XiaoMi-AI文件搜索系统
World File Search SystemNTU
拓扑与非线性驱动的内存... -Dr -ntu
我们考虑了经受连贯驱动器的非线性损耗谐振器的光子晶格，该系统记得其拓扑阶段。最初，该系统在拓扑上是微不足道的。应用额外的相干脉冲后，强度会增加，从而调节系统中的耦合，然后诱导拓扑相变。但是，当脉冲的效果消失时，系统不会返回到微不足道的阶段。相反，它记住拓扑阶段并保持其在脉冲应用过程中获得的拓扑。脉冲可以用作触发拓扑模式的放大的开关。我们进一步表明，扩增发生在不同的频率以及与脉冲的位置不同的位置，表明频率转换和强度转移。我们的工作对于触发主动拓扑光子设备的不同功能很有用。
NTU团队在阿布扎比举行的Tech Hiccups瘟疫首次AI赛车比赛未能获得最终|海峡时间
NTU团队（由28多名研究人员，工程师和学生组成），在活动开始前的两天内被一系列问题困扰。其中包括损失汽车的传感器，以及其全球定位系统（GPS）失败 - 也影响了其他团队的问题。
绝缘体到金属过渡和各向同性巨大... -Dr -ntu
磁转运（电导对外部磁场的响应）是揭示外来现象背后基本概念的重要工具，并在实现播种机应用方面起着关键作用。磁转运通常对磁场方向敏感。相比之下，很少见到电子传输的效果和各向同性调制，这在诸如全向感应等技术应用中很有用，尤其是对于原始晶体而言。这里提出了一种策略，以实现对电子传导对电子传导的极强调制，而磁场独立于场方向。GDPS是一种具有电阻率各向异性的分层抗铁磁半导体，它支持具有矛盾的各向同性巨大的巨型磁势敏感对磁性方向不敏感的场驱动的绝缘体到金属转变。这种各向同性磁阻起源于GD 3 +基于GD 3 +的半纤维f-Electron系统的接近零自旋 - 轨道耦合的组合效应以及GD原子中强的现场F - D交换耦合。这些结果不仅为具有非凡的磁转运提供了一种新型的材料系统，可为基于抗铁磁铁的超快和有效的旋转器设备提供缺失的块，而且还展示了设计具有高级功能的所需运输特性的磁性材料的关键成分。
改变了Mycobiota特征并丰富... -Dr -ntu
背景和目的：肠菌菌Mimcobiota是人类肠道菌群的主要组成部分，但其在直肠癌（CRC）中的作用仍然难以捉摸。我们进行了一项荟萃分析，以发现真菌迈气对CRC的贡献。方法：我们从以前的7个出版物中检索了粪便元基因组数据集，并建立了一个额外的内部队列，总计1329个宏基因组（454个带有CRC，350，患有腺瘤和525个健康个体）。菌落组成和微生物相互作用。候选富含CRC的真菌物种（Aspergillus rambellii）在体外和体内都有功能验证。结果：多线分析表明，CRC中的肠菌菌属发生了变化。我们鉴定了与来自多个队列的CRC或腺瘤患者相关的真菌。签名CRC-
基于变压器的交通拥护预测能量... -Dr -ntu
摘要 - 燃料电池电动汽车（FCEV）的能源经济在确定其实用性方面起着至关重要的作用，使能源管理策略（EMS）的优化必不可少。基于未来车辆速度预测的预测EMS（PEMS）为增强EMS性能提供了巨大的潜力。但是，当前的PEMS预测模型依赖于历史速度数据或静态流量信息，从而忽略了实时交通状况的影响。在本文中，我们引入了基于变压器的PEMS（TPEM），该PEMS（TPEM）结合了实时预测的周围交通信息，以改善FCEV的经济经济。通过考虑受控车辆和周围车辆之间的复杂相互作用来更好地预测车速，我们开发了一个基于变压器网络的预测器，该预测指标考虑了受控车辆周围六个车辆的速度和相对距离，从而在接下来的10秒内产生了速度预测。然后，我们将深度加固学习（DRL）方法作为下游优化器，创建完全数据驱动的PEM。为了培训TPEM，我们开发了一个来自NGSIM数据集的数据集，该数据集由许多驾驶轮廓段组成，其中包括受控VE-HICLE和周围流量的时间序列特征。此外，我们还利用Sumo模拟器生成支持流量信息的驾驶配置文件进行性能评估。实验结果揭示了我们基于变压器的预测器优于现有的预测因子，即经常性神经网络（RNN），在处理流量信息并实现改进的预测方面。相对于当前最新的长期记忆（LSTM）PEMS，TPEM将FCEV的经济效率提高了4.6％。
掺入石墨烯量子点，铁和... -dr -ntu
