XiaoMi-AI文件搜索系统
World File Search System衰减
引用：Li-Kim-Moy J，Phillips A，Morgan A等。活衰减疱疹带状疱疹后传播的水痘带状疱疹病毒感染： 引用：George C，Hill J，Nqebelele U等。利用南非糖尿病预防计划筛查慢性肾脏疾病：O 纳瓦拉糖尿病患者的心血管风险（... 对COVID-19风险的看法，疫苗接种和... 强迫症：方案 nati 的回顾性分析
抽象目的是通过评估参与该计划的人的CKD案例来评估现有筛查计划（南非糖尿病预防计划（SA-DPP））的可行性（SA SA-DPP）。在2017年至2019年之间进行的设计观察性研究。在南非开普敦设置16个资源 - 贫困社区。参与者的690名参与者，年龄在25至65岁之间，被非洲糖尿病风险评分确定为2型糖尿病（T2DM）的高风险。主要结果衡量参加SA-DPP的人中CKD的患病率。在社区中筛选的2173个人的结果，有690名参与者接受了进一步的测试。中有9.6％（n = 66）和18.1％（n = 125）的T2DM和CKD（定义为估计的肾小球滤过率（EGFR）<60 mL/ min/ min/ min/ 1.73 m/ 1.73 m 2和/或/或/或/或/或/或白蛋白到白蛋白到creatinine> 3 mg/ mg/ mg/ mml）。分别具有CKD的人，73.6％（n = 92），17.6％（n = 22）和8.8％（n = 11）分别为第1、2和3阶段。分别为蛋白尿（EGFR≥90ml/min/min/1.73 m 2），10.2％和3.8％的参与者分别为蛋白尿，分别为第2和3阶段。患有T2DM和高血压的人分别为22.7％和19.8％的CKD。结论一个事实，即几乎五分之一的参与者被确定为T2DM的高风险，CKD强调了在现有筛查计划中包括肾功能标记的价值。通过使用机会主义方法来筛选高危个体，可以识别并适当治疗患有CKD的人以减少疾病进展。
量子多体系统配分函数的经典算法、相关衰减和复零点
我们提出了一个准多项式时间经典算法，用于估计在热相变点以上温度下量子多体系统的配分函数。众所周知，在最坏情况下，同样的问题在该点以下是 NP 难的。结合我们的工作，这表明量子系统相位的转变也伴随着近似难度的转变。我们还表明，在相变点以上的 n 个粒子系统中，距离至少为 Ω（log n）的两个可观测量之间的相关性呈指数衰减。当哈密顿量具有交换项或在一维链上时，我们可以将 log n 的因子改进为常数。我们结果的关键是用配分函数的复零点来表征相变和系统的临界行为。我们的工作扩展了 Dobrushin 和 Shlosman 的开创性工作，该工作涉及经典自旋模型中相关性衰减与自由能解析性之间的等价性。在算法方面，我们的结果扩展了 Barvinok 提出的一种用于解决量子多体系统经典计数问题的新方法的范围。
实时衰减的SARS-COV-2疫苗可以促进大流行吗？
2019年冠状病毒疾病（Covid-19）在2020年至2022年中困扰着全球，有超过5.8亿的案件和640万例死亡。 几种疫苗已被批准用于人类使用，包括辉瑞（Pfizer-Biontech），Moderna，Novavax，Astrazeneca，Johnson＆Johnson和Sinovac的疫苗。 关注快速疫苗平台，例如mRNA，腺病毒载体，DNA载体，灭活和亚基疫苗的共同疫苗[1]允许在记录时间内引入共vid-19-19疫苗以供人类使用。 这些第一代现象是主要成就，但是将需要改进才能完全击败这一大流行。 尤其是，提供更长持久的保护并为当前和未来变体提供更广泛的免疫性的新疫苗非常有价值。 疫苗具有冗长的发育途径，例如在竞赛中，在开发Covid-19-19疫苗的种族中，在很大程度上忽略了活体侵蚀的全病毒疫苗（LAV）平原形式。 Codagenix与印度血清研究所合作开发了LAV，这种单剂量的鼻内疫苗已完成I期临床试验，并具有有希望的安全性和免疫性数据[2]。 有少数其他报道的LAV在Covid-19 [3，4]中显示了效用[3，4]，例如温度敏感的严重急性呼吸综合征2（SARS-COV-2）突变体，能够在上部，但不能在下部，但不能在下部呼吸道中复制[3]。 尽管LAV的发展是耗时的，但它们具有几个重要的优势，使这种方法很有吸引力。2019年冠状病毒疾病（Covid-19）在2020年至2022年中困扰着全球，有超过5.8亿的案件和640万例死亡。几种疫苗已被批准用于人类使用，包括辉瑞（Pfizer-Biontech），Moderna，Novavax，Astrazeneca，Johnson＆Johnson和Sinovac的疫苗。关注快速疫苗平台，例如mRNA，腺病毒载体，DNA载体，灭活和亚基疫苗的共同疫苗[1]允许在记录时间内引入共vid-19-19疫苗以供人类使用。这些第一代现象是主要成就，但是将需要改进才能完全击败这一大流行。尤其是，提供更长持久的保护并为当前和未来变体提供更广泛的免疫性的新疫苗非常有价值。疫苗具有冗长的发育途径，例如在竞赛中，在开发Covid-19-19疫苗的种族中，在很大程度上忽略了活体侵蚀的全病毒疫苗（LAV）平原形式。Codagenix与印度血清研究所合作开发了LAV，这种单剂量的鼻内疫苗已完成I期临床试验，并具有有希望的安全性和免疫性数据[2]。有少数其他报道的LAV在Covid-19 [3，4]中显示了效用[3，4]，例如温度敏感的严重急性呼吸综合征2（SARS-COV-2）突变体，能够在上部，但不能在下部，但不能在下部呼吸道中复制[3]。尽管LAV的发展是耗时的，但它们具有几个重要的优势，使这种方法很有吸引力。在本文中，我们讨论了支持LAV作为Covid-19-19疫苗的论点，以及他们开发和使用面临的一些挑战。
