XiaoMi-AI文件搜索系统
World File Search Systemdomain
IEA的 BFE代表与能源研究相关的身体中的OECD。BFE代表与能源研究相关的身体中的OECD。
Annex 70 Building Energy Epidemiology: Analysis of Real Building Energy Use at Scale: Martin Jakob ( martin.jakob@tep-energy.ch ), TEP Energy Annex 72 Assessing Life Cycle Related Environmental Impacts Caused by Buildings: Rolf Frischknecht ( frischknecht@treeze.ch ), Treeze Annex 75 Cost-effective District Level Building Renovation Strategies with Energy Efficiency and Renewables: Roman Bolliger（roman.bolliger@econcept.ch），Econcept Annex 79以乘员为中心的建筑设计和操作：Arno Schlueter，ETH； Dusan Licina，EPFL； Dolaana Khovalyg，EPFL附件82 Energy柔韧的建筑物，朝着弹性的低碳能源系统：FHNW的Monika Hall；罗马·鲁德尔（Roman Rudel），supsi； Kristina Orehounig，Empa附件83正能量区：Zhang，PSI - 热抽水技术（HPT TCP）：Elena-LaviniaNiederhäuser，Stephan Renz（椅子）
响应DNA损伤剂的核内力学变化，由时域Brillouin微光谱
DNA损伤和修复过程如何影响核内部核的生物力学特性。这里，基于时间域的光学显微镜（TDBS）用于研究诱导的核内力学的调节。使用这种超快泵探针技术，在核内纳米结构中沿其传播跟踪相干的声音子，并通过光学分辨率测量了复杂的刚度模量和厚度。骨肉瘤细胞暴露于甲基甲磺酸甲酯（MMS），并使用针对损伤信号蛋白的免疫检测测试DNA损伤的存在。tdbs表明，由于染色质反应和重组，核内存储模量在暴露于MMS时显着降低，这有利于细胞器内的分子扩散。去除破坏剂并在缓冲溶液中孵育2小时时，固定后，核内重组会导致储存模量的反向演变，核会僵硬。当DNA双链断裂是由细胞暴露于电离辐射引起的时，也测量了相同的趋势。tdbs显微镜还揭示了声学耗散的变化，纳米级核内组织的另一种机械探针以及在暴露于MMS和恢复后的核厚度的变化。
正式评估神经网络的鲁棒性及其与基于AI的安全 - 关键领域的关键相关性
摘要：神经网络在关键任务中起着至关重要的作用，其中错误的产出可能会带来严重的后果。传统上，神经网络的验证重点是评估其在大量输入点上的性能，以确保所需的输出。但是，由于输入空间的几乎无限基数，详尽检查所有可能的输入变得不切实际。在广泛的输入样本上表现出强大性能的网络可能无法在新颖的情况下正确概括，并且仍然容易受到对抗性攻击的影响。本文介绍了神经网络鲁棒性的一般管道，并概述了不同的领域，这些领域共同努力，以实现鲁棒性保证。这些领域包括评估针对对抗性攻击的鲁棒性，正式评估鲁棒性并应用防御技术以增强模型时的鲁棒性。
定义自治系统的操作设计域
摘要 - 将人工智能（AI）的整合到具有高水平自动化的工业系统中，引入了严重的不确定性和复杂性。尤其是汽车行业对自动驾驶汽车的工作，导致了运营设计领域（ODD）概念的出现，该概念描绘了此类车辆的预期操作领域，与常规的汽车基于汽车的用途方法不同。但是，这种奇数以汽车为中心的方法阻碍了其更广泛的应用，缺乏对其定义所需的系统工程方法的全面指导。本文介绍了基于既定的系统框架的奇数的域形不足的偏见，并强调了基于风险的工程，以使其适用于多个领域。来自海事领域的案例研究说明了拟议方法的益处和适用性。通过提供系统的框架，这项研究促进了超越汽车部门以外的奇数，从而促进了跨不同工业领域的基于AI的产品和服务的开发。奇数代表了自治系统系统工程的关键方面，集成了技术，环境，调节和用户期望的考虑。索引术语 - 手术设计领域，自动级系统，系统工程，AI系统
A2V：通过两阶段训练血管造影到静脉造影转换进行脑血管分割的半监督域自适应框架
我们提出了一个半监督域自适应框架，用于从不同的图像模态中分割脑血管。尽管可用的脑血管成像技术范围很广，但现有的最先进的方法只关注单一模态。这可能导致显著的分布变化，从而对跨模态的泛化产生负面影响。通过依赖带注释的血管造影和有限数量带注释的静脉造影，我们的框架完成了图像到图像的转换和语义分割，利用解开的、语义丰富的潜在空间来表示异构数据并执行从源域到目标域的图像级自适应。此外，我们降低了基于循环的架构的典型复杂性并最大限度地减少了对抗训练的使用，这使我们能够构建一个具有稳定训练的高效、直观的模型。我们在磁共振血管造影和静脉造影上评估了我们的方法。在源域中实现最佳性能的同时，我们的方法在目标域中的 Dice 得分系数仅低 8.9％，凸显了其在不同模态下进行稳健脑血管图像分割的巨大潜力。
