XiaoMi-AI文件搜索系统
World File Search SystemInspired
低功率对数电流到数字转换器（CDC），灵感来自生物医学应用的分子遗传过程
近年来，需要使用便携式，可穿戴或可植入的电子设备来处理生物医学信号。这些功能由少量电池进行操作，因此能节能的ADC成为基本组件。生物传感器广泛用于葡萄糖监测，DNA测序，食物分析和微生物分析等应用中。其中一些生物剂翻译了一种生物学标记，该生物标志物的对数尺度（Thanachayanont，2015年）将其变化为curlant输出信号，因此，对数CDC是对他们来说更自然的读数设备。In addition, a log- arithmic ADC (Sit and Sarpeshkar, 2004) (Mahat- tanakul, 2005) (Rhew et al., 2014) (Sundarasaradula et al., 2016) (Danial et al., 2019) can perform analog- to-digital conversions with non-uniform quantization thus it can convert small signals with high resolu- tion and large signals with coarse resolution, which与线性ADC相比，启用处理大的输入动态范围信号的位。较低的位结果较低的功率和较小的区域。在这项研究中，我们提出了受基因网络启发的超低功率电子电路，以证明神经元网络的计算能力。这种方法取决于我们获得的洞察力，我们获得了将神经元网络映射到分子生物系统（生物形态（Rizik等，2022）（Daniel等，2013）），然后是电子ciTomorphic（Sarpeshkar，2011年（Sarpeshkar，2011）（Hanna等，
将可穿戴传感器和认知启发架构的融合应用于手动装配任务的实时人机工程学分析
将可穿戴传感器和认知启发架构的融合应用于手动装配任务的实时人体工程学分析 Oyekan, J. 1 、Chen, Y. 1 、Turner, C. 2 和 Tiwari, A. 1 1 谢菲尔德大学，Amy Johnson 大楼，自动控制和系统工程系，Portobello Street，谢菲尔德，S1 3JD，英国 2 萨里大学，Rik Medlik 大楼，萨里商学院，吉尔福德，萨里，GU2 7XH，萨里商学院，萨里，英国；摘要：高价值制造系统仍然需要符合人体工程学的密集型手动活动。例如，在航空航天工业中，将管道和电线安装到飞机机翼的密闭空间中仍然是一项手动操作。在这些环境中，工人长时间承受不符合人体工程学的力量和姿势。这会导致肌肉骨骼损伤，严重限制车间的产出，导致生产力下降。使用可穿戴传感器等工具可以提供一种实时跟踪工人人体工程学的方法。然而，需要一个信息处理架构来确保实时处理数据，并以有意义的行动点供工人使用的方式进行检索。在这项工作中，基于自适应控制思维——理性 (ACT-R) 认知框架，我们提出了一种可穿戴传感器的认知架构 (CAWES)；一种可穿戴传感器系统和认知架构
具有生物学启发的高维入住网格图的可推广的增强学习，用于探索和目标导向路径计划
摘要 - 真实的时间自主系统利用多层计算框架来执行关键任务，例如感知，目标查找和路径计划。传统方法使用占用网格映射（OGM）实施感知，并通过概率信息将环境分为离散的单元。这种经典方法是完善的，并为下游过程提供了一个结构化输入，例如目标查找和路径计划算法。最近的方法利用了一种以生物学启发的数学框架，称为矢量象征体系结构（VSA），通常称为高维计算，以在高维空间中执行概率的OGM。这种方法（VSA-OGM）与尖峰神经网络提供了兼容性，将VSA-OGM定位为常规OGM的潜在神经形态替代品。但是，对于大规模集成，与已建立的OGM方法相比，评估VSA-OGM对下游任务的性能含义至关重要。本研究研究了VSA-OGM对传统的OGM方法，贝叶斯·希尔伯特·地图（BHM）的功效，基于强化学习的目标找到和路径计划框架，在受控的探索环境中，以及受到第10 f1 f1挑战启发的自主驾驶场景。我们的结果表明，VSA-OGM保持在单一和多幕科培训配置之间的可比学习绩效，同时将看不见的环境的性能提高了约47％。索引术语 - 占用网格映射，高维计算，概率学习，增强学习，脑启发的学习这些发现强调了通过BHM培训的政策网络的普遍性提高，从而增强了其在不同环境中现实部署的潜力。