Incorporation of Graphene Quantum Dots, Iron, and Doxorubicin in/on Ferritin Nanocages for Bimodal Imaging and Drug Delivery Fatemeh Nasrollahi, Barindra Sana, David Paramelle, Samad Ahadian, Ali Khademhosseini, Sierin Lim* Dr. F. Nasrollahi, Dr. Barindra Sana, Prof. Sierin Lim School of Chemical and Biomedical Nanyang Technological University，Nanyang Drive 70 Nanyang Drive，N1.3，新加坡637457电子邮件：slim@ntu.edu.edu.sg F. Nasrolllhi博士，Samad Ahadian博士，Samad Ahadian博士，Ali Khademhosseini教授Ali Khademhosseini教授美国加利福尼亚大学加利福尼亚大学洛杉矶分校生物工程，加利福尼亚州90095，美国纳斯罗拉希博士，纳斯罗拉希博士，伊朗德黑兰大学工程学院，伊朗，德黑兰大学工程学院。框：11155/4563 B. Sana P53博士，科学技术与研究机构（A*Star），8A生物医学格罗夫，新加坡138648 David Paramelle材料研究与工程研究所博士*Star（科学，技术和研究机构）（科学，技术与研究机构） Khademhosseini放射科学系，戴维·盖芬医学院，加利福尼亚大学洛杉矶分校，洛杉矶分校，加利福尼亚州90095，美国化学与生物分子工程系，加利福尼亚州洛杉矶 - 洛杉矶大学，加利福尼亚州洛杉矶大学，加利福尼亚州90095 Nanyang Drive，第N3.1块，＃01-03，新加坡637553关键字：多功能铁蛋白纳米含量，pH响应性荧光团，荧光成像，MRI对比剂，多模式成像，石墨烯量子点
神经逻辑视觉语言解释器-Dr -ntu
摘要 - 如果我们比较了人类的理由和模型的深入原因，那么人类以象征性的方式与称为逻辑的正式语言进行理性，而大多数深层模型中的理由是黑框。一个自然的问题是“受过训练的深层模型是否与人类相似？”还是“我们可以用逻辑语言解释深层模型的推理吗？” 。在这项工作中，我们提出了Neurlogx，以解释逻辑语言中深视觉语言模型的推理过程。给定训练有素的视觉语言模型，我们的方法首先通过增加输入数据来生成推理事实。然后，我们开发一个可区分的归纳逻辑编程框架，以从事实中学习可解释的逻辑规则。我们在各种流行的视觉语言模型上显示了我们的结果。有趣的是，我们观察到几乎所有经过测试的模型都可以从逻辑上推理。
变异量子算法估计等级... -dr -ntu
近年来，在一类早期量子计算设备中，人们越来越兴趣和快速发展，共同称为嘈杂的中间量子量子（NISQ）设备[1]。NISQ设备本质上是缺乏完整量子误差校正的量子计算硬件。由于缺乏误差校正，在此类设备上可用的门口和总相干时间受到限制。这意味着NISQ设备仅限于可以使用短深度量子电路执行的应用程序，超出该电路不可靠。虽然NISQ设备无法执行通用量子计算，但人们普遍期望它们能够在近期[2，3]中提供比古典计算机相对于经典计算机提供的魔鬼计算优势。开发适合NISQ设备的算法的一种方法是考虑杂交量子古典算法[4]。这样的算法试图通过将一部分计算的一部分向经典计算机铺开来降低整体量子电路深度要求。在其中，一种称为变分量子算法（VQA）的算法可以说是设计NISQ算法的最广泛使用和有希望的策略之一。在VQAS中，使用NISQ硬件进行经典计算的成本函数C（θ），而经典优化策略则用于发现最佳参数θ∗，以最大程度地减少成本函数。此类策略已用于诸如发现汉密尔顿人[5、6]的近似本征态的应用中，重新编译了量子电路[7]，并解决了线性代数问题[8-10]。作为一类量子算法，VQAS
NTU（Ali.miserez@ntu.edu.sg）Ali Miserez材料科学与工程学院（MSE）
良好的学术工作取决于诚实和道德行为。您作为学生的工作质量依赖于遵守学术诚信原则和NTU荣誉法规，这是整个大学社区共有的一系列价值观。真理，信任和正义是NTU共同价值观的核心。作为一名学生，重要的是，您必须认识到自己在NTU所做的所有工作中理解和运用学术完整性原则时的责任。不知道维持学术诚信的涉及什么并不是学术不诚实的理由。您需要积极配备自己的策略，以避免各种形式的学术不诚实，包括窃，学术欺诈，勾结和作弊。如果您不确定任何这些条款的定义，则应访问学术完整性网站以获取更多信息。关于使用技术工具（例如生成AI工具），不同的课程 /作业具有不同的预期学习成果。学生应参考有关其使用和要求的具体任务说明，并/或咨询您的教师，以了解如何使用这些工具来帮助您的学习。如果您需要对课程中的学术完整性要求进行任何澄清，请咨询您的讲师。