XiaoMi-AI文件搜索系统
World File Search SystemPerformant
数字转换和数字双胞胎的实现
摘要：在快速的技术进步和不断发展的工业景观时代，对未来工厂的概念（FOF）的概念对于寻求优化效率，提高生产力并保持可持续性的公司至关重要。此案例研究探讨了FOF的概念及其在推动汽车部门内能量过渡和数字转换中的作用。通过拥抱技术和创新方面的进步，这些工厂旨在建立一个聪明，可持续，包容和弹性的增长框架。向混合动力和电动汽车的转变需要对车辆组件和生产过程进行重大调整。为了实现这一目标，采用较轻的材料，并且正在采用诸如增材制造（AM）和人工智能（AI）之类的新技术，从而促进了工厂环境中提高效率和创新。该范式的一个重要方面涉及模块化，负担得起，安全的人类 - 机器人相互作用和高性能智能机器人的开发和利用。引入了这种智能机器人，旨在通过工厂地板和生产线上的协作人类与机器人环境（专门针对汽车行业量身定制的人类 - 机器人环境）提高自动化和效率。通过结合人类和机器人能力的优势，未来的工厂旨在彻底改变制造工艺，最终使汽车行业迈向更可持续和技术上的技术。这项研究探讨了自动化的实施以及从工业4.0到5.0过渡的初步大步，重点是在葡萄牙北部经营的三家公认，大型和汽车公司。
一种数据驱动的脑机接口机器学习方法......
近年来，用于替代失去肢体的假肢设备的性能越来越好。软件和硬件方面的最新进展使得解码脑电图 (EEG) 信号成为可能，从而通过脑机接口 (BCI) 改善对有源假肢的控制。大多数 BCI 研究都集中在上半身。尽管近年来针对下肢的 BCI 研究有所增加，但我们对与下肢运动相关的神经模式的了解仍然存在差距。因此，本研究的主要目的是展示从 EEG 数据记录中解码下肢运动的可行性。第二个目标是调查截肢者众所周知的神经可塑性适应是否会影响解码性能。为了解决这个问题，我们收集了多名下肢截肢者和一个匹配的健全对照组的数据。利用这些数据，我们训练并评估了已被证明对上肢 BCI 有效的常见 BCI 方法。两组的平均测试解码准确率均为 84%，我们的结果表明，使用 EEG 数据可以准确区分不同的下肢运动。健康受试者和下肢截肢受试者对这些运动的解码性能没有显著差异（p = 0.99）。这些结果表明使用 BCI 进行下肢假肢控制的可行性，并表明解码性能不受两组之间神经可塑性引起的差异的影响。
具有人工智能副驾驶的非侵入式脑机接口控制
运动脑机接口 (BMI) 解码神经信号，帮助瘫痪患者移动和交流。尽管在过去二十年中取得了重大进展，但 BMI 仍面临着临床可行性的关键障碍。侵入式 BMI 可以实现熟练的光标和机械臂控制，但需要神经外科手术，对患者构成重大风险。非侵入式 BMI 没有神经外科手术风险，但性能较低，有时使用起来非常令人沮丧，阻碍了广泛采用。我们通过构建高性能的非侵入式 BMI 朝着打破这种性能风险权衡迈出了一步。17 限制非侵入式 BMI 解码器性能的关键限制是其较差的神经信噪比。为了克服这个问题，我们贡献了 (1) 一种新颖的 EEG 解码方法和 (2) 人工智能 (AI) 副驾驶，可以推断任务目标并帮助完成行动。我们证明，借助这种“AI-BMI”，结合使用卷积神经网络 (CNN) 和类似 ReFIT 的卡尔曼滤波器 (KF) 的新型自适应解码方法，健康用户和瘫痪参与者可以自主且熟练地控制计算机光标和机械臂。使用 AI 副驾驶可将目标获取速度提高 4 倍。在标准的中心向外光标控制任务中，目标获取速度提高了 3 倍，并使用户能够控制机械臂执行顺序拾取和放置任务，将 4 个随机放置的块移动到 4 个随机选择的位置。随着 AI 副驾驶的改进，这种方法可能会产生临床上可行的非侵入式 AI-BMI。26
LLM是否准备好发现现实世界的材料？
大语言模型（LLMS）创造了令人兴奋的可能性，以加速材料科学中的科学发现和知识传播。虽然LLM已成功地用于选择科学问题和基本挑战，但他们目前不属于实用的材料科学工具。从这个角度来看，我们在材料科学中显示了LLM的相关故障案例，这些案例揭示了与理解和推理有关复杂，相互联系的材料科学知识的当前局限性的局限性。鉴于这些缺点，我们概述了建立基于域知识的材料科学LLM（Matsci-llms）的框架，该框架可以实现假设产生，然后进行假设检验。在很大程度上，获得表现型Matscilms的途径在于构建源自科学文献中采购的高质量的多模式数据集，其中各种信息提取挑战持续存在。因此，我们描述了关键材料科学信息提取挑战，这些挑战需要克服，以构建大规模的多模式数据集，以捕获有价值的材料科学知识。旨在实现解决这些挑战的连贯努力，我们概述了通过六个互动步骤将Matsci-llms应用于现实世界材料发现的路线图：1。材料查询； 2。数据检索； 3。材料设计； 4。Insilico评估； 5。实验计划； 6。实验执行。最后，我们在可持续性，包容性和政策制定方面讨论了Matscillms对社会的一些广泛含义。
