{ "cells": [ { "cell_type": "markdown", "id": "3895b29e", "metadata": {}, "source": [ "## Der harmonische Oszillator" ] }, { "cell_type": "markdown", "id": "fab88439", "metadata": {}, "source": [ "*Notebook erstellt am 08.11.2022 von C. Rockstuhl, überarbeitet von Y. Augenstein*\n", "\n", "*Dieses Skript ist leider nicht in jupyterlite ausführbar, da einige benötigte Pakete dort nicht unterstützt werden.*" ] }, { "cell_type": "markdown", "id": "62b0aeaa", "metadata": {}, "source": [ "Der harmonische Oszillator wird mit einer Differentialgleichung zweiter Ordnung mathematisch ausgedrückt, die konkrete Systeme im Kontext vieler verschiedener Untersdisziplinen der Physik ausreichend exakt beschreibt. Der harmonische Oszillator als Gleichung zur Beschreibung der Dynamik in einem System taucht immer dann auf, wenn wir die Bewgung in näherer Umgebung eines Gleichgewichtspunktes beschreiben.\n", "\n", "Der harmonische Oszillator geht von einer Kraftwirkung aus, die linear proportional zur Auslenkung eines Teilchens, also zur Abweichung des Teilchens aus dessen Gleichgewichtslage, führt. Die Kraft ist negativ zur Auslenkung. Die Kraft wirkt daher der Auslenkung entgegen und möchte, dass das Teilchen wieder in seine Gleichgewichtslage zurückkehrt. \n", "\n", "Konkrete physikalische Systeme, die durch diese Differentialgleichung beschrieben werden, sind:\n", "* Eine Masse $m$, die an einer Feder aufgehängt und charakterisiert durch die Federkonstante $k$ ist.\n", "* Das mathematische Pendel, bei dem eine Masse an einem Pendel der Länge $l$ hängt, welches unter dem Einfluss einer Gravitationskraft leicht ausgelenkt wird aus seiner Ruhelage.\n", "* Bei der Berechnung der Schwingungsmoden eines zweiatomigen Moleküls.\n", "* Bei der Beschreibung der Ladung auf einem Kondensator in einem Schwingkreis, in dem für einen kurzen Moment ein Strom floss.\n", "\n", "Die Dynamik aller diese Systeme, und noch viele mehr, lassen sich durch die gleiche Differentialgleichung beschreiben. Wir wollen im Folgenden die Dynamik eines solchen harmonischen Oszillators mit ansteigender Komplexität beschreiben. Wir beginnen mit einem gedämpften freien harmonischen Oszillator und diskutieren anschließend einen getriebenen harmonischen Oszillator, der angeregt wird mit einer zeitharmonischen Kraft. Wir betrachten hier durchgehend eine Dämpfung, die proportional ist zur Geschwindigkeit." ] }, { "cell_type": "markdown", "id": "8dcb48ba", "metadata": {}, "source": [ "### Setup" ] }, { "cell_type": "markdown", "id": "69a9226e", "metadata": {}, "source": [ "Wir importieren hier die Module welche wir im Folgenden benötigen werden und definieren eine Hilfsfunktion, mit welcher wir die Differentialgleichungen lösen und interaktiv anzeigen lassen. Der Inhalt dieser Zelle ist nicht nötig zum Verständnis der besprochenen Probleme, Sie können ihn also ignorieren." ] }, { "cell_type": "code", "execution_count": 1, "id": "549ae848", "metadata": {}, "outputs": [], "source": [ "%matplotlib ipympl\n", "import numpy as np\n", "import matplotlib.pyplot as plt\n", "from scipy.integrate import solve_ivp # Solve Initial Value Problen, siehe Notebook \"DGL und Wurf\"\n", "from ipywidgets import interactive # Interaktive Plots mit Schiebereglern\n", "\n", "\n", "def solve_and_plot(ode_problem, x0, t, driven=False):\n", " \"\"\"Diese Funktion erstellt zunächst ein leeres Schaubild.\n", " Sie gibt dann die Funktion solve_and_draw zurück, mit welcher dann\n", " die DGL gelöst wird und lediglich neue Linien in das bestehende\n", " Schaubild hineingezeichnet werden.\n", "\n", " Dies hat den Vorteil, dass das Schaubild nicht nach jeder Änderung\n", " der Parameter komplett neu erstellt werden muss, was dazu führen würde,\n", " dass das interaktive Schaubild, welches wir zeichnen wollen, flackern würde.\n", " \"\"\"\n", "\n", " plt.close()\n", " fig, ax = plt.subplots(1, 1)\n", " (line0,) = ax.plot(t, np.zeros_like(t), c=\"tab:blue\", label=\"Auslenkung\")\n", " if ode_problem.driven:\n", " (line1,) = ax.plot(t, np.zeros_like(t), c=\"tab:orange\", label=\"Anregung\")\n", "\n", " ax.grid()\n", " ax.set_xlabel(\"Zeit\")\n", " ax.set_ylabel(\"Auslenkung\")\n", " fig.legend(framealpha=1)\n", " fig.tight_layout()\n", "\n", " def solve_and_draw(**kwargs):\n", " # Zunächst lösen wir die DGL\n", " sol = solve_ivp(ode_problem, (t[0], t[-1]), x0, t_eval=t, args=kwargs.values())\n", "\n", " # Und zeichnen dann die relevaten Linien\n", " line0.set_ydata(sol.y[0])\n", " if ode_problem.driven:\n", " omegad = kwargs[\"omegad_omega0\"] * kwargs[\"omega0\"]\n", " line1.set_ydata(1 / 4 * kwargs[\"F_m\"] * np.sin(omegad * t))\n", "\n", " # Und als Letztes skalieren wir die Achsen neu, da diese an\n", " # die neuen Werte von y angepasst werden müssen\n", " ax.relim()\n", " ax.autoscale_view()\n", "\n", " return solve_and_draw" ] }, { "cell_type": "markdown", "id": "c8253227", "metadata": {}, "source": [ "### Der freie harmonische Oszillator" ] }, { "cell_type": "markdown", "id": "ad2d061e", "metadata": {}, "source": [ "Der freie harmonische Oszillator wird durch die folgende Differentialgleichung beschrieben:\n", "\n", "$$\n", "\\ddot{x}+2\\gamma\\dot{x}+\\omega_0^2x=0 \\quad .