XiaoMi-AI文件搜索系统
World File Search System预化
预印本
广泛用作航空航天和核工程（在裂变和聚变应用）的结构材料、金属加工工具和坩埚，以及腐蚀环境中的化学反应容器。最近，所有组成元素含量相当的复杂浓缩合金 (CCA) 已成为 RA 研究的一个新课题 [3, 4, 5, 6]。从纯金属到 CCA 的转变通常会改善材料性能和/或出现新的有益工程特性。在过去的 15-20 年里，这类合金一直是深入研究的主题。如今广泛讨论的高熵合金 [7, 8, 9] 是 CCA 的一个特例，其中合金元素的数量等于或超过五种。但即使涉及的元素数量只有三四种，与纯金属相比，高构型熵和严重的晶格畸变也会导致 CCA 材料性质发生质的变化。Senkov 等人。 [3, 10] 研究了一种 W 0.25 Ta 0.25 Mo 0.25 Nb 0.25 合金，该合金在高温下表现出有趣的力学性能：在 850K 至 1800K 的温度范围内，屈服应力极高（约 600 MPa）并且似乎几乎与温度无关。人们认为造成这一不寻常特征的主要机制之一是 CCA 的局部晶格畸变 (LLD) [7, 11]，它抑制了位错运动。根据这一推测，在 Zou 等人最近的研究中 [12]，他们通过高分辨率透射电子显微镜证实了 Nb-Mo-Ta-W 耐火合金中的局部畸变。经典分子动力学 (MD) 模拟是研究 CCA 特性最有力的工具之一。这种建模的关键部分是原子间势。因此，为此类系统开发可靠且广泛适用的势能是计算材料科学中的一项基本任务。对于耐火 CCA，Zhou 等人 [13, 14] 报道了一类可扩展至合金的嵌入式原子方法 (EAM) 势能。2013 年，Lin 等人 [15] 将 Zr 和 Nb 组分纳入该组势能中。这些势能被广泛用于探测耐火 CCA 中缺陷的行为 [16, 17, 18, 19, 20]。然而，由于可预测性较差，使用该模型获得的模拟结果最多只能视为定性的——即使对于纯金属也是如此。例如，对于纯钨，Zhou 的势能严重高估了熔化温度（比实验值高出近 1000K）[21]，并且与从头算计算结果相比，显示出错误的螺位错 Peierls 势垒特征（峰值和形状）[22]。对于纯钼，Zhou 的模型给出了螺位错的极化核心
量子回路设计における最适化问题
（1）（Kokuken）日本科学技术局研究与发展战略中心，“战略建议：每个人的量子计算机”，2018年。 https：// wwwjst.go.jp/crds/pdf/2018/sp/crds-fy2018-sp-04.pdf（2）p.w.Shor，“用于量子计算的算法：离散日志和保理”，Proc第35届IEEE计算机科学序言研讨会，第124-134页，1994年。（3）L.K.Grover，“用于数据库搜索的快速量子机械算法”，第28 ACM计算理论座谈会论文集，第212-219页，1996年。（4）N。Kunihiro，“代理量计算机的计算时间的精确分析”，IEice Trans基础，第88-A卷，第105–111页，2005年。（5）M.A。nielsen和I.L.chuang，量子计算和量子信息，剑桥大学出版社，2000年。（6）A。Peruzzo，J。McClean，P。Shadbolt，M.-H周，P.J。Love，A。Aspuru-Guzik和J.L.O'Brien，“光子量子处理器上的变异特征值求解器”，《自然通信》，第5卷，第1期，2014年7月，第4213页（7）to奥利T.可逆计算，在：de bakker J.，van leeuwen J.（eds）自动机，语言和程序 - iCalp 1980，计算机Sci-Ence中的讲义，第85卷，Springer，柏林（8）Arxiv e-Prints，Quant-PH/9902 062，1999年2月。（9）K。Iwama，S。Yamashita和Y. Kambayashi，“设计基于CNOT的量子CUITS的跨形成规则”，设计自动化会议，第419-429-2002页，2002年。（10）Z. Sasanian和D.M.（12）M。Soeken，M。Roetteler，N。