XiaoMi-AI文件搜索系统
World File Search System新视角
玻璃科学与技术领域的人工智能和机器学习：21 世纪的 21 个挑战
摘要 2000 多年来，玻璃一直是人类生活中不可或缺的一部分。尽管经过了数年的研究和分析，但有关玻璃的一些基本和实际问题仍未得到解答。虽然大多数早期方法都基于 (i) 专家知识和直觉、(ii) 爱迪生式的反复试验或 (iii) 物理驱动的建模和分析，但最近的研究表明，数据驱动技术（如人工智能 (AI) 和机器学习 (ML)）可以提供解决其中一些问题的新视角。在本文中，我们确定了玻璃科学中的 21 个重大挑战，这些挑战的解决方案要么是启用 AI 和 ML，要么是通过 AI 和 ML 加速玻璃科学领域的发展。这里提出的挑战包括与玻璃形成和成分-加工-性能关系相关的基本问题，以及玻璃制造中的自动缺陷检测等工业问题。我们相信，本文将激发读者的热情，探索这里概述的一些重大挑战，并发现更多可以推动玻璃科学、工程和技术领域发展的挑战。
人工智能与基督教的未来：
人工智能 (AI) 领域的技术有可能改变社会的方方面面，包括宗教。由于人工智能有能力改变我们的生活和思维方式，有些人认为人工智能对基督教或其他宗教构成了威胁。但必须记住，人工智能只是一种工具，你如何使用它将决定它有多大的影响。例如，可以使用自然语言处理自动将《圣经》翻译成其他语言，或者可以使用机器学习为不同的人量身定制宗教内容，以帮助传播基督教信息。然而，通过提供与宗教观念相矛盾的自然世界新视角，它也可以用来挑战宗教信仰或提供宗教体验的替代方案。与任何新技术一样，重要的是要考虑人工智能对社会的潜在影响并负责任地使用它。还要记住的是，生命的意义和目的最终是超出人工智能能力范围的问题。因此，本研究试图从基督教的角度或观点调查人工智能对社会的潜在影响。结论是，应谨慎和明智地使用人工智能。
COVID-EENet：预测 COVID-19 对当地经济的细粒度影响
评估新冠肺炎危机对经济的影响对于政府制定应对措施、从危机中复苏至关重要。在本文中，我们提出了一种使用大规模信用卡交易数据集以细粒度评估经济影响的新方法。为此，我们开发了一个细粒度的经济流行病学建模框架COVID-EENet，该框架具有两级深度神经网络。在细粒度EEM的支持下，COVID-EENet学习了附近的群体感染病例对每个地区当地经济变化的影响。通过使用全国数据集进行的实验，给定一组活跃的群体感染病例，COVID-EENet可以准确预测每个地区和业务类别在两周或四周内的销售变化。因此，政策制定者可以了解预测影响，以采取最有效的缓解措施。总的来说，我们相信我们的工作开辟了利用金融数据从经济危机中复苏的新视角。为了解决这个紧急问题，我们在https://github.com/kaist-dmlab/COVID-EENet 发布了源代码。
j.physletb.2024.138991.pdf
编辑：B. Balantekin 前期研究表明，环境的退相干通常会对史瓦西黑洞中的量子关联产生负面影响。本文发现，广义振幅阻尼（GAD）通道的退相干对狄拉克场的量子相干性既有正影响，也有负影响，即环境的退相干不仅可以降低史瓦西时空中的量子相干性，还可以增加量子相干性。这一结果推翻了环境的退相干只能破坏弯曲时空中的量子相干性的普遍看法。此外，还首次观测到另一个新奇现象：随着霍金温度T的增加，物理上不可接近模式的QFI从无穷大迅速衰减到0，这可能提供一种检测粒子是否进入物理上不可接近区域的方法。这一结果可能为探索和分析黑洞提供一个新视角。
人工智能在预测致病...