\n", "$$\n", "\n", "Hier ist $\\omega_0$ die Eigen- oder Resonanzfrequenz. Diese ergibt sich aus der ganz konkreten physikalischen Situation, die wir betrachten. Der Dämpfungskoeffizient $\\gamma$ in dem Dämpfungsterm ist definiert als $\\gamma=\\frac{r}{2m}$. Der Faktor 2 im Dämpfungsterm ist etwas willkürlich gewählt hier, aber in Übereinstimmung mit der Notatation in der Vorlesung. Analytische Ausdrücke vereinfachen sich durch diese 2.\n", "\n", "Zur eindeutigen Lösung der Bewegung des harmonischen Oszillators benötigen wir zwei Anfangsbedingungen. Hierfür betrachtet man dann den Ort bzw. die Geschwindigkeit zu einer Anfangszeit $t_\\mathrm{Anfang}=t_0$. Aus Gründen der Praktikabilität und da unser System sowieso zeitinvariant ist, wählen wir üblicherweise $t_0=0$. \n", "\n", "In Analogie zur Lösung der Bewegungsgleichung für den Wurf, formulieren wir diese eine Differentialgleichung zweiter Ordnung zunächst in zwei gekoppelte Differentialgleichungen erster Ordnung um. Diese integrieren wir dann mit einer in einer passenden Python-Bibliothek implementierten Funktion, so dass wir die Position und die Geschwindigkeit des Teilchens nach einer endlichen Zeit berechnen können.\n", "\n", "Für die beiden Variablen, die durch Differentialgleichugnen erster Ordnung beschrieben werden, wählen wir den Ort $x$ und die Geschwindigkeit $\\dot{x}$ und fassen diese in einem Vektor $\\mathbf{X}(t)$ zusammen. Dieser ist definiert als:\n", "\n", "$$\n", "\\mathbf{X}(t)=\\begin{pmatrix} X_1(t)\\\\ X_2(t)\\end{pmatrix}=\\begin{pmatrix} x(t)\\\\ \\dot{x}(t)\\end{pmatrix} \\quad .\n", "$$\n", "\n", "Die von uns zu lösende Bewegungsgleichung lautet dann:\n", "\n", "$$\n", "\\dot{\\mathbf{X}}(t)= \\begin{pmatrix} \\dot{x} \\\\-2\\gamma\\dot{x}-\\omega_0^2 x \\end{pmatrix} \\quad .\n", "$$\n", "In dem folgenden Pythonskript variieren wir die Dämpfung und die Eigenfrequenz, um Details der Bewegung zu studieren. \n", "\n", "Beachten Sie, dass Sie zwei verschiedene Arten (oder beliebige Kombinationen) von Anfangsbedingungen berücksichtigen können. So können Sie dem harmonischen Oszillator eine Auslenkung geben und würden beobachten, wie er langsam wieder seiner Gleichgewichtslage entgegen strebt. Sie können aber auch die Auslenkung zum Zeitpunkt $t=t_0=0$ auf $0$ setzen und dem hamonischen Oszillator eine endliche Geschwindigkeit geben. Das entspricht der Situation einer stoßförmigen Anregung. " ] }, { "cell_type": "code", "execution_count": 2, "id": "136d0b99", "metadata": {}, "outputs": [ { "data": { "application/vnd.jupyter.widget-view+json": { "model_id": "a9b0db6c04324946a9b70d3ab1131d27", "version_major": 2, "version_minor": 0 }, "text/plain": [ "interactive(children=(FloatSlider(value=6.28, description='gamma', max=12.566370614359172, step=0.01), FloatSl…" ] }, "metadata": {}, "output_type": "display_data" }, { "data": { "application/vnd.jupyter.widget-view+json": { "model_id": "6034590951a640d3a8c5fee20b593d81", "version_major": 2, "version_minor": 0 }, "image/png": "iVBORw0KGgoAAAANSUhEUgAAAoAAAAHgCAYAAAA10dzkAAAAOXRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjUuMSwgaHR0cHM6Ly9tYXRwbG90bGliLm9yZy/YYfK9AAAACXBIWXMAAA9hAAAPYQGoP6dpAABSeklEQVR4nO3deXxUVZ7//3elshEgrBpAQmSTRbGFgGyNYGuCoA44IowLOD9hlMEFSI+2iIyCrbQbRlGw6cbO0N1ixkFEbforpa0CDS2KxHZHRQ1iIgSBbFCpVN3fH0lVCAmQrerWvff1fDzygLp169YpTiBvPueec1yGYRgCAACAY8SY3QAAAABEFgEQAADAYQiAAAAADkMABAAAcBgCIAAAgMPEmt0AAADQ8iorK1VRUWF2M2CC+Ph4xcaeOuIRAAEAsBHDMJSfn6+ioiKzmwITde7cWT169JDL5ar3eQIgAAA2Egx/Z511ltq0aaOYGO72cpJAIKDS0lLt27dPkpSWllbveQRAAABsorKyMhT+unTpYnZzYJI2bdpIkvbt26ezzjqr3uFg/lsAAIBNBO/5CwYAOFfwe+Bk94ESAAEAsBmGfXG67wG+QwAAgO3l5OSoffv2LXrNt99+Wy6XS4cPH27R60YCARAAAESNbdu2ye1267LLLjO7KbbGJJAwCQQC+uGHH9S2bduTTsEGAKAlHTt2zOwmNNtzzz2n22+/Xb///e+Vn5+vHj16mN0kezIQFnv37jUk8cUXX3zxxVfEvvr162e8//77RllZmdk/BpuktLTUaNu2rfH5558b06ZNMxYvXhx67g9/+IPRrl27WuevX7/ekGqiTF5enjFu3DijTZs2Rtu2bY0hQ4YY77333klf/8orrxhDhgwxEhISjJ49exr333+/4fP5Qs9LMn73u98ZkydPNlq1amX06dPH2LBhQ+j5t956y5BkHDp0yDAMwygvLzcmTpxoDB8+3Dh48KBx4403GpMmTar1nnPnzjXGjh0bejx27Fjj9ttvN+68806jQ4cORkpKinHffffVes1nn31mjB492khISDAGDBhgeDweQ5Kxfv36k/5ZlpWVnfJ7gQpgmLRt21aStHfvXiUnJ7f49X0+nzZt2qTMzEzFxcW1+PXRMPRDdKAfogP9YL5jx45p7969ZjejyXJzc9WvXz/169dPN9xwg26//XYtWrSowSNp119/vQYPHqyVK1fK7XYrLy/vpN+Lr7/+um644QY99dRTGjNmjL7++mvdfPPNkqT77rsvdN7ixYv1yCOP6NFHH9Xy5ct1/fXX67vvvlPHjh1rXe/IkSO64oorlJiYqDfffFOtW7du8Of+n//5H2VlZendd9/V9u3b9e///u8aPXq0MjIyFAgENHnyZPXo0UPvvvuuSkpK9Mtf/rLB1z4ZAmCYBL9Zk5OTwxYAk5KSlJyczD+0JqIfogP9EB3oB/PVt96bYRg66vOb0BqpVZy7UbdBrV69WjfccIMk6bLLLlNpaanefPNNXXrppQ16fX5+vu688071799fktS3b9+Tnvvggw/q7rvv1o033ihJ6tWrlx544AHdddddtQLgv//7v+vaa6+VJD300ENavny5duzYUesexR9//FHTpk1T7969tXbtWsXHxzf4M0vS+eefH3rPvn376umnn9abb76pjIwMbdq0SV9//bXefvvt0NqODz74oDIyMhr1HiciAAIAYGNHfX4N/O/XTXnvT5eMV1J8w6LGF198oR07duill16SVBVmp02bpueee67BATArK0uzZs3SH//4R1166aW65ppr1Lt373rP3blzp9577z09+OCDoWN+v1/Hjh1TeXm5kpKSJFWFs6DWrVurbdu22r9/f61rXXrppRo2bJj+93//V263u0FtPd7x7yFJXbt2Db3HF198odTU1FoLe1944YWNfo8TEQABAIDpVq9ercrKSp111lmhY4ZhKC4uTocOHVJMTIyqbsur4fP5aj2+//77dd111+kvf/mL/vrXv+q+++7TCy+8oKuuuqrO+wUCAS1evFj/+q//Wue5xMTE0O9PrGa7XC4FAoFaxy6//HKtW7dOn376qQYNGhQ63pA2n+49DMMIy2RSWwTAFStW6NFHH1VBQYHOPfdcZWdna8yYMfWeu3XrVv3qV7/S559/rvLycqWlpemWW27R/Pnza523bt06LVq0SF9//bV69+6tBx98sN5vIAAAolmrOLc+XTLetPduiMrKSq1Zs0aPP/64MjMzaz139dVX689//rN69+6tkpISlZWVhe6vy8vLq3Otc845R+ecc47mz5+va6+9Vn/4wx/q/fk9ZMgQffHFF+rTp0/jP9gJfvOb36hNmza65JJL9Pbbb2vgwIGSpDPOOEMff/xxrXNPdV9iffr376/8/Hz9+OOPSklJkSS99957zW6z5QNgbm6u5s2bpxUrVmj06NH67W9/qwkTJujTTz+td+p469atddttt+n8889X69attXXrVt1yyy1q3bp16ObP7du3a9q0aXrggQd01VVXaf369Zo6daq2bt2q4cOHR/ojAgDQZC6Xq8HDsGZ57bXXdOjQIc2cOVPt2rWr9dyUKVO0evVqvfnmm0pKStI999yj22+/XTt27FBOTk7ovKNHj+rOO+/UlClT1LNnT33//fd67733dPXVV9f7nv/93/+tK664QqmpqbrmmmsUExOjf/7zn/roo4/061//utGf4bHHHpPf79cvfvELvf322+rfv79+8Ytf6NFHH9WaNWs0cuRI/elPf9LHH3+swYMHN/i6GRkZ6t27t2688UY98sgjKikp0cKFCyWpWZVByy8EvWzZMs2cOVOzZs3SgAEDlJ2drdTUVK1cubLe8wcPHqxrr71W5557rs4++2zdcMMNGj9+vLZs2RI6Jzs7WxkZGVqwYIH69++vBQsW6JJLLlF2dnaEPhUAAM6xevVqXXrppXXCn1RVAczLy9O3336rP/3pT9q4caMGDRqktWvX6v777w+d53a7dfDgQc2YMUPnnHOOpk6dqgkTJmjx4sX1vuf48eP12muvyePxaNiwYRoxYoSWLVumtLS0Jn+OJ554QlOnTtUvfvEL7d69W+PHj9eiRYt01113adiwYSopKdGMGTMadU23262XX35ZpaWlGjZsmGbNmqV7771XUu2h6kY76QIyFuD1eg2322289NJLtY7fcccdxkUXXdSga3zwwQdGSkqK8bvf/S50LDU11Vi2bFmt85YtW2b06NGjwW07cuSIIck4cuRIg1/TGBUVFcbLL79sVFRUhOX6aBj6ITrQD9GBfjDf6dZ+gz1s3brVkGR89dVXJz3H1usAFhUVye/3h8bEg1JSUlRYWHjK13bv3l0HDhxQZWWl7r//fs2aNSv0XGFhYaOv6fV65fV6Q4+Li4slVd3sWd8Nn80VvGY4ro2Gox+iA/0QHegH8/Fnb0/r169XmzZt1LdvX3311VeaO3euRo8efdIZzg1h6QAYdOIYuNGAGTNbtmxRaWmp/vGPf+juu+9Wnz59Quv8NOWaS5curbfMvGnTptBU8nDweDxhuzYajn6IDvRDdKAfzBMXF1engAHrKykp0V133aW9e/eqc+fOuvTSS/X4448365qWDoCdO3eW2+2uU5nbv3//af8C9OzZU5I0aNAg/fjjj7r//vtDAbBLly6NvuaCBQuUlZUVelxcXKzU1FRlZmaGbSFoj8ejjIwMFlw1Ef0QHeiH6EA/mK+8vFxfffWV2c1AC5sxY0aj7x08HUsHwPj4eKWnp8vj8dSa4u3xeDRp0qQGX8cwjFrDtyNHjpTH46m1NMymTZs0atSok14jISFBCQkJdY7HxcWF9R/CcF8fDUM/RAf6ITrQD+bhzx0NZekAKFWt+j19+nQNHTpUI0eO1KpVq5Sfn6/Zs2dLqqrM7du3T2vWrJEkPfPMM+rRo0dom5itW7fqscce0+233x665ty5c3XRRRfp4Ycf1qRJk7Rhwwa98cYb2rp1a+Q/IAAAQAuzfACcNm2aDh48qCVLlqigoEDnnXeeNm7cGJrGXVBQoPz8/ND5gUBACxYs0DfffKPY2Fj17t1bv/nNb3TLLbeEzhk1apReeOEF3XvvvVq0aJF69+6t3Nxc1gAEAFjCiTtVwHlO9z1g+QAoSXPmzNGcOXPqfe74RSIl6fbbb69V7TuZKVOmaMqUKS3RPAAAIiI+Pl6SVFpaqjZt2pjcGpiptLRUUs33xIlsEQABAIAUGxurjh07at++fZKkNm3aKCbG8ns+oBECgYBKS0u1b98+de7cWbGx9Uc9AqBN7fjmJ31WUKzpI9IUE9Pym0gDAKLTWWedpfz8/FAIhDN17ty53i1xgwiANvRNUZmmr35X3sqA4twxum74yb8BAAD24nK5dPjwYQ0fPpx7AU3k8/n097//XaNHjw7L7OzS0lJddNFF2rx5c53h/vj4+JNW/oIIgDa06ZNCeSur/tLnvpdPAAQAB3K73c3bKxbNEtwJLCkpKSwBsLKyUl988YUSExObtOEENwbY0K78w6Hff/JDsY5W+M1rDAAAiDoEQBv6vLA49PvKgKFPfjhiYmsAAEC0IQDaTCBg6IfDxyRJvTq3liR9faDUzCYBAIAoQwC0maIyryr8AcW4pJG9O0mS9hwoM7lVAAAgmhAAbWbfoaOSpJTkRJ2T0laStKeIAAgAAGoQAG2m8EjV8G/Xdonq3qGVJKngyFEzmwQAAKIMAdBmfiqvkCR1apOglOSq6f+FR7xmNgkAAEQZAqDN/FRaFQA7JsWrS7uqAHiwzKuKShYDBQAAVQiANhOsAHZsE6+OSfGKd8fIMKT9JcdMbhkAAIgWBECbOVRWUwGMiXHpzOQESdKPxQRAAABQhQBoMz+V+yRJHVrHS5K6cB8gAAA4AQHQZoIVwA5JVfsOBu8DZCYwAAAIIgDaTPGxqgpgu1bVAbC6AsgQMAAACCIA2kzpsUpJUtvEEyuABEAAAFCFAGgzJdUBsE1irCTpjLZVk0AOVi8PAwAAQAC0kWM+vyr8Vev9ta0OgB2rJ4P8VEYABAAAVQiANhKs/klSm/jaAfAgARAAAFQjANpIqbd6+DchVjExLkk1AfBQeYUMwzCtbQAAIHoQAG2kpHoGcHD4V6oJgP6AoeKjlfW+DgAAOAsB0EZKQjOAawJgQqxbbRKqHh8sYzFoAABAALSV4BBw64TYWsePHwYGAAAgANrI0Qq/JKl1fO0AGNwWjqVgAACARAC0lbKKqgpgq3h3reOdWAoGAAAchwBoI8EKYNIJAZClYAAAwPEIgDZSfpoAeIgACAAARAC0lWAAbBVX/yQQhoABAIBEALSV8orgLODaFcAOSXGSmAUMAACqEABtJFQBPGEIuF2rqgB45Kgv4m0CAADRhwBoI6FJIHEnBsCqIWACIAAAkAiAthIcAk46YR3AmgogW8EBAAACoK2EZgGfcA9gu+p7AIuP+mQYRsTbBQAAogsB0EaO+YKzgOu/B7DCH9AxXyDi7QIAANGFAGgj3sqqcJd4QgBsHe+WO8YlSTp8lJnAAAA4HQHQRoIBMCG2dre6XC5mAgMAgBACoI0Eh4ATYt11nmsfDIDlBEAAAJyOAGgjoQpgXN1uTaYCCAAAqhEAbcQbqgDW7VaGgAEAQBAB0EZq7gGsOwRMAAQAAEEEQJuo9AdUGaha448KIAAAOBUCoE1U+GvW96vvHsD2SQRAAABQhQBoE97jFniOd1MBBAAAJ0cAtIng/X+xMS7F1hMAmQUMAACCCIA24a08+QxgiQogAACoQQC0iZo1AOvOAJYIgAAAoAYB0CaC9wCetgLITiAAADgeAdAmTjcEfPwsYMMwItYuAAAQfQiANnGqRaClmgpgZcBQeYU/Yu0CAADRhwBoE6EKYD1rAEpSqzi34twuSdwHCACA09kiAK5YsUI9e/ZUYmKi0tPTtWXLlpOe+9JLLykjI0NnnHGGkpOTNXLkSL3++uu1zsnJyZHL5arzdezYsXB/lCY73T2ALpdLyYlVVcDiYwRAAACczPIBMDc3V/PmzdPChQu1a9cujRkzRhMmTFB+fn6952/evFkZGRnauHGjdu7cqYsvvlhXXnmldu3aVeu85ORkFRQU1PpKTEyMxEdqktMNAUtS28RYSVLJscqItAkAAESnWLMb0FzLli3TzJkzNWvWLElSdna2Xn/9da1cuVJLly6tc352dnatxw899JA2bNigV199VYMHDw4dd7lc6tKlS1jb3pJONwlEktpWVwBLqAACAOBolq4AVlRUaOfOncrMzKx1PDMzU9u2bWvQNQKBgEpKStSxY8dax0tLS5WWlqbu3bvriiuuqFMhjDY16wCeKgBSAQQAABavABYVFcnv9yslJaXW8ZSUFBUWFjboGo8//rjKyso0derU0LH+/fsrJydHgwYNUnFxsZ588kmNHj1aH374ofr27Vvvdbxer7xeb+hxcXGxJMnn88nna/mKW/CawV/LvVW/xse4Tvp+reOrhocPlXnD0iYnOrEfYA76ITrQD9GBfogO4e6H5l7X0gEwyOVy1XpsGEadY/VZu3at7r//fm3YsEFnnnlm6PiIESM0YsSI0OPRo0dryJAhWr58uZ566ql6r7V06VItXry4zvFNmzYpKSmpoR+l0TwejyTpo+9dktz6sWCfNm7cW++5xUUxkmL0/ocfq0PRR2FrkxMF+wHmoh+iA/0QHeiH6BCufigvL2/W6y0dADt37iy3212n2rd///46VcET5ebmaubMmXrxxRd16aWXnvLcmJgYDRs2TF9++eVJz1mwYIGysrJCj4uLi5WamqrMzEwlJyc34NM0js/nk8fjUUZGhuLi4vTFG19Je/eoT6+zNXFi/3pfs2vj53r3QL66pfXWxMxzWrxNTnRiP8Ac9EN0oB+iA/0QHcLdD8GRxqaydACMj49Xenq6PB6PrrrqqtBxj8ejSZMmnfR1a9eu1U033aS1a9fq8ssvP+37GIahvLw8DRo06KTnJCQkKCEhoc7xuLi4sP4FDF6/snpzj6T42JO+X7ukqvaVVQT4R6GFhbuf0TD0Q3SgH6ID/RAdwtUPzb2mpQOgJGVlZWn69OkaOnSoRo4cqVWrVik/P1+zZ8+WVFWZ27dvn9asWSOpKvzNmDFDTz75pEaMGBGqHrZq1Urt2rWTJC1evFgjRoxQ3759VVxcrKeeekp5eXl65plnzPmQDeD1NWQWMJNAAACADQLgtGnTdPDgQS1ZskQFBQU677zztHHjRqWlpUmSCgoKaq0J+Nvf/laVlZW69dZbdeutt4aO33jjjcrJyZEkHT58WDfffLMKCwvVrl07DR48WJs3b9aFF14Y0c/WGDWzgE++DmAyy8AAAADZIABK0pw5czRnzpx6nwuGuqC33377tNd74okn9MQTT7RAyyKnZiFoKoAAAODULL0OIGo0biFoAiAAAE5GALSJmr2AT78VHHsBAwDgbARAm2jITiDJragAAgAAAqBtBIeA492nvwew1Fspf8CISLsAAED0IQDaRIW/KtDFNSAASlUhEAAAOBMB0CZ81UPAcaeYBJIQ61Z89fMsBQMAgHMRAG2iMlAdAGNOvQdyMkvBAADgeARAm/AFh4BPUQGUWAoGAAAQAG3D56+qAMaepgIYWgrmKEPAAAA4FQHQJoIB8FSTQKTjdgPxEgABAHAqAqBNVDZgFrB0/H7ADAEDAOBUBECbqAhVABs2BEwABADAuQiANtHQCmBwEgjbwQEA4FwEQJto9D2AVAABAHAsAqANGIahyuqt3WJPOwTMPYAAADgdAdAGgmsASg2vALIMDAAAzkUAtIHgLiDS6SeB1OwEQgAEAMCpCIA24KtsTAWQIWAAAJyOAGgDvuMqgKfbCYR1AAEAAAHQBnzHrQHocjV0HUCGgAEAcCoCoA0E1wCMjTl9dwYDYFmFX/6AcZqzAQCAHREAbaChu4BINfcASlIpw8AAADgSAdAGGroLiCTFx8YoIbbqPHYDAQDAmQiANtDQXUCC2A4OAABnIwDaQDAAnm4XkKBktoMDAMDRCIA2ENwJJL7BFUACIAAATkYAtIHKxlYAWwXXAmQIGAAAJyIA2kBFo+8BpAIIAICTEQBtILQOYEMDYAIVQAAAnIwAaAPBSSDxDRwCDlYAi6kAAgDgSARAG/AFGr4TiFSzDAwVQAAAnIkAaAO+yup7AGMbdw8gFUAAAJyJAGgDlYHqABjTuCFgJoEAAOBMBEAbqGjEVnASQ8AAADgdAdAGGr0OIBVAAAAcjQBoAzWzgKkAAgCA0yMA2oAvtA4g9wACAIDTIwDaQGWj7wGsCoDlFf7Q8DEAAHAOAqAN+Bq9FVxc6PelXqqAAAA4DQHQBnzBZWAaOAQcHxujhOo1AxkGBgDAeQiANuCrbNxewFJNFbCYiSAAADgOAdAGQgtBNyIAshQMAADORQC0gdA9gA3cCURiJjAAAE5GALSB4DIwDd0LWGItQAAAnIwAaAPBCmAsFUAAANAABEAbCK4DGN+oCmAwAFIBBADAaQiANlARqgA2ZQiYCiAAAE5DALSBSn/j1gGUpOTQMjAEQAAAnIYAaAO+Rm4FJzEEDACAkxEAbSA0CaQRFUAmgQAA4FwEQBvwB6p3AmnULGCWgQEAwKkIgDZQWR0A3Y2YBMJOIAAAOJctAuCKFSvUs2dPJSYmKj09XVu2bDnpuS+99JIyMjJ0xhlnKDk5WSNHjtTrr79e57x169Zp4MCBSkhI0MCBA7V+/fpwfoRmaV4FkAAIAIDTWD4A5ubmat68eVq4cKF27dqlMWPGaMKECcrPz6/3/M2bNysjI0MbN27Uzp07dfHFF+vKK6/Url27Quds375d06ZN0/Tp0/Xhhx9q+vTpmjp1qt59991IfaxGqakANv4ewGKGgAEAcBzLB8Bly5Zp5syZmjVrlgYMGKDs7GylpqZq5cqV9Z6fnZ2tu+66S8OGDVPfvn310EMPqW/fvnr11VdrnZORkaEFCxaof//+WrBggS655BJlZ2dH6FM1jj/Q9J1Ayiv8oWVkAACAM1g6AFZUVGjnzp3KzMysdTwzM1Pbtm1r0DUCgYBKSkrUsWPH0LHt27fXueb48eMbfM1I8zepAhgX+n2pl2FgAACcJNbsBjRHUVGR/H6/UlJSah1PSUlRYWFhg67x+OOPq6ysTFOnTg0dKywsbPQ1vV6vvF5v6HFxcbEkyefzyedr+WHW4DV9Pl9oKzgZgQa/l0tSQmyMvJUB/VR6VK3jGh4eUeP4foB56IfoQD9EB/ohOoS7H5p7XUsHwCCXq3Z4MQyjzrH6rF27Vvfff782bNigM888s1nXXLp0qRYvXlzn+KZNm5SUlHTatjSVx+NRSZlbkkvvbt+mwo8b/tp4l1teufTXN95W99Zha6IjeDwes5sA0Q/Rgn6IDvRDdAhXP5SXlzfr9ZYOgJ07d5bb7a5Tmdu/f3+dCt6JcnNzNXPmTL344ou69NJLaz3XpUuXRl9zwYIFysrKCj0uLi5WamqqMjMzlZyc3NCP1GA+n08ej0cZGRla+sk2yevVRWN+rnO7Nfy9sndvVcnBcv1s6AgN79nx9C9AHcf3Q1xc3OlfgLCgH6ID/RAd6IfoEO5+CI40NpWlA2B8fLzS09Pl8Xh01VVXhY57PB5NmjTppK9bu3atbrrpJq1du1aXX355nedHjhwpj8ej+fPnh45t2rRJo0aNOuk1ExISlJCQUOd4XFxcWP8CxsXFKTgCnBDfuPdKblV17tFK8Y9EM4W7n9Ew9EN0oB+iA/0QHcLVD829pqUDoCRlZWVp+vTpGjp0qEaOHKlVq1YpPz9fs2fPllRVmdu3b5/WrFkjqSr8zZgxQ08++aRGjBgRqvS1atVK7dq1kyTNnTtXF110kR5++GFNmjRJGzZs0BtvvKGtW7ea8yFPoynrAErsBgIAgFNZehawJE2bNk3Z2dlasmSJLrjgAm3evFkbN25UWlqaJKmgoKDWmoC//e1vVVlZqVtvvVVdu3YNfc2dOzd0zqhRo/TCCy/oD3/4g84//3zl5OQoNzdXw4cPj/jna4jgMi6NmQUssR8wAABOZfkKoCTNmTNHc+bMqfe5nJycWo/ffvvtBl1zypQpmjJlSjNbFhk1FcDG5fmaAEgFEAAAJ7F8BRDH7QTibuoQMBVAAACchABoA02/BzC4HRwBEAAAJyEAWpxhGE3aC1hiEggAAE5FALS46uwnqekVQIaAAQBwFgKgxVUelwBjGhkAk5kEAgCAIxEALc4fCIR+3/R1AKkAAgDgJARAi/MfVwFkHUAAANAQBECLO34IuPHrADIJBAAAJyIAWtzxFcBGFgBDFcCyCn+t6wAAAHsjAFpc5XFrALpcTRsClqRShoEBAHAMAqDF+Zu4BqAkJcS6FR9b9S1QzDAwAACOQQC0uMom7gISlMxEEAAAHIcAaHF+f9MrgBITQQAAcCICoMWF9gF2N60rWQoGAADnIQBanN9obgWwOgB6qQACAOAUBECL8zfzHsC2CewGAgCA0xAALa6yGbOAJYaAAQBwIgKgxTW7Alg9CYRlYAAAcA4CoMVVBgKSml4BTG5FBRAAAKchAFpcTQWwqbOAuQcQAACnIQBaXPAewJhm3wPIEDAAAE5BALS45t4DyE4gAAA4DwHQ4lpqJ5Dio1QAAQBwCgKgxTV3L2CWgQEAwHlizXjTV155pd7jLpdLiYmJ6tOnj3r27BnhVlmTv9nrALIXMAAATmNKAJw8ebJcLpeM6m3MgoLHXC6Xfv7zn+vll19Whw4dzGiiZYQqgO7mVQDLKvzyB4wmB0kAAGAdpgwBezweDRs2TB6PR0eOHNGRI0fk8Xh04YUX6rXXXtPmzZt18OBB/dd//ZcZzbOUmgpgU5eBqfk/QCnDwAAAOIIpFcC5c+dq1apVGjVqVOjYJZdcosTERN1888365JNPlJ2drZtuusmM5llKc+8BTIh1Kz42RhWVARUf86ldUlxLNg8AAEQhUyqAX3/9tZKTk+scT05O1p49eyRJffv2VVFRUaSbZjnNvQdQYikYAACcxpQAmJ6erjvvvFMHDhwIHTtw4IDuuusuDRs2TJL05Zdfqnv37mY0z1L81VvBNbUCKDERBAAApzFlCHj16tWaNGmSunfvrtTUVLlcLuXn56tXr17asGGDJKm0tFSLFi0yo3mWUtkCFUCWggEAwFlMCYD9+vXTZ599ptdff127d++WYRjq37+/MjIyFFM9mWHy5MlmNM1ymrsTiHRcAPRSAQQAwAlMCYBS1ZIvl112mS677DKzmmALlc2cBSxJbROCQ8BUAAEAcALTAuCbb76pN998U/v371eg+j62oOeee86kVllPi1YACYAAADiCKQFw8eLFWrJkiYYOHaquXbvK5WLx4aYKVQCbuBC0JCW3Yj9gAACcxJQA+OyzzyonJ0fTp0834+1tpSUqgO2qA+ARAiAAAI5gyjIwFRUVtRaBRtO15DqAxSwDAwCAI5gSAGfNmqXnn3/ejLe2nVAAbMYwenD3DyqAAAA4gylDwMeOHdOqVav0xhtv6Pzzz1dcXO3tx5YtW2ZGsyzJ3wL3ADIEDACAs5gSAP/5z3/qggsukCR9/PHHtZ5jQkjjNHcvYIkACACA05gSAN966y0z3taW/C2wDmC70CxgloEBAMAJTLkHEC2nJSqAydV7ARcf8ylQfT0AAGBfplQAL7744lMO9f7tb3+LYGusrUVmAVdXAA1DKvFWhiqCAADAnkwJgMH7/4J8Pp/y8vL08ccf68YbbzSjSZblr95FpTkVwMQ4txJiY+StDKj4qI8ACACAzZkSAJ944ol6j99///0qLS2NcGusrbIFKoBS1X2A+0u8OnLUp9SWaBgAAIhaUXUP4A033MA+wI3UEjuBSGwHBwCAk0RVANy+fbsSExPNboal1OwF3LyuZCkYAACcw5Qh4H/913+t9dgwDBUUFOj999/XokWLzGiSZbVUBZAACACAc5gSANu1a1frcUxMjPr166clS5YoMzPTjCZZVkveAyixHzAAAE5g2iSQ9u3b1/vcV199pT59+kS2QRbWEnsBS1JyYtW3AhVAAADsz5R7ACdOnKhjx47VOf7FF19o3LhxkW+QhQVauAJIAAQAwP5MCYAdOnTQ5MmTVVlZs/XYZ599pnHjxunqq682o0mW5TeqAmBMC80CPsJ2cAAA2J4pAXDdunUqKyvTddddJ8Mw9PHHH2vcuHG69tpr9eSTTzb6eitWrFDPnj2VmJio9PR0bdmy5aTnFhQU6LrrrlO/fv0UExOjefPm1TknJydHLperzld9VUuztdQQcDuWgQEAwDFMCYCJiYl67bXX9OWXX+qaa67RJZdcohkzZmjZsmWNvlZubq7mzZunhQsXateuXRozZowmTJig/Pz8es/3er0644wztHDhQv3sZz876XWTk5NVUFBQ6ysal6gJbt3bzFVgGAIGAMBBIhYAi4uLa325XC7l5uZqx44duvrqq7Vo0aLQc42xbNkyzZw5U7NmzdKAAQOUnZ2t1NRUrVy5st7zzz77bD355JOaMWNGndnIx3O5XOrSpUutr2gUrADGNHcSCBVAAAAcI2IBsH379urQoUOtrwEDBuj777/Xs88+qw4dOoTOaaiKigrt3LmzztIxmZmZ2rZtW7PaW1paqrS0NHXv3l1XXHGFdu3a1azrhUvAYBIIAABonIgtA/PWW2+1+DWLiork9/uVkpJS63hKSooKCwubfN3+/fsrJydHgwYNUnFxsZ588kmNHj1aH374ofr27Vvva7xer7xeb+hxsJLp8/nk87V8qApes9IfkCQZAX+z3qd1XFWALD7mU0VFhVzNrCg6RfDPPBx9jIajH6ID/RAd6IfoEO5+aO51IxYAx44dG7ZrnxhWDMNoVoAZMWKERowYEXo8evRoDRkyRMuXL9dTTz1V72uWLl2qxYsX1zm+adMmJSUlNbktp3OkuESSSzvff19lXxlNvo7XL0mx8vkNvfzaX5XgbqkWOoPH4zG7CRD9EC3oh+hAP0SHcPVDeXl5s15vykLQknT48GHt2LFD+/fvVyAQqPXcjBkzGnSNzp07y+1216n27d+/v05VsDliYmI0bNgwffnllyc9Z8GCBcrKygo9Li4uVmpqqjIzM5WcnNxibQny+XzyeDxKat1GKi/TiOEXalTvTk2+nmEYWvD+G/IHDI246Bfq2i76JrxEo2A/ZGRkKC4uzuzmOBb9EB3oh+hAP0SHcPdDY+dMnMiUAPjqq6/q+uuvV1lZmdq2bVurWudyuRocAOPj45Weni6Px6OrrroqdNzj8WjSpEkt1l7DMJSXl6dBgwad9JyEhAQlJCTUOR4XFxfWv4DBWcDxLfA+7VrF6aeyCpVXGvyj0Ujh7mc0DP0QHeiH6EA/RIdw9UNzr2lKAPzlL3+pm266SQ899FCzh0ezsrI0ffp0DR06VCNHjtSqVauUn5+v2bNnS6qqzO3bt09r1qwJvSYvL09S1USPAwcOKC8vT/Hx8Ro4cKAkafHixRoxYoT69u2r4uJiPfXUU8rLy9MzzzzTrLaGQ0tNApFqAmAxi0EDAGBrpgTAffv26Y477miRe+OmTZumgwcPasmSJSooKNB5552njRs3Ki0tTVLVws8nrgk4ePDg0O937typ559/Xmlpafr2228lVQ1P33zzzSosLFS7du00ePBgbd68WRdeeGGz29vSQgtBt8B87mRmAgMA4AimBMDx48fr/fffV69evVrkenPmzNGcOXPqfS4nJ6fOMcM49WSJJ554Qk888URLNC3sghXA5q4DKLEUDAAATmFKALz88st155136tNPP9WgQYPqjGP/y7/8ixnNsqSaCmDzA2ByYtW3AwEQAAB7MyUA/sd//IckacmSJXWec7lc8vv9kW6SZQUngbRkBZDdQAAAsDdTAuCJy76g6VqyAsgQMAAAzhCxreBO5tixY2Y3wdJaehawRAUQAAC7MyUA+v1+PfDAAzrrrLPUpk0b7dmzR5K0aNEirV692owmWVZLTgJhFjAAAM5gSgB88MEHlZOTo0ceeUTx8fGh44MGDdLvf/97M5pkWdVbAbdsBfAYARAAADszJQCuWbNGq1at0vXXXy+3u2bT2fPPP1+ff/65GU2yrJoKYPOvxT2AAAA4gykBcN++ferTp0+d44FAQD4f4aMxgpNAWAcQAAA0lCkB8Nxzz9WWLVvqHH/xxRdr7dKB0wvHJJDD5QRAAADszJRlYO677z5Nnz5d+/btUyAQ0EsvvaQvvvhCa9as0WuvvWZGkyyrJZeBaZ9UFQC9lQEd8/mVGOc+zSsAAIAVmVIBvPLKK5Wbm6uNGzfK5XLpv//7v/XZZ5/p1VdfVUZGhhlNsiTDaNmFoNskxCq2OkgeKq9o9vUAAEB0MqUCKFXtBzx+/Hiz3t4Wjt/RuCUqgC6XS+2T4lRUWqFDZT51bdeq2dcEAADRx/SFoNF0geMSoLsFKoCS1D6palmew1QAAQCwrYhVADt06CBXA0PKTz/9FObW2MPxATCmhaJ8h+r7AA8xEQQAANuKWADMzs6O1Fs5RksPAUs1FUDuAQQAwL4iFgBvvPHGSL2VY9SqALbQEHCwAsgQMAAA9mXKPYAffPCBPvroo9DjDRs2aPLkybrnnntUUUHwaKha9wC2UAWwQ6gCyBAwAAB2ZUoAvOWWW7R7925J0p49ezRt2jQlJSXpxRdf1F133WVGkyyp1hBwC08CYQgYAAD7MiUA7t69WxdccIGkqt0/xo4dq+eff145OTlat26dGU2ypNqTQFp2CPgIFUAAAGzLlABoGIYCgYAk6Y033tDEiRMlSampqSoqKjKjSZYUzH8tNfwrUQEEAMAJTAmAQ4cO1a9//Wv98Y9/1DvvvKPLL79ckvTNN98oJSXFjCZZUrAC2FLDv9Lxk0CoAAIAYFemBMDs7Gx98MEHuu2227Rw4UL16dNHkvR///d/GjVqlBlNsqTQNnAt2ItUAAEAsD9TtoI7//zza80CDnr00UfldrtNaJE1hYaAw1ABPHLUp0DAaLF7CwEAQPSIqq3gEhMTFRcXZ3YzLKOmAtjy9wAGDKn4GMPAAADYkSkBMCYmRm63+6RfaJjQPYAtGADjY2PUOr6qD1gLEAAAezJlCHj9+vW1Hvt8Pu3atUv/8z//o8WLF5vRJEsKVP/aUruABLVPildZxVEdKq9QT7Vu0WsDAADzmRIAJ02aVOfYlClTdO655yo3N1czZ840oVXWYwSHgFs4AHZoHad9h4+yHRwAADYVVfcADh8+XG+88YbZzbCMmiHglr1uaDu4MoaAAQCwo6gJgEePHtXy5cvVvXt3s5tiGcEh4JacBSyxFAwAAHZnyhBwhw4d5DoutBiGoZKSErVq1Up//vOfzWiSJRlhmAUssRg0AAB2Z0oAzM7OrvU4JiZGZ5xxhoYPH67vvvvOjCZZUjhmAUtUAAEAsDtTAuCNN95Y6/GRI0f05z//WQsXLlReXp78fr8ZzbKccA0BhyqAR6kAAgBgR6beA/i3v/1NN9xwg7p27arly5drwoQJev/9981skqUYRlXwa+kh4PahIWAqgAAA2FHEK4Dff/+9cnJy9Nxzz6msrExTp06Vz+fTunXrNHDgwEg3x9JCQ8DhmgTCLGAAAGwpohXAiRMnauDAgfr000+1fPly/fDDD1q+fHkkm2Arwb2AW34SSFUApAIIAIA9RbQCuGnTJt1xxx36z//8T/Xt2zeSb21L4VoHsFPrqgB4sKxChmHUmrENAACsL6IVwC1btqikpERDhw7V8OHD9fTTT+vAgQORbIKthGsSSMfqAOitDKi8ggk5AADYTUQD4MiRI/W73/1OBQUFuuWWW/TCCy/orLPOUiAQkMfjUUlJSSSbY3nhWgcwKd6txLiqb42DpQwDAwBgN6bMAk5KStJNN92krVu36qOPPtIvf/lL/eY3v9GZZ56pf/mXfzGjSZYUrkkgLpdLnVonSJIOlnlb9NoAAMB8pm8F169fPz3yyCP6/vvvtXbtWrObYynBIeCWrgBKUqc21fcBUgEEAMB2TA+AQW63W5MnT9Yrr7xidlMswwhTBVCquQ/wpzICIAAAdhM1ARCNF66t4KSaAFjEEDAAALZDALSwcA4Bd25TdQ/gTwwBAwBgOwRAC6uZBNLy1+543FqAAADAXgiAFhZaBiYM9wB2IgACAGBbBEALi8wsYO4BBADAbgiAFhaudQAlhdYBZBYwAAD2QwC0MCMCs4CD+wEDAAD7IABaWCSGgCsqAyr1Vrb49QEAgHkIgBYWzlnASfGxahXnlsQwMAAAdkMAtLDQLOAwVACl4xaDZi1AAABshQBoYcEh4HBMApGkzm3YDg4AADsiAFpYOCeBSMdNBGEpGAAAbMUWAXDFihXq2bOnEhMTlZ6eri1btpz03IKCAl133XXq16+fYmJiNG/evHrPW7dunQYOHKiEhAQNHDhQ69evD1Prmy4Q5iHgTtXbwbEYNAAA9mL5AJibm6t58+Zp4cKF2rVrl8aMGaMJEyYoPz+/3vO9Xq/OOOMMLVy4UD/72c/qPWf79u2aNm2apk+frg8//FDTp0/X1KlT9e6774bzozRaQFXBL1xDwKHdQLgHEAAAW7F8AFy2bJlmzpypWbNmacCAAcrOzlZqaqpWrlxZ7/lnn322nnzySc2YMUPt2rWr95zs7GxlZGRowYIF6t+/vxYsWKBLLrlE2dnZYfwkjRfuIeBOoXsAGQIGAMBOYs1uQHNUVFRo586duvvuu2sdz8zM1LZt25p83e3bt2v+/Pm1jo0fP/6UAdDr9crrrQlKxcXFkiSfzyefz9fktpyMz+cLDQHLCITlPdolVi0Dc6DEG5br20Hwz4U/H3PRD9GBfogO9EN0CHc/NPe6lg6ARUVF8vv9SklJqXU8JSVFhYWFTb5uYWFho6+5dOlSLV68uM7xTZs2KSkpqcltOZVAdQH3u2+/1caNe1r8+nsOuSS59W1BkTZu3Nji17cTj8djdhMg+iFa0A/RgX6IDuHqh/Ly8ma93tIBMMh1wj1whmHUORbuay5YsEBZWVmhx8XFxUpNTVVmZqaSk5Ob1Zb6+Hw+rf/dm5KkPr17aeL4c1r8PXrsK9ZvP/+HfO5ETZw4tsWvbwc+n08ej0cZGRmKi4szuzmORT9EB/ohOtAP0SHc/RAcaWwqSwfAzp07y+1216nM7d+/v04FrzG6dOnS6GsmJCQoISGhzvG4uLiw/QUM3gMYF+sOy3t07dBaklRU6lWMOzZs9xraQTj7GQ1HP0QH+iE60A/RIVz90NxrWnoSSHx8vNLT0+uUVz0ej0aNGtXk644cObLONTdt2tSsa4ZDaCHoMAWzzm3i5XJVLTfDYtAAANiHpSuAkpSVlaXp06dr6NChGjlypFatWqX8/HzNnj1bUtXQ7L59+7RmzZrQa/Ly8iRJpaWlOnDggPLy8hQfH6+BAwdKkubOnauLLrpIDz/8sCZNmqQNGzbojTfe0NatWyP++U4ltA5gmJaBiXXHqFPreBWVVmh/yTGd0bZuhRMAAFiP5QPgtGnTdPDgQS1ZskQFBQU677zztHHjRqWlpUmqWvj5xDUBBw8eHPr9zp079fzzzystLU3ffvutJGnUqFF64YUXdO+992rRokXq3bu3cnNzNXz48Ih9roYI9zIwktS5TUJ1APTq3LC9CwAAiCTLB0BJmjNnjubMmVPvczk5OXWOGcHkdApTpkzRlClTmtu0sAr3ELAknZmcqM8LS3SghLUAAQCwC0vfA+h0wSHgMI0AS5LOrB72JQACAGAfBEALC9Yxw7UVnKTQfX/7i4+F7T0AAEBkEQAtLBCBewBDFcBSKoAAANgFAdDCjDDPApakM9smSpL2FxMAAQCwCwKghUViEkhoCJh7AAEAsA0CoIWF1gGMxBBwibdBs6cBAED0IwBaWGgdwAhMAjnq86vUWxm29wEAAJFDALSwmiHg8L1H64RYtY53S2IYGAAAuyAAWlgkJoFIVYtBS6wFCACAXRAALSx4R164AyATQQAAsBcCoIXVTAIJ7/uwGDQAAPZCALSwSFUAWQwaAAB7IQBaWMTuAaxeDPoAi0EDAGALBEALM1QV/CJVAeQeQAAA7IEAaGGhewDDm/+OmwTCPYAAANgBAdDCQvcAhjkBdm1XNQRccIQACACAHRAALSxS9wB2bd9KklRyrJLdQAAAsAECoIXVzAIO7/u0SYhV28RYSVLB4aPhfTMAABB2BEALC0SoAigxDAwAgJ0QAC0sUvcASlLXdlXDwAVHqAACAGB1BEALMyI0C1iSurWvqgD+cJgKIAAAVkcAtLBA9a+RGALuklxVASxkCBgAAMsjAFpYsAIYgfynrsEKIEPAAABYHgHQwoL3ALojkAC7he4BpAIIAIDVEQAtLHQPYCQmgVRXABkCBgDA+giAFlZzD2D43yu4DEypt1LFx3zhf0MAABA2BEALq7kHMPwJMCk+Vu1axUmSCpgJDACApREALSyS9wBKNVVAJoIAAGBtBEALi+ROIFJNAOQ+QAAArI0AaGHBCmCE8p+6tq+eCcx+wAAAWBoB0MKMCFcAu4WGgKkAAgBgZQRACwvOAnZHYhqwpC7sBwwAgC0QAC0sknsBS9JZ1UPA+w4RAAEAsDICoIXV3AMYmQSY2rE6AB4+Kn9wBgoAALAcAqCFRboC2LVdK8XGuOTzG/qxmPsAAQCwKgKghUX6HkB3jEvdqoeB9/5UHpH3BAAALY8AaGGRngUs1QwD7+U+QAAALIsAaGGRXgdQklI7JEmiAggAgJURAC0s0juBSFJqx+oAeIgACACAVREALSy0F3CkZoFI6t6hagj4+58YAgYAwKoIgBYWvAcwkkPAPagAAgBgeQRACzNUlfzMGAIuLD4mb6U/Yu8LAABaDgHQogLHLcQcyQDYqXW8WsW5ZRjSD4dZCxAAACsiAFpUwKgJgO4IBkCXyxUaBv7uYFnE3hcAALQcAqBFHb8TmyvCvZjWqSoAfltEAAQAwIoIgBZlGOYMAUtSzzNaS5K+PchEEAAArIgAaFH+WgEwsu/ds1NVANxDBRAAAEsiAFrU8UPAEa8Adq6uABIAAQCwJAKgRZk6BFwdAL8/VK6KykBE3xsAADQfAdCialcAI/veZ7RNUOt4twKGlM+ewAAAWA4B0KL8Jq0DKFUtBXN2dRXwG4aBAQCwHAKgRdUaAo50CVDcBwgAgJXZIgCuWLFCPXv2VGJiotLT07Vly5ZTnv/OO+8oPT1diYmJ6tWrl5599tlaz+fk5MjlctX5OnYsena+CBYATch+kmoCIDOBAQCwHssHwNzcXM2bN08LFy7Url27NGbMGE2YMEH5+fn1nv/NN99o4sSJGjNmjHbt2qV77rlHd9xxh9atW1frvOTkZBUUFNT6SkxMjMRHapDgTiCRHv4NCgXAA6WmvD8AAGi6WLMb0FzLli3TzJkzNWvWLElSdna2Xn/9da1cuVJLly6tc/6zzz6rHj16KDs7W5I0YMAAvf/++3rsscd09dVXh85zuVzq0qVLRD5DUwQrgCblP/U9s60k6av9BEAAAKzG0gGwoqJCO3fu1N13313reGZmprZt21bva7Zv367MzMxax8aPH6/Vq1fL5/MpLi5OklRaWqq0tDT5/X5dcMEFeuCBBzR48OCTtsXr9crr9YYeFxcXS5J8Pp98Pl+TPt+peCuqrul2ucJy/dPp0SFeknSwrEKFh8vUqXV8xNsQDYJ/9mb0AWrQD9GBfogO9EN0CHc/NPe6lg6ARUVF8vv9SklJqXU8JSVFhYWF9b6msLCw3vMrKytVVFSkrl27qn///srJydGgQYNUXFysJ598UqNHj9aHH36ovn371nvdpUuXavHixXWOb9q0SUlJSU38hCd38JgkxSoQ8Gvjxo0tfv2G6JTg1kGvS39+5Q31aWdKE6KGx+MxuwkQ/RAt6IfoQD9Eh3D1Q3l585Zhs3QADHKdMA5qGEadY6c7//jjI0aM0IgRI0LPjx49WkOGDNHy5cv11FNP1XvNBQsWKCsrK/S4uLhYqampyszMVHJycuM+UAN8/WOxtOsfiouN1cSJ41v8+g2x/uAHent3kTr1Ok8Th/cwpQ1m8/l88ng8ysjICFWPEXn0Q3SgH6ID/RAdwt0PwZHGprJ0AOzcubPcbnedat/+/fvrVPmCunTpUu/5sbGx6tSpU72viYmJ0bBhw/Tll1+etC0JCQlKSEioczwuLi4sHR/jdle3zWXaX/B+XZP19u4i7Tl41PH/yISrn9E49EN0oB+iA/0QHcLVD829pqVnAcfHxys9Pb1OedXj8WjUqFH1vmbkyJF1zt+0aZOGDh160j9MwzCUl5enrl27tkzDW0BwEojbrFkgks6pngiy+8cS09oAAAAaz9IBUJKysrL0+9//Xs8995w+++wzzZ8/X/n5+Zo9e7akqqHZGTNmhM6fPXu2vvvuO2VlZemzzz7Tc889p9WrV+u//uu/QucsXrxYr7/+uvbs2aO8vDzNnDlTeXl5oWtGg0Bo2Nq8NvRNaSOJmcAAAFiNpYeAJWnatGk6ePCglixZooKCAp133nnauHGj0tLSJEkFBQW11gTs2bOnNm7cqPnz5+uZZ55Rt27d9NRTT9VaAubw4cO6+eabVVhYqHbt2mnw4MHavHmzLrzwwoh/vpMxTF4HUJL6nFkVAItKK/RTWYU6OnQmMAAAVmP5AChJc+bM0Zw5c+p9Licnp86xsWPH6oMPPjjp9Z544gk98cQTLdW8sPAHqn41aycQSUqKj1Vqx1ba+9NRfV5YrFG9O5vXGAAA0GCWHwJ2qtBOIGYmQEkDu1bNcP70h+bNRgIAAJFDALQoI7QXsLkB8NxuVQsAEgABALAOAqBF1ewFbG47QhXAAgIgAABWQQC0KP8Ji1eb5dyzqgLgl/tLdcznN7UtAACgYQiAFmVEwTqAktQlOVEdkuLkDxj68keWgwEAwAoIgBYVLUPALpcrdB/gJz8cMbcxAACgQQiAFhWIkiFgSRrYrWoY+BMmggAAYAkEQIsKRME6gEHnnVVVAfzn94fNbQgAAGgQAqBFBSuA7ihIgINT20uqmgnMRBAAAKIfAdCiAtWTQKJhCLh7h1bq3CZePr/BMDAAABZAALQoI0omgUhVIfSC1A6SpF35h0xuDQAAOB0CoEX5QwEwChKgpME92kuS8vYeNrUdAADg9AiAFhUcAo6Jkh4M3ge4K/+wqe0AAACnFyXxAY1lBKKrAnh+anu5XNK+w0e1v/iY2c0BAACnQAC0qFAFMEoCYJuEWA3oUrUe4Lvf/GRyawAAwKkQAC3KH0WTQIJG9OokSfrHnoMmtwQAAJwKAdCijCibBCJJI3p1lEQABAAg2hEALapmCNjcdhzvwp4d5XJJXx8o04ESr9nNAQAAJ0EAtKhAFFYA2yfFH3cfIFVAAACiFQHQogLVJcBo2AnkeMH7AP/+FQEQAIBoRQC0qOAQsDvKenBM386SpM27D4TuUwQAANElyuIDGio4BByNFcD42BjtO3xUX+0vNbs5AACgHgRAi4rGSSCS1CrerZHVw8BvfbHf5NYAAID6EAAtKhongQSN63eGJOntLw6Y3BIAAFAfAqBFRXMAvLjfmZKk9779ScXHfCa3BgAAnIgAaFHROgQsSWd3bq0+Z7aRz2/ozc9+NLs5AADgBARAi4rGnUCON/G8LpKkjR8VmtwSAABwIgKgRfkDUR4Az+8qSXpn9wGVMAwMAEBUIQBaVGgIOEp7sF9KW/Xq3FoVlQH97XNmAwMAEE2iND7gdKJ9CNjlcuny6irg+l37TG4NAAA4HgHQoqJ5EkjQ1UO6S6raFaTgyFGTWwMAAIIIgBblj9K9gI93dufWuvDsjgoY0ksfUAUEACBaEAAtKjgE7I7mEqCka4ZWVQFffH+vAgH2BgYAIBoQAC3KCkPAkjRxUFe1TYjVtwfL9c5udgYBACAaEAAtKrgTSDQPAUtS64RY/duFqZKk1Vu/Mbk1AABAIgBaVs1WcCY3pAFuHHW2YlzS1q+K9HlhsdnNAQDA8QiAFhUcAnZHeQVQkrp3SNKEQVVLwjz9t69Mbg0AACAAWpRVhoCDbru4jyTptX8W6LMCqoAAAJiJAGhRhkUmgQQN6JocWhh6mWe3ya0BAMDZCIAWFe17Addn/qV9FeOSPJ/+qL9/VWR2cwAAcCwCoEWFJoFYpQQoqc+ZbTV9RJok6b5XPlFFZcDkFgEA4EwEQIuy2hBwUFZmP3VqHa+v9pfq2Xe+Nrs5AAA4EgHQomqWgbFWAmzXKk6LrhgoSXrqzS/10fdHTG4RAADOQwC0KH91BdBi+U+SNOmCbrp8UFdVBgzNfWGXio/5zG4SAACOQgC0qNBewBZMgC6XS7+efJ66tUvUnqIyzXshLzSpBQAAhB8B0KKsOgQc1KF1vH47fagSYmP0t8/3696XPwqFWgAAEF4EQIsKWHgIOGhQ93ZaNvUCxbiktTv2avGrnxICAQCIAAKgRQUsuA5gfS4/v6semfIzSVLOtm+V9b8fylvpN7lVAADYGwHQokJ7AVttHZh6TEnvroevHiR3jEvrd+3Tdb97Vz8cPmp2swAAsC0CoEXV7AVsckNayLRhPZTz/w1T28RY7fzukMY/sVkvvr+XIWEAAMKAAGhRhsUngdRnTN8z9MptP9fgHu1V4q3Unf/3T01esU3/2HOQIAgAQAsiAFqUv3oXNRuMANfSs3NrvXjLSP3qsv5Kinfrw72H9W+r/qHJz/xdL+/ap2M+7g8EAKC5bBEAV6xYoZ49eyoxMVHp6enasmXLKc9/5513lJ6ersTERPXq1UvPPvtsnXPWrVungQMHKiEhQQMHDtT69evD1fwmseJewA0V647Rf47rrbfvHKfrh/dQfGyMPvz+iObl5mnor9/QvBd26a8fFeinsgqzmwoAgCVZPgDm5uZq3rx5WrhwoXbt2qUxY8ZowoQJys/Pr/f8b775RhMnTtSYMWO0a9cu3XPPPbrjjju0bt260Dnbt2/XtGnTNH36dH344YeaPn26pk6dqnfffTdSH+u0avYCtl8ADDqzbaIevGqQtt39C2VlnKMuyYkq9Vbq5bwf9J9//kBDHvDosuzNumf9R1qz/Vv9Y89B/VRWwXAxAACnEWt2A5pr2bJlmjlzpmbNmiVJys7O1uuvv66VK1dq6dKldc5/9tln1aNHD2VnZ0uSBgwYoPfff1+PPfaYrr766tA1MjIytGDBAknSggUL9M477yg7O1tr166NzAc7jZqFoE1uSAR0bpOgOy7pq9su7qNdew/pL/8s1NavDmj3j6X6vLBEnxeW1Dq/dbxbXdu3Urf2rdQ1OVHtW8epfat4tU+KU/tWcUpuFafEOLcS42KUGOdWqzh36Nf42BjFuKp2KwEAwK4sHQArKiq0c+dO3X333bWOZ2Zmatu2bfW+Zvv27crMzKx1bPz48Vq9erV8Pp/i4uK0fft2zZ8/v845wdBYH6/XK6/XG3pcXFwsSfL5fPL5Wn6v28rqmwCNQCAs149W53drq/O7tZXUVwdLvdrx7SF9WlCiL34s0Zc/lur7w8dUVuHXV/tL9dX+0ia/jzvGpRiXFBvjUkyMq+pXl6vWY5fLJRmGjh5167HPN8vlcsmlquAYzI8uHT9T21XrePC8+l4TfEAMbRhDhkqK3Vr5zbbQnycij36IDvRDdDBkqE+8Sxlh+hnd3J/9lg6ARUVF8vv9SklJqXU8JSVFhYWF9b6msLCw3vMrKytVVFSkrl27nvSck