大脑的数据驱动机器学习方法 -
替代损失肢体的假肢设备近年来已经越来越表现。软件和硬件的最新进展允许解码脑电图（EEG）信号，以改善使用脑部计算机接口（BCI）对活动假体的控制。大多数BCI研究都集中在上半身上。尽管BCI对下肢的研究近年来有所增加，但我们对下肢运动相关的神经模式的了解仍然存在差距。因此，这项研究的主要目的是显示解码从EEG数据记录中解码下肢运动的可行性。第二个目的是研究截肢患者中众所周知的神经塑性适应对解码性能的影响。为了解决这个问题，我们从多个具有下肢截肢和匹配的健美对照组的个体中收集了数据。使用这些数据，我们训练和评估了已经证明对上肢BCI有效的常见BCI方法。两组的平均测试解码精度为84％，我们的结果表明，可以使用EEG数据良好的准确性来区分不同的下肢运动。在健康受试者和下肢截肢的受试者之间这些运动的解码性能中没有显着的差异（p = 0.99）。这些结果表明，使用BCI进行下肢假体控制的可行性，并表明解码性能不受两组之间神经可塑性诱导的差异的影响。
通过选择性突触抑制实现快速机器去学习，无需再训练
机器反学习，即机器学习模型的遗忘能力，在遵守数据隐私法规以及删除有害、被操纵或过时信息方面变得越来越重要。关键挑战在于忘记特定信息，同时保护模型在剩余数据上的性能。虽然当前最先进的方法表现良好，但它们通常需要对保留的数据进行一定程度的再训练，以保护或恢复模型性能。这增加了计算开销，并要求训练数据保持可用和可访问，而这可能是不可行的。相比之下，其他方法采用无再训练范式，但这些方法的计算成本过高，且性能不如基于再训练的方法。我们提出了选择性突触抑制 (SSD)，这是一种新颖的两步、事后、无再训练的机器反学习方法，它速度快、性能好，并且不需要长期存储训练数据。首先，SSD 使用训练和遗忘数据的 Fisher 信息矩阵来选择对遗忘集不成比例的重要参数。其次，SSD 通过抑制这些参数来诱导遗忘，抑制程度与它们相对于更广泛的训练数据对遗忘集的相对重要性成正比。我们在一系列使用 ResNet18 和 Vision Transformer 的实验中将我们的方法与几种现有的反学习方法进行了比较。结果表明，SSD 的性能与基于再训练的事后方法相媲美，证明了无再训练事后反学习方法的可行性。
QuESTlink—Mathematica 通过硬件放大...
经典仿真在量子计算机和算法的设计中至关重要。尽管最近证明了量子霸权 [ 2 ]，但当今的量子计算机质量不足以运行和测试许多有趣的算法。即使是未来精确的量子计算机在编写新算法方面也只能提供有限的帮助，因为与仿真器不同，它们提供的有关量子态演变的信息有限。此外，某些算法，特别是用于噪声中等规模量子 (NISQ) 设备 [ 3 ] 的算法，如变分类算法 [ 4 ]，只能进行有限的分析处理。因此，经典仿真的价值是不可否认的。研究界需要高级可用工具，这些工具易于部署、提供快速的数值研究并与其他成熟软件集成。然而，经典模拟量子设备的成本呈指数级增长，使得即使是 NISQ 计算机的仿真也非常耗费资源。因此，模拟器必须充分利用经典的高性能计算技术，如多线程和 GPU 并行化，并使用 C 等低级高性能语言编写。这一要求与可用工具的需求相矛盾，非专业程序员和更广泛的量子社区都可以使用这些工具。在此背景下，我们开发了 QuESTlink：一个高性能 Mathematica 软件包，用于数值模拟量子计算机，通过将昂贵的计算转移到运行 QuEST 的远程加速硬件上 [ 5 ]。Mathematica 既是一种语言，也是一种计算工具，在物理学家中广为流传，它提供了一个方便的交互界面（通过笔记本）和一套非常全面和强大的实用程序。虽然最广泛使用的计算工具是量子计算领域中的计算工具，但它仍然是量子计算领域中最受欢迎的工具。
Essilorluxottica获得加拿大Med-Tech启动CellView
巴黎，法国（2025年2月11日） - Essilorluxottica促进其致力于提高行业标准并提高视力护理质量的承诺，已收购了Cellview Imaging Incing Inc，这是一家通过视网膜成像从事创新诊断的加拿大初创企业。 借助公司的专有技术，该集团正在建立更广泛的眼科仪器和解决方案组合，并追求进入Med-Tech领域的旅程。 位于多伦多，Cellview设计和制造具有固体内部研发专业知识的创新性且性能高的诊断成像工具。 目前在北美分发，Cellview的解决方案使眼睛护理的从业人员能够诊断出视网膜病理，这要归功于与大多数现有技术相比，能够捕获明显更大图像的超广场视网膜相机。 Cellview的产品提供了FDA和CE批准，并以庞大的市场为目标 - 从零售地点的眼部实践到Ophthalmology Clinics - 从欧洲开始，将分布在不同的地理位置上。 