold使用定向进化来设计具有改进和新功能的酶。 定向演化通过随机突变产生变化，并根据指定的设计目标选择变化并扩增变化（例如，催化有用的反应）。 人类专家定义了问题，并且自动化的进化执行搜索，通常会找到比人类专家设计的更好的解决方案。 进化计算（EC）旨在在计算框架中利用这一过程。 ec与诸如深度学习之类的机器学习方法明显不同，这些方法学习了正确答案的现象的预测模型。 相比之下，EC通过迭代地应用突变，重组和选择对数字个体的种群创建新的解决方案（图 1）。 这些方法（遗传编程4和进化策略5）已被应用于需要工程和科学创造力6 - 9的各种问题。 除了这些实际应用之外，EC拥有2018年诺贝尔化学奖授予弗朗西斯·阿诺德（Frances Arnold），强调了工程学的显着趋势：现在是可行的，甚至是必不可少的，即使用自动化的甲基元素来增强人类的设计和创造力。今天的设计的规模和复杂性增加了，以至于人类无法再理解设计空间或考虑所有合理的能力。突破这种设计障碍是在许多工程领域中削减的重要挑战。Arnold使用定向进化来设计具有改进和新功能的酶。定向演化通过随机突变产生变化，并根据指定的设计目标选择变化并扩增变化（例如，催化有用的反应）。人类专家定义了问题，并且自动化的进化执行搜索，通常会找到比人类专家设计的更好的解决方案。进化计算（EC）旨在在计算框架中利用这一过程。ec与诸如深度学习之类的机器学习方法明显不同，这些方法学习了正确答案的现象的预测模型。相比之下，EC通过迭代地应用突变，重组和选择对数字个体的种群创建新的解决方案（图1）。这些方法（遗传编程4和进化策略5）已被应用于需要工程和科学创造力6 - 9的各种问题。除了这些实际应用之外，EC拥有鉴于最近已获得的计算能力和数据（超过二十年前的数百万次）现在是实用的，可以模拟现实世界中的程序并进化与它们交互的工程系统的解决方案。示例包括：为农业的模拟和设计增长食谱，违反直觉但表现优于人类10，设计了改进的疾病和伤害的治疗方法11、12，造成机器人和车辆的造成的机器人和车辆，其中人为设计的控制效率不得，效率不足14，并为机器和化学工艺创造了改进的设计。
Renmab Mouse：完全人类抗体生成的领先平台
随着免疫肿瘤学的发展，治疗抗体已被证明对癌症治疗非常有效。常规的人类抗体发现过程可以分为阶段，包括目标选择和验证，筛选准备，命中生成，铅选择和优化以及临床候选候选者的选择。为了加速抗体开发过程，Biocytogen开发了Renmab™小鼠，Renmab™小鼠是一种完全人类的抗体小鼠，其整个小鼠可变区域被人类免疫球蛋白重链和κ轻链通过Bioocytogen独特的MB规模染色体工程技术取代。Renmab™小鼠提供了一个有效的治疗性抗体发现平台，用于完全人体抗体的生成和表征。我们表征了具有以下功能的Renmab™鼠标。1。将整个小鼠变量区域用完整的人基因组DNA代替，以原位，完整的人类和小鼠调节元件。Renmab™小鼠的基因调控与人的基因调节高度一致。2。小鼠常数区域仍然是确保适当的B细胞发育和成熟。Renmab™小鼠的免疫系统已被证明与野生型小鼠几乎相同。Renmab™小鼠显示出正常的对抗原的抗体免疫反应。3。Renmab™小鼠通过V（d）J重组产生了完全人类抗体可变区域的高度多样性。这种能力可能会导致在人类治疗抗体发现计划中的下游潜在客户和候选选择的有前途的热门单曲。
多功能公用规模共享储能系统的最佳尺寸和选址
Abstract —This paper proposes a nondominated sorting genetic algorithm II (NSGA-II) based approach to determine optimal or near-optimal sizing and siting of multi-purpose (e.g., voltage regulation and loss minimization), community-based, utility-scale shared energy storage in distribution systems with high penetra- tion of solar photovoltaic energy systems.小规模的幕后电表（BTM）电池很昂贵，尚未充分利用，其净值很难概括和控制网格服务。另一方面，公用事业规模的共享能源存储（USSES）系统有可能提供主要（例如需求侧管理，系统升级和减少需求费用）以及次要（例如频率调节，资源充足性和能源套利）网格服务。在现有的成本结构下，仅用于主要目的而部署的存储不能证明对所有者的经济利益合理。但是，主要服务的存储空间仅利用电池总寿命容量的1-50％。在拟议的方法中，对于每个候选位置和大小的候选者组，USSES系统对电网电压偏差和功率损失的贡献得到评估，并创建了多种帕托特式前线。USSES系统通过新的染色体表示方法分散。从帕累托（Pareto）最佳阵线列表中，分配系统规划人员将有机会根据所需的目标选择适当的位置。使用实用程序尺度PV和USSES系统的IEEE 123节点分布测试馈线证明了所提出的方法。索引条款 - 使用电池存储； nsga-ii;照片 - 伏;功率损失；公用事业规模的共享能量存储。
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员不断以小批量而非一次性大批量的方式改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对某些目标站点进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要为 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库限制了定向灰盒模糊测试器的错误查找能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均在暴露时间上实现了 4.03 倍的加速。
