XiaoMi-AI文件搜索系统
World File Search SystemNER
通过将癌症化学治疗剂与细菌DNA修复抑制剂相结合来开发新型抗菌剂
癌症化学治疗剂杀死迅速分裂的细胞，其中包括免疫系统的细胞。由此产生的中性粒细胞减少使患者感染，这延迟了治疗，是发病率和死亡率的主要原因。为解决这个问题，我们分离了几种抑制细菌DNA修复的化合物，仅它们是无毒的，但是与DNA损害抗癌药物结合使用，它们可以防止细菌生长。通过筛选抗癌化合物顺铂的筛选中的FDA批准的药物库来鉴定这些化合物。使用一系列分类测试，将筛选减少为少数药物，这些药物已被测试，这些药物针对细菌核核切除DNA修复（NER）进行了特异性活性。出现了五种化合物，其中三种具有承诺的抗菌特性，包括细胞渗透率，以及在多药耐药性临床上相关e中阻断复制的能力。大肠杆菌菌株。这项研究表明，靶向NER可以通过与靶向DNA修复的辅助疗法进行癌症化学疗法，为癌症患者的感染提供新的治疗方法。
定量打击乐诊断，用于评估冷喷涂和激光沉积材料的孔隙率和表面粗糙度
定量打击乐诊断（QPD）是最近使用PerientoMeter®仪器（Curmetrics LLC，Los Angeles，CA）形成的最近开发的非破坏性测试（NDT）方法。这种测试方式已用于检测和定量分析整体迁移率以及细节缺陷的存在，例如与牙齿[1]和牙科植入物相关的裂纹[2，3]。QPD的有效性也已被证明可以检测到层压板结构中的弱“亲吻”键[4，5]。QPD测试系统由一个探针组成，该探针包含一个被启用的力传感器，该探针被启用以敲击规格。在探针对试样的打击乐后，杆中的压电传感器记录了力时间数据。这种相对较低的撞击会在标本中产生最大应力，而这种应力是无损的。在标本的特征上，每种打击乐的实力时间验证是在杆与试样接触的0.2 E 0.4 ms上记录的。与打击乐探针相连的计算机中的软件确定了每次进行测量时测量的力与10个打击乐器的时间返回到杆的机械能[4 E 6]。图1显示了当前QPD测试系统的示意图。归一化能量返回（NER），即将机械能返回到杆撞击前的杆的动能，作为QPD测试结果，将其绘制在撞击前的杆的动能。返回的机械能被定义为将力平方除以测量该力的打击乐杆中传感器的动态刚度。ner和时间可用于确定损失系数，一个阻尼参数，显示结构中的总能量耗散以及正常拟合误差（NFE），该参数表明裂纹的存在和严重程度和其他缺陷缺陷[1 E 4，6 E 9]。NER的较低振幅可以表明由于严重的缺陷或结构中有较高数量的特定缺陷（例如孔隙率）而导致结构的能量更多。
葡萄渣提取物对不同种类微生物的抗菌活性
食品行业对葡萄渣产生了浓厚的兴趣，因为它具有众多健康益处，并且含有高浓度的生物活性化学物质。本研究调查了从白葡萄和蓝葡萄的副产品中获得的葡萄渣的抗菌特性。我们研究的目的是探究蓝葡萄品种（Alibernet、Dornfelder、Cabernet Sauvignon）和白葡萄品种（Blaufränkisch、Sauvignon Blanc、Welschriesling、Weisser Riesling、Irsai Oliver、Pinot Blanc、Palava、Müller-Thurgau、Grűner Veltliner 和 Feteasca Regala）葡萄渣提取物的抗菌活性。用纸片扩散法评估了葡萄渣提取物对九种微生物（革兰氏阳性菌、革兰氏阴性菌和酵母）的抗菌活性。发现蓝葡萄渣提取物对枯草芽孢杆菌的抗菌活性最好。白葡萄品种 Sauvignon Blanc、Welschriesling、Weisser Riesling、Irsai Oliver、Pinot Blanc 果渣提取物对枯草芽孢杆菌最有效，Müller-Thurgau 葡萄果渣提取物对 C. koseri 最有效，Grűner Veltliner 和 Feteasca Regala 对枯草芽孢杆菌最有效。最敏感的细菌是枯草芽孢杆菌。
对临床和生物医学任务应用的指令进行了零射和几次研究
摘要大型语言模型（LLMS）的最新出现已在自然语言处理（NLP）领域取得了重大进步。尽管这些新模型在各种任务上都表现出卓越的性能，但在他们可以处理的任务的多样性和应用领域的多样性方面，它们的应用和潜力仍未得到充分展望。在这种情况下，我们在一组13个现实世界中的临床和生物医学NLP任务中评估了四个最先进的指导型LLM（Chatgpt，Flan-T5 UL2，TK-Instruct和Alpaca），英语中的NLP任务，包括指定的实用性识别（NER），问题（NER），求解（QA），涉及（QA），涉及（qa），resitation（qa），更多。我们的总体结果表明，这些评估的LLMS在大多数任务中以零和几乎没有弹药方案的方式进行了最先进的模型的性能，即使他们以前从未遇到过这些任务的示例，尤其是在质量检查任务中表现出色。但是，我们还观察到，分类和重新任务无法通过为医疗领域设计的专门训练的模型（例如PubMedbert）实现的性能。最后，我们注意到，在所有研究任务中，没有一个LLM胜过所有其他LLM，某些模型比其他模型更适合某些任务。