病原微生物的抗菌素耐药性 (AMR) 问题已成为全球公共卫生危机，对现代医疗保健系统构成重大威胁。人工智能 (AI) 和机器学习 (ML) 技术的出现为该领域带来了革命性的变化。这些先进的计算方法能够处理和分析大规模生物医学数据，从而揭示耐药性发展背后的复杂模式和机制。人工智能技术越来越多地用于根据基因含量和基因组组成预测病原体对各种抗生素的耐药性。本文回顾了人工智能和机器学习在预测病原微生物抗菌素耐药性方面的最新进展。我们首先概述了微生物耐药性的生物学基础及其流行病学研究。随后，我们重点介绍了用于耐药性预测的主要人工智能和机器学习模型，包括但不限于支持向量机、随机森林和深度学习网络。此外，我们探讨了该领域的主要挑战，例如数据可用性、模型可解释性和跨物种耐药性预测。最后，我们通过算法优化、数据集扩展和跨学科协作，探讨微生物耐药性研究的新视角和解决方案。随着人工智能技术的不断进步，未来我们将拥有对抗病原微生物耐药性的最有力武器。
感知和行动的自由能量原理
自由能原理及其推论的主动推理构成了一种生物启发理论，该理论假设生物主体的行为会保持在一组有限的首选世界状态中，即它们会最小化其自由能。根据这一原则，生物主体会学习一个世界的生成模型，并计划未来的行动，以使主体保持满足其偏好的稳态。该框架适合在计算机中实现，因为它包含了使其在计算上可承受的重要方面，例如变分推理和摊销规划。在这项工作中，我们研究了深度学习工具来设计和实现基于主动推理的人工智能体，展示了面向深度学习的自由能原理，调查了与机器学习和主动推理领域相关的工作，并讨论了实施过程中涉及的设计选择。本文探讨了主动推理框架的新视角，将其理论方面应用于更实际的事务中，为主动推理新手提供了实用指南，并为想要研究自由能量原理实现的深度学习从业者提供了起点。
面向6G服务的天空地一体化网络
摘要 天空地一体化网络（SAGIN）作为新兴6G网络不可或缺的组成部分，旨在通过融合卫星网络、空中网络和地面网络，提供无处不在的网络连接和服务。在6G SAGIN中，各种网络服务具有需求多样化、移动性复杂、资源多维等特点，对服务发放带来巨大挑战，亟待开发面向服务的SAGIN。本文从面向服务网络的新视角对6G SAGIN进行全面的回顾。首先，我们提出了面向服务的网络需求，然后提出了面向服务的SAGIN管理架构。根据服务的特点和需求，提出并讨论了两类关键技术，即异构资源编排技术和云边协同技术，这些技术促进了不同网段的互操作，并协同编排不同域之间的异构资源。此外，还介绍和讨论了未来的潜在研究方向。2022 中国航空航天学会。由 Elsevier Ltd. 制作和托管。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（ http://creativecommons.org/licenses/by-nc-nd/4.0/ ）。
自适应图像分割的自动编码器策略
深度神经网络是生物医学图像分割的有力工具。这些模型通常经过严格监督训练，依赖于图像对和相应的体素级标签。然而，在大量情况下获得解剖区域的分割成本可能非常高。因此，迫切需要基于深度学习的分割工具，这些工具不需要严格监督并且可以不断适应。在本文中，我们提出了一种将分割视为离散表示学习问题的新视角，并提出了一种灵活且自适应的变分自动编码器分割策略。我们的方法称为分割自动编码器 (SAE)，它利用所有可用的未标记扫描，并且仅需要分割先验，它可以是单个未配对的分割图像。在实验中，我们将 SAE 应用于脑部 MRI 扫描。我们的结果表明，SAE 可以产生高质量的分割，尤其是当先验良好时。我们证明马尔可夫随机场先验可以产生比空间独立先验更好的结果。我们的代码可在 https://github.com/evanmy/sae 免费获取。关键词：图像分割、变分自动编码器
进化计算和移动可持续网络
如今，网络可持续性已成为全球学术界和业界关注的焦点，为移动通信网络优化的影响提供了解决方案。最近，包括群体智能算法和其他进化算法范式在内的进化计算技术不断发展，成为移动可持续网络虚拟化、优化和自动化的广泛接受的描述符。为了应对对移动通信网络的新影响，第四届进化计算和移动可持续网络国际会议 [ICECMSN 2024] 构想了一个创新的研究平台，用于征集关于开发可持续设计及其在移动网络中实施的最新研究成果。随着进化计算算法的出现，ICECMSN 2024 汇集了一系列富有创造性的研究成果，将开启移动可持续网络的新视角。本次国际会议的主要目的是促进和反映进化计算技术和移动可持续网络的最新研究成果。 ICECMSN 2024 特别关注计算智能和进化计算，其范围广泛，从理论基础到增强移动网络可持续性的实际应用。
特刊 - 用于抗癌治疗的生物活性化合物
尽管医学取得了进展，但癌症仍然是一项重大挑战。作为一种全机体疾病，它需要综合的方法和有效的治疗方法。通过抗体靶向疗法、维生素补充剂或支持治疗过程的疫苗来改善现有的抗癌疗法（化疗和放疗）仍然不够。人们正在寻找用于靶向疗法的新分子，以及那些通过间接影响体内信号通路来预防肿瘤疾病发展的分子。本期特刊将根据天然和合成的生物活性化合物，致力于抗癌治疗的新视角。已知分子/化合物/药物用于其他疾病的新用途，例如离子载体抗生素或他汀类药物，也代表了一条相当重要的搜索路径。本期特刊将讨论的主题不仅将关注新的生物活性化合物、现代方法和技术，这些方法和技术可以使抗癌化合物更具生物利用度、更有效、副作用更少，而且还将关注其在动物或人体研究中的特性的验证。