XiaoMi-AI文件搜索系统
World File Search SystemSurrogates
科学艺术与手工艺（SAM）
材料建模一直是一个具有挑战性的问题。此类建模中出现了许多复杂性，例如非线性材料行为、复杂物理和大变形，以及多物理现象。此外，材料通常会表现出丰富的厚度响应行为，这阻碍了使用经典简化方法，并且在使用经典模拟技术时需要极其精细的网格。模型简化技术似乎是减少计算时间的合适解决方案。许多应用和材料成型过程都受益于模型简化技术提供的优势，包括固体变形、传热和流体流动。此外，数据驱动建模的最新发展为材料建模开辟了新的可能性。事实上，使用数据建模对模拟进行校正或更新导致了所谓的“数字孪生”模型的形成，从而通过数据驱动建模改进了模拟。通过使用机器学习算法，也可以对当前模型不准确的材料进行数据驱动建模。因此，在材料制造过程和材料建模框架内有效构建数字孪生的问题如今已成为一个越来越受关注的话题。数字孪生技术的最新进展是使用实验结果来校正模拟，同时也在无法通过实验定义基本事实时将其变化纳入正在运行的模拟中。本研究主题讨论了模型简化技术、数据驱动建模和数字孪生技术的最新发展，以及它们在材料建模和材料成型过程中的应用。在 Victor Champaney 等人的论文中，作者解决了非平凡插值的问题，例如，当曲线中的临界点（例如弹塑性转变点）移动位置时就会出现这种问题。为了找到该问题的有效解决方案，本文展示了几种方法，结合了模型简化技术和代理建模。此外，还展示了通过为预测曲线提供统计界限来量化和传播不确定性的替代品。本文展示了几种应用，以经典材料力学问题为例。
seizft：可解释的癫痫发作的机器学习
摘要：这项工作提出了Seizft - 一种新型的癫痫发作检测框架，该框架利用机器学习使用可穿戴的Sensordot EEG数据自动检测癫痫发作。受到可预处的睡眠阶段的启发，我们的新方法采用了数据增强，有意义的特征提取和决策树的独特组合，以提高对脑电图变化的弹性，并提高概括以概括为看不见数据的能力。傅立叶变换（FT）替代物被用来增加样本量并改善标记的非塞兹和癫痫发作时期之间的平衡。为了增强模型稳定性和准确性，Seizft通过Catboost Classifier利用决策树的集合来将EEG记录的每一秒分类为癫痫发作或非癫痫发作。SEIZIT1数据集用于培训，SEIZIT2数据集用于验证和测试。使用两个主要指标：使用AINY-ROVERLAP方法（OVLP）和错误的警报（FA）速率（使用基于Epoch的评分（Epoch））评估了用于癫痫发作检测的模型性能。值得注意的是，Seizft在2023年2023年国际声学，言语和信号处理国际会议上（ICASSP）的癫痫发作检测挑战（ICASSP）的一系列最先进的癫痫发作检测算法（ICASSP）。seizft在准确的癫痫发作检测中优于最先进的黑盒模型，并最小化错误警报，总分获得了40.15的总分，在两个任务中结合了OVLP和时期，并且比下一个最佳方法的改善约为30％。Seizft的解释性是一个关键优势，因为它促进了医疗保健专业人员的信任和问责制。从Seizft提取的最预测性的癫痫发作检测特征是：三角波，四分位数范围，标准偏差，总绝对功率，Theta波，三角洲与Theta的比率，BINNED熵，Hjorth Complextity，Delta + Theta + Theta和Higuchi Fractal Fractal Ristermension。总而言之，将Seizft成功应用于可穿戴的Sensordot数据表明，它可能进行实时，连续监测的潜力，以改善个性化医学癫痫。
Pengfei Cai
