#spaceweather天文酷图##天文酷图#
【Epsilon Tauri 被月球掩星2020:03:31 04:09:06 】
由 Sietse Dijkstra 于 2020 年 3 月 29 日拍摄于荷兰上艾瑟尔省 Almelo
【拍摄参数】
使用的相机： 不可用 不可用
曝光时间： 不可用
光圈： 不可用
ISO：不可用
拍摄日期：2020:03:31 04:09:06
【详细说明】
我当时正在家后院准备相机和星际冒险家去捕捉阿特拉斯彗星。首先，我将相机对准月球，在月球附近看到了非常简单的 epsilon Tau。所以我拍了这一系列关于掩星的照片。由于镜面的存在，出现了令人不安的月亮反射。
来源：Spaceweather
版权：Sietse Dijkstra
翻译：baidu*
*：此为机器翻译且未人工审核，可能有不通顺的地方。
【相关知识】
天文学是一门研究天体和天文现象的自然科学。它使用数学、物理和化学来解释它们的起源和演化。天文学的研究对象包括：行星、卫星、恒星、星云、星系和彗星等天体，以及超新星爆炸、伽马射线暴、类星体、耀变体、脉冲星和宇宙微波背景辐射等天文现象。更通俗地说，天文学研究起源于地球大气层之外的一切事物。宇宙学是天文学的一个分支，从整体上研究宇宙。
发布时间：2024年02月16日23时45分22秒
【Epsilon Tauri 被月球掩星2020:03:31 04:09:06 】
由 Sietse Dijkstra 于 2020 年 3 月 29 日拍摄于荷兰上艾瑟尔省 Almelo
【拍摄参数】
使用的相机： 不可用 不可用
曝光时间： 不可用
光圈： 不可用
ISO：不可用
拍摄日期：2020:03:31 04:09:06
【详细说明】
我当时正在家后院准备相机和星际冒险家去捕捉阿特拉斯彗星。首先，我将相机对准月球，在月球附近看到了非常简单的 epsilon Tau。所以我拍了这一系列关于掩星的照片。由于镜面的存在，出现了令人不安的月亮反射。
来源：Spaceweather
版权：Sietse Dijkstra
翻译：baidu*
*：此为机器翻译且未人工审核，可能有不通顺的地方。
【相关知识】
天文学是一门研究天体和天文现象的自然科学。它使用数学、物理和化学来解释它们的起源和演化。天文学的研究对象包括：行星、卫星、恒星、星云、星系和彗星等天体，以及超新星爆炸、伽马射线暴、类星体、耀变体、脉冲星和宇宙微波背景辐射等天文现象。更通俗地说，天文学研究起源于地球大气层之外的一切事物。宇宙学是天文学的一个分支，从整体上研究宇宙。
发布时间：2024年02月16日23时45分22秒
意式浓缩可阻止阿尔兹海默症蛋白的形成
无论是单独享用意式浓缩，还是把它加入到拿铁、美式咖啡或马丁尼酒里，它都能为咖啡爱好者提供超浓缩的咖啡因。但它可不仅仅只帮你提神。目前的研究表明，意式浓缩里的化合物可以抑制Tau蛋白的聚集——而这种蛋白聚集体与阿尔兹海默症的发病有关。
大约有一半的美国人每天都喝咖啡，且意式浓缩是当下的咖啡明星。要“拉”出一倍意式浓缩，需要用热水高温冲泡磨细的咖啡豆，形成浓缩的咖啡精华。这种浓缩液常常是其他饮品的基底，包括时下流行的意式马天尼。最近的研究显示，咖啡也对某些神经退行性疾病有好处，包括老年痴呆症。
尽管导致这些疾病的确切支持尚未明确，但被命名为Tau的一种蛋白发挥了重要的作用。在健康人体内，Tau蛋白稳定大脑的结构，但当某些疾病开始发展时，这种蛋白质会聚集在一起，形成纤维。一些研究员认为，阻止这种纤维化可以缓解症状。
所以，Mariapina D'Onofrio和同事们想要研究意式浓缩里的化合物是否可以在体外防止tau聚集。研究员从便利店里买了咖啡豆，并从中提取意式浓缩咖啡液，然后利用核磁共振波谱测定其化学成分。他们选中了咖啡因和葫芦巴碱（两种生物碱）、染料木黄酮和可可碱（巧克力中的化合物）作为进一步研究的重点。这些分子与完整的意式浓缩提取液，与tau蛋白一起培养长达40小时。随着意式浓缩咖啡液、咖啡因或染料木黄酮的增加，纤丝变短了，而且没有形成大片状，其中意式浓缩的影响最明显。缩短的纤丝对细胞是无害的，也不会成为进一步纤丝聚集的“种子”。
其他实验中，科学家观察到，咖啡因和意式浓缩液可结合预先形成的tau纤丝。虽然我们还需要更多的研究，但他们初步的体外实验为预防包括阿尔兹海默症在内的神经退行性疾病提供了新的思路。
节选自酷炫脑文章《意式浓缩可阻止阿尔兹海默症蛋白的形成》
无论是单独享用意式浓缩，还是把它加入到拿铁、美式咖啡或马丁尼酒里，它都能为咖啡爱好者提供超浓缩的咖啡因。但它可不仅仅只帮你提神。目前的研究表明，意式浓缩里的化合物可以抑制Tau蛋白的聚集——而这种蛋白聚集体与阿尔兹海默症的发病有关。
大约有一半的美国人每天都喝咖啡，且意式浓缩是当下的咖啡明星。要“拉”出一倍意式浓缩，需要用热水高温冲泡磨细的咖啡豆，形成浓缩的咖啡精华。这种浓缩液常常是其他饮品的基底，包括时下流行的意式马天尼。最近的研究显示，咖啡也对某些神经退行性疾病有好处，包括老年痴呆症。
