XiaoMi-AI文件搜索系统
World File Search System量学
Synthsr：一种公共AI工具，可将异质临床脑扫描变成3D形态计量学的高分辨率T1加权图像
每年，在世界各地的医院中都会获得数百万次脑电磁共振成像（MRI）扫描。这些有可能彻底改变我们对许多神经系统疾病的理解，但是由于它们的各向异性解决方案，它们的形态分析尚未实现。我们提出了一种人工智能技术，即“合成器”，该技术对任何MR对比度进行临床大脑MRI扫描（T1，T2等。），方向（轴向/冠状/矢状），并分辨出来，并将它们变成高分辨率T1扫描，这些T1扫描几乎可以通过所有现有的人类神经影像工具使用。我们介绍了> 10,000张对照和脑肿瘤，中风和阿尔茨海默氏病的对照组和患者的分割，注册和地培训的结果。合成子产生的传奇结果与高分辨率T1扫描所能获得的非常高度相关。Synthsr允许样本量有可能克服前瞻性研究的功率限制，并为健康和患病的人脑提供了新的启示。
通过氢等离子体辅助原子层沉积超薄氧化铝实现空间调制硅界面能量学
原子层沉积 (ALD) 已迅速成为半导体行业的重要工具，因为它可以在低温下提供高度保形、可精确调节的涂层，厚度控制在亚纳米级。因此，ALD 是一种将电介质集成到先进光电子器件中的强大方法，并且对于实现新兴的非平面电子设备至关重要。[1] 特别是，可以通过 ALD 在结构化表面上保形生长的非晶态氧化铝 (AlO x ) 广泛用于半导体技术的电介质和化学钝化、[2] 跨硅 (Si) 太阳能电池界面的载流子选择性电荷转移、[3] 非平面场效应晶体管中的栅极电介质、[4] 以及扩散屏障和保护涂层。[5] 当用作 Si 场效应钝化的表面涂层时，ALD AlO x 会引入
通过非局域量子态演化实现高精度哈密顿量学习
随着在制造和控制由越来越多的量子比特组成的量子设备方面取得的巨大进步，我们现在进入了嘈杂中型量子技术的时代[1]。在控制不同平台上的量子自由度方面已经取得了相关进展[2-4]。然而，在某种程度上，控制这些系统动力学的真正汉密尔顿量往往（至少）部分未知。在这种情况下，最大的挑战是在物理直觉的指导下，推断出一个能够与实验数据相匹配的量子系统的真实汉密尔顿模型。通过查询设备（假设为一个黑匣子），可以测量几个可观测量的时间演变，以学习系统汉密尔顿量。这个过程被称为汉密尔顿学习，多年来一直是量子计算的基础。
新生儿MRI的早期大脑形态计量学预测非常早产的2岁矫正年龄的运动和认知结果
CSIRO健康与生物安全性，澳大利亚电子卫生研究中心，皇家布里斯班和妇女医院，赫斯顿，赫斯顿，布里斯班，昆士兰州4029，澳大利亚B澳大利亚B 4029，B詹姆斯·库克大学，詹姆斯维尔大学，昆士兰州昆士兰州，昆士兰，澳大利亚昆士兰州昆士兰C儿童健康研究中心，昆士兰州塞雷布拉尔·佩尔斯·帕尔斯和居民研究中心，Quensland cerbral Pals and Rehability Center，Quembral Pals and reblant forland，Quebiland forland，Quebiland forland，Quembla昆士兰州，澳大利亚昆士兰州昆士兰儿童医院，昆士兰州儿童医院，昆士兰州儿童医院和健康服务局，澳大利亚布里斯班，母亲，母亲和妇女健康计划，母校研究所，昆士兰大学医学院，昆士兰州昆士兰大学，澳大利亚昆士兰大学，澳大利亚昆士兰大学，澳大利亚昆士兰州大学健康医疗学院临床学院，教学界，佩里奇学院。维多利亚，澳大利亚，澳大利亚G Monash Imaging，Monash Health，墨尔本，墨尔本，澳大利亚H澳大利亚H莫纳什大学，墨尔本大学，墨尔本，维多利亚，澳大利亚I Monash Newborn，Monash Newborn，Monash儿童医院，墨尔本，墨尔本，澳大利亚澳大利亚J围产期研究中心
混凝土材料中的人工智能：科学计量学视角