•朝着局部关注和流动匹配风格的校正的长期推出：额叶聚合PDES中的一个例子。Pengfei Cai，Sulin Liu，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。在ML关于物理科学的ML的Neurips 2024研讨会上介绍。预印本。•使用可区分的模拟学习额叶聚合PDE的治疗动力学。Pengfei Cai，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。ICML 2024 AI科学研讨会；关于数据驱动和可区分模拟，替代物和求解器的神经研讨会。预印本。•基于额叶聚合制造中形态学模式设计的单变量变异自动编码器。Qibang Liu，Pengfei Cai，Diab Abueidda，Seid Koric，Rafael Gomez-Bombarelli，Philippe Geubelle。（2024）。提交：应用机制和工程中的计算机方法。预印本。•具有准确的混合功能的无机化合物的计算的拉曼光谱数据库。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。 （2024）。 科学数据。 纸链接。 •从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。 Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。 （2023）。 纳米研究。 纸链接。 （2022）。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。（2024）。科学数据。纸链接。•从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。（2023）。纳米研究。纸链接。（2022）。•通过第一原则理解和机器学习加速了近红外II分子荧光团的设计。Shidang Xu*，Pengfei Cai*，Jiali Li，Xianhe Zhang，Xianglong Liu，Xiaonan Wang，bin liu。ChemRXIV预印本（实验验证正在进行）。预印本。•聚集时机器学习辅助准确预测分子光学性能。Shidang Xu*，小刘*，Pengfei Cai，Jiali Li，Xiaonan Wang，bin liu。（2022）。高级科学。纸链接。•通过贝叶斯搜索进行第一原则模拟的贝叶斯搜索自我提出的光敏剂发现系统。Shidang Xu*，Jiali li*，Pengfei Cai，小刘，本·刘，小王。（2021）。美国化学学会杂志。纸链接。
''推进行业的科学机器学习''
科学的机器学习（SCIML）一直将学术界带入了传统科学建模与机器学习（ML）方法（如深度学习）的有趣融合。尽管传统的机器学习方法论在科学问题上遇到了困难，诸如可解释性和实施物理约束，但ML与数值分析和微分方程式的融合已演变为一个新的研究领域，在添加数据驱动的自动学习特征的同时，它可以克服这些问题。已经证明了许多成功，借助物理知情的神经网络，通用差分方程，深部随机微分方程方程求解器，用于高维偏微分方程，以及神经代理人展示了深度学习如何极大地改善科学建模实践。因此，Sciml有望在各种科学学科中使用多功能应用，从对亚原子颗粒的研究到对经济和气候等宏观系统的理解。然而，尽管在提高这些方法的速度和准确性方面取得了显着的进展，但它们在实用，特别是工业环境中的效用仍受到限制。科学界的许多领域仍然缺乏对SCIML方法的全面验证和鲁棒性测试。当面对从工业中通常解决的机械和环境传感器之间的相互作用的复杂的现实世界数据集面对复杂的现实世界数据集时，这种限制特别明显。仍然可以通过适当的解决方案，其承诺通过大幅度的顺序加速创新和科学发现，这提供了独特的机会，可以解决许多领域对更快，更准确预测的无限愿望。该研讨会致力于探索SCIML技术实施方面的最新进步。它召集了积极参与这些方法的主要专家，以确保其实际的可行性和可扩展性，尤其是在数字和物理组件汇聚的工业领域。研讨会的目标是制作研究路线图，以推动行业中的科学机器学习，以应对应用/工业化挑战。以后要关注的更多信息：https：//www.ias.tum.de/ias/research-areas/advanced-compoint-and-modeling-and-modeling/scientific-inater-inachan-learning/
DNA甲基化磨难版本2
