XiaoMi-AI文件搜索系统
World File Search SystemAssisted
校准对人工智能辅助决策的信任
随着人工智能产品的普及，人类和人工智能越来越多地合作做出决策。为了使这种类型的合作取得成功，人类需要了解人工智能的能力，以便有效地校准他们的信任。在这些合作关系中，以人类可以理解的方式解释决策和预测至关重要，以鼓励信任校准。可解释人工智能领域专注于将可解释性融入人工智能，但旨在使人工智能模型更具可解释性。因此，这项研究通常从以模型为中心的角度而不是以人为中心的角度来处理解释。与此同时，行业研究人员已经制定了指导方针，以帮助界面设计师有效地生成用户友好的解释。然而，这些指导方针通常过于宽泛，无法有效指导行业设计师的日常工作。我们的研究通过两种方法解决了这一差距：一个实证实验，研究人们如何回应解释以及哪些类型的解释对信任校准最有帮助；以及一个教育资源，帮助行业设计师了解用户可能有什么问题，以及使用环境如何影响他们可能使用的解释。我们的实验结果表明，解释并不总是有助于信任校准，实际上可能会损害信任校准，尤其是面对自我能力较低的新手用户时。我们对行业设计师进行的探索性访谈和可用性测试表明，人们渴望一种全面但易于访问的教育资源，以转化我们实验等研究并指导可解释的 AI 产品界面的设计。关键词
使用飞秒
近几十年来，激光技术的进步使飞秒激光器的创建成为可能。这是一种特殊的激光类型，在该激光器上，激光束由重复的高能灯爆发仅几百秒秒，而与在每个常见激光指针中发现的连续激光束相反。短脉冲持续时间与每个爆发中的高能量配对会产生显着的峰值功率，从而使激光器能够以常规激光不能无法处理的方式处理材料。但是，能够产生飞秒激光束的机器的大尺寸和重量通常要求它们保持固定。要利用激光束进行处理，需要精确的重定向。在本报告中，我们描述了将常规CNC机器转换为激光处理站的过程，并通过在玻璃，金属箔和KTP晶体上写下我们的发现。该机器能够遵循具有千分尺精确度的CAD说明，以更改，铭文和切割一系列材料。使用绿色（λ= 514 nm）以及红外激光（λ= 1028 nm）进行处理，后者产生更好的结果。最终的激光设置可用于反复，可靠地处理所有材料，并在与化学蚀刻结合使用时在KTP上有很有希望的结果。
在手动和机器人辅助工作中为操作员建模疲劳5.0
职业应用疲劳以及许多其他人类绩效因素，影响工人的健康状况，从而产生了生产质量和效率。采用行业5.0观点，我们建议将人类绩效模型整合到更广泛的工业系统模型中可以提高建模准确性并带来卓越的成果。将我们的工人疲劳模型整合为其工业系统建筑师模型的一部分，使领先的飞机制造商Airbus可以更准确地预测系统的性能，这是劳动力妆容的函数，这可能是人类工人和机器人的组合，或者是经验丰富且经验丰富且经验丰富且经验丰富的工人的组合。我们的方法证明了将人类绩效模型包括在商店地板上引入机器人的重要性和价值，可用于在工业系统模型中包括人类绩效的各个方面，以满足特定的任务要求或不同级别的自动化。
肽辅助核酸输送系统正在兴起
摘要：对纳米载体治疗效果和副作用的担忧导致了将其推进为靶向和响应性递送系统的策略的发展。由于其生物活性和生物相容性，肽在这些策略中起着关键作用，因此在纳米医学中得到了广泛的研究。特别是基于肽的纳米载体，随着纯肽结构以及天然和改性肽与聚合物、脂质和无机纳米颗粒的组合的进步而蓬勃发展。在这篇综述中，我们总结了肽促进基因递送系统的进展。核酸疗法的功效在很大程度上取决于细胞内化和向亚细胞器的递送。因此，这篇综述重点介绍了纳米载体，其中肽在将核酸运送到其作用位点方面起着关键作用，特别强调了帮助阴离子、水溶性核酸跨越它们在有效发挥作用的途中遇到的膜屏障的肽。在第二部分中，我们讨论了肽如何推进纳米组装递送工具，使得它们能够穿越递送障碍并以受控的方式在特定位置释放其核酸货物。
采用远程等离子体辅助氢解吸和乙硅烷作为前驱体的硅原子层外延
沉积 (RPCVD) 系统以尽量减少表面损伤。起始表面是二氢化物和一氢化物终止的组合。ALE 实验周期包括用等离子体中的氦离子轰击基底 1-3 分钟以使其解吸，然后在无等离子体激发的情况下，在一定分压范围（1&- 7 Torr 至 1.67 mTorr）、温度范围（250 0 C-400 0 C）和时间范围（20 秒至 3 分钟）内用乙硅烷对表面进行剂量控制，以自限制方式将 Si2H6 吸附在轰击产生的裸露表面 Si 原子上，形成硅基 (SiH3) 物种，从而形成氢终止表面。在 3 分钟的轰击周期内，获得的最大生长量为每周期 0.44 个单层。随着轰击周期时间的减少，每周期的生长量减少，表明氢去除的百分比随着轰击时间的增加而减少。
在手动和机器人辅助工作中为操作员建模疲劳5.0
