XiaoMi-AI文件搜索系统
World File Search System射量
使用自动化高通量实验平台和机器学习了解热注射量子点合成结果
摘要：机器学习 (ML) 已显示出加速各种材料系统合成规划的潜力。然而，由于缺乏用于开发材料合成 ML 工作流程的系统方法或启发式方法，许多材料科学家仍然无法使用 ML。在这项工作中，我们报告了一种选择 ML 算法来训练预测纳米材料合成结果的模型的方法。具体来说，我们开发并使用了一个自动化批量微反应器平台来收集大量 CdSe 量子点热注射合成结果的实验数据集。此后，该数据集用于训练使用各种 ML 算法预测合成结果的模型。针对不同大小和添加不同噪声量的实验数据集，比较了这些算法的相对性能。基于神经网络的模型显示出对吸收和发射峰的最准确预测，而预测半峰全宽的级联方法被证明优于直接方法。SHapley Additive exPlanations (SHAP) 方法用于确定不同合成参数的相对重要性。我们的分析表明，SHAP 重要性分数高度依赖于特征选择，并强调了开发固有可解释模型以从材料合成的 ML 工作流程中获取见解的重要性。
流感疫苗最佳实践警报（BPA）每日发射量显着减少
我们反复测试了五个版本的流感疫苗警报。（1）标题更清晰，授权护士订购疫苗。（2）消除了未订购疫苗或未选择不适合接种疫苗的原因即可解除警报的功能。（3）允许护士选择不适合接种疫苗的原因，并相应地推迟下一次触发。（4）和（5）增加了更多选项来解释警报解除。
离散的六角硼氮化液量子发射量及其化学
1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 16 17 18 19 20 21 22 23 23 24 26 27 28 29 28 29 30 31 32 33 33 34 33 34 33 37 37 38 39 40 41 41 42 43 43 43 44 45 46 47 47 49 49 49 49 51 51 51 51 51 52 54 54 54 54 55 56 57 57 58 59 60 60 60 60 60