神经网络 167 2014 42 130 抗压强度 92 2015 32 85 混凝土 54 2014 25 45 机器学习 34 2019 26 29 建模 32 2011 21 29 预测 22 2017 23 22 支持向量机 19 2018 11 17 深度学习 17 2019 13 13 回归 17 2015 20 17 高性能混凝土 15 2015 15 14 粉煤灰 13 2014 14 12 再生骨料混凝土 13 2016 15 13 弹性模量 12 2014 15 11 人工智能 11 2016 15 9 沥青混凝土 11 2018 6 9 随机森林 10 2019 7 7 自密实混凝土 10 2013 6 8 抗弯强度 9 2018 11 9 混合料设计 9 2013 11 9 腐蚀 8 2017 9 6 耐久性 8 2015 14 8 模糊逻辑 8 2011 9 7 高强度混凝土 8 2013 10 8 力学性能 8 2018 11 8 无损检测 8 2015 9 8 剪切强度 8 2013 5 7 声发射 7 2017 5 6 ANFIS 7 2015 12 7 水泥砂浆 7 2016 6 7 动态模量 7 2018 5 6 遗传编程 7 2014 7 7 钢筋混凝土 7 2016 6 6 碳化 6 2014 10 6 水泥 6 2013 10 6 高温 6 2017 7 5 纳米二氧化硅 6 2017 7 5 优化 6 2014 12 6 孔隙率 6 2015 7 6 硅灰 6 2014 9 6 强度 6 2011 9 4 粘结强度 5 2015 5 5 土聚合物 5 2017 5 5 图像处理 5 2017 6 5 微观结构 5 2015 6 5 矿渣 5 2011 7 5
使用单拷贝测量学习量子态的下限
我们研究了量子断层扫描和阴影断层扫描的问题，方法是对未知 d 维状态的各个相同副本进行测量。我们首先重新审视已知的量子断层扫描下限 [ HHJ + 17 ]，精度为 ϵ（迹线距离），此时测量选择与先前观察到的结果无关，即，它们是非自适应的。我们通过适当分布之间的 χ 2 散度简洁地证明了这些结果。与之前的工作不同，我们不要求测量值由秩一运算符给出。当学习者使用具有恒定数量结果的测量值（例如，两个结果测量值）时，这会导致更强的下限。特别是，这严格建立了民间传说“泡利断层扫描”算法在样本复杂度方面的最优性。在非自适应情况下，我们还分别推导出使用任意和恒定结果测量学习秩为 r 的状态的 Ω ( r 2 d / ϵ 2 ) 和 Ω ( r 2 d 2 / ϵ 2 ) 的新界限。除了样本复杂度之外，学习量子态的一个具有实际意义的资源是所需的唯一测量设置的数量（即算法使用的不同测量的数量，每种测量可能具有任意数量的结果）。基于这种考虑，我们采用合适分布的 χ 2 散度测度集中来将我们的下限扩展到学习者从一组固定的 exp ( O ( d )) 个可能测量中执行可能的自适应测量的情况。这尤其意味着自适应性不会给我们带来使用可有效实现的单拷贝测量的任何优势。在目标是预测给定可观测量序列的期望值的情况下，我们也得到了类似的界限，这项任务称为阴影层析成像。最后，在可利用多项式大小电路实现的自适应单拷贝测量的情况下，我们证明了基于计算给定可观测量的样本均值的直接策略是最佳的。
具有无限门级的实验超海森堡量子计量学
中国科学技术大学中国科学院量子信息重点实验室，合肥 230026，中华人民共和国 https://orcid.org/0000-0002-4569-7716
活性物质物理学：流体动力学和能量学
“活性物质是由大量活性“剂”组成的物质，每种活性“剂”都会消耗能量来移动或施加机械力。这种系统本质上是不热平衡的。与趋向平衡的热系统和具有施加稳定电流的边界条件的系统不同，活性物质系统打破了时间反演对称性，因为能量被各个成分不断耗散。大多数活性物质的例子都来自生物，涵盖了生物的所有尺度，从细菌和自组织生物聚合物（如微管和肌动蛋白，两者都是活细胞细胞骨架的一部分）到鱼群和鸟群。然而，目前大量的实验工作致力于合成系统，如人造自推进粒子。活性物质是软物质中一个相对较新的材料分类：研究最广泛的模型 Vicsek 模型可以追溯到 1995 年。
通过基于注意力的深度布局度量学习进行热点检测
摘要 — 随着半导体特征尺寸的急剧缩小，热点检测已成为生成优化掩模设计以实现更好可印刷性的关键且具有挑战性的问题。机器学习技术，尤其是深度学习，在热点检测任务上取得了显著的成功。然而，由于两阶段流程和布局特征表示效率较低，大多数现有的热点检测器性能不佳。更重要的是，大多数工作只能解决具有明显热点模式的简单基准测试，如 ICCAD 2012 竞赛基准测试。在本文中，我们首先开发了一种新的端到端热点检测流程，其中布局特征嵌入和热点检测共同执行。基于注意机制的深度卷积神经网络 (CNN) 被用作主干来学习布局特征的嵌入并同时对热点进行分类。实验结果表明，我们的框架在更具挑战性的基准测试上实现了比现有技术更高的准确率，误报更少，推理速度更快。