XiaoMi-AI文件搜索系统
World File Search SystemAided
HG-CAD：计算机辅助设计中的材料预测和建议的层次图
为了支持智能计算机辅助设计（CAD），我们介绍了机器学习体系结构，即HG-CAD，该体系结构通过使用层次图表表示，建议通过联合学习身体和装配级特征来提出装配体材料。特别是，我们将材料预测和建议过程作为节点级别的分类任务，这是CAD模型的新型分层图表示，其低级图形捕获了身体几何形状，可捕获体内几何形状，这是一个高级图形的组合图，是组件的高级图表，并具有批处理掩码的随机化随机化效果。这使我们的网络能够从人体和组装水平汇总几何和拓扑特征，从而导致竞争性能。对Fusion 360画廊组装中提议的体系结构的定性和定量评估 - 显示了我们方法的可行性，表现出色的计算机视觉和人类基线，同时在应用程序场景中显示出希望。提议的HG-CAD体系结构统一了多模态CAD特征的处理，编码和联合学习，这表明有潜力作为设计自动化的建议系统，并提供了未来工作的基准。[doi：10.1115/1.4063226]
针对心脏成纤维细胞的高效小分子辅助心脏重编程系统
陶艳梦 1、杨阳 1、杨正浩 1、王利鹏 2、王世强 2 和赵阳 1,3,* 1 天然药物及仿生药物国家重点实验室、细胞增殖与分化教育部重点实验室、心脏代谢分子医学北京市重点实验室、北大-清华生命科学中心、北京大学未来技术学院分子医学研究所，北京 100871，中国 2 膜生物学国家重点实验室，北京大学生命科学学院，北京 100871，中国 3 主要联系人 *通讯作者：yangzhao@pku.edu.cn 摘要 直接心脏重编程以诱导心肌细胞样细胞，例如通过 GMT（Gata4、Mef2c 和 Tbx5），是体内再生受损心脏和体外疾病建模的一种有前途的途径。补充其他因子和化学药剂可以提高效率，但引发了对心脏成纤维细胞选择性的担忧，并使原位心脏重编程的递送复杂化。在这里，我们筛选了 2000 种具有已知生物活性的化学物质，发现 2C（SB431542 和 Baricitinib）的组合可通过 GMT 显着增强心脏重编程。没有 Gata4，MT（Mef2c 和 Tbx5）加 2C 可以选择性地重编程心脏成纤维细胞，并提高效率、动力学和心肌细胞功能。此外，2C 显着增强了人心脏成纤维细胞的心脏重编程。2C 通过抑制 Alk5、Tyk2 和下调 Oas2、Oas3、Serpina3n 和 Tgfbi 协同增强心脏重编程。2C 能够实现选择性和稳健的心脏重编程，可以极大地促进体外疾病建模并促进体内临床治疗性心脏再生。关键词：心脏重编程，选择性，稳健性，转录因子，化学物质，小鼠，人类
无人机辅助空间空气地面集成网络
摘要 - 在太空空间集成网络（Sagin）中，接收器会从卫星和陆地发射机中产生各种干扰。Sagin的异质结构为传统的干涉管理（IM）方案带来了挑战，可以有效减轻干扰。为了解决这个问题，为Sagin提出了一种新颖的无人机IM方案，其中考虑了不同类型的通道状态信息（CSI），包括无CSI，瞬时CSI和延迟的CSI。根据CSI的类型，干扰对准，梁形成和时空预编码在卫星和陆地发射机侧设计，与此同时，引入了无人机-RIS用于协同干扰消除过程。此外，当卫星侧的天线数量不足时，深入讨论了提出的IM方案获得的自由度（DOF）。仿真结果表明，所提出的IM方案在不同的CSI方案中提高了系统容量，并且性能优于没有无人机RIS的现有IM基准。
计算机辅助药物研发的人工智能