LLM介导的特定域的语音代理
抽象开发的特定于域的对话剂（CAS）受到对广泛针对域数据的需求的挑战。大型语言模型（LLMS）的最新进展使它们成为知识骨干的可行选择。llms的行为，指示他们以零拍的方式执行下游任务（即没有培训）。为此，我们将结构知识纳入了提示中，并使用了提示LLM的原型域特异性CAS。我们在特定领域的纺织循环中演示了一个案例研究 - 纺织机器人，我们介绍了纺织机器人的设计，开发和评估。特别是，我们进行了一项面对面的用户研究（n = 30），其中包含免费的聊天和信息收集任务，并带有纺织机器人，以收集互动中的见解。我们分析了人类 - 代理人的相互作用，结合了定量和定性方法。我们的结果表明，参与者从事多转向对话，他们对三种变异剂和相互作用的看法各不相同，这表明了我们迅速的LLM方法的有效性。我们讨论了这些相互作用的动态及其对设计基于语音的CAS的影响。
荟萃分析揭示与先天性心脏缺陷和颌面裂相关的转录因子和 DNA 结合域变异
先天性心脏缺陷 GATA6 0.174 3 2 0 0 0 2.5×10 -5 3.5×10 -6 KMT2A 0.065 5 0 1 0 0 3.2×10 -4 5.0×10 -5 ADNP 0.123 4 0 0 0 1 5.8×10 -4 3.1×10 -4 KDM5B a 0.572 4 0 0 2 4 0.012159 5.2×10 -4 NR2F2 0.217 2 1 0 0 0 0.014122 0.002103 FOXP1 a 0.175 2 1 0 0 0 0.029404 0.003100 TBX5 0.135 1 1 0 1 0 0.031389 0.053298 GATA4 0.527 2 0 0 2 1 0.040077 0.050796 TCF12 0.372 1 1 0 2 1 0.051542 0.068473 ZEB2 0.107 1 1 0 1 0 0.058741 0.131609 KLF2 a 0.710 1 1 0 0 0 0.204573 0.032261 SMAD4 0.222 0 2 0 0 0 0.209108 0.035057 MEIS2 a 0.184 2 0 0 0 0 0.271015 0.055872 CTCF a 0.148 0 2 0 0 0 0.278293 0.058374 颌面裂 SATB2 0.091 7 5 0 0 0 3.86×10 -14 5.77×10 -15 TFAP2A 0.261 2 3 0 1 0 2.84×10 -6 7.70×10 -6 CTCF b 0.148 0 3 0 0 0.011737 0.001484 IRF6 0.132 1 0 3 1 0 0.002951 0.007637 TP63 0.267 1 1 0 3 0 0.003631 0.072430 SOX5 b 0.188 1 1 0 1 0 0.018728 0.058691 ADNP b 0.123 2 0 0 0 1 0.092444 0.088307 GRHL2 b 0.270 2 0 0 0 0 0.328840 0.076571 213
使用ECMWF Microphysics方案探索NWP域的高级编程模型
摘要。我们探索用于实现ECMWF的集成预测系统（IFS）的相关切线线性和相关算法的域特异性Python库GT4PY（用于Python的Gridtools）。gt4py以抽象和硬件的方式编码stenciL运算符，从而实现了更简洁，可读和可维护的Sciminifififififuction应用程序。图书馆通过将应用程序转换为有针对性的低级编码实现来实现高性能。在这里，主要目标是研究Python的控制性和性能可移植性与GT4PY相对于参考fortran代码的重写，以及由ECMWF创建的自动和手动移植变体。目前的工作是为与GT4PY python提供港口天气和气候模型的更大跨机构努力的一部分。当前工作的重点是IFS预后云微物理学方案，这是一种由综合代码表示的核心物理参数化，该代码占据了总预测模型执行时间的显着份额。为了验证数值天气预测（NWP）系统的GT4PY，我们将进一步强调了数据同化中使用的切线线性和伴随模型版本的实现和验证。我们将所有原型代码基于三个欧洲超级计算机上的所有原型代码，这些代码为特征，这些代码具有不同的图形处理单元（GPU）和中央处理单元（CPU）硬件，节点设计，软件堆栈和编译器套件。一旦将应用程序移植到gt4py到python，我们才会发现极好的