尽管导致这些疾病的确切支持尚未明确，但被命名为Tau的一种蛋白发挥了重要的作用。在健康人体内，Tau蛋白稳定大脑的结构，但当某些疾病开始发展时，这种蛋白质会聚集在一起，形成纤维。一些研究员认为，阻止这种纤维化可以缓解症状。
所以，Mariapina D'Onofrio和同事们想要研究意式浓缩里的化合物是否可以在体外防止tau聚集。研究员从便利店里买了咖啡豆，并从中提取意式浓缩咖啡液，然后利用核磁共振波谱测定其化学成分。他们选中了咖啡因和葫芦巴碱（两种生物碱）、染料木黄酮和可可碱（巧克力中的化合物）作为进一步研究的重点。这些分子与完整的意式浓缩提取液，与tau蛋白一起培养长达40小时。随着意式浓缩咖啡液、咖啡因或染料木黄酮的增加，纤丝变短了，而且没有形成大片状，其中意式浓缩的影响最明显。缩短的纤丝对细胞是无害的，也不会成为进一步纤丝聚集的“种子”。
其他实验中，科学家观察到，咖啡因和意式浓缩液可结合预先形成的tau纤丝。虽然我们还需要更多的研究，但他们初步的体外实验为预防包括阿尔兹海默症在内的神经退行性疾病提供了新的思路。
节选自酷炫脑文章《意式浓缩可阻止阿尔兹海默症蛋白的形成》
看不懂系列, 先马克万一后面会用到呢...[笑cry]
蚁群算法ACO求解TSP问题
转载自: https://t.cn/A6YML3TO^v99^pc_search_result_base1&utm_term=%E8%9A%81%E7%BE%A4%E7%AE%97%E6%B3%95%28%20ACO%29&spm=1018.2226.3001.4187
%%%%%%%%%%%%%%%%%%%%蚁群算法求函数极值%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear all;%清除所有变量
close all;%清图
clc;%清屏
m=20; %蚂蚁个数
G_max=200;%最大迭代次数
Rho=0.9; %信息素蒸发系数
P0=0.2;%转移概率常数
XMAX= 5; %搜索变量x最大值
XMIN= -5; %搜索变量x最小值
YMAX= 5; %搜索变量y最大值
YMIN= -5; %搜索变量y最小值
%%%%%%%%%%%%%%%%%随机设置蚂蚁初始位置%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
X(i,1)=(XMIN+(XMAX-XMIN)*rand);
X(i,2)=(YMIN+(YMAX-YMIN)*rand);
Tau(i)=func(X(i,1),X(i,2));
end
step=0.1; %局部搜索步长
for NC=1:G_max
lamda=1/NC;
[Tau_best,BestIndex]=min(Tau);
%%%%%%%%%%%%%%%%%%计算状态转移概率%%%%%%%%%%%%%%%%%%%%
for i=1:m
P(NC,i)=(Tau(BestIndex)-Tau(i))/Tau(BestIndex);
end
%%%%%%%%%%%%%%%%%%%%%%位置更新%%%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
%%%%%%%%%%%%%%%%%局部搜索%%%%%%%%%%%%%%%%%%%%%%
if P(NC,i)temp1=X(i,1)+(2*rand-1)*step*lamda;
temp2=X(i,2)+(2*rand-1)*step*lamda;
else
%%%%%%%%%%%%%%%%全局搜索%%%%%%%%%%%%%%%%%%%%%%%
temp1=X(i,1)+(XMAX-XMIN)*(rand-0.5);
temp2=X(i,2)+(YMAX-YMIN)*(rand-0.5);
end
%%%%%%%%%%%%%%%%%%%%%边界处理%%%%%%%%%%%%%%%%%%%%%%%
if temp1temp1=XMIN;
end
if temp1>XMAX
temp1=XMAX;
end
if temp2temp2=YMIN;
end
if temp2>YMAX
temp2=YMAX;
end
%%%%%%%%%%%%%%%%%%蚂蚁判断是否移动%%%%%%%%%%%%%%%%%%
if func(temp1,temp2)X(i,1)=temp1;
X(i,2)=temp2;
end
end
%%%%%%%%%%%%%%%%%%%%%%%更新信息素%%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
Tau(i)=(1-Rho)*Tau(i)+func(X(i,1),X(i,2));
end
[value,index]=min(Tau);
trace(NC)=func(X(index,1),X(index,2));
end
[min_value,min_index]=min(Tau);
minX=X(min_index,1);%最优变量
minY=X(min_index,2);%最优变量
