XiaoMi-AI文件搜索系统
World File Search System研发
内部研发项目PCSIR实验室综合大楼（KLC）
项目结果W.R.T.国家的社会经济发展：·研究建议在运营过程中没有发出有害的气体，并且使用绿色技术方法，从而消除了臭氧消耗的制冷剂的使用。·，由于设备的成本比传统的制冷和空调设备要小得多，因此当地市场上可用的消费者可以轻松购买。·，由于不需要电力来操作冰箱和空调，因此将免费进行冷却。·，由于在冷却过程中仅消耗LPG，只有高压液化石油气的扩展就会产生冷却效果，因此在吸收周围LPG的热量后，可以将其转化为气态状态，从而可以进一步用于烹饪，汽车燃料或任何其他工业目的。
药物研发中的量子机器学习
本文探讨了量子机器学习 (QML) 在药物发现中的变革潜力。QML 利用量子计算和先进的机器学习来加速候选药物的识别、预测分子相互作用和优化化合物。关键应用包括高效虚拟筛选、分子模拟和预测建模。虽然前景光明，但 QML 面临着技术挑战，需要量子专家和制药研究人员之间的合作。总之，QML 提供了一种更快、更经济的药物开发途径，有可能重塑制药行业并推动医学科学的发展。
对 COVID-19 药物研发所采用的计算方法的综述
美国北卡罗来纳州教堂山市北卡罗来纳大学埃舍尔曼药学院。电子邮件：alex_tropsha@unc.edu b 加利福尼亚大学圣地亚哥分校，美国加利福尼亚州圣地亚哥 c 戈亚斯联邦大学药学系，巴西哥伦布省戈亚尼亚 d BenevolentAI，英国伦敦 e Collaborations Pharmaceuticals，美国北卡罗来纳州罗利 f 北卡罗来纳州立大学化学系，美国北卡罗来纳州罗利 g 卡内基梅隆大学化学系，美国宾夕法尼亚州匹兹堡 h 石溪大学应用数学与统计学系，美国纽约州石溪 i 墨西哥国立自治大学药学系，墨西哥墨西哥城 j 密歇根州立大学化学系，美国密歇根州东兰辛 k 新墨西哥大学内科系和 UNM 综合癌症中心，美国新墨西哥州阿尔伯克基 l 瑞典哥德堡大学风湿病与炎症研究系 m丹麦哥本哈根 n 俄罗斯莫斯科生物医学化学研究所 o 瑞士苏黎世瑞士联邦理工学院药学研究所 p 英国伦敦大学学院药学院 q 法国斯特拉斯堡大学化学系 r 澳大利亚维多利亚州墨尔本莫纳什大学莫纳什药学研究所 s 澳大利亚邦多拉拉筹伯大学拉筹伯分子科学研究所生物化学与遗传学学院 t 英国诺丁汉大学药学院 u 美国马里兰州贝塞斯达国家转化科学促进中心 v 加拿大不列颠哥伦比亚省温哥华不列颠哥伦比亚大学温哥华前列腺中心。电子邮箱：acherkasov@prostatecentre.com w 日本札幌北海道大学化学反应设计与发现研究所（WPI-ICReDD）
药物研发过程和新冠肺炎疫情
传统药物开发是一个繁琐的过程，涉及巨大的成本和高流失率。将药物开发服务外包给合同研究组织 (CRO) 已成为降低成本和风险、能力建设和数据生成的重要策略。这些 CRO 的治疗和运营专业知识使制药行业能够减少内部基础设施和研究能力。与专业的 CRO 合作不仅提高了成功率，而且加快了药物发现过程的速度。拥有有前途的分子但资源有限的小公司和有意实现规模多元化的大公司都在利用高效的 CRO 的服务。在全球范围内，目前约有三分之一的药物开发过程正在外包，独立第三方生成的数据在监管提交过程中受到高度赞赏。在本文中，我们讨论了国际和国内趋势、外包服务和模式、选择 CRO 时的关键考虑因素以及外包的好处和挑战。此外，我们还讨论了当传统的临床试验方式因 COVID-19 大流行而中断时，如何利用有能力的 CRO 的技术专长。综合来看，不断增长的医疗保健需求、COVID-19 大流行或任何其他此类即将爆发的健康危机，以及先进技术（机器学习和人工智能等）的最新进展，可能会在未来几年推动全球 CRO 市场的发展。
