XiaoMi-AI文件搜索系统
World File Search System细化
讲座（16）网格嵌套和网状细化
粗网格预测提供了巢界面上的边界条件，以便在细网格预测中使用。双向嵌套网格的优势包括在细网格上解析的细尺度工艺可以影响粗网格上的较大尺度流。这对于数值天气预测很重要，因为大气中的小规模过程极大地影响了大气中的大规模过程。由于与精细分辨率网格相比，粗分辨率网格上的预测所花费的时间和内存更少，因此模型的最外界可以远离预测区域，而细分辨率域仍然足够小，足以实时运行。移动巢也很常见，在当前模型中，较高的分辨率巢可以通过感兴趣的现象（例如飓风）移动。
使用大型语言模型进行语音翻译细化
摘要 — 大型语言模型 (LLM) 的最新进展已在各种语言任务中展示了其卓越的能力。受文本到文本翻译细化成功的启发，本文研究了 LLM 如何通过引入联合细化过程来提高语音翻译的性能。通过 LLM 对语音翻译 (ST) 和自动语音识别 (ASR) 转录进行联合细化，ST 模型的性能在无需训练的上下文学习和参数高效的微调场景中都得到了显着提高。此外，我们还探讨了在上下文感知微调场景下文档级上下文对细化的影响。在包含七个翻译任务的 MuST-C 和 CoVoST 2 数据集上的实验结果证明了使用包括 GPT-3.5-turbo、LLaMA3-8B 和 Mistral-12B 在内的几种流行 LLM 所提出方法的有效性。进一步的分析进一步表明，与单独细化翻译相比，联合细化转录和翻译可获得更好的性能。同时，结合文档级上下文可显著提高细化性能。我们在 GitHub 1 上发布了我们的代码和数据集。
细化粗粒度分子拓扑
摘要 分子动力学 (MD) 模拟对于预测不同分子体系的物理和化学性质至关重要。虽然全原子 (AA) MD 提供了高精度，但其计算成本高昂，这促使了粗粒度 MD (CGMD) 的发展。CGMD 将分子结构简化为具有代表性的微珠，以降低成本，但会牺牲精度。像 Martini3 这样的 CGMD 方法，经过实验数据校准后，在各个分子类别中具有良好的泛化能力，但往往无法满足特定领域应用的精度要求。本研究引入了一种基于贝叶斯优化的方法来优化 Martini3 拓扑结构，使其能够适应特定应用，从而确保精度和效率。优化后的 CG 势能适用于任何聚合度，提供与 AA 模拟相当的精度，同时保持与 CGMD 相当的计算速度。通过弥合效率和精度之间的差距，该方法推动了多尺度分子模拟的发展，使各个科学技术领域能够以经济高效的方式发现分子。 1. 引言粗粒度分子动力学 (CGMD) 1,2 已成为材料开发的重要工具，为了解聚合物 3 、蛋白质 4 和膜 5 等复杂分子系统提供了关键信息。CGMD 的主要优势在于它能够在更大长度尺度和更长时间范围内探索分子现象，超越了传统全原子分子动力学 (AAMD) 6–8 模拟的能力，后者通常提供更高的分辨率，因此特别擅长捕捉详细的界面相互作用 9 。具体而言，CGMD 通过将原子团有效地表示为珠子 10–15 来实现这种加速，从而将模拟能力在时间上从皮秒扩展到微秒，在空间上从纳米扩展到微米。因此，粗粒度技术为传统 AAMD 无法获得的复杂分子现象提供了前所未有的洞察，从而能够研究聚合物自组装行为等复杂现象 16 。新兴的CGMD建模工具集依赖于两个关键组件来学习潜在的分子间关系：珠子映射方案和珠子间相互作用的参数化。这些组件的开发主要采用两种方法：自上而下10–12和自下而上13–
2D 网格生成与细化