minValue=func(X(min_index,1),X(min_index,2)); %最优值
figure
plot(trace)
xlabel('搜索次数');
ylabel('适应度值');
title('适应度进化曲线')
%%%%%%%%%%%目标函数
%%%%%%%%%%%%%%%%%%%%%%%适应度函数%%%%%%%%%%%%%%%%%%%%%%%
function value=func(x,y)
value =20*(x^2-y^2)^2-(1-y)^2-3*(1+y)^2+0.3;
end
蚁群算法ACO求解TSP问题
转载自: https://t.cn/A6YML3TO^v99^pc_search_result_base1&utm_term=%E8%9A%81%E7%BE%A4%E7%AE%97%E6%B3%95%28%20ACO%29&spm=1018.2226.3001.4187
%%%%%%%%%%%%%%%%%%%%蚁群算法求函数极值%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%初始化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear all;%清除所有变量
close all;%清图
clc;%清屏
m=20; %蚂蚁个数
G_max=200;%最大迭代次数
Rho=0.9; %信息素蒸发系数
P0=0.2;%转移概率常数
XMAX= 5; %搜索变量x最大值
XMIN= -5; %搜索变量x最小值
YMAX= 5; %搜索变量y最大值
YMIN= -5; %搜索变量y最小值
%%%%%%%%%%%%%%%%%随机设置蚂蚁初始位置%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
X(i,1)=(XMIN+(XMAX-XMIN)*rand);
X(i,2)=(YMIN+(YMAX-YMIN)*rand);
Tau(i)=func(X(i,1),X(i,2));
end
step=0.1; %局部搜索步长
for NC=1:G_max
lamda=1/NC;
[Tau_best,BestIndex]=min(Tau);
%%%%%%%%%%%%%%%%%%计算状态转移概率%%%%%%%%%%%%%%%%%%%%
for i=1:m
P(NC,i)=(Tau(BestIndex)-Tau(i))/Tau(BestIndex);
end
%%%%%%%%%%%%%%%%%%%%%%位置更新%%%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
%%%%%%%%%%%%%%%%%局部搜索%%%%%%%%%%%%%%%%%%%%%%
if P(NC,i)
temp2=X(i,2)+(2*rand-1)*step*lamda;
else
%%%%%%%%%%%%%%%%全局搜索%%%%%%%%%%%%%%%%%%%%%%%
temp1=X(i,1)+(XMAX-XMIN)*(rand-0.5);
temp2=X(i,2)+(YMAX-YMIN)*(rand-0.5);
end
%%%%%%%%%%%%%%%%%%%%%边界处理%%%%%%%%%%%%%%%%%%%%%%%
if temp1
end
if temp1>XMAX
temp1=XMAX;
end
if temp2
end
if temp2>YMAX
temp2=YMAX;
end
%%%%%%%%%%%%%%%%%%蚂蚁判断是否移动%%%%%%%%%%%%%%%%%%
if func(temp1,temp2)
X(i,2)=temp2;
end
end
%%%%%%%%%%%%%%%%%%%%%%%更新信息素%%%%%%%%%%%%%%%%%%%%%%%
for i=1:m
Tau(i)=(1-Rho)*Tau(i)+func(X(i,1),X(i,2));
end
[value,index]=min(Tau);
trace(NC)=func(X(index,1),X(index,2));
end
[min_value,min_index]=min(Tau);
minX=X(min_index,1);%最优变量
minY=X(min_index,2);%最优变量
minValue=func(X(min_index,1),X(min_index,2)); %最优值
figure
plot(trace)
xlabel('搜索次数');
ylabel('适应度值');
title('适应度进化曲线')
%%%%%%%%%%%目标函数
%%%%%%%%%%%%%%%%%%%%%%%适应度函数%%%%%%%%%%%%%%%%%%%%%%%
function value=func(x,y)
value =20*(x^2-y^2)^2-(1-y)^2-3*(1+y)^2+0.3;
end
✋热门推荐