中国对清洁技术研发和制造的大规模投资正在催化全球能源转型
电池的情况同样令人印象深刻。与大多数模块化技术一样，上线的制造能力越大，电池就越便宜，从而刺激更多需求，进而刺激对制造和创新的进一步投资，产生多米诺骨牌效应，导致价格通缩和能量密度惊人地提高。在过去 30 年里，电池价格下跌了 99%，仅在过去 10 年就下跌了 82% 以上。与此同时，电池密度却增加了 5 倍。电池容量每增加一倍，电池价格就会下降 19%，能量密度就会提高 7%。20
PR-20230906-索尔维扩大中国研究与创新中心规模，在上海开设新研发大楼.docx
索尔维是一家科技公司，其技术为日常生活的方方面面带来益处。索尔维在 61 个国家/地区拥有 22,000 多名员工，将人才、创意和要素结合在一起，以重塑进步。该集团致力于为所有人创造可持续的共享价值，特别是通过围绕三大支柱制定的“索尔维一个地球”路线图：保护气候、保护资源和促进更美好的生活。该集团的创新解决方案有助于为家庭、食品和消费品、飞机、汽车、电池、智能设备、医疗保健应用、水和空气净化系统等提供更安全、更清洁、更可持续的产品。索尔维成立于 1863 年，如今在其绝大多数业务领域中位居全球前三名，2022 年实现净销售额 134 亿欧元。索尔维在布鲁塞尔和巴黎泛欧交易所 (SOLB) 上市。了解更多信息，请访问 www.solvay.com。
研发项目提案申报指南（2024-25）
由各部门研发专家委员会召集人秘书进行检查，以便将候选名单提交给相关部门研发专家委员会。值得一提的是，部门会不时发布与反剽窃干预措施相关的指南（附件为现有的相似性（剽窃）检查指南），这些指南适用于所有项目提案，包括新提案和后续提案。项目负责人必须按照指南附录 I 附件 II 中规定的格式声明项目提案（在提交时）是原创的，而不是剽窃的。剽窃检查所需的信息（技术细节）应按照本指南附录 II 提交（可编辑的 pdf 格式）。c. 随后，入围提案的负责人将被要求做出
患者来源的异种移植或类器官在肿瘤免疫治疗的传统和自组装药物研发中的应用
除了免疫检查点抑制剂的快速发展，自组装免疫治疗药物的研发也呈现井喷态势。根据免疫靶点，传统肿瘤免疫治疗药物分为五类，即免疫检查点抑制剂、直接免疫调节剂、过继细胞治疗、溶瘤病毒和癌症疫苗。此外，精准度和环境敏感性更高的自组装药物的出现为肿瘤免疫治疗提供了一种很有前景的创新途径。尽管肿瘤免疫治疗药物研发进展迅速，但所有候选药物都需要进行临床前安全性和有效性评估，而常规评估主要采用二维细胞系和动物模型，这种方法可能不适合免疫治疗药物。而患者来源的异种移植和类器官模型保留了肿瘤病理异质性和免疫性。
药物研发中的人工智能：最新进展和未来前景
摘要简介：人工智能 (AI) 启发了计算机辅助药物发现。机器学习（尤其是深度学习）在多个科学学科中的广泛应用，以及计算硬件和软件的进步等因素继续推动这一发展。对于人工智能在药物发现中的应用，最初的大部分怀疑已经开始消失，从而使药物化学受益。涵盖的领域：回顾了人工智能在化学信息学中的现状。本文讨论的主题包括定量结构-活性/性质关系和基于结构的建模、从头分子设计和化学合成预测。强调了当前深度学习应用的优势和局限性，并展望了用于药物发现的下一代人工智能。专家意见：基于深度学习的方法才刚刚开始解决药物发现中的一些基本问题。某些方法上的进步，例如信息传递模型、空间对称性保持网络、混合从头设计和其他创新的机器学习范式，可能会变得很普遍，并有助于解决一些最具挑战性的问题。开放数据共享和模型开发将在利用人工智能推动药物发现方面发挥核心作用。