球形浮标的自由衰减升沉运动
摘要：我们在自由衰减跌落试验中研究了球形浮标的升沉运动。采用综合方法研究浮标的振动，包括实验测量和互补数值模拟。实验是在配备一系列高速运动捕捉摄像机和一组高精度波浪仪的波浪池中进行的。模拟包括三组复杂程度不同的计算。具体来说，在一组计算中，流体体积 (VOF) 方法用于在重叠网格上求解不可压缩的两相 Navier-Stokes 方程，而其他组中的计算基于 Cummins 和质量弹簧阻尼器模型，这两个模型都植根于线性势流理论。实验数据与 VOF 模拟结果具有很好的一致性。虽然准确性较低，但两个降阶模型的预测也被发现非常可信。关于浮标的运动，获得的结果表明，在从大约等于其静态平衡吃水的高度（约为其半径的 60%）释放后，浮标经历了近谐波阻尼振动。进行的分析表明，浮标的吃水长度对振动的频率和衰减率有很大的影响。例如，与平衡状态下半浸没的相同尺寸的球形浮标（即吃水量等于半径）相比，测试浮标的振荡周期大约短 20%，并且其振荡幅度衰减速度几乎快两倍。总体而言，本研究为浮球的运动响应提供了更多见解，可用于优化浮标设计以实现能量提取。
球形浮标的自由衰减升沉运动
摘要：我们在自由衰减跌落试验中研究了球形浮标的升沉运动。我们采用了一种综合方法来研究浮标的振动，包括实验测量和互补的数值模拟。实验是在配备一系列高速运动捕捉摄像机和一组高精度波浪仪的波浪池中进行的。模拟包括三组复杂程度不同的计算。具体来说，在一组计算中，流体体积 (VOF) 方法用于求解重叠网格上的不可压缩两相 Navier-Stokes 方程，而其他组中的计算则基于 Cummins 和质量弹簧阻尼器模型，这两个模型都植根于线性势流理论。实验数据与 VOF 模拟结果之间表现出极好的一致性。尽管准确性较低，但这两个降阶模型的预测也被发现相当可信。关于浮标的运动，所得结果表明，浮标从大约等于其静态平衡吃水高度（约为其半径的 60%）释放后，经历了近乎谐波阻尼的振动。进行的分析表明，浮标的吃水长度对振动的频率和衰减率有很大影响。例如，与平衡状态下半浸没的相同尺寸的球形浮标（即吃水等于半径）相比，测试浮标的振动周期大约短 20%，其振动幅度衰减速度几乎是每个周期的两倍。总体而言，本研究为浮球的运动响应提供了更多见解，可用于优化能量提取浮标设计。
活衰减流感疫苗的方案（Flumist®四价）
我知道，由于我的职业暴露于血液或其他潜在的感染材料，因此我可能有获得乙型肝炎病毒（HBV）感染的风险。我有机会接受乙型肝炎疫苗接种的机会，无需我自己。但是，我目前拒绝乙型肝炎疫苗接种。我知道，通过降低这种疫苗，我仍然有获得一种严重疾病的乙型肝炎的风险。将来我继续接触血液或其他潜在感染材料，并且我想接受丙型肝炎疫苗接种，我可以免费收到疫苗接种系列。
TDFA 波段硅光可变衰减器
摘要 —TDFA 波段（2 µ m 波段）已被视为下一代光通信和计算的有前途的光学窗口。吸收调制是基本的可重构操作之一，对于大规模光子集成电路至关重要。然而，在 TDFA 波段探索吸收调制的努力很少。在这项工作中，基于绝缘体上硅 (SOI) 平台设计和制造了用于 TDFA 波段波长的可变光衰减器 (VOA)。通过将 200 µ m 的短 PIN 结长度嵌入波导，制造的 VOA 在 2.2 V 时表现出 40.49 dB 的高调制深度，并具有由等离子体色散效应引起的快速响应时间 (10 ns)。结合法布里-珀罗腔效应和硅的等离子体色散效应，衰减器可实现超过 50 dB 的最大衰减。这些结果促进了2μm波段硅光子集成的发展，并有望促进光子衰减器在串扰抑制、光调制和光通道均衡方面的应用。
局部汉密尔顿算子的吉布斯态互信息的指数衰减
物理系统的热平衡性质可以用吉布斯态来描述。因此，了解何时可以轻松描述此类状态非常重要。特别是，如果远距离区域之间的相关性很小，情况就是如此。在这项工作中，我们考虑在任何温度下具有局部、有限范围、平移不变相互作用的一维量子自旋系统。在这种情况下，我们表明吉布斯态满足相关性的均匀指数衰减，而且，两个区域之间的互信息随其距离呈指数衰减，与温度无关。为了证明后者，我们表明，对于在任何温度下具有局部、有限范围相互作用的一维量子自旋系统，无限链热态相关性的指数衰减、指数均匀聚类和互信息的指数衰减都是等价的。特别是，Araki 的开创性结果表明这三个条件在平移不变的情况下成立。我们使用的方法基于 Belavkin-Staszewski 相对熵和 Araki 开发的技术。此外，我们发现，我们所考虑的系统的吉布斯状态超指数地接近饱和 Belavkin-Staszewski 相对熵的数据处理不等式。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。