随着技术价格下降，受控制理论启发的设计能否保持部署政策的有效性和成本效益？
摘要 基于经济激励的部署政策是加速清洁能源技术传播的最有效工具之一。上网电价等政策工具在推动太阳能光伏发电的增长方面发挥了关键作用，并可以加速其他对能源系统脱碳至关重要的技术的采用。然而，历史经验表明，如果不能根据技术价格下降调整经济激励措施，可能会从根本上破坏这些政策的有效性和成本效益。本文通过评估三种新颖的政策设计来应对这一挑战。基于控制理论原理，所提出的机制根据部署、政策成本或采用者的盈利能力的变化来调整激励措施。我们评估了每种政策设计在 2000 年至 2016 年期间应用于德国太阳能光伏上网电价时将取得的结果。为此，我们开发了一个基于代理的模型，使我们能够模拟个人家庭和中型和大型企业的采用决策，以及技术价格的演变。我们的结果表明，受控制理论启发的响应设计可能会产生更紧密地遵循其目标且成本更低的政策。此外，我们的分析表明，所研究的设计可以大大减少政策结果和意外利润的不确定性。这项研究还强调了政策目标的时间分布，并确定政策设计的权衡，为未来部署政策的设计得出相关启示。
铁氧体掺杂的蔗糖衍生的多孔碳复合材料，灵感来自法老王的蛇，用于宽带电磁波吸收
本文提出了一种直接而有趣的方法，用于设计宽带宽度，轻巧和可调电磁波（EMW）吸收材料。通过燃烧实验从“法老的蛇”中汲取灵感，生物质碳源和蔗糖用于制造Fe/Fe 3 O 4 @porous Carbon（PC）复合材料。随后，应用高温钙化以增强材料的Mi Crowave吸收特性。准备好的复合材料表现出令人印象深刻的6.62 GHz有效带宽，并且在匹配的厚度为2.2 mm的情况下，具有-51.54 dB的出色吸收能力。此外，通过调整磁性颗粒的含量并控制复合材料的厚度，可以实现C，X和KU频段的全面覆盖范围。出色的性能表明，合成的Fe/Fe 3 O 4 @pc多孔材料对电磁波吸收的应用具有重要潜力。它为获取吸收宽带吸收材料的新颖，直接且具有成本效益的方法打开了。
仿生运动机制：自调节 4D 打印可穿戴系统的计算设计和材料编程
本文介绍了一种基于生物榜样设计 4D 打印自成形材料系统的材料编程方法。植物启发了许多自适应系统，这些系统无需使用任何操作能量即可移动；然而，这些系统通常以简化的双层形式设计和制造。这项工作介绍了用于 4D 打印具有复合机制的仿生行为的计算设计方法。为了模拟运动植物结构的各向异性排列，使用基于挤压的 3D 打印在中观尺度上定制材料系统。该方法通过将缠绕植物（Dioscorea bulbifera）的力产生原理转移到自紧夹板的应用来展示。通过张紧其茎螺旋，D. bulbifera 对其支撑物施加挤压力，以提供对抗重力的稳定性。D. bulbifera 的功能策略被抽象并转化为定制的 4D 打印材料系统。然后评估这些仿生运动机制的挤压力。最后，在腕前臂夹板（一种常见的矫正装置）中对自紧功能进行了原型设计。所提出的方法可以将新颖且扩展的仿生设计策略转移到 4D 打印运动机制中，从而进一步为可穿戴辅助技术及其他领域的新型自适应创作打开设计空间。
使用模拟综合生物启发的基于搜索的测试
20477481，2024，5，从https://onlinelibrary.wiley.com/doi/10.1002/smr.2591下载，由Statens Beredning，Wiley Online Library，on [07/06/2024]。有关使用规则，请参见Wiley Online Library上的条款和条件（https://onlinelibrary.wiley.com/terms-and-conditions）； OA文章由适用的Creative Commons许可
