XiaoMi-AI文件搜索系统
World File Search SystemGenerating
科罗纳多发电站核能可行性研究
本信息是根据美国政府机构赞助的工作编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
对用于生成安全随机键的混乱地图的评论
摘要。混乱理论和密码学的融合产生了创新解决方案的动态景观，以实现安全的随机钥匙生成。本文对在该领域进行的几项研究进行了比较，旨在提炼关键的见解和辨别共同点。在提案的多样性中，出现了一个一致的建筑框架，而真正的差异化者则在于选择，配置和利用混沌地图。这些地图是因为它们固有的不可预测性而宽恕，对可靠和安全的加密系统具有重大影响。因此，调查强调了混沌图作为密码学库中多功能工具的持久相关性。数学复杂性和计算之间的相互作用是一个中心主题，说明了精致的平衡研究人员必须导航。随着基于混乱的加密系统的不断发展，该分析是从业人员和理论家的指南针，提供了对安全密钥一代不断发展的景观的见解，以及未来所面临的挑战和机遇。
在混合硅BTO平台中生成光子对
使用图1中描述的设置用于表征此混合平台中的光子生成过程。用带宽为0.52 nm的脉冲激光器以1550.97 nm为中心，脉冲宽度为1 ps，用Erbium-poped纤维放大器（EDFA）放大，为此过程产生强泵。然后通过变量光衰减器（VOA）通过，以使功率完全可调至-60 dB，而无需更改脉冲特性。使用≥80dB的组合抑制带抑制的两个密度波长多路复用器（DWDM）过滤器，用于从进入信号和惰轮收集带宽的激光器中消除泵噪声。将它们放置在极化控制器之前，以优化插入的光，以用于设计光栅耦合器的TE极化。a 99：1梁分离器允许通过安装在探针站的一个臂上的V型槽光纤阵列来监视所测试设备的功率（DUT）。从探测站输出后，使用多通道DWDM模块驱动信号和惰轮频率并拒绝泵。然后将一个额外的单通道DWDM放在信号和怠速通道上以进行额外过滤。芯片后这种过滤还为每个通道提供了≥80dB的排斥带抑制。最后，将两个通道通过光纤网络路由到两个连接到时间间隔分析仪（TIA）的光子柱超导纳米线单光子探测器（SNSPD）。
生成CRISPR工具以研究脑器官发育过程中的表观遗传变化
1.1。真核生物中的表观遗传标记，DNA围绕组蛋白八聚体形成核小体，可以化学修饰。在组蛋白尾部进行的这些修饰，例如甲基化和乙酰化，影响染色质结构和基因可及性，而无需改变DNA序列。对这些修改对基因表达的影响需要诱导其在神经区域的收益或损失来评估因果关系。特定的修饰，H3K4ME3，与活性基因启动子相关，而H3K9ME3和H3K27ME3与转铺回归有关（Policarpi等，2022）。存在H3K4me3与转录之间的相关性，但是为了研究因果关系，需要通过组蛋白脱甲基酶诱导H3K4ME3损失的实验来确定在那里是否下调转录。
必需基因对基因组编辑实验成功的影响生成 3,313 个新的转基因小鼠品系
。CC-BY-NC 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 3 月 21 日发布。；https://doi.org/10.1101/2021.10.06.463037 doi：bioRxiv 预印本
人工智能增强艺术欣赏：从艺术品中生成文本以促进包容性
视觉艺术有助于表达、交流和联系，但对于视障人士和缺乏资源来了解艺术技术和历史的人来说，视觉艺术仍然难以接触。在这项工作中，我建议开发一种生成式人工智能模型，该模型可以生成对给定艺术品的描述和解释。这样的研究可以使艺术更容易被接受，支持艺术教育，并提高人工智能理解和翻译创意媒体的能力。开发将从一项形成性研究开始，以评估盲人和视力低下人士以及艺术专家的需求和偏好。在形成性研究之后，基本方法是在艺术品及其随附描述的数据库上训练模型，从提取的视觉数据中预测情绪，并生成一个与训练文本数据非常相似并结合情绪分析的段落。然后，将通过 METEOR 等指标对模型进行定量评估，并通过图灵测试在迭代过程中对模型进行定性评估。
使用具有逻辑反馈的 LLM 生成药物发现的新线索
