XiaoMi-AI文件搜索系统
World File Search System研究课题
特刊 - 金属变形过程
金属变形是材料科学领域最热门的研究课题之一，通过特定的变形过程控制金属材料可使其表现出预期的使用性能和设计配置。金属材料及其构件的应用在过去人类社会与文明的发展中发挥了极其重要的作用，在未来社会文明的可持续发展中仍发挥着不可替代的作用。在传统材料及其变形方法的基础上进行优化，或开发新型金属材料和变形工艺，对社会发展至关重要。因此，本期《金属变形过程：基础与应用》专刊的内容不仅关注传统的金属结构材料，还关注一些新型金属材料（如高温合金、高熵合金等），以及上述材料变形行为的理论与应用研究。
通过多层设计控制功能材料的微结构和性能
Claudia Cancellieri 博士是 Empa 连接技术和腐蚀实验室的团队负责人/研究员。2008 年，她在洛桑联邦理工学院 (EPFL) 获得物理学博士学位，专门研究应变下铜氧化物和氧化物薄膜的脉冲激光沉积生长。在日内瓦大学的第一个博士后期间，她专注于复杂氧化物界面的生长和特性。她在同步加速器瑞士光源保罗谢尔研究所继续研究该主题，在那里她广泛使用光谱技术来推导埋藏复杂氧化物界面的电子能带结构。她目前的研究课题包括研究功能材料（包括多层系统）的微观结构、缺陷、应力和电子特性。
优化线性层的量子实现深度
摘要：由于量子比特非常宝贵，而决定可用计算时间的退相干时间却非常有限，因此量子电路的合成和优化是量子计算中重要且基础的研究课题。具体来说，在密码学中，确定实现加密过程所需的最小量子资源对于评估对称密钥密码的量子安全性至关重要。在本文中，我们研究了在使用少量量子比特和量子门的情况下优化线性层量子电路深度的问题。为此，我们提出了一个线性布尔函数的实现和优化框架，通过该框架，我们可以显著减少对称密钥密码中使用的许多线性层的量子电路深度，而无需增加门数。
机器人的视觉控制： - Peter Corke
不再需要解释“机电一体化”一词。世界已经习惯了机械、电子和计算机控制的融合。这并不意味着机电一体化已经失去了它的“艺术性”。添加视觉传感以协助解决各种问题仍然是一个“前沿”研究课题。Peter Corke 撰写了一篇非常清晰的论述，涵盖了在机器人手臂上添加视觉传感的理论和实际问题。这本书非常有价值，既适合高年级本科生阅读，也适合希望添加基于视觉的控制的工业研究人员或设计师。我们终有一天会期待视觉传感和控制成为从机床到家用电器的机电一体化设备的常规功能。正是这样的研究将带来这一天。
使用深度学习检测车辆损坏情况
计算机视觉领域的关键研究课题之一是对象检测。在实例级别，它确定图像中感兴趣对象的类别和位置信息。在当今社会，随着车祸率的上升，汽车保险公司每年因索赔泄漏而花费数百万美元。在保险行业，基于机器学习和深度学习的人工智能技术可以帮助解决数据分析和处理、欺诈检测、风险降低和索赔自动化等问题 [1,2]。然而，开发当前的应用程序来解决这些问题仍然很困难，特别是在使用深度学习评估汽车损坏时。深度学习是解决复杂问题的有效方法，但它需要更多的资源来构建模型，即深度学习需要大量的数据集并且需要更长的计算时间。
哲学博士（PhD）（计算机科学...
项目类型 研究状态 提案 开始日期 八月和一月 模块 SS-6000 描述 理学院 (FOS) 数学和计算科学组的计算机科学博士学位是一项促进各种计算机科学领域的纯粹和应用高级研究的课程。计算机科学博士学位包括制定具有国际研究影响力的原创项目，这些项目结合了现代技术和方法，涉及广泛的纯粹和应用研究课题。候选人应勤奋工作，并能够在计算机科学工作人员的指导下进行综合研究。他们应该能够进行分析和实验研究，并及时综合和解释相关数据。博士候选人还必须积极参加研究团队会议以及座谈会和会议。
资源化替代垃圾处理的能量价值...
虽然过去环境工程主要关注废物处理，但现在该领域的重点已转向将废物视为潜在资源。由于回收通常比生产新材料消耗更少的能量，因此增加回收不仅可以减少污染，还可以节省能源。本文总结了促成这一转变的技术创新，并将它们分为新兴技术或研究课题、新起点或渐进式改进、机会性创新或统一战略的例子。本文给出了液体和固体废物的例子，例如最近发现使用紫外线对微滤再生废水进行消毒的效果。除了在减少污染和节约能源方面的价值外，环境工程的这种重新定位还可以促进与环境打交道的组织之间更普遍地加强合作。
研究主题社论：新型统计和机器学习方法在高维临床癌症和（多）
三年前，也就是 2021 年，我们的第一个研究课题“将新型统计和机器学习方法应用于高维临床癌症和（多）组学数据”成为了 Frontiers 读者的一大亮点，浏览量超过 52K，下载量超过 13K。它通过突出统计遗传学和方法学领域的前沿研究，为该领域做出了巨大贡献。在第一卷成功的基础上，我们通过发表四篇文章，带来了另一个关于该研究主题的富有洞察力和发人深省的研究课题。在第二卷中，我们继续关注癌症相关研究中高维临床和（多）组学数据的新型统计和机器学习方法的开发和应用。随着人工智能 (AI) 的发展，尤其是深度学习 (DL)，第二卷中的四篇文章中有三篇研究了使用 DL 进行多组学数据集成的方法，而第四篇文章研究了一种新的测序数据处理方法。随着深度学习的快速发展，将基于深度学习的方法应用于多组学整合方面取得了重大进展。在一篇评论文章中，Wekesa 和 Kimwele 全面讨论了在疾病诊断、预后和治疗中使用深度学习技术进行多组学数据分析的最新趋势。他们特别关注涉及非编码 RNA 的多组学数据集，例如 miRNA 和长链非编码 RNA (lncRNA)，这些 RNA 在癌症发展和研究中起着至关重要的作用。重点介绍了几种用于集成和解释的新型深度学习方法，包括对比学习、DeepLIFT、分解机器深度学习 (FMDNN) 和图神经网络 (GNN)。此外，他们评估了将深度学习方法与计算生物学中的区块链和物联网 (IoT) 等新兴技术相结合的研究。乳腺癌和脑癌检测中的案例研究表明，将尖端技术和深度学习方法相结合可以如何促进癌症
环境工程：资源回收替代废弃物处理的能量价值
尽管过去环境工程主要关注废物处理，但现在该领域的重点已转向将废物视为潜在资源。由于回收通常比生产新材料消耗更少的能量，因此增加回收不仅可以减少污染，还可以节省能源。本文总结了促成这一转变的技术创新，并将它们分为新兴技术或研究课题、新起点或渐进式改进、机会性创新或统一战略的例子。本文给出了液体和固体废物的例子，例如最近发现使用紫外线对微滤再生废水进行消毒的效果。除了在减少污染和节约能源方面的价值外，环境工程的这种重新定位还可以促进与环境打交道的组织之间更普遍地加强合作。