XiaoMi-AI文件搜索系统
World File Search System聚合
与聚丙烯酰胺的聚合单体的聚合动力学可增强石油回收
DOI: https://dx.doi.org/10.30919/es1260 Polymerization Dynamics of Zwitterionic Monomers with Polyacrylamide for Enhanced Oil Recovery Gulim Imekova, 1, 2 Damir Karimov, 3 Nurxat Nuraje 3 and Zhexenbek Toktarbay 1,* Abstract In this paper, the synthesis of zwitterionic详细研究了用于增强石油回收（EOR）的共聚物。通过自由基共聚合合成共聚物。不同的摩尔比（2：98，10：90，20：80，30：70）的s翼sulfobetaine-n-（3-二甲基氨基）丙烯酰胺（P（SB-DMAPMA））与丙烯酰胺（AM）共聚。导致以核磁共振（NMR）和傅立叶变换红外光谱（FTIR）为特征的共聚物。用静态光散射方法测量共聚物的分子量。使用三种方法计算单体的反应性比：Fineman-Ross，Kelen Tudos和Mayo-Lewis。该研究还讨论了纯净水和纯净水中的际离子共聚物和流变特性的热稳定性，并在具有不同电荷的高含量条件下。通过流变测量分析添加不同盐后的粘度增加，分子结构的图像是通过传输电子显微镜（TEM）拍摄的。这项研究的发现对于提高EOR过程的效率很有用，为更先进的石油回收技术铺平了道路。
基于生物的可逆失活根治性聚合...
©此手稿版本可在CC-by-NC-ND 4.0许可下提供https://creativecommons.org/licenses/by-nc-nc-nd/4.0/
淀粉样蛋白β，α-核蛋白和tau聚合co-
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年10月13日。 https://doi.org/10.1101/2024.10.13.618101 doi：Biorxiv Preprint
深层多个聚合网络用于行动识别
已评估了部分N-甲基-D-天冬氨酸受体（NMDAR）激动剂D-环甲烯（DCS），用于治疗多种精神疾病，包括痴呆，精神分裂症，抑郁症，抑郁症和暴露基于心理治疗的增强。大多数DC的潜在精神科应用（如果不是全部）的目标是增强或恢复认知功能，学习和记忆。它们的分子相关性是长期的突触可塑性；许多形式的突触可塑性取决于NMDA受体的激活。在这里，我们全面研究了通过DCS及其机制对海马中不同形式的突触可塑性的调节。我们发现，DCS在幼年大鼠的海马脑切片中阳性长期突触可塑性（长期突触增强，LTP和长期突触抑制）的长期突触可塑性（长期突触增强，LTP和长期突触抑制）的形式进行了正面调节。dcs与NMDAR的D-塞林/甘氨酸结合位点结合。对该部位的药理抑制作用阻止了LTP的诱导，而D-塞林/甘氨酸结合位点的激动剂增强了LTP，并且可以用功能代替LTP诱导范围。内源性D-丝氨酸最可能的起源是星形胶质细胞，其胞吐作用受星形胶质细胞代谢性谷氨酸受体（MGLUR1）调节。因此，NMDAR中的D-丝氨酸/甘氨酸结合位点是针对可塑性相关疾病的心理药物干预措施的主要目标。在与突触后神经元相邻的星形胶质细胞中的星形胶质细胞的功能消除，MGLUR1受体的抑制和G蛋白信号传导，阻止了NMDAR依赖性LTP和LTD的诱导。我们的结果支持增强DC和D-塞林介导的Gliotransersiss的双向依赖性海马突触可塑性的双向范围。
应用人工智能作为工具和数据聚合来提高农业生产力