有关信息提取的全面调查
摘要：信息提取（IE）是自然语言处理（NLP）和计算机视觉的基本任务，旨在自动从非结构化数据源（例如文本，图像和视频）中提取结构化信息。本文对各种IE技术进行了全面的调查，重点介绍了指定的实体识别（NER），关系提取（RE）和意见分类。我们讨论了基于规则的，无监督，监督和深度学习方法，以突出其优势和局限性。此外，我们还探讨了IE在不同应用中的作用，包括学术文献数据库，商业智能，医疗保健，专利分析和客户服务。此外，我们研究了应用于图像和视频的IE方法，涵盖了视觉关系检测，光学特征识别（OCR）和自动视频摘要。本文还解决了诸如域适应，模棱两可，数据隐私和计算效率之类的挑战。最后，我们概述了未来的研究方向，强调了多模式IE的整合，深度学习的进步和实时处理。关键字：信息提取（IE），命名实体识别（NER），关系提取（RE），意见分类，基于特征的监督学习，IE深度学习，文本挖掘，光学角色识别（OCR）和自然语言处理（NLP）。I.简介信息提取（IE）是从非结构化或半结构化数据源（例如文本文档，图像和视频）中自动识别，提取和构造相关信息的过程。它涉及将原始数据转换为有意义的结构化表示形式的技术，从而促进了下游任务，例如知识图构造，问题答案和信息检索[1]。IE主要着重于提取特定类型的信息，包括：
与 AI Jesus 保持私密
卢塞恩市天主教会是一个由 8 个教区、2 个地点、13 个全市部门和 1 个设有办公室的教区组成的网络。300 多名员工和约 2,000 名志愿者代表着一个充满活力的教会，希望通过创新的内容和基于需求的服务为人们服务。自 2022 年起，卢塞恩市天主教会已获得 Grüner Güggel 环境标签认证。
使用大型语言模型从材料科学文献中挖掘实验数据：一项评估研究
摘要 本研究致力于评估大型语言模型 (LLM)（例如 GPT-3.5-Turbo、GPT-4 和 GPT-4-Turbo）从材料科学科学文献中提取结构化信息的能力。为此，我们主要关注信息提取的两个关键任务：(i) 对所研究材料和物理特性的命名实体识别 (NER) 和 (ii) 这些实体之间的关系提取 (RE)。由于材料信息学 (MI) 中明显缺乏数据集，我们使用基于超导体研究的 SuperMat 和通用测量评估语料库 MeasEval 进行评估。将 LLM 执行这些任务的性能与基于 BERT 架构和基于规则的方法（基线）的传统模型进行对比。我们介绍了一种用于比较分析复杂材料表达的新方法，强调化学式的标准化以解决材料科学信息评估中固有的复杂性。对于 NER，LLM 在零样本提示下无法超越基线，在少样本提示下仅表现出有限的改进。然而，使用适当的 RE 策略进行微调的 GPT-3.5-Turbo 优于所有模型，包括基线。在没有任何微调的情况下，GPT-4 和 GPT-4-Turbo 在仅提供几个示例后就表现出了卓越的推理和关系提取能力，超越了基线。总体而言，结果表明，尽管 LLM 在连接概念方面表现出相关的推理能力，但对于需要提取复杂的特定领域实体（如材料）的任务，专门的模型目前是更好的选择。这些见解为未来工作中其他材料科学子领域提供了初步指导。
分销机构
“法案”是指《1994 年电力法案》；“AEMO”是指澳大利亚能源市场运营商；“AEMC”是指澳大利亚能源市场委员会；“CBD 馈线”是指主要为商业高层建筑供电的馈线，由主要为地下的供电网络供电，与城市地区相比，该供电网络具有显著的互连和冗余；“客户”具有法案中的含义；“客户群”是指相关期间开始时配电客户数量加上相关期间结束时配电客户数量再除以二；“配电机构”是指 ENERGEX 有限公司持有的机构编号 D07/98；“配电客户”是指拥有活跃账户和活跃国家计量标识符的客户，不包括未安装计量表的客户；“配电实体”具有法案中的含义；“配电年度计划报告”具有 NER 中的含义；“电气装置”具有法案中的含义； “应急后备机制”是指使用远程控制设备暂时中断或限制连接到配电实体供电网络的发电系统，以在紧急情况下维护电力系统安全；“财政年度”是指从 7 月 1 日开始到 6 月 30 日结束的一年；“发电系统”是指由一个或多个发电机组组成的系统；“发电机组”具有 NER 中给出的含义（为避免疑义，包括逆变器等相关设备，也包括电池和其他储能系统）；