XiaoMi-AI文件搜索系统
World File Search SystemModeling
用于评估和优化靶向嵌合体（Protacs）
摘要：靶向蛋白质降解的领域呈指数增长。然而，对提供机械见解的药代动力学/药效学模型的需求未满足，同时在药物发现环境中实际上也很有用。因此，我们已经开发了一个全面的建模框架，可以应用于常规项目的实验数据，到：（1）基于准确的降解指标评估Protac，（2）指导最关键参数的化合物优化，（3）将降解降解到下游药物效应。所提出的框架包含了许多第一个特征：（1）一种机械模型，可以在Protac浓度降解中效应钩子效应，（2）（2）量化靶占用作用在Protac动作机制中的作用和（3）靶向降解和靶标的proticat效应的效应的靶标在protak protica的作用机制中的作用和靶标的proticat效应的效应。为了说明适用性并建立信心，我们采用了这三种模型来分析来自不同项目和目标的各种化合物的示例性数据。提出的框架使研究人员可以量身定制其实验性工作，并更好地了解其结果，最终导致更成功的Protac发现。这里的重点在于体外药理学实验，但还讨论了体内研究的关键含义。
莱曼，弗兰克；越野，丹尼尔； Zimmermann;迈克尔}，title = {{{tosca4qc：Tosca自动化
摘要 - 量词计算引入了一种新的计算范式，该范式有望解决无法通过经典计算机效率解决的问题。因此，量子应用程序将越来越多地集成到经典应用中。要将这些复合应用程序带入生产中，需要进行自动部署和编排技术，以避免手动易行错误和耗时的过程。对于非量化应用程序，近年来已经开发了各种部署技术。但是，量子应用程序的部署目前与非量子应用程序显着不同，因此导致了用于部署量子应用程序的不同建模程序。为了克服这些问题，我们提出了TOSCA4QC，该TOSCA4QC介绍了两种部署建模样式，该模型基于拓扑和编排规范的云应用程序（TOSCA）标准（TOSCA）标准，用于自动化量子应用的部署和编排：（i）SDK规格模型的模型，以覆盖所有技术模型，以涵盖所有技术部署详细信息（II）技术的详细信息（II）详细信息（II）详细信息（II）详细信息（II）。原则。我们进一步展示了如何将现有的模型驱动开发（MDD）方法应用于将SDK-静态模型重新定为可执行的SDK特定模型。我们证明了原型实施的实际可行性，作为Tosca生态系统Opentosca的扩展以及IBMQ和量子模拟器的三个案例研究。索引术语 - Tosca，量子计算，部署自动化，建模，编排
雷达相机3D对象检测的强大扩散建模框架
雷达相机3D对象检测旨在与雷达信号与摄像机图像进行交互，以识别感兴趣的对象并定位其相应的3D绑定框。为了克服雷达信号的严重稀疏性和歧义性，我们提出了一个基于概率deno的扩散建模的稳健框架。我们设计了框架，可以在不同的多视图3D检测器上易于实现，而无需在训练或推理过程中使用LiDar Point Clouds。在特定的情况下，我们首先通过开发带有语义嵌入的轻质DENOIS扩散模型来设计框架编码器。其次，我们通过在变压器检测解码器的深度测量处引入重建训练，将查询降解训练开发为3D空间。我们的框架在Nuscenes 3D检测基准上实现了新的最新性能，但与基线检测器相比，计算成本的增加很少。
通过解决迷宫的增强学习对小鼠的基底神经节进行建模
本文的目的是通过深度增强学习对小鼠大脑的基底神经节功能进行建模。众所周知，基底神经节可以提供带有皮质直接影响运动功能的反馈回路。基底神经节中的大多数神经元都是抑制性或多巴胺能。这类似于加强学习的奖励体系。由于几乎不可能对基底神经节的整个应用进行建模，因此本文将重点介绍在迷宫的应用程序中对基底神经节进行建模，其中鼠标在迷宫中，并且需要找到“一块奶酪”（奖励）。这种现实世界的测试通常是在小鼠上进行的，并很好地展示了如何通过增强学习，通过奖励模仿学习[1]。在这种情况下，将在模拟动作方面抽象出其他相关领域（如感觉皮层和运动皮层）的功能和建模。总体而言，通过增强学习对基础神经节的关键功能将是其在行动选择和学习中的用途。
MATLAB/SIMULINK中的系列和平行电池组模型的建模和模拟
