Thesis (M.S. in Operations Research) Naval Postgraduate School, Sept. 2001. / Thesis advisor(s): Buss, Arnold; Miller, Nita. "September 2001." Includes bibliographical references (p. 109-110). Also available in print.

abstract: Na+/H+ antiporters are vital membrane proteins for cell homeostasis, transporting Na+ ions in exchange for H+ across the lipid bilayer. In humans, dysfunction of these transporters are implicated in hypertension, heart failure, epilepsy, and autism, making them well-established drug targets. Although experimental structures for bacterial homologs of the human Na+/H+ have been obtained, the detailed mechanism for ion transport is still not well-understood. The most well-studied of these transporters, Escherichia coli NhaA, known to transport 2 H+ for every Na+ extruded, was recently shown to bind H+ and Na+ at the same binding site, for which the two ion species compete. Using molecular dynamics simulations, the work presented in this dissertation shows that Na+ binding disrupts a previously-unidentified salt bridge between two conserved residues, suggesting that one of these residues, Lys300, may participate directly in transport of H+. This work also demonstrates that the conformational change required for ion translocation in a homolog of NhaA, Thermus thermophilus NapA, thought by some to involve only small helical movements at the ion binding site, is a large-scale, rigid-body movement of the core domain relative to the dimerization domain. This elevator-like transport mechanism translates a bound Na+ up to 10 Å across the membrane. These findings constitute a major shift in the prevailing thought on the mechanism of these transporters, and serve as an exciting launchpad for new developments toward understanding that mechanism in detail. / Dissertation/Thesis / Doctoral Dissertation Physics 2016

Die Langzeitverfügbarkeit von Forschungsergebnissen und der dafür häufig notwendige langfristige Erhalt der Lauffähigkeit von Software ist eine gemeinschaftliche Herausforderung für Forschung, Softwareentwicklung und Gedächtnisinstitutionen. Es stehen verschiedene Maßnahmen wie Standardisierung, Emulation oder auch die Weiterentwicklung durch Open-Source-Communities zur Verfügung, die in unterschiedlichen Kontexten für unterschiedliche Arten von Software zum Einsatz kommen können. / Long-term availability of research findings is a challenge for research, software development, and memory institutions altogether. This often includes the necessity to keep research software running over a long time. There are various methods and actions like standardization, emulation, or the development of research software by an open source community which can be taken to achieve this goal.

Mit dem Ziel, das Publizieren von Artikeln, Forschungsdaten und wissenschaftlicher Software gemäß den FAIR-Prinzipien zu unterstützen, wurde am HZDR ein integriertes Publikationsmanagement aufgebaut. Insbesondere Daten- und Softwarepublikationen erfordern die Entwicklung bedarfsgerechter organisatorischer und technischer Strukturen ergänzend zu bereits sehr gut funktionierenden Services im Publikationsmanagement. In der Zusammenarbeit mit Wissenschaftlern des HZDR und internationalen Partnern in ausgewählten Projekten wurde der Bedarf an Unterstützung im Forschungsdatenmanagement analysiert. Darauf aufbauend wurde schrittweise ein integriertes System von Infrastrukturen und Services entwickelt und bereitgestellt. In einer seit Mai 2018 gültigen Data Policy wurden die Rahmenbedingungen und Regelungen sowohl für wissenschaftliche Mitarbeiter als auch für externe Messgäste definiert. Im Vortrag wird auf die Erfahrungen im integrierten Publikationsmanagement für Artikel, Forschungsdaten und Forschungssoftware eingegangen und daraus resultierend werden die nächsten Aufgaben und Ziele entwickelt.