坦桑尼亚 (AI4Agric) 深度学习技术用于作物病害的早期检测 作物病害对农业产量管理造成重大问题，并对粮食安全构成重大威胁。再加上无法正确诊断作物病害的信息不足，可能导致重大经济损失和产量低下。然而，由于缺乏必要的基础设施，在包括坦桑尼亚在内的世界许多地方，迅速识别疾病仍然是一项艰巨的任务。玉米和香蕉是重要的主食和经济作物，主要由小农户生产，非洲湿润和半湿润热带地区有超过 7000 万人种植玉米和香蕉。尽管这些作物对家庭粮食安全和生存至关重要，但它们在很大程度上受到疾病的影响，尤其是玉米的致死性坏死病和玉米条纹病以及香蕉的黑叶斑病和镰刀菌枯萎病 1 号。自动检测和量化植物病害将使植物育种取得更快进展，并更快地侦察农民的田地。然而，训练深度学习模型以从田间拍摄的图像中准确检测出特定疾病需要大量人工生成的训练数据。由于非洲缺乏公开可用的数据集来促进机器学习活动，该项目建议生成玉米和香蕉图像的数据集，并开发用于早期检测农作物疾病的深度学习技术。
通过联邦学习聚合内在信息以增强 BCI 性能
数据不足是脑机接口 (BCI) 构建高性能深度学习模型的长期挑战。尽管许多研究小组和机构为同一 BCI 任务收集了大量 EEG 数据集，但由于设备的异构性，共享来自多个站点的 EEG 数据仍然具有挑战性。鉴于数据多样性在促进模型稳健性方面起着至关重要的作用，这一挑战的重要性怎么强调也不为过。然而，现有的研究很少讨论这个问题，主要将注意力集中在单个数据集内的模型训练上，通常是在跨受试者或跨会话设置的背景下。在这项工作中，我们提出了一个分层个性化联邦学习 EEG 解码 (FLEEG) 框架来克服这一挑战。这个创新框架预示着 BCI 的一种新的学习范式，使具有不同数据格式的数据集能够在模型训练过程中进行协作。每个客户端都被分配一个特定的数据集并训练一个分层的个性化模型来管理不同的数据格式并促进信息交换。同时，服务器协调训练过程以利用从所有数据集中收集的知识，从而提高整体性能。该框架已在运动想象 (MI) 分类中进行了评估，其中九个 EEG 数据集由不同的设备收集但执行相同的 MI 任务。结果表明，通过实现多个数据集之间的知识共享，特别是对于较小的数据集，所提出的框架可以将分类性能提高高达 8.4%。可视化结果还表明，所提出的框架可以使本地模型将注意力稳定地放在与任务相关的领域，从而获得更好的性能。据我们所知，这是第一个解决这一重要挑战的端到端解决方案。
德德姆镇 - 社区电力聚合计划
德德姆镇正在推出一项名为“德德姆社区电力聚合”（Dedham CEA）的计划。该计划是精心设计的替代方案，可替代您当前的电力供应选项，包括德德姆和其他第三方电力供应商提供的电力。通过实施该计划，德德姆旨在提供电力产品，以增加我们社区的可再生能源使用量并减少碳污染。
使用声流的各向异性复合材料的两光子聚合
在这项工作中，开发了声流辅助的两光子聚合过程（TPP），用于制造各向异性粒子聚合物复合材料。声场（AF）辅助的液滴中纳米颗粒的恒定微孔缩放（也称为声流（AS））导致纳米颗粒在TPP打印的凹槽表面中捕获纳米颗粒。声音电压对流速和粒子捕获效率的影响是建模和表征的。使用的最佳输入电压用于在TPP过程中生成适当的声流以在聚合物凹槽内捕获颗粒，以在逐层的方式中产生三维（3D）各向异性粒子聚合物复合材料。实验结果验证了拟议的制造方法的可行性。2021制造工程师协会（SME）。由Elsevier Ltd.发布的所有权利保留。
能源部将推出“CREAM”屋顶太阳能聚合计划
根据大型太阳能 (LSS- 6) 计划，该计划最早将于 2025 年第二季度开放。以进一步提高该国的可再生能源容量。它表示：“旨在加强国家电网的新的储能系统招标将不迟于 2025 年第三季度开放。”Petra 仍然乐观地认为，CREAM 以及推动可再生能源发展的更广泛努力将在实现到 2050 年国家电力系统可再生能源容量结构占 70% 的目标中发挥关键作用。同时显着减少该国电力部门的碳足迹。— Bemama