锂离子电池最近由于其许多优势而成为车辆应用研究的重点。锂离子电池具有比其他二级电池更高的特异性能量，更好的能量密度和更低的自我放电速率，这使其适合电动汽车和混合动力汽车。尽管如此，担心安全性，成本，充电时间和回收利用已阻碍了锂离子电池的商业用法，以进行自动应用。开发有效的电池系统需要在模拟平台上进行精确的电池模型。在这项研究中，电池模型是用MATLAB/SIMULINK内置的。有两个变体可用：一个具有串联的平行电池布置和一个无配置的单个型号。提供并详细说明了所提出的模型的结构。基于测试结果，已验证了开发的电池模型。一个比较表明，创建的模型可以准确预测电流，电压和功率性能。该型号是为Eaton机电电池锂离子18650电池设计的，但据说与其他类型的电池一起使用。模拟考虑了电池的充电状态，电流，电压和电源要求。
使用人工神经网络对视觉障碍进行建模
我们提出了一种方法来弥合人类视觉计算模型与视觉障碍 (VI) 临床实践之间的差距。简而言之，我们建议将神经科学和机器学习的进步结合起来，研究 VI 对关键功能能力的影响并改进治疗策略。我们回顾了相关文献，目的是促进充分利用人工神经网络 (ANN) 模型来满足视障人士和视觉康复领域操作人员的需求。我们首先总结了现有的视觉问题类型、关键的功能性视觉相关任务以及当前用于评估两者的方法。其次，我们探索最适合模拟视觉问题的 ANN，并在行为（包括性能和注意力测量）和神经层面预测它们对功能性视觉相关任务的影响。我们提供指导方针，为未来针对受 VI 影响的个体开发和部署 ANN 的临床应用研究提供指导。
对抗样本的生物免疫建模
作者：E Kim · 2020 · 被引用 29 次 — 或者，防御可以通过预处理、量化或压缩来处理模型的输入 [47, 11, 17, 19, 28]。我们的工作是独特的，不...
基于损伤的电力电子设备寿命建模
电力电子器件和模块的寿命建模有着悠久的研究历史。两大主要研究方向是数据驱动方法和基于模型的方法。数据驱动方法使用机器学习从经验数据中训练寿命模型。它是一种纯数据挖掘技术，不考虑故障机制。相比之下，基于模型的方法旨在研究故障机制，以便在考虑故障机制的情况下建立寿命模型。虽然数据驱动方法如今由于新一波人工智能的兴起而变得越来越流行，但基于模型的方法一直是经典方法并不断发展。我们的工作属于基于模型的方法。下面，我们将简要回顾主要的基于模型的方法。
考虑电池间差异的锂离子电池性能退化建模
摘要 电池组既表现出固有的电池间差异，也表现出温度和其他应力因素的时空差异，从而影响电池退化路径的演变。为了解释这些变化和退化或电池扩散的差异，我们提出了一种利用 3 参数非齐次伽马过程对锂离子电池退化进行建模的方法。该方法可预测任何电池架构的容量衰减或故障时间，并使用加速因子调整电池拟合退化数据的分布。在电池组级别，使用并联和串联配置的伽马分布变量组合对电池进行建模。将不同热条件下的容量衰减或故障时间的实际值与预测值进行比较，显示相对误差在 1 – 12% 范围内。我们还提出了一种通过分析样本量对估计不同电池组退化的影响来估计建模扩散和退化路径演变所需的最少电池数量的方法。这种采样策略对于降低设计电池组、电池管理系统和电池热管理系统所需的运行模拟的计算成本特别有用。
基于 CRISPR/Cas 的植物功能基因组学和计算建模
博士Prasenjit Saikia 博士阿吉特·辛格博士Biswajit Saha 博士P. Yuvaraj 先生帕萨·马宗德博士Hridoy Jyoti Mahanta 博士Pankaj Bharali 博士Tridip Phukan 博士Romi Wahengbam 博士Saikat Haldar 博士奥雅纳罗伊博士百夏凛空博士Atul Ashok More 博士Leon Raj 博士Pravin G. Ingole 博士吉滕德拉·辛格·维尔马博士萨钦吉德先生Dhanjit Das 博士Jyoti Kumar Doley 博士Biswajit Gogoi 博士Debasis D. Mohanty 博士Hemanta Sankar Dutta 博士Jayashi Phukan 博士桑迪普·戴伊先生Rama Shankar Sharma先生JL Khongsai 先生Vaskar Rajkhowa先生Praveen Mohan Verma 先生希玛塔·萨基亚