XiaoMi-AI文件搜索系统
World File Search SystemSoto
doi：10 -Eprints Soton-南安普敦大学
M. E. Potter, D. J. Stewart and R. Raja Department of Chemistry, University of Southampton, Highfield Campus, Southampton, Hampshire, SO17 1BJ, UK E-mail: M.E.Potter@soton.ac.uk K. Ignatyev Diamond Light Source, Harwell, Didcot, Oxfordshire, OX11 0DE, UK T. Bradley and P. J.A. Sazio光电研究中心，南安普敦大学，Highfield Campus，Southampton，Hampshire，SO17 1BJ，UKA. Sazio光电研究中心，南安普敦大学，Highfield Campus，Southampton，Hampshire，SO17 1BJ，UK
科学发现网络+的人工智能 - ePrints Soton
更大的图景 AI3SD Network + 的创建旨在利用新的 AAI 技术加速科学发现。尽管在短期内产生了有益的影响，但这一广阔领域仍有许多未解决的挑战。至关重要的是，这项工作的轨迹必须继续下去，鼓励进一步合作，帮助资助接受者发挥潜力，并为 AAI 科学发现社区创造重要资源。我们的 AI3SD 理念的一个核心方面是人为因素在人工智能中的重要性，因此 AAI 科学发现是我们的口头禅。对于任何需要道德考虑或增加人类智能的决策，人类必须保持参与。AI3SD 方法结合了人类和机器智能的最佳功能，使用透明、负责任和可解释的 AAI 显着加速科学发现。我们的目标是通过丰富的资源和有用的成果完成 AI3SD 的第一任期，使成员能够在化学品和材料发现领域朝着联合国可持续发展目标迈进。只有当成员和组织者共同努力实现 AAI 时，AI3SD 才能保持可持续发展。
并非所有疫苗都是由Carlos E. Soto- ...
以加速分布，如果疫苗有效且安全，几个实体向制药公司提出或授予了资金，其中包括操作扭曲速度，CEPI，CEPI，CEPI（争取流行性的准备联盟）和GAVI（全球疫苗和免疫联盟）（全球的疫苗和免疫联盟），以便在临时试验中可以进行验证，以确保其确定性，如果可以使用，则可以进行验证，如果可以进行验证，并且如果可以进行验证，那么如果他们可以进行验证，并且如果可以进行验证。疫苗一旦获得授权或批准，就无需等待批准，然后开始像过去一样开始制造它们。
材料化学 A - ePrints Soton
在溶剂热条件下，使用 SnCl 4 和 LiNH 2 前体，开发了一种合成尖晶石结构 Sn 3 N 4 的简单且可扩展的新方法。生产了晶粒尺寸 <10 nm 的纳米晶体 Sn 3 N 4，并作为钠半电池的阳极材料进行了测试，结果表明，在 50 次循环中测得的可逆（脱钠）容量非常高，约为 850 mA hg -1，这是除钠本身之外的钠阳极的最高可逆容量。原位 X 射线吸收光谱和 X 射线衍射表明，电化学反应是可逆的，并且 Sn 3 N 4 在重新氧化后会恢复。X 射线衍射表明，与 Sn 3 N 4 反射相关的峰在放电（还原）过程中变窄，证明较小的 Sn 3 N 4 颗粒主要参与电化学反应，并且峰的加宽在氧化后可以可逆地恢复。近边 X 射线吸收数据 (XANES) 分析表明，Sn 的氧化态在还原过程中降低，在氧化过程中几乎恢复到初始值。DFT 计算表明，Na 插入 Sn3N4 表面，然后用 Na 取代四面体 Sn 在能量上是有利的，而从还原电极的扩展 X 射线吸收精细结构 (EXAFS) 测量分析中获得了四面体 Sn 从尖晶石 Sn3N4 结构中去除的证据，这也表明氧化结束时恢复了原始结构。DFT 还表明，Na 取代 Sn 仅在 Sn3N4 表面有利（对块状 Sn3N4 不起作用），这与电化学表征一致，即控制纳米颗粒尺寸对于充分利用 Sn3N4（从而实现高容量）至关重要。
人工智能和增强 - ePrints Soton
1 活动详情 ........................................1 2 欢迎和介绍 ........。。。。。。。。。。。。。。。。。。。。。。。。.1 3 复杂有机合成的计算机辅助设计，50 年后 .........1 4 收集分子：使用最少数据的表示和机器学习 ...4 5 用于学习异常值的 ML 和结构化矩阵方法简介 ......7 6 将AI应用于荒野中的逆向合成 ...................11 7 化学中的可重复性 ..............................13 8 在近期量子计算机上进行精确的激发态计算 ........14 9 理解预测路线：在 SciFinder 中使用数据作为预测的证据 .。。。。。。。。。。。。。。。。。。。。。。。。。...... div>..........16 10 假反应对于有效的数据驱动逆合成的重要性是什么分析？.....。。。。。。。。。。。。。。。。。。。。。。。。...... div>........17 11 将人工智能与化学中的结构化高质量数据相结合：提供出色的预测化学应用 ............. div>...17 12 从数据中获取情报：迈向有机金属催化预测 .. < /div>......18 13 化学本体与人工智能 .......... div>............21 14 UDM：社区-驱动的数据格式，用于交换全面的反应信息。.....。。。。。。。。。。。。。。。。。。。。。。.........24 15 通过机器学习进行逆合成 ..........................26 16 从机制到反应选择性 ..........................29 17 使用混合机械和机器学习模型进行过程化学中的反应预测 ........。。。。。。。。。。。。。。。。。。。。。。。。......31 18 从专利文献中自动挖掘 930 万个反应的数据库，并将其应用于合成规划 ................33 19 语义实验室 ................................37 20 ASKCOS：数据驱动的化学合成 .........。。..............38 21 将人工智能与强大的自动化化学相结合：人工智能驱动的路线设计和自动化反应和路线验证 .........。。。。。。。。。。。。。。。