人工智能 (AI) 在多个科学领域的不断应用以及计算机软件和硬件的快速进步以及其他参数迅速推动了这一发展。该技术可以有效解决传统药物开发中的许多挑战和限制。传统上，人们会筛选大规模化学库来寻找一种有前途的药物。近年来，更合理的基于结构的药物设计方法避免了第一阶段的筛选，但仍然需要化学家设计、合成和测试各种化合物以生产可能的新药。将一种有前途的化学品转化为候选药物的过程可能既昂贵又耗时。此外，即使在实验室研究中表现出希望，新的候选药物仍可能在临床试验中失败。事实上，经过 I 期试验的候选药物中只有不到 10% 真正进入市场。因此，人工智能系统无与伦比的数据处理能力可能以四种不同的方式加速和增强药物开发过程：通过打开与新生物系统的联系、更优越或独特的化学反应、更高的成功率以及更快和更便宜的创新试验。由于这些技术可用于解决各种发现场景和生物靶点，因此理解和区分用例至关重要。因此，我们强调了人工智能如何在制药科学的各个领域得到应用，包括深入的药物研发机会。
DrugOOD：人工智能辅助药物发现的分布外数据集管理和基准 - 重点关注带有噪声注释的亲和力预测问题
人工智能辅助药物发现 (AIDD) 因其能够使新药搜索更快、更便宜、更有效而越来越受欢迎。尽管它广泛应用于众多领域（例如 ADMET 预测、虚拟筛选），但对带噪声的分布外 (OOD) 学习问题的研究却很少。我们提出了 DrugOOD，一个系统的 OOD 数据集管理和 AIDD 基准。具体来说，我们专注于药物-靶标结合亲和力预测问题，其中涉及大分子（蛋白质靶标）和小分子（药物化合物）。DrugOOD 提供了一个自动化的数据集管理者，具有用户友好的自定义脚本、与生物化学知识一致的丰富领域注释、逼真的噪声水平注释以及 SOTA OOD 算法的严格基准测试，而不是仅提供固定数据集。由于分子数据通常使用图神经网络 (GNN) 主干建模为不规则图，因此 DrugOOD 还可作为图 OOD 学习问题的宝贵试验台。大量的实证研究表明，分布内和分布外实验之间存在显著的性能差距，这强调了需要开发更有效的方案，以允许 AIDD 在噪声下进行 OOD 泛化。
借助电力缓冲动态形成多个混合储能系统的分散电力分配策略
摘要 — 由电池和超级电容器 (SC) 组成的多个混合储能系统 (HESS) 被广泛用于直流微电网以补偿功率失配。根据其特定的能量和功率特性，电池和超级电容器分别用于补偿低频和高频功率失配。本文提出了一种借助新型功率缓冲器动态形成多个 HESS 的分散功率分配策略。功率缓冲器是一种结合电容器和双向 DC-DC 转换器的设备，它用作电池和直流母线之间的接口，可轻松实现不同储能单元的即插即用以及有效、高效的功率分配。首先，功率缓冲器和超级电容器通过改进的 IV 下垂控制将功率失配分为低频和高频部分。然后，功率缓冲器根据电池各自的充电状态 (SoC) 将低频失配转移到电池进行补偿，而高频部分则由超级电容器直接处理。该新方案进一步消除了直流母线电压偏差。最后，三个案例研究的实时硬件在环 (HIL) 测试证实了所提出的控制策略的有效性。
基于人工智能的计算机辅助检测和诊断在儿科放射学中的诊断性能：系统评价
摘要：基于人工智能 (AI) 的计算机辅助检测和诊断 (CAD) 是放射学的一个重要研究领域。然而，目前只有两篇关于人工智能在儿科放射学中的一般用途和基于人工智能的 CAD 在儿科胸部成像中的叙述性评论发表。本系统综述的目的是研究基于人工智能的 CAD 在儿科放射学中的应用、其诊断性能及其性能评估方法。2023 年 1 月 11 日使用电子数据库进行了文献检索。纳入了 23 篇符合选择标准的文章。本综述表明，基于人工智能的 CAD 可应用于儿科脑、呼吸、肌肉骨骼、泌尿和心脏成像，尤其是用于肺炎检测。大多数研究（93.3%，14/15；77.8%，14/18；73.3%，11/15；80.0%，8/10；66.6%，2/3；84.2%，16/19；80.0%，8/10）报告的模型性能至少为 0.83（受试者工作特征曲线下面积）、0.84（敏感性）、0.80（特异性）、0.89（阳性预测值）、0.63（阴性预测值）、0.87（准确度）和 0.82（F1 分数）。然而，纳入的研究发现了一系列方法论缺陷（尤其是缺乏模型外部验证）。未来应开展更多基于 AI 的儿科放射学 CAD 研究，并采用完善的方法，以说服临床中心采用 CAD，并在更广泛的背景下实现其好处。
空中多天线辅助航空通信...