补充材料补充注释1：基于DNAM的血浆蛋白替代物DNAM Grimage2的模型由九个基于DNAM的血浆蛋白，基于DNAM的PACK年龄，年龄和性别组成。下面我们简要描述了这些九种血浆蛋白。A1C（血红蛋白A1C，HBA1C；糖基化血红蛋白；糖化血红蛋白）是一种血液检查，在过去3个月中显示出平均血糖（葡萄糖）水平。该生物标志物在诊所被广泛用于检查糖尿病前期或糖尿病，并有助于随着时间的流逝指导糖尿病治疗（http://uclahealthib.staywellsoltessolutionsonline.com/bedsid e/167，a1c）。先前的研究还表明，较高水平的A1C与心血管心脏病和死亡率有关[1，2]。A1C的对数尺度是DNAM Grimage2中的新组件。ADM（肾上腺肾上腺素）是血管舒张剂激素。血浆ADM最初从肾上腺中分离出来，患有高血压和心力衰竭的个体增加[3]。最近的一项研究表明，ADM参与了小鼠和人脑老龄化的年龄相关记忆丧失[4]。B2M（β-2微球蛋白）是主要组织相容性复合物1（MHC I）分子的组成部分。血浆B2M是一种与心血管疾病，肾功能，炎症严重程度相关的临床生物标志物[5]。b2m是与认知和再生功能相关的促成因素，并表明B2M可以在老年中以治疗为目标[6]。先前的一项研究表明，衰老血液中的全身性B2M积累促进了与年龄相关的认知功能障碍并损害了小鼠模型[6]。胱抑素C或胱抑素3（以前是伽马痕迹，γ-球蛋白或神经内分泌碱性多肽）主要用作肾脏功能的生物标志物。血浆胱抑素-C是一种临床相关的生物标志物，表明肾脏功能[7]。胱抑素-C似乎在心血管疾病[8]或与阿尔茨海默氏病相关的淀粉样蛋白沉积中起作用[9]。C反应蛋白（CRP）测试在临床上用于在体内发现炎症，可能是由不同类型的疾病引起的，例如感染或自身免疫性疾病，例如类风湿关节炎或炎症性肠病，（https://uclahealthib.staywellib.staywellib.staywellsolinestonline.com/searce_______________________________serium c_serim c_r）先前的几项研究表明，CPR蛋白浓度为
Baramati地区及其周围的蛾多样性 国际昆虫学研究杂志www.entomologyjournals.com ISSN：2455-4758收到：21-06-2024，被接受：22-07-2024，发布：07-08-2 蜘蛛的生物多样性从马哈拉施特拉邦的奥斯曼纳巴德区（印度）录制
引言昆虫是地球上最多样化，最大的生物群，包括大约30个订单和近一百万个描述的物种。他们占所有描述的物种的75％，居住在包括南极洲在内的几乎所有栖息地和大陆上的土地，水和空气。节肢动物，最多样化的动物群，占地球上所有动物物种的三分之二以上。linnaeus在1758年描述的鳞翅目包括蝴蝶和飞蛾。“ Lepidoptera”一词来自希腊语单词“ lepis”（scale）和“ ptera”（翅膀）。与约180,000种，它们分布在126个家庭中（Capinera。et。al。，2008）[8]和46个超家族（槌槌。et。al。，2007）[12]，占所有描述的生物体的百分之十。鳞翅目是全球最广泛，最广泛认可的昆虫秩序之一（Powell。et。al。，2009）[29]。鳞翅目在身体结构方面表现出许多变化，这些变化已演变为在生命和分布中提供益处。飞蛾，蝴蝶的表兄弟，属于这个命令。记录蛾多样性可以提供进化见解，并有助于为鳞翅目昆虫制定保护目标。这项研究旨在探索马哈拉施特拉邦巴拉马蒂及其周围周围的飞蛾多样性，这在很大程度上没有被评估。鳞翅目物种丰富度随栖息地异质性而增加，支持资源和结构多样性促进更大的生物多样性的范式。六角洲类中最多样化和第二大阶是鳞翅目（Benton，1995）[6]。他们提供关键的生态系统服务，例如授粉，分解和营养循环。鳞翅目，包括蝴蝶和飞蛾，在森林生态系统和农业领域很常见，通常被称为生态系统的生物学指标。印度的蛾动物群是众所周知的，在英国政府期间，在20世纪，特别是在马哈拉施特拉邦的20世纪之前的调查有限。鳞翅目Indica的第一卷发表于1890年，这些出版物仍然是鳞翅目上最好，最全面的作品之一。近年来，研究人员已将鳞翅目用作模型生物，以探索人造活动和污染对生态系统的影响。他们执行必不可少的生态系统服务，并表现出作为森林健康指标的希望（Kitching等，2000）[23]，以及其他昆虫群（例如膜翅目）多样性的代理。