将 2D 流动区域边界数字化。（注意，HEC-RAS 允许您从 Shapefile 导入特征。如果您愿意，可以右键单击 Perimeter 图层并选择导入 从 Shape 文件导入特征。接下来，选择 GISData 文件夹中的 Leveed Area.shp 文件并按导入...或者您可以练习使用编辑工具。）15. 双击以完成（结束）草图。
定义定制、扩展和渐进式细化计划对所有生命周期阶段的意义 Carol Wilkinson 博士、SCPM；Rich Kaczmarek、NSF
• 序列化产品/交付物 – 传统（设计、设施、设备等） • 周期性进展 – 敏捷（IT、开发、原型设计、调试等） • 功能服务（合同、工作量水平 (LOE) 管理、运营） • 混合 – 多种类型的混合（例如传统、LOE 管理和业务服务、敏捷 IT）
活性诱导的MECP2磷酸化调节视网膜生成突触细化
MECP2中的突变引起了RETT综合征（RTT），这是一种X链接的神经发育障碍，导致女性的认知障碍广泛。虽然RTT症状的确切病因尚不清楚，但其临床表现的一种可能解释是，由于大脑对神经元活动和感觉体验的变化的反应，MECP2的丧失导致神经回路的误差。在这里，我们表明MECP2在小鼠大脑中的四个残基（S86，S274，T308和S421）响应于神经元活性，并且我们会产生四倍的敲击 - 在（QKI）中 - 在（QKI）中，这四个活性 - 依赖性部位 - 依赖性的站点可预防丙烷磷酸化。QKI小鼠在两个大脑区域中不显示明显的RTT表型或可检测的基因表达变化。然而，来自QKI小鼠的视网膜生成突触的电生理记录表明，虽然消除突触消除最初在P14处是正常的，但在P20时会受到显着损害。值得注意的是，这种表型与先前报道的MECP2 NULL小鼠的突触细化缺陷不同，其中突触最初是完善的，但在产后第三周后退缩。因此，我们提出了一个模型，其中活性 - 诱导的MECP2磷酸化对于在产后早期的视网膜生成突触成熟的适当时间至关重要。
全基因组DNA甲基化分析在遗传尚未解决的发育和癫痫性脑病中的诊断实用性以及CHD2发作的细化
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。该预印本版的版权持有人于2023年10月13日发布。 https://doi.org/10.1101/2023.10.11.11.23296741 doi：medrxiv preprint
与敌人作战，而不是按照计划作战：多域环境中的目标细化委员会和敏捷目标确定
尽管与 TRB 相关的许多流程在之前的演习中或由其他单位部分实施，但 IIIAC 在 TRB 中的意图是在单一机制的支持下正式化这些流程。集体功能、产品、关键联络人以及 TRB 的执行方法使 IIIAC 能够执行融合，将整个战场的效果与多域环境所需的速度和准确性相结合。军团目标企业能够调整优先级和资源以瞄准敏捷且适应性强的敌人，为下属单位创造条件以利用创造的机会窗口并取得战场成功。通过对每个 ATO 内的目标优先级进行关键调整，TRB 使军团专注于与敌人作战而不是计划。
3D人体部位分割的基于聚类的细化
摘要。在3D数据上解决人体部位的一种常见方法涉及使用2D分割网络和3D投影。遵循这种方法，可以在最终的3D分割输出中引入几个错误，例如分割错误和再投影错误。当考虑了非常小的身体部位（例如手）时，此类错误甚至更为重要。在本文中，我们提出了一种新算法，旨在减少此类错误并改善人体部位的3D序列。该算法使用DBSCAN算法检测噪声点和错误的簇，并更改利用簇的形状和位置的点的标签。我们评估了3DPEOPLE合成数据集和真实数据集上提出的算法，突出了它如何可以大大改善小身体（如手）的3D分割。使用我们的算法，我们在合成数据集上实现了多达4.68％的IOU，在实际情况下最多可占IOU的2.30％。