Wiebe和G.D. Micheli，“基于LUT的层次可逆逻辑Synthe-Sis”，IEEE TransMiller，“可逆和Quan-Tum电路优化：一种功能性方法”，《可使用的计算》第4个国际研讨会（RC 2012），第112-124页，2013年。（（11）A。Mishchenko和M. Perkowski，“快速的启发式启发式最小化 - 独家及产品或产品”，第五届国际式Reed-Muller Workshop，pp.242–250，2001。计算。集成。电路系统，第38卷，第9期，第1675–1688页，2019年。（（13）E。Souma和S. Yamashita，“同时分解许多MPMCT大门时，减少T计数”，第50届国际多重逻辑国际研讨会（IS- MVL 2020），第22-22-27页，11月2020年，（（14）X. Zhou，D.W。 Leung和I.L.Chuang，“量子逻辑门结构的方法论”，物理。 修订版 A，第62卷，052316，2000年10月。 （（15）A。Barenco，C.H。 Bennett，R。Cleve，D.P。 Divincenzo，Chuang，“量子逻辑门结构的方法论”，物理。修订版A，第62卷，052316，2000年10月。（（15）A。Barenco，C.H。Bennett，R。Cleve，D.P。 Divincenzo，Bennett，R。Cleve，D.P。Divincenzo，
精准度与泛化度的结合：通过预训练的 DenseNet 结合全局平均池化和超参数调整来增强脑肿瘤分类
脑肿瘤死亡率高，治疗选择有限，是全球重大健康问题。这些肿瘤是由脑内细胞异常生长引起的，大小和形状各异，因此，对于医疗专业人员来说，通过磁共振成像 (MRI) 扫描手动检测它们是一项主观且具有挑战性的任务，因此需要自动化解决方案。本研究探讨了深度学习（特别是 DenseNet 架构）自动化脑肿瘤分类的潜力，旨在提高临床应用的准确性和通用性。我们利用了 Figshare 脑肿瘤数据集，该数据集包含 233 名患者的 3,064 张 T1 加权增强 MRI 图像，这些患者患有三种常见肿瘤类型：脑膜瘤、神经胶质瘤和垂体瘤。使用来自 ImageNet 的迁移学习评估了四种预训练的深度学习模型——ResNet、EfficientNet、MobileNet 和 DenseNet。DenseNet 实现了最高的测试集准确率 96%，优于 ResNet（91%）、EfficientNet（91%）和 MobileNet（93%）。因此，我们专注于提高 DenseNet 的性能，同时将其视为基础模型。为了增强基础 DenseNet 模型的通用性，我们实施了一种微调方法，该方法采用了正则化技术，包括数据增强、dropout、批量归一化和全局平均池化，并结合了超参数优化。这种增强的 DenseNet 模型实现了 97.1% 的准确率。我们的研究结果证明了 DenseNet 结合迁移学习和微调对脑肿瘤分类的有效性，凸显了其在临床环境中提高诊断准确性和可靠性的潜力。
利用野外视频对情境化世界模型进行预训练，以进行强化学习
利用大型和多样化数据集的无监督预训练方法已在多个领域取得了巨大成功。近期研究已针对基于模型的强化学习 (MBRL) 研究了此类无监督预训练方法，但仅限于特定领域或模拟数据。本文中，我们研究了使用丰富的自然视频预训练世界模型的问题，以便高效学习下游视觉控制任务。然而，自然视频具有各种复杂的情境因素，例如错综复杂的背景和纹理外观，这妨碍了世界模型提取共享的世界知识以更好地概括。为了解决这个问题，我们引入了情境化世界模型 (ContextWM)，它明确地分离情境和动态建模，以克服自然视频的复杂性和多样性，并促进不同场景之间的知识转移。具体来说，我们精心实现了潜在动力学模型的上下文化扩展，通过引入上下文编码器来保留上下文信息并赋能图像解码器，从而促使潜在动力学模型专注于关键的时间变化。我们的实验表明，搭载 ContextWM 的野外视频预训练可以显著提升 MBRL 在机器人操控、运动和自动驾驶等多个领域的采样效率。代码可从以下代码库获取：https://github.com/thuml/ContextWM。
期刊预校样
