The current society is facing a change in the mode of economic development and employment structure, the employment situation is becoming more and more severe, and the difficulty of employment has greatly increased, so the number of people who choose to return to their hometowns to start their own businesses has increased. However, due to the lack of relevant knowledge and skills and entrepreneurial experience, entrepreneurs often face many difficulties and challenges. The article takes returning entrepreneurs as the research object, constructs a model of the impact of knowledge search on entrepreneurial success, and introduces the moderating role of the entrepreneurial institutional environment. The study finds that knowledge search can drive entrepreneurs to achieve entrepreneurial success, and the entrepreneurial institutional environment plays a moderating role in the relationship between knowledge search and entrepreneurial success.

Abstract Antimicrobial peptides (AMPs) are attractive candidates to combat antibiotic resistance for their capability to target bio-membranes and restrict a wide range of pathogens. It is a daunting challenge to discover novel AMPs due to their sparse distributions in a vast peptide universe, especially for peptides that demonstrate potencies for both bacterial membranes and viral envelopes. Here we establish a de novo AMP design framework by bridging a deep generative module and a graph-encoding activity regressor. The generative module learns hidden ‘grammars’ of AMP features and produces candidates sequentially pass antimicrobial predictor and antiviral classifiers. We discover three bifunctional AMPs and experimentally validated their abilities to inhibit a spectrum of pathogens in vitro and in animal models. Notably, P076 is a highly potent bactericide with the minimal inhibitory concentration of 0.21 μM against multidrug-resistant A. baumannii , while P002 broadly inhibits five enveloped viruses. Our study provides feasible means to uncover sequences that simultaneously encode antimicrobial and antiviral activities, thus bolstering the function spectra of AMPs to combat a wide range of drug-resistant infections.

Economic agents' expectations about the current and future states of the economy are considered in the literature as a key factor in contributing to economic fluctuations. Using text-based data on infectious diseases as an instrumental variable, we directly assess the macroeconomic effects of expectations, and find that a 1% decline in GDP forecast can generate a decline in real GDP by up to 0.49%. Furthermore, this effect is transitory, and once expectations realign with the truth, aggregate variables return to their steady state.

To address the issue of corrosive wear resulting from the addition of desulphurization wastewater into the wet slag removal system, this study investigated the corrosive wear behavior of chain steel (specifically 17NiCrMo6 steel) in desulphurization wastewater with varying chloride concentrations. Weight loss, micro-phase characterization, and electrochemical testing methods were employed for analysis. The findings indicate that as the chloride concentration increases, the weight loss rates for both pure corrosion and corrosive wear exhibit a pattern of initial increase, followed by a decrease, and then another increase. This trend can be attributed to the fact that as the chloride concentration rises, the corrosion products become denser, thereby increasing the difficulty of the corrosion reaction.

As autonomous driving advances, autonomous vehicles will share the road with human drivers. This requires autonomous vehicles to adhere to human traffic laws under safe conditions. Simultaneously, when confronted with dangerous situations, autonomous driving should also possess the capability to deviate from traffic laws to ensure safety. However, current autonomous vehicles primarily prioritize safety and collision avoidance in their decision-making and planning. This may lead to misunderstandings and distrust from human drivers in mixed traffic flow, and even accidents. To address this, this paper proposes a decoupled hierarchical framework for compliance safety decision-making. The framework primarily consists of two layers: the decision-making layer and the motion planning layer. In the decision-making layer, a candidate behavior set is constructed based on the scenario, and a dual layer admission assessment is utilized to filter out unsafe and non-compliant behaviors from the candidate sets. Subsequently, the optimal behavior is selected as the decision behavior according to the designed evaluation metrics. The decision-making layer ensures that the vehicle can meet lane safety requirements and comply with static traffic laws. In the motion planning layer, the surrounding vehicles and the road are modeled as safety potential fields and traffic laws potential fields. Combining the optimal decision behavior, they are incorporated into the cost function of the model predictive control to achieve compliant and safe trajectory planning. The planning layer ensures that the vehicle meets trajectory safety requirements and complies with dynamic traffic laws under safe conditions. Finally, four typical scenarios are used to evaluate the effectiveness of the proposed method. The results indicate that the proposed method can ensure compliance in safe conditions while also temporarily deviating from traffic laws in emergency situations to ensure safety.