42 22 用于运行化学程序的非确定性化学计算机。。。。。。。.....45 23 数据驱动的催化还原胺化反应探索 ........48 24 用于有机合成的机器辅助流动化学 ................50 25 编码溶剂和产品结果以改进反应预测系统 ..51 26 用于定向执行和优化化学反应的进化计算策略和反馈控制 ..............................54 27 通过金属驱动的自组装进行计算设计：从分子构建块到新兴功能材料。。。。。。。。。。。。。。。。。。。。。。。。。56 28 评估加氢反应条件的预测模型 ..........59 29 面向执业化学家的逆合成软件：在实验室中验证的新颖高效的计算机途径设计 。....................。。。61 30 结论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。63 参考文献。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。63
仅供同行评审 - ePrints Soton
摘要 共生模拟系统 (S3)，有时也称为“数字孪生”，可实现物理系统与其计算模型表示之间的交互。为了支持运营决策，S3 使用通过传感器收集的物理系统的实时数据。这些实时数据还保存在企业数据存储系统 (EDSS) 中，因此可以用作未来使用的历史数据。然后，实时数据和历史数据都用作 S3 不同组件的输入，S3 通常包含几个模块：数据采集、模拟、优化、机器学习和“执行器”。当 S3 和系统之间没有人工代理时，需要后者。考虑到当今智能系统生成的数据量，S3 需要与 EDSS 结合使用。此外，S3 可能会产生大量需要存储的输出数据，因为这些数据可能会被机器学习模块重复使用，使 S3 在动态场景中具有自适应性。为了支持实时运营决策（特别是在工业 4.0 应用中，例如智能城市、智能工厂、智能交通系统和数字供应链），本文提出了 S3 的通用系统架构，并讨论了其在 EDSS 中的集成。此外，本文回顾了 S3 的最新进展，并分析了这些系统如何与 EDSS 交互以使实时决策成为现实。最后，本文还指出了 S3 中的几个研究挑战。
能量 - ePrints Soton - 南安普顿大学
摘要：社区能源市场 (CEM) 为社区参与者提供了交易机会，以实现节约和利润。然而，市场设计和参与者的行为是决定此类市场成功的关键因素。为此，本研究提出了一个 CEM 模型并进行基于代理的模拟，以研究 CEM 对消费者和产消者的好处。拟议的市场结构是提前一小时的定期双向拍卖。特别是，提出了激励向社区提供能源供应和投资能源储存的市场规则。此外，还引入了一种利用存储设备创造的能源灵活性的交易策略。最后，除了提前一小时的市场之外，我们还将逐分钟平衡作为 CEM 能源交换机制的一部分。引入平衡方法是为了解决供需时间差造成的社区预算赤字。与现有方法类似，拟议的市场可为消费者节省成本，为产消者带来利润，同时将能源供应商的财务收益百分比从 50% 提高到 60-96% 之间（具体取决于社区配置）。此外，市场模型考虑了供需的不确定性，并提出了一种克服社区预算赤字的方法。
团队运动的人工智能：一项调查 - ePrints Soton
体育领域为人工智能和机器学习带来了许多重大的计算挑战。在本文中，我们探讨了迄今为止应用于团队运动挑战的技术。我们关注许多不同的领域，包括：比赛结果预测、战术决策、球员投资、梦幻体育和伤病预测。通过评估这些领域的工作，我们探索了如何使用人工智能预测比赛结果，并帮助运动队改善其战略和战术决策。特别是，我们描述了迄今为止研究工作的主要方向。这突出了所采用的模型和技术的许多优点，但也突出了它们的缺点。最后，我们讨论了存在的研究问题，以进一步在团队运动中使用人工智能和机器学习。
深亚波长光学成像 - ePrints Soton
图 2. 未知二聚体的成像。记录未知二聚体 (a) 的衍射图 (b) 的强度分布。经训练的神经网络 (c) 通过衍射图检索二聚体的尺寸 A、B 和 C。图板 (eg) 展示了二聚体检索到的尺寸 A (e)、B (f) 和 C (g) 与真实尺寸的比较。真实尺寸 (红色方块) 在扫描电子显微镜中测量一组 N=14 次测量。对 500 个不同的训练网络评估检索到的尺寸，从而得出检索值的分布。蓝色和灰色圆圈对应该分布的第 1 和第 3 四分位数，而橙色圆圈对应中位数。该系列中的二聚体是“看不见的”：它们的大小是随机的，并且未在网络训练过程中使用。检索到的尺寸与地面真实值（SEM 测量的真实值）的分散性表征了显微镜的分辨能力，对于所有二聚体尺寸，该分辨能力均优于 λ/20。
模拟电路的可靠性 - ePrints Soton
5.1 结论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 5.1.1 目标 1 . . . . . . . . . . . . . . . ....................................................................................................................................127