11TkpYuXarFixfXOb5p0yYlJSU19CM1WOGPMZJi9MXnn2njoU9b/PpWMkDSgI6SOkoVfulwhXSowqVDXulIhVRe6VJ5pVReKZVVunS0UvIFar4qApLfqP2PpD9gyC/J52/IcLJLB73HwvDJ0DguqbzpoR8thX6IDvRDNOic4pLH4wnLtcvLy5v1eksHwKATh+sMwzjlEF595594vLHXXLBggbKyskKPi4uLlZqaqszMTCUnJ5/+QzRS90E/ybPlXV2T+XP16Ny2xa/vNP6AoWM+vyr8AQUChioDhgKGVBkIKBCQKgOG/IGA/IGqcysDARmSKn2V2vHeDg0bdqFiY2NlGIaCkTF4K2LwyPG3Jtb33Mleh9PzV/r1wQcfaMiQIXLHus1ujmPRD9EhYv3AP1GnVFlZqW8++UAZGRmKi4tr8esHRxqbytIBsHPnznK73XUqc/v3769TwQvq0qVLvefHxsaqU6dOpzznZNeUpISEBCUkJNQ5HhcXF5aOPz+1o75vb6hH57Zhub7TxElKrNt9p+Xz+XTgc+nCXp3pBxP5fD6V7zE0rn8K/WAi+iE60A/Rwefz6eg34csBzb2mpWcBx8fHKz09vU551ePxaNSoUfW+ZuTIkXXO37Rpk4YOHRr6wzzZOSe7JgAAgJVYugIoSVlZWZo+fbqGDh2qkSNHatWqVcrPz9fs2bMlVQ3N7tu3T2vWrJEkzZ49W08//bSysrL0H//xH9q+fbtWr15da3bv3LlzddFFF+nhhx/WpEmTtGHDBr3xxhvaunWrKZ8RAACgJVk+AE6bNk0HDx7UkiVLVFBQoPPOO08bN25UWlqaJKmgoKDWmoA9e/bUxo0bNX/+fD3zzDPq1q2bnnrqqdASMJI0atQovfDCC7r33nu1aNEi9e7dW7m5uRo+fHjEPx8AAEBLs3wAlKQ5c+Zozpw59T6Xk5NT59jYsWP1wQcfnPKaU6ZM0ZQpU1qieQAAAFHF0vcAAgAAoPEIgAAAAA5DAAQAAHAYAiAAAIDDEAABAAAchgAIAADgMARAAAAAhyEAAgAAOAwBEAAAwGEIgAAAAA5DAAQAAHAYW+wFHI0Mw5AkFRcXh+X6Pp9P5eXlKi4uVlxcXFjeA6dHP0QH+iE60A/RgX6IDuHuh2C+COaNxiIAhklJSYkkKTU11eSWAAAAuyopKVG7du0a/TqX0dToiFMKBAL64Ycf1LZtW7lcrha/fnFxsVJTU7V3714lJye3+PXRMPRDdKAfogP9EB3oh+gQ7n4wDEMlJSXq1q2bYmIaf0cfFcAwiYmJUffu3cP+PsnJyfwFjwL0Q3SgH6ID/RAd6IfoEM5+aErlL4hJIAAAAA5DAAQAAHAYAqBFJSQk6L777lNCQoLZTXE0+iE60A/RgX6IDvRDdIj2fmASCAAAgMNQAQQAAHAYAiAAAIDDEAABAAAchgBoUStWrFDPnj2VmJio9PR0bdmyxewmOcrSpUs1bNgwtW3bVmeeeaYmT56sL774wuxmOdrSpUvlcrk0b948s5viOPv27dMNN9ygTp06KSkpSRdccIF27txpdrMcpbKyUvfee6969uypVq1aqVevXlqyZIkCgYDZTbO1zZs368orr1S3bt3kcrn08ssv13reMAzdf//96tatm1q1aqVx48bpk08+MaexJyAAWlBubq7mzZunhQsXateuXRozZowmTJig/Px8s5vmGO+8845uvfVW/eMf/5DH41FlZaUyMzNVVlZmdtMc6b333tOqVat0/vnnm90Uxzl06JBGjx6tuLg4/fWvf9Wnn36qxx9/XO3btze7aY7y8MMP69lnn9XTTz+tzz77TI888ogeffRRLV++3Oym2VpZWZl+9rOf6emnn673+UceeUTLli3T008/rffee09dunRRRkZGaLtYMzEL2IKGDx+uIUOGaOXKlaFjAwYM0OTJk7V06VITW+ZcBw4c0Jlnnql33nlHF110kdnNcZTS0lINGTJEK1as0K9//WtdcMEFys7ONrtZjnH33Xfr73//O6MQJrviiiuUkpKi1atXh45dffXVSkpK0h//+EcTW+YcLpdL69ev1+TJkyVVVf+6deumefPm6Ve/+pUkyev1KiUlRQ8//LBuueUWE1tLBdByKioqtHPnTmVmZtY6npmZqW3btpnUKhw5ckSS1LFjR5Nb4jy33nqrLr/8cl166aVmN8WRXnnlFQ0dOlTXXHONzjzzTA0ePFi/+93vzG6W4/z85z/Xm2++qd27d0uSPvzwQ23dulUTJ040uWXO9c0336iwsLDWz+uEhASNHTs2Kn5esxewxRQVFcnv9yslJaXW8ZSUFBUWFprUKmczDENZWVn6+c9/rvPOO8/s5jjKCy+8oA8++EDvvfee2U1xrD179mjlypXKysrSPffcox07duiOO+5QQkKCZsyYYXbzHONXv/qVjhw5ov79+8vtdsvv9+vBBx/Utddea3bTHCv4M7m+n9ffffedGU2qhQBoUS6Xq9ZjwzDqHENk3HbbbfrnP/+prVu3mt0UR9m7d6/mzp2rTZs2KTEx0ezmOFYgENDQoUP10EMPSZIGDx6sTz75RCtXriQARlBubq7+9Kc/6fnnn9e5556rvLw8zZs3T926ddONN95odvMcLVp/XhMALaZz585yu911qn379++v878MhN/tt9+uV155RZs3b1b37t3Nbo6j7Ny5U/v371d6enromN/v1+bNm/X000/L6/XK7Xab2EJn6Nq1qwYOHFjr2IABA7Ru3TqTWuRMd955p+6++27927/9myRp0KBB+u6777R06VICoEm6dOkiqaoS2LVr19DxaPl5zT2AFhMfH6/09HR5PJ5axz0ej0aNGmVSq5zHMAzddttteumll/S3v/1NPXv2NLtJjnPJJZfoo48+Ul5eXuhr6NChuv7665WXl0f4i5DRo0fXWQJp9+7dSktLM6lFzlReXq6YmNo/0t1uN8vAmKhnz57q0qVLrZ/XFRUVeuedd6Li5zUVQAvKysrS9OnTNXToUI0cOVKrVq1Sfn6+Zs+ebXbTHOPWW2/V888/rw0bNqht27ahimy7du3UqlUrk1vnDG3btq1zz2Xr1q3VqVMn7sWMoPnz52vUqFF66KGHNHXqVO3YsUOrVq3SqlWrzG6ao1x55ZV68MEH1aNHD5177rnatWuXli1bpptuusnsptlaaWmpvvrqq9Djb775Rnl5eerYsaN69OihefPm6aGHHlLfvn3Vt29fPfTQQ0pKStJ1111nYqurGbCkZ555xkhLSzPi4+ONIUOGGO+8847ZTXIUSfV+/eEPfzC7aY42duxYY+7cuWY3w3FeffVV47zzzjMSEhKM/v37G6tWrTK7SY5TXFxszJ071+jRo4eRmJho9OrVy1i4cKHh9XrNbpqtvfXWW/X+LLjxxhsNwzCMQCBg3HfffUaXLl2MhIQE46KLLjI++ugjcxtdjXUAAQAAHIZ7AAEAAByGAAgAAOAwBEAAAACHIQACAAA4DAEQAADAYQiAAAAADkMABAAAcBgCIAAAgMMQAAEgio0bN07z5s0zuxkAbIYACABh8Pbbb8vlcp306+KLL27QdV566SU98MADocdnn322srOzw9RqAE4Ra3YDAMCORo0apYKCgjrHX3nlFc2ePVtz5sxp0HU6duzY0k0DACqAABAO8fHx6tKlS62vQ4cO6c4779Q999yja665RpL06aefauLEiWrTpo1SUlI0ffp0FRUVha5z/BDwuHHj9N1332n+/PmhSiIANAUBEAAi4PDhw5o8ebLGjh0bGtItKCjQ2LFjdcEFF+j999/X//t//08//vijpk6dWu81XnrpJXXv3l1LlixRQUFBvRVGAGgIhoABIMwCgYCuu+46ud1u/elPfwpV7lauXKkhQ4booYceCp373HPPKTU1Vbt379Y555xT6zodO3aU2+1W27Zt1aVLl4h+BgD2QgAEgDC75557tH37du3YsUPJycmh4zt37tRbb72lNm3a1HnN119/XScAAkBLIQACQBjl5ubqscce01/+8hf17du31nOBQEBXXnmlHn744Tqv69q1a6SaCMCBCIAAECZ5eXm66aab9Jvf/Ebjx4+v8/yQIUO0bt06nX322YqNbdg/x/Hx8fL7/S3dVAAOwyQQAAiDoqIiTZ48WePGjdMNN9ygwsLCWl8HDhzQrbfeqp9++knXXnutduzYoT179mjTpk266aabThryzj77bG3evFn79u2rNVsYABqDCiAAhMFf/vIXfffdd/ruu+/qHc5NS0vTt99+q7///e/61a9+pfHjx8vr9SotLU2XXXaZYmLq///5kiVLdMstt6h3797yer0yDCPcHwWADbkM/vUAAABwFIaAAQAAHIYACAAA4DAEQAAAAIchAAIAADgMARAAAMBhCIAAAAAOQwAEAABwGAIgAACAwxAAAQAAHIYACAAA4DAEQAAAAIchAAIAADgMARAAAMBhCIAAAAAOQwAEAABwGAIgAACAwxAAAQAAHOb/BzKI6Te3SkXvAAAAAElFTkSuQmCC", "text/html": [ "\n", "