3,3'-二迪丁烷基甲烷及其衍生物：通过调节信号转导，转录本
on intrinsic and acquired resistance mechanisms which include increased efflux of chemotherapeutics (e.g., by ABC transporters), increased DNA repair, mutation or alteration of drug targets, epigenetic mechanisms such as epigenetic regulation of gene expression and/or of protein drug targets, induction of senescence, factors in the tumor microenvironment, and epithelial-to-mesenchymal transition [4,5]。为了克服这些抗性因素，除了鉴定新药物外，还必须对这些机制进行透彻的了解。自然衍生的吲哚化合物作为抗癌剂表现出很大的潜力，并且吲哚生物碱药物（例如长春蛋白和葡萄蛋白）自多年以来就可以治疗肿瘤疾病[6,7] [6,7]。基于天然铅吲哚衍生物星孢子蛋白[8-10]开发了基于吲哚酶的糖化酶抑制剂（批准用于转移性肾细胞癌的治疗）和enzastaurin。吲哚也是突出的饮食化合物，以及诸如芥末葡萄糖素，吲哚-3-carbinol（I3c）和3,3'-二烷基甲烷（dim）（dim）的3,3'-二烷基甲醇（dim）抗癌诱导症（以及对磷酸33的抗磷酸33）的活性（dim）的活性（dim）的3.-二烷基甲烷（dim），因子κB（NF-κB）信号传导[图1] [11-13]。很久以前，Cato The Elder建议卷心菜叶治疗癌性溃疡和统计数据，现在表明，人群随着十字花科蔬菜的消费量增加显示出较低的癌症事件[13-15]。天然吲哚葡萄糖醇分解为I3c，并在食用时在胃中形成昏暗。然而，DIM的生物利用度较差，并且在体内测试中通常需要制剂[11,16]。DIM的合成衍生物已通过各种合成方法制备[17,18]。几种昏暗的衍生物揭示了针对癌细胞的高活性[7,19]。在本综述中介绍了DIM及其合成衍生物的抗癌活性的当前状态，重点是癌症耐药性，肿瘤生长抑制以及有关其对信号通路和转录因子的影响的新见解。
忆阻器——从内存计算、深度学习加速和脉冲神经网络到神经形态和生物启发计算的未来
基于深度学习和 GPU 实现的解决方案已导致许多 AI 任务得到大规模改进，但也导致对计算能力的需求呈指数级增长。最近的分析表明，自 2012 年以来，对计算能力的需求增加了 30 万倍，估计每 3.4 个月这一需求就会翻一番 — — 这一速度远远快于历史上通过摩尔定律实现的改进（在同一时期内提高了七倍）。[1] 与此同时，摩尔定律在过去几年里显著放缓，[2] 因为有强烈迹象表明，我们将无法继续缩小互补金属氧化物半导体 (CMOS) 晶体管的尺寸。这要求探索替代技术路线图，以开发可扩展且高效的 AI 解决方案。
一种新的量子机器学习算法：受量子条件主方程启发的分裂隐量子马尔可夫模型
隐量子马尔可夫模型（HQMM）在分析时间序列数据和研究量子领域的随机过程方面有巨大潜力，是一种比经典马尔可夫模型更具潜在优势的升级选择。在本文中，我们引入了分裂 HQMM（SHQMM）来实现隐量子马尔可夫过程，利用具有精细平衡条件的条件主方程来展示量子系统内部状态之间的互连。实验结果表明我们的模型在适用范围和鲁棒性方面优于以前的模型。此外，我们通过将量子条件主方程与 HQMM 联系起来，建立了一种新的学习算法来求解 HQMM 中的参数。最后，我们的研究提供了明确的证据，表明量子传输系统可以被视为 HQMM 的物理表示。SHQMM 及其配套算法提出了一种基于物理实现的分析量子系统和时间序列的新方法。