XiaoMi-AI文件搜索系统
World File Search System粗相
实验和相场断裂模拟
在本文中，我们研究了 3D 打印聚合物复合材料在经历大变形时的失效行为。将实验结果与使用具有能量阈值和有效平面应力公式的相场断裂法的数值模拟进行了比较。将开发的框架应用于由嵌入软基质中的三个刚性圆形夹杂物组成的复合系统。特别是，我们研究了几何参数（例如夹杂物之间的距离和初始缺口的长度）如何影响软复合材料的失效模式。我们观察到复杂的失效序列，包括块体材料中的裂纹停止和二次裂纹萌生。值得注意的是，我们的数值模拟捕捉到了复合材料失效行为的这些基本特征，数值结果与实验结果高度一致。我们发现复合材料的性能（强度和韧性）可以通过选择夹杂物的位置来调整。然而，我们报告称，最佳夹杂物间距并不是唯一的，还取决于初始缺口长度。这些发现为设计性能增强的软复合材料提供了有用的见解。
发展与人权相兼容的治理 - ...
量子计算机在和平应用方面具有重大前景，但其中一个更直接的潜在应用是破解公钥加密技术。从更广泛意义上讲，这对全球数字基础设施的信息安全构成了重大风险。同时，量子计算的发展是一项典型的科学事业。开发这些技术所需的科学自由与减轻量子计算机相关风险的措施之间存在矛盾。解决这种矛盾的政策必须符合人类的科学权利，以及隐私权和言论自由权。在本文中，我将这些权利应用于量子计算的发展，为政府的量子计算政策提供指导。我的结论是，各国必须创造条件让科学研究蓬勃发展，即使这种研究可能带来重大的社会风险。这也适用于量子技术的研究和开发。在量子计算的背景下，这主要意味着投资开发和采用能够抵抗量子计算机攻击的替代加密技术。这也意味着规范这些技术用于不良应用。
使用相的定量MRI重建
摘要。定量磁共振成像（QMRI）需要多相的采集，通常依赖于减少数据采样和重建算法来加速扫描，这固有地构成了不良的逆概率。尽管许多研究着重于在此过程中衡量不确定性，但很少有人探索如何利用它来增强重建性能。在本文中，我们介绍了PUQ，这是一种新型的方法，它率先将不确定性信息用于QMRI重建。PUQ采用了两个阶段的重建和参数拟合框架，其中估计在重建过程中估算相位的不确定性，并在拟合阶段使用。此设计允许不确定性反映参数拟合期间不同阶段的可靠性和指导信息集成。我们评估了来自健康受试者的体内T1和T2映射数据集的PUQ。与现有的QMRI重建方法相比，PUQ在参数映射中实现了最新性能，证明了不确定性指导的有效性。我们的代码可在https：// anony-mous.4open.science/r/puq-75b2/上找到。
农业缺失的碳固相...
补偿温室气体排放的过程之一是去除大气碳和陆地生物圈中的储存。返回树木的农业系统与农作物和动物一起仔细管理被认为是实质性的二氧化碳水槽。人们越来越意识到农林业的重要性，因为它对环境和农业有益。在这项研究中，研究了来自地上生物量碳（ABGC），森林地板碳（FFC）和土壤有机碳（SOC）的总碳池，并分析了北部泰国北部北部北部北部地区的某些农业财产习惯的碳存储数据。还讨论了这些碳池在降低大气中二氧化碳浓度中的作用。结果表明，来自传统农林业（TAF），应用农林业（AAF）和开发的农林业（DAF）的总碳库存差异。TAF，AAF和DAF的总碳店（ABGC + TFFC + SOC）分别为267.05 mg c/ha，226.48 mg c/ha和324.70 mg c/ha。SOC贡献了47.64％，54.26％和44.81％，ABGC贡献了22.75％，19.79％和23.90％的贡献，分别为TAF，AAF和DAF的总碳股票。在TAF，AAF和DAF中，CO2吸附分别为979.27 mg CO2/HE，830.50 mg CO2/HA和1,190.6 mg CO2/HA。很明显，农林业系统是陆地生态系统中的碳汇。尽管对碳减少碳和其他土地使用类型的比较对于碳水化合物的碳减少和实施“土地利用，土地利用变化和林业”的实施至关重要，但对于二氧化碳的概念来说，对碳序列的潜力也至关重要。
色散固相的抽象优化...
