XiaoMi-AI文件搜索系统
World File Search SystemODS
用于陶瓷化学和结构表征的分析 X 射线技术
材料测试对于在生产周期的各个阶段鉴定陶瓷至关重要——从原材料验证到成品成型部件的特性分析。在本文中，我们重点介绍了几种用于陶瓷化学和结构分析的关键仪器方法：体相和微尺度应用中的 X 射线荧光（分别为 XRF 和 µXRF）、粉末 X 射线衍射 (XRD) 和 X 射线显微镜 (XRM)。XRF 测量提供有关化学和元素组成的信息，可用于定性和定量实验。体相 XRF 方法用于测试原始原料，以验证试剂纯度以及中间产品和最终产品中所需的比例。µXRF 在受限的物理区域内提供类似的信息，允许对零件和表面进行元素映射。XRD 可以识别
形式化方法及其在数字 SY 主干验证中的作用...
本报告基于 FAA 数字系统验证手册（帮助 FAA 认证专家解决高级技术问题的指南）的一章。其目的是解释在软件和硬件要求、设计和实施的规范和验证中使用形式化方法，确定将这些方法应用于关键应用中使用的数字系统的优点、弱点和困难，并提出在提供形式化方法支持认证时需要考虑的因素。本演示集中于形式化方法的基本原理及其对关键应用保证的贡献，例如在 DO-178B（民用飞机上使用的软件指南）2 提供的环境中；它旨在为那些不熟悉这些主题的人提供入门。配套报告提供了关于形式化方法的更技术性的讨论。~
在图书馆中制作和使用人工智能：在瑞典国家图书馆创建 BERT 模型
如何开发和使用新型人工智能技术？本文结合数据和图书馆学的方法，重点介绍自然语言处理技术，尤其是国家图书馆中的自然语言处理技术。文章介绍了瑞典国家图书馆的藏书如何促成瑞典语新 BERT 语言模型的开发。文章还概述了该模型在学术图书馆中的具体用例，详细介绍了该模型如何使数字藏书可用于新形式的研究，从自动分类到增强搜索能力和改进 OCR 凝聚力。文章的结论强调了人工智能与图书馆相互影响的潜力，并指出，虽然人工智能可能会改变图书馆的运作方式，但图书馆也可以在人工智能的未来发展中发挥关键作用。
量子图学习：前沿与展望
量子理论已显示出在增强机器学习方面的优势。然而，利用量子理论来增强图学习还处于起步阶段。本综述从基础理论、方法和前景三个角度研究了量子图学习 (QGL) 的最新进展。我们首先研究 QGL，分别讨论量子理论和图学习的互利关系、图结构数据的特殊性以及图学习的瓶颈。提出了一种新的 QGL 分类法，即图上的量子计算、量子图表示和图神经网络的量子电路。然后强调并解释其中的陷阱。本综述旨在对这一新兴领域进行简短而有见地的介绍，并详细讨论尚待研究的前沿和前景。
具有时间逻辑规范的多代理系统电路和系统加固学习的纸张特别部分
总结在多代理系统中，重要的是要考虑一种合作行动的方法，以实现共同的目标。在本文中，我们提出了两个新型的多代理增强学习方法，其中控制指定是由线性时间逻辑公式描述的，这代表了一个共同的目标。首先，我们提出了一种简单的解决方法，该方法直接从单格情况下延伸。在这种方法中，由于代理数量的增加引起了一些技术问题。接下来，为了克服这些技术问题，我们提出了一种新方法，其中引入了聚合器。最后，通过数值模拟比较这两种方法，并以监视问题为例。关键词：多代理系统，增强学习，线性时间逻辑，聚合器，监视
通过 Lipschitz 嵌入和图上的最短路径精确计算流形度量
数据敏感度量自然出现在机器学习中，并且在一些著名方法中起着核心作用，例如 k-NN 图方法、流形学习、水平集方法、单链接聚类和基于欧氏 MST 的聚类（详情见第 5 节和附录 A）。构建合适的数据敏感度量是一个活跃的研究领域。我们考虑一个简单的数据敏感度量，它有一个底层流形结构，称为最近邻度量。该度量最早在 [CFM + 15] 中引入。它及其近似变体在过去已被多位研究人员研究过 [HDHI16、CFM + 15、SO05、BRS11、VB03]。在本文中，我们展示了如何精确计算任意维度的最近邻度量，这解决了任何基于流形的度量最重要和最具挑战性的问题之一。
propicker：在低温电子断层扫描中采摘粒子的迅速分割
我们正在举办一项机器学习竞赛，以吸引专注于开发用于识别Cero-Electon层析成像（Cryoet）获得的粒子位置的研究人员。冰冻是一种可视蛋白质组学的强大技术，可以在分子水平上详细探索生物系统。然而，它在大规模实验中的应用受到低吞吐量的约束，特别是在识别蛋白质的3D坐标或断层图内的大分子复合物的3D坐标 - 对于实现近特征图平均的接近原子分辨率至关重要。这一识别粒子位置的步骤称为粒子拾取，这是鉴定和标记断层图中各个颗粒的过程。我们的竞争重点是支持模型开发和评估冷冻数据中的粒子采摘，重点是识别实验数据中多种粒子类型的不同粒子。
开发了经过验证的RP-HPLC测定方法，用于定量分离Teriflunomide及其在散装药物中与过程相关的杂质
药理学化合物中的有机，无机和残留溶剂杂质来源已被国际协调理事会分为类别。药物部门面临调节障碍，因为有机污染物可能是基因毒素。检测和方法开发也验证了teriflunomide色谱分离过程中产生的有机污染物的验证是这项工作的主要目标。使用二极管阵列检测器和反相高性能液相色谱进行杂质研究。在25°C的色谱柱温度下，通过梯度分离成功实现了C18 ymc-pack ODS柱。用作流动相，乙腈和0.015 M磷酸钾磷酸钾，pH为3.5。采用了210 nm检测器波长和1.0 mL/分钟的流量。使用经过验证的分析方法成功分离了六种相关的杂质，分辨率和保留时间在35分钟以下。teriflunomide，Teriflunomide阶段1和杂质D已建立了分析技术，范围分别为0.066–3.262、0.035–1.880和0.025-1.255 µg/ml。teriflunomide，Teriflunomide阶段1和杂质-D具有不同的检测限制，定量值的限制为0.0037和0.0096、0.0016和0.0016和0.0051，以及0.0011和0.0033 µg/ml。确认的分析方法可以有效地识别任何制造过程杂质。