大型语言模型 (LLM) 可用作生物和化学信息库，以生成药理学先导化合物。然而，要使 LLM 专注于特定的药物靶点，通常需要使用逐步更精细的提示进行实验。因此，结果不仅取决于对靶点的了解，还取决于对提示工程的了解。在本文中，我们将提示分为可以以标准逻辑形式编写的领域约束和简单的基于文本的查询。我们研究是否可以引导 LLM，不是通过手动优化提示，而是通过自动优化逻辑组件，保持查询不变。我们描述了一个迭代过程 LMLF（“具有逻辑反馈的语言模型”），其中使用逻辑泛化概念逐步优化约束。在任何迭代中，都会根据约束验证新生成的实例，为下一次迭代对约束的优化提供“逻辑反馈”。我们使用两个众所周知的靶点（Janus 激酶 2 和多巴胺受体 D2 的抑制）和两个不同的 LLM（GPT-3 和 PaLM）来评估 LMLF。我们表明，从相同的逻辑约束和查询文本开始，LMLF 可以引导两个 LLM 生成潜在线索。我们发现：(a) LMLF 生成的分子的结合亲和力比现有基线的结合亲和力更偏向更高的结合亲和力；(b) LMLF 生成的分子比没有逻辑反馈的分子更偏向更高的结合亲和力；(c) 计算化学家的评估表明 LMLF 生成的化合物可能是新型抑制剂。这些发现表明，具有逻辑反馈的 LLM 可能提供一种生成新线索的机制，而无需领域专家获得复杂的快速工程技能。
Medinsight：使用大语言模型
大语言模型（LLM）在产生类似人类的反应方面表现出了令人印象深刻的能力。但是，他们缺乏特定领域的知识限制了其在医疗机构中的适用性，在上下文和全面的反应至关重要的情况下。要应对这一挑战，并能够产生以上下文相关且全面的以患者为中心的响应，我们提出了Medinsight-一种新型的检索增强框架，以增强LLM输入（提示），并提供来自多个来源的相关背景信息。Medinsight摘录从患者的病历或咨询成绩单中获取相关细节。然后，它根据患者的健康病史和状况整合了权威医学教科书和策划的Web资源的信息。通过构建一个增强环境，将患者的记录与相关医学知识相结合，Medinsight产生了针对医疗保健应用的量身定制的丰富，特定于患者的反应，例如诊断，治疗建议或患者教育。MTSAMPLES数据集的实验验证了Medinsight在产生上下文适当的医疗响应方面的有效性。使用Ragas Metric和Trulens进行答案相似性和答案的定量评估证明了模型的功效。此外，涉及主题专家（SME）的人类评估研究证实了Medinsight的效用，并在评估者间的相关性和正确性中的相关性和正确性。
神经：一种多模式的方法，用于生成硅中的新蛋白质变体
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本于2024年3月14日发布。 https://doi.org/10.1101/2024.03.12.584504 doi：Biorxiv Preprint
使用LLMS生成具有特定任务的新蛋白质
Halima Bensmail卡塔尔计算研究所的目的：蛋白质的产生在诸如药物设计和蛋白质工程等领域具有广泛的应用前景，可以使用机器学习或深度学习，可以产生蛋白质序列。希望生成的序列具有良好的可折叠性，以便它们可以形成稳定的三维结构。此外，预期所需的蛋白质将表现出特定的功能特性，包括酶活性和抗体结合能力。大语言模型的进步和条件模型的整合已显着推动了蛋白质产生领域的进步。该模型（称为后代）将Uniprotkb关键字包含为2020年的条件标签。这些标签包括一个由各种类别组成的词汇，包括“生物过程”，“细胞成分”和“分子功能”。总共有条件的标签包含超过1,100个不同条款。在评估使用指标相似性，二级结构准确性和构象能产生的蛋白质序列时，它们表现出所需的结构特性。在2022年，受到生成变压器模型（例如GPT-X系列）的显着成就的启发，Protgpt2的发展出现了。值得注意的是，Protgpt2产生的蛋白质表现出符合天然原理的氨基酸倾向。看来Protgpt2已经获得了特定于蛋白质的语言。拟议的工作将重点介绍对这两种术语和Protgpt2的评估。涉及疾病和二级结构预测的评估表明，Protgpt2生成的蛋白质的绝大多数（88％）具有球形特征，与自然序列中的属性保持一致。在Protgpt2序列上采用AlphaFold会产生折叠的非思想结构，包括存在广泛的回路的存在以及当前结构数据库中不存在的以前看不见的拓扑结构。我们还将使用llms使用蛋白质序列作为输入来进行蛋白质功能预测，并为多种蛋白质任务（例如同源性预测）以及二级结构预测，蛋白质溶解度和蛋白质结晶微调模型，并将其与Sproberta进行比较。