Essilorluxottica副首席执行官Paul du Saillant主席弗朗切斯科·米勒里（Francesco Milleri）评论说：“我们很高兴欢迎Cellview的团队来到Essilorluxottica，并共同努力加速我们的视觉健康战略。巴黎，法国（2025年2月11日） - Essilorluxottica促进其致力于提高行业标准并提高视力护理质量的承诺，已收购了Cellview Imaging Incing Inc，这是一家通过视网膜成像从事创新诊断的加拿大初创企业。借助公司的专有技术，该集团正在建立更广泛的眼科仪器和解决方案组合，并追求进入Med-Tech领域的旅程。位于多伦多，Cellview设计和制造具有固体内部研发专业知识的创新性且性能高的诊断成像工具。目前在北美分发，Cellview的解决方案使眼睛护理的从业人员能够诊断出视网膜病理，这要归功于与大多数现有技术相比，能够捕获明显更大图像的超广场视网膜相机。Cellview的产品提供了FDA和CE批准，并以庞大的市场为目标 - 从零售地点的眼部实践到Ophthalmology Clinics - 从欧洲开始，将分布在不同的地理位置上。Essilorluxottica副首席执行官Paul du Saillant主席弗朗切斯科·米勒里（Francesco Milleri）评论说：“我们很高兴欢迎Cellview的团队来到Essilorluxottica，并共同努力加速我们的视觉健康战略。通过将另一家开拓性的公司与研发和世界一流的成像解决方案相结合，我们将为眼科护理社区提供全面的创新技术组合，以更好地解决越来越多的愿景健康需求以及早期的视网膜病理学诊断。尽管我们的产品和服务仍然可以被所有行业参与者（作为Essilorluxottica开放商业模式的支柱）访问，但我们将继续提高市场标准，与进入Med-Tech领域的旅程完全一致”。
一种用于人类的通用非侵入性神经运动接口......
自计算机出现以来，人类一直在寻求富有表现力、直观且通用的计算机输入技术。虽然已经开发了多种模式，包括键盘、鼠标和触摸屏，但它们需要与中间设备进行交互，这可能会受到限制，尤其是在移动场景中。基于手势的系统利用摄像头或惯性传感器来避免使用中间设备，但它们往往只在不被遮挡或明显的动作中表现良好。几十年来，人们一直在设想脑机接口 (BCI)，通过允许仅通过思维向计算机输入来解决接口问题。然而，高带宽通信仅使用为单个个体设计的解码器的侵入式 BCI 进行了演示，因此无法扩展到普通大众。相比之下，肌肉中的神经运动信号可以访问细微的手势和力量信息。在这里，我们描述了一种非侵入式神经运动接口的开发，该接口允许使用表面肌电图 (sEMG) 进行计算机输入。我们开发了一个高度灵敏且强大的硬件平台，该平台易于佩戴/脱下，可感知手腕上的肌电活动并将有意的神经运动命令转换为计算机输入。我们将此设备与一个经过优化的基础设施配对，该基础设施可从数千名同意的参与者那里收集训练数据，这使我们能够开发通用的 sEMG 神经网络解码模型，该模型适用于许多人，而无需对每个人进行校准。未包括在训练集中的测试用户在连续导航任务中以每秒 0.5 次目标获取、在离散手势任务中以每秒 0.9 次手势检测和每分钟 17.0 个调整字的速度展示手势解码的闭环中值性能。我们证明，通过为个人个性化 sEMG 解码模型，输入带宽可以进一步提高 30%，预计未来人类和机器将共同适应，提供无缝翻译人类意图的功能。据我们所知，这是第一个直接利用生物信号的高带宽神经运动接口，具有跨人群的高性能开箱即用泛化功能。
质量规划与创新之间的关系 - UniTBv
布拉索夫特兰西瓦尼亚大学公报 V 系列：经济学 • 第 9 卷（58）第 2 期 - 2016 年 质量规划与创新之间的关系 Maria POPESCU 1、Lidia MÂNDRU 2 摘要：本文旨在根据 ISO 9001 的要求改进战略质量规划。本研究的具体目标是：审查 ISO 9001 对质量战略规划的要求；在创新管理体系实施的背景下，阐明质量规划与创新规划之间的关系。本研究的方法包括系统回顾 ISO 9001 标准对质量规划的要求以及质量规划与创新项目之间联系的案例研究方法。所有这些都是进一步分析的起点，旨在建立高效的质量创新综合管理体系，从而提高公司竞争力。关键词：战略质量规划、ISO 9001、质量与创新关系、CEN/TS 16555-1 - 创新管理体系 1. 简介 质量导向无疑是半个世纪以来管理理论和实践的核心要素之一。文献为质量概念和质量方法的演变提供了广阔的空间，最终导致了国际质量体系标准的出现，即 ISO 9000 系列标准。根据 ISO 9000（CEN/TS 16555-1，2013），质量管理