XiaoMi-AI文件搜索系统
World File Search SystemDescamps
已发表版本的引文（哈佛）：Nishimwe, A, Ruranga, C, Musanabaganwa, C, Mugeni, R, Semakula, M, Nzabanita, J, Kabano, I, Uwimana, A, Utumatwishima, JN, Kabakambira, JD 、 Uwineza, A、 Halvorsen, L、 Descamps, F、 Houghtaling, J、 Burke, B、 Bahati, O、 Bizimana, C、 Jansen, S、 Twizere, C、 Nkurikiyeyezu, K、 Birungi, F、 Nsanzimana, S 和 Twagirumukiza , M 2022, “利用人工智能和数据科学技术协调、共享、访问和分析卢旺达的 SARS-COV-2/COVID-19 数据（LAISDAR 项目）：研究设计和原理”，BMC 医学信息学和决策，卷22，214。https：//doi.org/10.1186/s12911-022-01965-9
摘要背景：自卢旺达爆发 COVID-19 疫情以来，已收集了大量 SARS-COV-2/COVID-19 相关数据，包括 COVID-19 检测和医院常规护理数据。不幸的是，这些数据分散在不同的数据结构或格式的孤岛中，无法用于增进对疾病的了解、监测其进展并生成指导预防措施的证据。该项目的目标是利用人工智能 (AI) 和数据科学技术协调数据集，以支持卢旺达政府监测和预测 COVID-19 负担的需求，包括医院入院率和总体感染率。方法：该项目将收集现有数据，包括医院电子健康记录 (EHR)、COVID-19 检测数据，并与社区调查的纵向数据相链接。观察性健康数据科学与信息学 (OHDSI) 的开源工具将用于通过观察性医疗结果伙伴关系 (OMOP) 通用数据模型 (CDM) 协调医院 EHR。该项目还将利用其他 OHDSI 工具进行数据分析和网络集成，以及 R Studio 和 Python。该网络将包括卢旺达多达 15 家医疗机构，其 EHR 数据将与 OMOP CDM 协调。预期结果：这项研究将产生一个技术基础设施，其中 15 家参与的医院和健康中心将在本地 Mac Mini（“数据节点”）上拥有 OMOP CDM 格式的 EHR 数据，以及一组 OHDSI 开源工具。中央服务器或门户将包含参与站点的数据目录，以及用于定义和管理分布式研究的 OHDSI 工具。中央服务器也会整合这些信息
这是以下文章的同行评审前版本：Martinez, P., Blanchet, V., Descamps, D., Dory, J.-B., Four- ment, C., Papagiannouli,
利用频域干涉法和从头算分子动力学研究了非晶态碲化锗薄膜对飞秒激光激发的亚皮秒响应。表面动力学的时间分辨测量揭示了薄膜的收缩，其介电性能响应速度超过 300 fs。非平衡条件下的系统从头算分子动力学模拟使我们能够检索离子温度从 300 K 到 1100 K 以及电子分布宽度从 0.001 eV 到 1.0 eV 的原子构型。通过深入分析角度分布、声子模式和对分布函数来表征结构的局部有序性，这证明了向新的非晶态电子激发态的转变，该激发态在键合/结构上接近液态。我们的研究结果为涉及两个重要过程的硫族化物材料中的光学高激发态提供了新的见解：存储器件中的相变材料和静态场引起的 Ovonic 阈值开关现象。