生物库的基本原理1。生物多样性的概念2。
1。生物多样性的概念2。生物宇宙的组成部分 - 物种丰富和物种均匀度； 3。生物多样性水平 - 组织（遗传，物种和生态系统），4。空间（Alpha，Beta和Gamma）； 5。生物多样性的大小（全球和国家一级）； 6。评估生物多样性 - 直接和间接使用值。7。地质时间尺度和物种进化（概述）8。物种灭绝9。生物多样性损失的原因 - 最终和近端原因10。IUCN的威胁类别计划（物种和生态系统）11。最新IUCN红色列表的摘要，红色数据簿12。全球生物多样性热点（标准，分配和保护意义）13。生物群落和生物多样性丰富度14。粮食安全和农业生物多样性15。生物库和生计16。对传统生计的威胁17。全球化和城市化对生计的影响18。原位保护策略（印度国家公园，野生动植物保护区和生物圈保护区）； 19。ex situ保护策略（植物园，动物园，水族馆，种子库，基因库和冷冻保存）20。印度主要保护区（国家公园，野生动物保护区和生物圈保护区）的概述21。 生物多样性测量（采样单位形状，尺寸和数字）； 22。 生物多样性代理（类型和使用）； 23。 生物多样性保护中的遥感和地理信息系统24。 生物多样性信息学（概念和应用），25。印度主要保护区（国家公园，野生动物保护区和生物圈保护区）的概述21。生物多样性测量（采样单位形状，尺寸和数字）； 22。生物多样性代理（类型和使用）； 23。生物多样性保护中的遥感和地理信息系统24。生物多样性信息学（概念和应用），25。分类学在生物多样性研究中的作用26。全球生物多样性信息设施（GBIF）27。全球生物多样性目标和指标28。印度保护工作（组织＆amp;立法）29。气候变化和物种迁移； 30。臭氧耗竭和后果； 31。uv-b及其对生活的影响； 32。温室效应和全球变暖； 33。酸雨及其对生物和生态系统的影响； 34。环境影响评估（EIA） - EIA的概念和阶段； 35。可持续发展36.生物多样性公约（CBD） - 目的和目标； 37。拉姆萨尔大会38。京都协议39。生物多样性保护和公众参与（传统知识在生物多样性保护中的作用；基于社区的生态系统保护）40。能源危机和绿色能源的需求； 41。绿色建筑，垂直花园的概念；绿色，生态标记
1 CNMC/FDA-CBER儿科传染病...
CNMC/FDA-CBER儿科传染病研究生课程背景：儿童国家医疗中心（CNMC）的小儿传染病和生物学评估与研究中心（FDA-CBER）的小儿药物管理局（FDA-CBER）分子培训计划。所有临床活动和培训都发生在CNMC，而FDA-CBER为美国儿科学委员会（ABP）培训要求的资助，指导和物理环境，以进行学术活动，以进行专业认证。fda-cber研究员在CBER疫苗，疫苗和相关产品应用程序（DVRPA）的CBER办公室内担任医务人员。本文档描述了FDA-CBER奖学金计划部分的正式课程。成功完成FDA-CBER奖学金课程的目标和目标（由ACGME核心能力分类）：患者护理/监管实践•受训者必须在制定疫苗和相关产品的风险效率分析时练习合理的医疗决策。•学员必须表现出精通清晰，简洁且经过良好经验的书面临床评论。•受训者必须证明熟练的监管计算机系统。医学/监管知识•受训者必须证明对FDA调节过程的开发和许可程序和相关产品的许可，包括：1。临床前和临床开发的阶段2。许可过程3.销售后的问题。销售后问题•受训者必须熟悉FDA在中心，办公室，办公室和部门的功能组织。•学员必须表现出对适用于审查程序的法律和法规的工作理解。•学员必须表现出对监管审查团队组成和职责的理解。•学员必须对良好的科学临床试验设计和道德临床试验的必要组成部分表示赞赏。•学员必须证明对人类对疫苗抗原和辅助因素的免疫反应的一般理解，以及对当前实验室工具和用于测量免疫反应的技术的一般理解。学员还必须能够定义和区分保护和保护的替代物，并描述如何将这些概念应用于疫苗和相关产品的调节。•学员必须对安全性，纯度，效能和功效的概念进行一般的了解，因为他们适用于疫苗和相关产品。