使用环丙沙星作为抗生素可以在环境中产生残基，尤其是水生环境，这对生态系统产生负面影响。DIV>分散固相提取技术被选择作为环境中环丙沙星残基监测的制备技术。氧化石墨烯用作分散固相提取技术中的吸附剂。氧化石墨烯是由木薯皮质浪费合成的，木薯皮是使用改良的鹰嘴豆泥法具有较高的碳和纤维素含量的。使用傅立叶转换光谱，X射线衍射和电子显微镜仪器进行氧化石墨烯的表征。使用响应表面方法进行优化，以根据吸附剂，pH，环丙沙星浓度的剂量获得最佳环丙沙星吸收条件，并使用Bhenken盒设计进行接触时间。具有pH状况4.8的吸收条件；联系时间35分钟；环丙沙星908 PPB浓度，使用27.37 mg的石墨烯，能够产生99.92％的吸附功率。这表明，木薯皮质废物的氧化石墨烯可以用作环丙沙星抗生素的吸附剂，可用于监测水生环境和废水（尤其是医院废水）中的抗生素残基。
量子相估计算法的一些错误分析
许多量子算法中的关键元素[21，40]。具体示例包括Shor的算法[46]，幅度估计[11]，量子大都市采样[49]，状态预先促进[44]，大规模线性方程式[25]的解决方案[25]和一些非线性问题[48]。此外，它还在量子化学中直接应用[3,5,6,9,32,43,50,52]。该算法已包含在各种软件包中[6，14，53，54]。通常使用其特征向量|为单位运算符u进行相位估计算法| ψ⟩作为输入。通过将Hadamard Gates与受控门一起应用，算法将相变的二进制位映射到计算基础上，然后可以使用倒数量子傅立叶变换来提取该列表[40]。在[40]中概述了一个有见地的复杂性分析，该分析为所需量子位的数量提供了下限，t⩾N + log 2 + 1
用于可变形医学图像配准的相关感知粗到精 MLP
可变形图像配准是医学图像分析的基本步骤。最近，Transformer 已用于配准，其表现优于卷积神经网络 (CNN)。Transformer 可以捕获图像特征之间的长距离依赖性，这已被证明对配准有益。然而，由于自注意力的计算/内存负载高，Transformer 通常用于下采样特征分辨率，无法捕获全图像分辨率下的细粒度长距离依赖性。这限制了可变形配准，因为它需要每个图像像素之间精确的密集对应关系。没有自注意力的多层感知器 (MLP) 在计算/内存使用方面效率高，从而可以捕获全分辨率下的细粒度长距离依赖性。然而，MLP 尚未在图像配准中得到广泛探索，并且缺乏对医学配准任务至关重要的归纳偏差的考虑。在本研究中，我们提出了第一个基于相关感知 MLP 的配准网络 (CorrMLP) 用于可变形医学图像配准。我们的 CorrMLP 在新颖的粗到细配准架构中引入了关联感知多窗口 MLP 块，该架构可捕获细粒度多范围依赖性以执行关联感知粗到细配准。对七个公共医疗数据集进行的大量实验表明，我们的 CorrMLP 优于最先进的可变形配准方法。
通过粗到精特征自适应实现跨域目标检测
近年来，基于深度学习的目标检测取得了长足的进步。然而，由于域转移问题，将现成的检测器应用于看不见的域会导致性能大幅下降。为了解决这个问题，本文提出了一种新的由粗到细的特征自适应方法用于跨域目标检测。在粗粒度阶段，与文献中使用的粗糙的图像级或实例级特征对齐不同，采用注意机制提取前景区域，并通过在公共特征空间中多层对抗学习根据其边缘分布进行对齐。在细粒度阶段，我们通过最小化来自不同域但属于同一类别的全局原型的距离来进行前景的条件分布对齐。由于这种由粗到细的特征自适应，前景区域中的领域知识可以得到有效的迁移。在各种跨域检测场景中进行了大量的实验。结果是最先进的，证明了所提出方法的广泛适用性和有效性。
用于粗粒基因调节网络的数据驱动优化方法。
总结系统生物学中的一个主要挑战是了解基因调节网络（GRN）中的各种基因如何共同执行其功能和控制网络动态。在具有数百个基因和边缘的大型网络的情况下，该任务变得极为难以解决，其中许多具有冗余的调节作用和功能。现有的模型减少方法通常需要对动态系统及其响应动力学参数的详细数学描述，而动力学系统通常不可用。在这里，我们提出了一种用于使用基于合奏的数学建模，降低维度降低和通过Markov Chain Monte Monte Carlo方法优化基因的数据驱动的大grn，名为Sacograci的粗粒度大GRN，称为Sacograci。sacograci需要网络拓扑作为唯一的输入，并且可以抵抗GRN中的错误。我们通过合成，基于文学和生物毒素的GRN进行基准并证明其用法。我们希望Sacograci能够增强我们建模复杂生物系统基因调节的能力。