摘要 — 为了在所有飞行阶段提供无缝覆盖，航空通信系统 (ACS) 必须整合天基、空基和地面平台，以形成面向航空的天空地一体化网络 (SAGIN)。在大陆地区，L 波段航空宽带通信 (ABC) 因支持空中交通管理 (ATM) 现代化而越来越受欢迎。然而，由于传统系统，L 波段 ABC 面临着频谱拥塞和严重干扰的挑战。为了解决这些问题，我们提出了一种新颖的多天线辅助 L 波段 ABC 范式来解决可靠和高速率空对地 (A2G) 传输的关键问题。具体而言，我们首先介绍 ABC 的发展路线图。此外，我们讨论了 L 波段 ABC 传播环境的特殊性以及相关多天线技术的独特挑战。为了克服这些挑战，我们从信道估计、可靠传输和多址接入的角度提出了一种先进的多天线辅助 L 波段 ABC 范式。最后，我们阐明了 SAGIN 航空部分的引人注目的研究方向。
空中多天线辅助航空通信...
摘要 — 为了在所有飞行阶段提供无缝覆盖，航空通信系统 (ACS) 必须整合天基、空基和地面平台，以形成面向航空的天空地一体化网络 (SAGIN)。在大陆地区，L 波段航空宽带通信 (ABC) 因支持空中交通管理 (ATM) 现代化而越来越受欢迎。然而，由于传统系统，L 波段 ABC 面临着频谱拥塞和严重干扰的挑战。为了解决这些问题，我们提出了一种新颖的多天线辅助 L 波段 ABC 范式来解决可靠和高速率空对地 (A2G) 传输的关键问题。具体而言，我们首先介绍 ABC 的发展路线图。此外，我们讨论了 L 波段 ABC 传播环境的特殊性以及相关多天线技术的独特挑战。为了克服这些挑战，我们从信道估计、可靠传输和多址接入的角度提出了一种先进的多天线辅助 L 波段 ABC 范式。最后，我们阐明了 SAGIN 航空部分的引人注目的研究方向。
基于 DFT、分子对接和药代动力学研究的鹰嘴豆素 A 作为潜在乳腺癌药物的计算机辅助分析
摘要：乳腺癌是全球最常见、最致命的癌症类型。鹰嘴豆素A是一种天然异黄酮，具有多种生物学和药理学特性。本研究利用密度函数理论（DFT）的量子化学研究探索鹰嘴豆素A的结构特征，并通过分子对接模拟揭示其抑制乳腺癌的特性。首先使用DFT/B3LYP方法以6-311++（d，p）基组对先导分子进行优化。进行模拟静电势以评估先导分子的反应性，并通过基于能隙、化学势（μ）、电负性（χ）、硬度（η）和软度（S）值的HOMO-LUMO分析评估分子反应性和稳定性。进行Mulliken原子电荷分布以确定分子的反应位点，并进行自然布居分析以计算电子分布。随后通过分子对接研究评估鹰嘴豆素A与乳腺癌靶蛋白的相互作用，并通过药代动力学评价评价先导分子的类药性，结果表明该先导分子没有违反Lipinski规则，对HER-2（PDB ID：2IOK）具有最高的结合亲和力，对接评分为-9.2Kcal/mol。