职业应用疲劳以及许多其他人类绩效因素，影响工人的健康状况，从而产生了生产质量和效率。采用行业5.0观点，我们建议将人类绩效模型整合到更广泛的工业系统模型中可以提高建模准确性并带来卓越的成果。将我们的工人疲劳模型整合为其工业系统建筑师模型的一部分，使领先的飞机制造商Airbus可以更准确地预测系统的性能，这是劳动力妆容的函数，这可能是人类工人和机器人的组合，或者是经验丰富且经验丰富且经验丰富且经验丰富的工人的组合。我们的方法证明了将人类绩效模型包括在商店地板上引入机器人的重要性和价值，可用于在工业系统模型中包括人类绩效的各个方面，以满足特定的任务要求或不同级别的自动化。
引用本文：Gerbrich Ferdinands (2021) 人工智能辅助系统评价：选择研究比较小样本量的贝叶斯与频率 SEM，多元行为研究，56:1，153-154，DOI：10.1080/00273171.2020.1853501
Smid 等人（2020 年）进行了一项系统评价，以表征贝叶斯和频率估计在小样本量 SEM 中的表现。在手动筛选 5050 项研究后，仅选定 27 项来回答他们的研究问题。进行系统评价需要付出巨大的筛选努力。这种筛选工作使证据综合成为一项极具挑战性的任务。开源 AI 辅助筛选工具可以潜在地减少工作量：系统评价的主动学习（ASReview；van de Schoot 等人，2020 年）。在 ASReview 中，研究人员与主动学习模型交互筛选摘要。根据研究人员的决策（相关与不相关），该模型会迭代更新其对剩余摘要的相关性预测。通过优先考虑最有可能相关的文章（即基于确定性的主动学习），ASReview 最大限度地减少了研究人员需要筛选的文章数量，同时仍能识别出大多数相关文章。手动筛选和自动优先排序出版物的过程会产生一组相关出版物。作为一个例子，ASReview 被应用于 Smid 等人（2020 年）确定的 5050 篇研究的全部集合。理想的表现被定义为最大限度地识别 Smid 等人最初确定的 27 篇相关文章，同时最大限度地减少研究人员需要筛选的文章数量。相关性预测由主动学习模型进行，该模型使用朴素贝叶斯或逻辑回归作为分类器。对于第一个预测，ASReview 需要一些示例文章。对每个分类器应用了 27 次 ASReview，使用每篇相关文章作为示例文章一次，并与一篇随机的不相关文章配对。如图 1 所示，贝叶斯和逻辑回归模型都发现超过 80%
利用金属辅助化学蚀刻进行 X 射线光学器件微加工：综述
摘要：高纵横比硅微纳米结构在微电子、微机电系统、传感器、热电材料、电池阳极、太阳能电池、光子装置和 X 射线光学等多种应用领域中具有技术相关性。微加工通常通过反应离子干法蚀刻和基于 KOH 的湿法蚀刻来实现，金属辅助化学蚀刻（MacEtch）作为一种新型蚀刻技术正在兴起，它允许在纳米级特征尺寸中实现巨大的纵横比。到目前为止，文献中缺少对 MacEtch 的专门综述，既考虑了基本原理，也考虑了 X 射线光学应用。本综述旨在提供全面的总结，包括：（i）基本机制；（ii）在垂直于 <100> Si 基底的方向上进行均匀蚀刻的基础和作用；（iii）用 MacEtch 制造的几个 X 射线光学元件示例，例如线光栅、圆形光栅阵列、菲涅尔区板和其他 X 射线透镜； (iv) 吸收光栅完整制造的材料和方法以及在基于 X 射线光栅的干涉测量中的应用；以及 (v) X 射线光学制造的未来前景。本综述为研究人员和工程师提供了对 MacEtch 作为 X 射线光学制造新技术的原理和应用的广泛和最新的理解。
Omnifold：机器学习辅助展开
cc0pi信号定义（中微子模式）：一种负电荷的muON，零亲和在最终状态下检测到的任何数量的哈德子，其中在FGD1（scintillator）中重建了顶点（scIntillator）fimial formial量
机器学习辅助测量Lepton-Jet方位角角度不对称在HERA的深弹性散射中
在深度无弹性正面散射中，使用与HERA的H1检测器收集的数据测量Lepton-Jet方位角不对称性。When the average transverse momentum of the lepton-jet sys- tem, lvert ⃗ P ⊥ rvert , is much larger than the total transverse momentum of the system, lvert⃗q ⊥ rvert , the asymmetry between parallel and antiparallel configurations, ⃗ P ⊥ and ⃗q ⊥ , is expected to be gener- ated by initial and final state soft gluon radiation and can be predicted using perturbation theory.量化不对称的角度特性提供了对强力的额外测试。研究不对称性对于通过横向动量依赖（TMD）Parton分布函数（PDFS）产生的固有不对称的未来测量很重要，其中这种不对称构成了主要背景。方位角不对称的力矩是使用机器学习方法来测量不需要归安宁的。