摘要：微机电系统 (MEMS) 的最新进展为生物和化学分析物的无标记检测 (LFD) 带来了前所未有的前景。此外，这些 LFD 技术提供了设计高分辨率和高通量传感平台的潜力，并有望进一步小型化。然而，将生物分子固定在无机表面上而不影响其传感能力对于设计这些 LFD 技术至关重要。目前，自组装单层 (SAM) 的共价功能化为提高检测灵敏度、可重复性、表面稳定性和结合位点与传感器表面的接近度提供了有希望的途径。在此，我们研究了使用化学气相沉积 3-（缩水甘油氧基丙基）-三甲氧基硅烷 (GOPTS) 作为多功能 SAM 对 SiO 2 微悬臂阵列 (MCA) 进行共价功能化，以实现具有皮克灵敏度的碳水化合物-凝集素相互作用。此外，我们证明了使用传统压电微阵列打印机技术将聚糖固定到 MCA 是可行的。鉴于糖组的复杂性，以高通量方式发现样本的能力使我们的 MCA 成为分析碳水化合物-蛋白质相互作用的稳健、无标记和可扩展的方法。这些发现表明，GOPTS SAM 为 MEMS 提供了合适的生物功能化途径，并提供了可以扩展到各种 LFD 技术以实现真正高通量和高分辨率平台的原理证明。
期刊预校样
Boris Rodenak-Kladniew 1,*, Rocío Gambaro 2 , José S. Cisneros 3 , Cristián Huck-Iriart 4,5 , Gisel Padula 2,6 , Guillermo R. Castro 7,8 , Cecilia Y. Chain 3 , Germán A. Islan 9,* 1 拉普拉塔生化研究所 (INIBIOLP)，CONICET-UNLP，CCT-La Plata，医学科学学院，拉普拉塔，阿根廷 2 兽医遗传学研究所 (IGEVET，UNLP-CONICET LA PLATA)，兽医科学学院 UNLP，拉普拉塔，阿根廷 3 理论与应用物理化学研究所 (CONICET-UNLP)，拉普拉塔，布宜诺斯艾利斯，阿根廷 4 新兴技术和应用科学研究所 (ITECA)，UNSAM-CONICET，科学技术学院 (ECyT)，晶体学实验室应用数学系（LCA），Miguelete 校区，（1650）圣马丁，布宜诺斯艾利斯，阿根廷 5 ALBA 同步加速器光源，Carrer de la Llum 2–26，Cerdanyola del Vallès，08290 巴塞罗那，西班牙 6 自然科学学院和博物馆，UNLP，阿根廷。 7 马克斯普朗克结构生物学、化学和罗萨里奥分子生物物理学实验室（MPLbioR、UNR-MPIbpC）、马克斯普朗克生物物理化学研究所合作实验室（MPIbpC、MPG）、罗萨里奥国立大学跨学科研究中心（CEI），罗萨里奥，阿根廷 8 纳米医学研究单位（Nanomed）、自然与人文科学中心（CCNH）、ABC 联邦大学（UFABC），圣安德烈，SP，巴西。 9 阿根廷布宜诺斯艾利斯拉普拉塔，工业发酵研究与开发中心（CINDEFI），纳米生物材料实验室，精确科学学院化学系，CONICET-UNLP（CCT La Plata）。通讯地址：germanislan@biol.unlp.edu.ar (GAI)； brodenak@med.unlp.edu.ar (BR-K.)
期刊预校样
由于具有原位合金化能力，激光束定向能量沉积已成为一种越来越受欢迎的材料发现先进制造技术。在本研究中，我们利用增材制造支持的高通量材料发现方法来探索跨度为 0 ≤ x ≤ 21 at.% 的分级 W x（CoCrFeMnNi）100-x 样品的成分空间。除了微观结构和机械特性外，还对 W 20（CoCrFeMnNi）80 成分进行了同步加速器高速 X 射线计算机辅助断层扫描，以可视化熔化动力学、粉末-激光相互作用和先前固结材料的重熔效应。结果表明，尽管构型熵很高，但当 W 浓度 > 6 at.% 时会形成 Fe 7 W 6 金属间相。当 W 浓度 > 10 at.% 时也会出现未结合的 W 颗粒，同时在 W/基质界面处出现 Fe 7 W 6 溶解带，硬度值大于 400 HV。主要强化机制归因于 Fe 7 W 6 和 W 相作为金属基复合材料的强化。重熔过程中的原位高速 x 射线成像显示，额外的激光通过并未促进 Fe 7 W 6 或 W 相的进一步混合，这表明，尽管 W 溶解到 Fe 7 W 6 相中在热力学上是有利的，但在动力学上受到金属间相的厚度/扩散率以及激光工艺的快速凝固的限制。
