SCUBA-2 is an innovative 10000 pixel bolometer camera operating at submillimetre wavelengths on the James Clerk Maxwell Telescope (JCMT). The camera has the capability to carry out wide-field surveys to unprecedented depths, addressing key questions relating to the origins of galaxies, stars and planets. With two imaging arrays working simultaneously in the atmospheric windows at 450 and 850 microns, the vast increase in pixel count means that SCUBA-2 maps the sky 100-150 times faster than the previous SCUBA instrument. In this paper we present an overview of the instrument, discuss the physical characteristics of the superconducting detector arrays, outline the observing modes and data acquisition, and present the early performance figures on the telescope. We also showcase the capabilities of the instrument via some early examples of the science SCUBA-2 has already undertaken. In February 2012, SCUBA-2 began a series of unique legacy surveys for the JCMT community. These surveys will take 2.5 years and the results are already providing complementary data to the shorter wavelength, shallower, larger-area surveys from Herschel. The SCUBA-2 surveys will also provide a wealth of information for further study with new facilities such as ALMA, and future telescopes such as CCAT and SPICA.

The Telescopio Nazionale Galileo (TNG)[9] hosts, starting in April 2012, the visible spectrograph HARPS-N. It is based on the design of its predecessor working at ESO's 3.6m telescope, achieving unprecedented results on radial velocity measurements of extrasolar planetary systems. The spectrograph's ultra-stable environment, in a temperature-controlled vacuum chamber, will allow measurements under 1 m/s which will enable the characterization of rocky, Earth-like planets. Enhancements from the original HARPS include better scrambling using octagonal section fibers with a shorter length, as well as a native tip-tilt system to increase image sharpness, and an integrated pipeline providing a complete set of parameters. Observations in the Kepler field will be the main goal of HARPS-N, and a substantial fraction of TNG observing time will be devoted to this follow-up. The operation process of the observatory has been updated, from scheduling constraints to telescope control system. Here we describe the entire instrument, along with the results from the first technical commissioning.

Urban public nuisance events, like garbage exposure, illegal parking, facilities damage, and etc., impair the quality of life for city residents. Predicting and controlling these nuisances is crucial but complicated due to their ties to subjective and psychological factors. In this study, we reveal a significant correlation between such nuisances and meteorological indicators, influenced by the impact of climate on people's psychological states. We employ meteorology predictions that are integrated in Hawkes processes to enhance the accuracy of predicting the category and timing of these nuisances. To this end, we propose Spatial-Temporal Two-Tower Transformer (ST-T3), which simultaneously considers spatial data and further improves the prediction accuracy. Evaluated by about three-year data from both downtown and suburban Shanghai, our method outperforms both traditional and advanced prediction systems. We share a portion of the de-identified dataset for open research.

Car-hailing services play an important role in the modern transportation system, and the utilities of the service providers highly depend on the efficiency of route planning algorithms. A widely adopted route planning framework is to assign weights to roads and compute the routes with the shortest path algorithms. Existing techniques of weight-assigning often focus on the traveling time and length of the roads, but cannot incorporate with the preferences of the passengers (users).

Microservice architecture has become a driving force in enhancing the modularity and scalability of web applications, as evidenced by the Alipay platform's operational success. However, a prevalent issue within such infrastructures is the suboptimal utilization of CPU resources due to inflexible resource allocation policies. This inefficiency necessitates the development of dynamic, accurate workload prediction methods to improve resource allocation. In response to this challenge, we present STAMP, a Spatio Temporal Graph Network for Microservice Workload Prediction. STAMP is designed to comprehensively address the multifaceted interdependencies between microservices, the temporal variability of workloads, and the critical role of system state in resource utilization. Through a graph-based representation, STAMP effectively maps the intricate network of microservice interactions. It employs time series analysis to capture the dynamic nature of workload changes and integrates system state insights to enhance prediction accuracy. Our empirical analysis, using three distinct real-world datasets, establishes that STAMP exceeds baselines by achieving an average boost of 5.72% in prediction precision, as measured by RMSE. Upon deployment in Alipay's microservice environment, STAMP achieves a 33.10% reduction in resource consumption, significantly outperforming existing online methods. This research solidifies STAMP as a validated framework, offering meaningful contributions to the field of resource management in microservice architecture-based applications.

Osteoporotic fractures significantly impact individuals's quality of life and exert substantial pressure on the social pension system. This study aims to develop prediction models for osteoporotic fracture and uncover potential risk factors based on Electronic Health Records (EHR).