XiaoMi-AI文件搜索系统
World File Search System现状及
可再生天然气——讨论该行业的现状及其在脱碳世界中的未来
脱碳不仅仅关乎电力；电力本身仅占最终能源需求的 20% 左右。作为一个社会，我们必须在科学家和工程师的指导下做出决策，并通过政策实施，确定将采用哪些技术和路线图来实现难以减排的行业脱碳，包括：重型运输；高温工业热；农业；化肥和化学品生产。考虑到目前在欧盟和美国，天然气网络提供的能源比电网多，放弃这种基础设施并重新开始不是一个明智的过程，因为迫在眉睫的气候紧急情况和迅速采取行动的必要性。我们必须果断行动，因为我们正在消耗不断减少的分配碳预算，以将全球气温上升限制在 2°C 以下。
人工智能在前列腺癌活检诊断和格里森分级中的应用现状及后续步骤
活检中前列腺癌的诊断和格里森分级对于前列腺癌男性的临床管理至关重要。尽管如此，病理学家之间的高度分级差异性导致治疗不足和过度治疗的可能性。人工智能 (AI) 系统在协助病理学家进行格里森分级方面显示出良好的前景，这可能有助于解决这一问题。在这篇小型评论中，我们重点介绍了有关癌症检测和格里森分级的人工智能系统开发的研究，并讨论了广泛临床实施所需的进展以及预期的未来发展。患者摘要：这篇小型评论总结了与验证人工智能 (AI) 辅助癌症检测和活检中前列腺癌格里森分级有关的证据，并强调了广泛临床实施之前所需的其余步骤。我们发现，尽管有强有力的证据表明人工智能能够像经验丰富的泌尿病理学家一样进行格里森分级，但仍需要做更多的工作来确保人工智能系统在不同患者群体、数字化平台和病理实验室的不同环境中的结果准确性。© 2021 作者。由 Elsevier BV 代表欧洲泌尿外科协会出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons. org/licenses/by/4.0/）。
评论文章 人工智能在数字牙科放射学中的应用现状及发展
在过去的几年中，人工智能 (AI) 研究在牙科和颌面放射学领域迅速发展和涌现。牙科放射学在日常实践中被广泛使用，为 AI 开发提供了极其丰富的资源，并吸引了许多研究人员开发其用于各种目的的应用。本研究回顾了当前研究中 AI 在牙科放射学中的适用性。我们在 PubMed 和 IEEE Xplore 数据库上进行了在线搜索（截至 2020 年 12 月），随后进行了手动搜索。然后，我们根据以下目的的相似性对 AI 的应用进行了分类：龋齿、根尖病变和牙周骨质流失的诊断；囊肿和肿瘤分类；头颅测量分析；骨质疏松症筛查；牙齿识别和法医牙科；牙种植体系统识别；以及图像质量增强。随后讨论了上述每个应用中 AI 方法的当前发展。尽管大多数审查的研究表明人工智能在牙科放射学中具有巨大的应用潜力，但由于一些挑战和限制，例如缺乏数据集大小论证和不标准化的报告格式，在临床常规实施之前仍需要进一步开发。考虑到目前的限制和挑战，未来牙科放射学的人工智能研究应遵循标准化的报告格式，以协调研究设计并增强人工智能发展在全球范围内的影响力。牙颌面放射学 (2021) 50, 20210197。doi: 10.1259/dmfr.20210197
中小企业人工智能应用现状及所需支持
来源：ImageNet 主页（http://image-net.org/challenges/talks_2017/ILSVRC2017_overview.pdf）（注）ILSVRC（ImageNet 大规模视觉识别挑战赛）是一项基于人工智能的
中国绿色债券市场的现状及有效性
为了满足小型项目和借款人的需求，当局和发行人可以合作发展绿色资产支持证券 (ABS) 市场。债券发行的交易成本有利于大额发行，但这些发行并不能满足许多类型项目的需求。使用 ABS，可以聚合小型项目并降低交易成本。另一个很好的机会是增加绿色贷款和绿色债券之间的联系，因为绿色贷款可以满足小型项目的需求。截至 2019 年 3 月，未偿还绿色贷款达到人民币 9.23 万亿元（1.37 万亿美元），占未偿还贷款总额的 9.9%。8 金融中介机构有很大机会通过发行绿色债券为绿色贷款筹集更多资金。具体措施可以包括提高银行的认识、建立像绿色银行这样的专门机构，以及制定有针对性的法规和激励措施以促进银行更多地参与。
人工智能（AI）新药开发的国内外现状及挑战
作者：Sanchez-Lengeling，Benjamin 和 Alan Aspuru-Guzik，“使用机器学习进行逆向分子设计：物质工程的生成模型。”科学 361.6400 (2018): 360-365
智能制造人工智能监控现状及重点部分介绍
摘要 在过去的几十年里，以人工智能 (AI) 技术为支撑的智能化成为工业制造的重要趋势，加速了智能制造的发展。在现代工业中，标准人工智能被赋予了额外的属性，产生了所谓的工业人工智能 (IAI)，它已成为智能制造的技术核心。人工智能制造在从制造过程到最终产品物流的闭环生产链的许多方面带来了显着的改进。特别是，结合领域知识的 IAI 使生产监控领域受益匪浅。深度神经网络、对抗性训练和迁移学习等先进的人工智能方法已被广泛用于支持整个生产过程的诊断和预测性维护。人们普遍认为，IAI 是推动未来工业制造发展的关键技术。本综述全面概述了人工智能制造及其在监控中的应用。更具体地说，它总结了 IAI 的关键技术，并讨论了它们在生产监控的三个主要方面（故障诊断、剩余使用寿命预测和质量检测）的典型应用场景。此外，还讨论了 IAI 存在的问题和未来的研究方向。本综述进一步介绍了智能制造中基于人工智能的监控这一重点部分的论文，将它们融入概述中，强调它们如何为该领域的文献做出贡献并加以扩展。
增材制造技术材料、应用现状及发展趋势
1.1 AM的优势 增材制造(AM)技术的核心制造思想起源于20世纪80年代末的美国。1,2)美国材料试验协会(ASTM)将AM定义为基于三维(3D)模型数据,以逐层叠加的方式生产物品的过程,与减材制造技术相反,通常通过计算机控制将材料逐层叠加,最终将计算机上的3D模型转化为实体物体。3,5)基于不同的分类原则和理解,AM技术有多种称谓,如3D打印、快速成型制造、无实体制造等。传统的加工方法有减材制造、等材料制造,但往往需要利用模具进行预成型,不擅长加工形状复杂的工件。 6 10）AM技术无需机械加工，可直接从3D图形数据生成形状，因此可以大大缩短产品的开发周期，降低生产成本。同时，AM技术可以生产复杂的形状，并以最优化的设计方式实现产品功能。 11 16）
人工智能辅助诊断在胃肠内镜领域的现状及未来挑战
注：NBI，窄带成像；FICE，富士智能彩色增强；BLI，蓝激光成像；LCI，联动彩色成像；SM2，黏膜下侵犯局限于500μm的胃癌；AUC，受试者工作特征曲线下面积。