谷物、咖啡和茶中人工甜味剂的摄入与 2 型糖尿病风险之间的关联：遗传相关性、中介作用和孟德尔随机化分析
糖尿病 (DM) 是全球范围内一个重大而紧迫的健康问题 [ 1 ]，其中 2 型糖尿病 (T2DM) 约占全球所有糖尿病病例的 90% [ 2 ]。世界卫生组织 (WHO) 估计，目前全球糖尿病患者超过 4.22 亿，到 2045 年将达到 6.29 亿 [ 3 , 4 ]。值得注意的是，包括中国和巴基斯坦在内的发展中国家的糖尿病患病率呈上升趋势，给社会带来了巨大的直接和间接经济压力 [ 5 ]。因此，识别 T2DM 新的可改变风险因素对于指导临床管理策略和缓解疾病的发生和发展至关重要。随着生活方式的改变，对甜食的需求正在逐渐增加。人工甜味剂 (AS) 作为低热量和无糖的替代品，已越来越受欢迎，作为减少热量摄入的糖替代品 [6]。最受欢迎的人工甜味剂包括阿斯巴甜、糖精、乙酰磺胺酸钾和三氯蔗糖 [7]，常用于谷物 [8]、咖啡 [9] 和茶 [10] 等食品和饮料中，以满足人们对甜味的需求。目前的研究已经发现了人工甜味剂与 2 型糖尿病之间的关联；然而，该领域的观察性研究结果往往不一致。某些研究报告称，每天每增加一份人工甜味剂，患 2 型糖尿病的相对风险就会增加 3% [11-14]，而其他研究则表明，与水相比，摄入人工甜味饮料会使 2 型糖尿病发病率上升 21% [15]。此外，其他研究并未显示 AS 与 2 型糖尿病之间有相关性 [ 16 ， 17 ]。尽管 AS 在日常饮食中广泛使用且在 2 型糖尿病患者中很受欢迎，但由于研究结果不一致，因此并未就 AS 与糖尿病之间的因果关系达成共识。先前的研究在建立暴露因素与结果变量之间的明确因果关系方面遇到了挑战，这主要归因于混杂变量和反向因果关系带来的复杂性。鉴于观察性研究在确定因果关系方面的限制，遗传研究领域的孟德尔随机化 (MR) 等替代方法被证明是无价的。采用 MR 的实验利用通过全基因组关联分析确定的遗传变异作为工具变量 (IV)。这些 IV 有助于衡量环境暴露与期望结果之间的因果关系。在某些条件下，该技术允许使用遗传变异作为环境暴露的替代来得出因果推断 [ 18 ]。MR 被认为是一种自然的随机对照试验，它基于孟德尔遗传定律，该定律将父母的等位基因分配给其后代。这种方法提供了更可靠的证据，降低了混杂因素的影响。与观察性流行病学研究相比，MR 提供了更高水平的证据。这
微流体学简介：Patrick Tabeling
在过去的二十年中，微流体学取得了长足的进步，现在是时候对 2005 年出版的《微流体学导论》第一版进行认真的更新了。事实上，第二版不仅仅是一次更新。与第一版相比，它保留了相同的结构、相同的精神、相同的尝试，尽可能从物理角度深入、简单地解释事物，但它不能简化为更新。当前版本是对第一版的完全重写，并借鉴了过去二十年在该领域收集的大量信息。二十年来收集了如此多的信息。对该领域的愿景进行了如此多的修订。20 世纪 90 年代看似不可能的事情，十年后催生了一个重要的行业。这就是下一代测序 (NGS) 的情况。看似革命性的东西最终却令人失望。微流控技术的历史充满了梦想成真和有吸引力的证据被证明是错误的。让我们回到世纪之交。当时，微流控市场（即没有喷墨打印）规模很小，尽管经常有人宣称微流控技术将彻底改变二十一世纪，但人们对该技术是否有潜力在市场上站稳脚跟仍持怀疑态度。常识导致了这样一个理论，即在工业规模下，在没有泄漏、堵塞、气泡或不受控制的吸附的情况下，驱动流体通过微小通道是不可能的，而事实上，这是错误的。相反的观点认为，创建一个复杂、功能齐全的微流体设备很简单，这是不现实的。尽管如此，成功的微流体产品还是出现了，与此同时，该技术渗透到了越来越多的新领域。市场以两位数的速度稳步增长，如今已达到 170 亿美元。目前，每年售出数亿台设备。例如，每年有 120 万个用于基因测序的 Illumina 微流体流动池出货。与此同时，毛细现象、润湿、滑移和纳米流体传输等基本现象得到了更好的理解，或者在许多令人费解的情况下，只是得到了理解。多年来，该领域的早期愿景基于与微电子学的严格类比，逐渐转向一种新范式，其中微流体工具箱不再局限于 MOS-FET 替代品，而是采用了更广泛的材料和机制。