La recherche en apprentissage automatique peut être vue comme une quête vers l’aboutissement d’algorithmes d’apprentissage de plus en plus généraux, applicable à des problèmes de plus en plus réalistes. Selon cette perspective, le progrès dans ce domaine peut être réalisé de deux façons: par l’amélioration des méthodes algorithmiques associées aux problèmes existants, et par l’introduction de nouveaux types de problèmes. Avec le progrès marqué du côté des méthodes d’apprentissage machine, une panoplie de nouveaux types de problèmes d’apprentissage ont aussi été proposés, où les hypothèses de problèmes existants sont assouplies ou généralisées afin de mieux refléter les conditions du monde réel. Le domaine de l’apprentissage en continu (Continual Learning) est un exemple d’un tel domaine, où l’hypothèse de la stationarité des distributions encourues lors de l’entrainement d’un modèles est assouplie, et où les algorithmes d’apprentissages doivent donc s’adapter à des changements soudains ou progressifs dans leur environnement. Dans cet ouvrage, nous introduisons les hiérarchiées de problèmes, une application du concept de hiérarchie des types provenant des sciences informatiques, au domaine des problèmes de recherche en apprentissage machine. Les hierarchies de problèmes organisent et structurent les problèmes d’apprentissage en fonction de leurs hypothéses. Les méthodes peuvent donc définir explicitement leur domaine d’application, leur permettant donc d’être partagées et réutilisées à travers différent types de problèmes de manière polymorphique: Une méthode conçue pour un domaine donné peut aussi être appli- quée à un domaine plus précis que celui-ci, tel qu’indiqué par leur relation dans la hierarchie de problèmes. Nous démontrons que ce système, lorsque mis en oeuvre, comporte divers bienfaits qui addressent directement plusieurs des problèmes encourus par les chercheurs en apprentissage machine. Nous démontrons la viabilité de ce principe avec Sequoia, une infrastructure logicielle libre qui implémente une hierarchie des problèmes en apprentissage continu. Nous espérons que ce nouveau paradigme, ainsi que sa première implémentation, pourra servir à unifier et accélérer les divers efforts de recherche en apprentissage continu, ainsi qu’à encourager des efforts similaires dans d’autres domaines de recherche. Vous pouvez nous aider à faire grandir l’arbre en visitant github.com/lebrice/Sequoia. / Research in Machine Learning (ML) can be viewed as a quest to develop increasingly general algorithmic solutions (methods) for increasingly challenging research problems (settings). From this perspective, progress can be realized in two ways: by introducing better methods for current settings, or by proposing interesting new settings for the research community to solve. Alongside recent progress in methods, a wide variety of research settings have also been introduced, often as variants of existing settings where underlying assumptions are removed to make the problem more realistic or general. The field of Continual Learning (CL), for example, consists of a family of settings where the stationarity assumption is removed, and where methods as a result have to learn from environments or data distributions that can change over time. In this work, we introduce the concept of problem hierarchies: hierarchical structures in which research settings are systematically organized based on their assumptions. Methods can then explicitly state their assumptions by selecting a target setting from this hierarchy. Most importantly, these structures make it possible to easily share and reuse research methods across different settings using inheritance, since a method developed for a given setting is also directly applicable onto any of its children in the hierarchy. We argue that this simple mechanism can have great implications for ML research in practice. As a proof-of-concept of this approach, we introduce Sequoia, an open-source research framework in which we construct a hierarchy of the settings and methods in CL. We hope that this new paradigm and its first implementation can help unify and accelerate research in CL and serve as inspiration for future work in other fields. You can help us grow the tree by visiting github.com/lebrice/Sequoia.

Das Dokument bietet einen Vergleich von fünf Literaturverwaltungsprogrammen - Zotero, Citavi, Mendeley, EndNote und JabRef. Es wurden Versionen mit Stand 10/2021 getestet. Folgende Kriterien finden Berücksichtigung: Allgemeines und Installation, Import- / Exportvarianten, Dateneingabe und -bearbeitung, Anzeige und Suche, Zitieren und Literaturlisten, Kooperation, Wissensorganisation, Besonderheiten und Support. Der Vergleich schließt mit einer Gesamtbewertung der Stärken und Schwächen und gibt zielgruppenspezifische Auswahlempfehlungen.

The document offers a comparison of five literature management programmes - Zotero, Citavi, Mendeley, EndNote and JabRef. Versions as of 10/2021 were tested. The following criteria are taken into account: General and installation, import / export variants, data entry and editing, display and search, citation and bibliography, cooperation, knowledge organisation, special features and support. The comparison concludes with an overall assessment of strengths and weaknesses and provides target group-specific selection recommendations.