TargetFuzz：使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员不断以小批量而非一次性大批量的方式改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对某些目标站点进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要为 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库限制了定向灰盒模糊测试器的错误查找能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均在暴露时间上实现了 4.03 倍的加速。
使用 DART 引导定向灰盒模糊测试器
软件开发是一个持续、渐进的过程。开发人员会以小批量而非一次性大批量的方式不断改进软件。小批量的高频率使得使用有效的测试方法在有限的测试时间内检测出错误变得至关重要。为此，研究人员提出了定向灰盒模糊测试 (DGF)，旨在生成针对特定目标位置进行压力测试的测试用例。与旨在最大化整个程序的代码覆盖率的基于覆盖范围的灰盒模糊测试 (CGF) 不同，DGF 的目标是覆盖潜在的错误代码区域（例如，最近修改的程序区域）。虽然先前的研究改进了 DGF 的几个方面（例如电源调度、输入优先级和目标选择），但很少有人关注改进种子选择过程。现有的 DGF 工具使用主要针对 CGF 定制的种子语料库（即一组覆盖程序不同区域的种子）。我们观察到，使用基于 CGF 的语料库会限制定向灰盒模糊测试器的发现错误的能力。为了弥补这一缺陷，我们提出了 TargetFuzz，这是一种为 DGF 工具提供面向目标的种子语料库的机制。我们将此语料库称为 DART 语料库，它仅包含与目标“接近”的种子。这样，DART 语料库就可以引导 DGF 找到目标，从而即使在有限的模糊测试时间内也能暴露漏洞。对 34 个真实漏洞的评估表明，与基于 CGF 的通用语料库相比，配备 DART 语料库的 AFLGo（一种最先进的定向灰盒模糊测试器）可以发现 10 个额外的漏洞，并且平均暴露时间加快了 4.03 倍。
七种意大利传统火鸡 (Meleagris gallopavo) 品种的遗传多样性和纯合性丰富基因组区域的鉴定
摘要：意大利本土火鸡品种是遗传生物多样性的重要宝库，应通过体内方法加以维护。本研究是 TuBAvI 生物多样性国家项目的一部分，旨在使用纯合性运行 (ROH) 以及其他统计方法（例如 Wright 的 F 统计量、主成分分析、混合分析）来研究几种传统火鸡品种的基因组多样性。我们对七个本土火鸡品种的 ROH 富集区进行了全基因组表征，即 Brianzolo (Brzl)、Bronzato Comune Italiano (BrCI)、Bronzato dei Colli Euganei (CoEu)、Parma e Piacenza (PrPc)、Nero d'Italia (NeIt)、Ermellinato di Rovigo (ErRo) 和 Romagnolo (Roma)。ROH 是根据 650K SNP 基因分型检测出来的。 ROH_islands 被鉴定为至少 75% 的鸟类（品种内）共有的纯合 ROH 区域。使用 DAVID 对基因进行注释。混合分析表明，六个品种是独特种群，而罗马品种则由创始种群混合而成。根据基因组数据估计的有效种群大小显示数字收缩。ROH_islands 含有的基因也可能对商业种群中的目标选择有用。其中，chr10 上的 PTGS2 和 PLA2G4A 基因与繁殖效率有关。这是首次绘制本土火鸡种群遗传变异图谱的研究。品种之间在遗传上存在差异，罗马品种被证明是其他品种的混合。已鉴定的 ROH_islands 含有传统品种中发生的选择所特有的基因。最后，这项研究公布了有关火鸡物种现有遗传变异的以前未公开的信息。
FM 3-19.30 物理安全
•未经授权的用户（例如黑客）是当今攻击的主要来源，主要是针对基于计算机的系统。他们对AIS网络和大型机计算机构成的威胁正在增长。•内部人是那些拥有合法访问AI的人。他们构成了最困难的防御威胁。无论是招募还是自我激励，AIS内部人士都可以访问通常受ISS侵害攻击的系统。•恐怖分子曾经不得不在目标的附近进行操作，以获取或收集有关该目标的情报。靠近目标风险的暴露和检测。今天，恐怖分子可以通过计算机网络获得访问权限来完成大多数目标选择，情报收集和术前计划。他可以通过使用计算机系统减少“目标时间”来增加成功的可能性。恐怖分子获得AIS还增加了严重DATA破坏或操纵的威胁。尽管他的存在是虚拟的，但损坏陆军C 2系统的潜力可能等于或大于通过物理入侵而实现的，尤其是当用作传统恐怖袭击时用作力量乘数。因此，尽管仍需要采取传统的预防措施来保护不需要的信息访问，但信息时代为指挥官增加了其他问题，并为有敌对意图的人增加了新的机会。•非国家和国家赞助的团体提供了其他挑战。所有说服的激进主义者都在越来越多地利用信息时代的技术。在许多情况下，无论该隶属关系如何显而易见，都很难确认国家对AIS的威胁活动的赞助。AISS和ISS均不免受对手利用美国军事信息系统或破坏通信基础设施的兴趣。低成本技术的可用性和AIS的扩散增加了潜在的对手对军队的风险。•民事和军事的外国智能服务（FIS）一直活跃，并且是有关信息系统的争论的另一个来源。在和平时期，他们越来越针对我们的商业和科学利益，而不是军事信息。几乎没有努力，这种和平时期的侵入性可以轻松地重新集中在AISS和ISS上，并使用广泛的信息操作策略。