XiaoMi-AI文件搜索系统
World File Search Systemduan
苯基哌嗪衍生物对抗...的计算机模拟研究
参考文献 [1] Hollingsworth, Scott A. 和 P. Andrew Karplus。“重新审视拉马钱德兰图和蛋白质中标准结构的出现。” (2010)：271-283。 [2] Sheik, SS 等人。“网络上的拉马钱德兰图。” 生物信息学 18.11 (2002)：1548-1549。 [3] Zhao, Linlin 等人。“通过大数据和数据驱动的机器学习建模推进计算机辅助药物发现 (CADD)。” 当今药物发现 25.9 (2020)：1624-1638。 [4] Zhao, Linlin 等人。“通过大数据和数据驱动的机器学习建模推进计算机辅助药物发现 (CADD)。” 当今药物发现 25.9 (2020)：1624-1638。 [5] Vemula, Divya 等人。 “药物发现中的 CADD、AI 和 ML：全面综述。” 《欧洲药物科学杂志》181 (2023): 106324。 [6] del Carmen Quintal Bojórquez、Nidia 和 Maira RS Campos。 “抗癌药物发现过程中的传统和新型计算机辅助药物设计 (CADD) 方法。”当前癌症药物目标 23.5 (2023): 333-345。 [7] 纳西门托、伊戈尔·何塞·多斯桑托斯、蒂亚戈·门东萨·德·阿基诺和埃德尔多·费雷拉·达·席尔瓦-儒尼奥尔。 “药物发现的新时代：计算机辅助药物设计 (CADD) 的力量。”药物设计与发现快报 19.11 (2022): 951-955。 [8] 克里斯蒂安娜·博尔奇尼等人。 “CADD：一种用于情境建模和数据定制的工具。”2007 年国际移动数据管理会议。IEEE，2007 年。[9] Donoso F、Cryan JF、Olavarría‐Ramírez L、Nolan YM、Clarke G。炎症、生活方式因素和微生物组-肠-脑轴：与抑郁和抗抑郁作用的相关性。临床药理学与治疗学。2023 年 2 月；113(2)：246-59。[10] Lu Y、Jiang T、Duan J。抑郁症和抗抑郁药中的胃肠道微生物组和相关代谢物——综合综述。生命研究。2023 年；6(3)：16。 [11] Beck-Pancer D、Aghaee S、Swint A、Acker J、Deardorff J、Kubo A。孕期母亲抑郁和抗抑郁药的使用与青春期儿童抑郁症状和自杀倾向的关系。临床流行病学。2023 年 12 月 31 日：613-28。[12] Vita G、Compri B、Matcham F、Barbui C、Ostuzzi G。抗抑郁药用于治疗癌症患者的抑郁症。Cochrane 系统评价数据库。2023(3)。[13] Su JA、Chang CC、Yang YH、Lee CP、Chen KJ、Lin CY。孕期抑郁或抗抑郁药暴露后的新生儿和妊娠并发症：一项基于人群的回顾性出生队列研究。亚洲精神病学杂志。2023 年 6 月 1 日；84：103545。 [14] Hsu JW, Chen LC, Tsai SJ, Huang KL, Bai YM, Su TP, Chen TJ, Chen MH. 抗抑郁药耐药和抗抑郁药反应的青少年和青年患者中疾病进展为躁郁症
基于横向BJT的高阶曲率补偿电压基准
固定的1.2V输出，接近于硅的带隙电压。电流型BGR的输出电压与硅的带隙电压无关，可以根据应用需要进行调整，这也是电流型BGR仍在许多模拟集成电路中广泛使用的原因。由于电流型BGR的输出电压与硅的带隙电压无关，因此称之为电压基准（VR）更为合适。目前，VR的研究方向都与其主要性能参数有关。一是功耗，降低功耗的常用方法是采用亚阈值金属氧化物半导体场效应晶体管（MOSFET），因为亚阈值MOSFET的电流比普通MOSFET低得多，适合于低功耗设计[1-8]。另一个是输出电压的温度系数（TC），它是反映VR性能的重要参数。迄今为止，世界各地的研究人员已经提出了许多方法来提高VR的TC，以适应不同的应用。传统BGR输出电压中含有高阶非线性项，导致输出电压的温度曲线具有一定的曲率，从而决定了输出电压的温度系数。有的文献利用非线性电流来补偿输出电压中的高阶非线性项[9~14]。也有研究者将温度范围分成几部分，对每部分温度分别进行补偿，这种方法称为分段补偿[9，15]。一般来说，这种方法的补偿效果较好，但是电路结构稍复杂。针对正向偏置PN结电压的非线性特性，补偿方法有两种，一种方法是利用流过正向偏置PN结的不同TC电流来补偿曲率[10，16~20]，另一种方法是通过不同的器件来补偿曲率[21，22]。以上两种方法都是利用PN结的温度特性来补偿温度曲率，比较适用于基于传统BGR电路结构的VR。亚阈值BGR在低功耗方面具有优势，但是传统BGR具有更好的工艺兼容性和更好的TC，这也是本文基于传统电流型BGR设计VR的原因。段全振等人在2015年提出了一种利用NPN BJT进行补偿的方法[21]，该补偿曲率的方法简单实用，但需要NPN BJT工艺的支持，有些特定工艺无法提供NPN BJT，根据特定工艺的特点，我们利用工艺设计了一种高精度曲率补偿VR
人工智能与人类交互舒适度研究
[1] Michael Ahn、Anthony Brohan、Noah Brown、Yevgen Chebotar、Omar Cortes、Byron David、Chelsea Finn、Keerthana Gopalakrishnan、Karol Hausman、Alex Herzog 等人。2022 年。尽我所能，不要照我说的做：为机器人可供性奠定语言基础。arXiv 预印本 arXiv:2204.01691 (2022)。[2] Chris Baker、Rebecca Saxe 和 Joshua Tenenbaum。2011 年。贝叶斯心智理论：建模联合信念-愿望归因。在认知科学学会年会论文集，第 33 卷。[3] Chris L Baker、Noah D Goodman 和 Joshua B Tenenbaum。2008 年。基于理论的社会目标推理。在认知科学学会第三十届年会论文集。 Citeseer，1447–1452。[4] Chris L Baker 和 Joshua B Tenenbaum。2014 年。使用贝叶斯心理理论对人类计划识别进行建模。计划、活动和意图识别：理论与实践 7 (2014)，177–204。[5] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2021 年。特征扩展奖励学习：重新思考人类输入。在 2021 年 ACM/IEEE 人机交互国际会议论文集上。216–224。[6] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2022 年。通过学习特征在奖励学习中诱导结构。国际机器人研究杂志 (2022)，02783649221078031。[7] Mustafa Mert Çelikok、Tomi Peltola、Pedram Daee 和 Samuel Kaski。2019 年。具有心智理论的交互式人工智能。arXiv 预印本 arXiv:1912.05284 (2019)。[8] Aakanksha Chowdhery、Sharan Narang、Jacob Devlin、Maarten Bosma、Gaurav Mishra、Adam Roberts、Paul Barham、Hyung Won Chung、Charles Sutton、Sebastian Gehrmann 等人。2022 年。Palm：使用路径扩展语言建模。arXiv 预印本 arXiv:2204.02311 (2022)。[9] Harmen De Weerd、Rineke Verbrugge 和 Bart Verheij。 2013. 了解她知道你知道的事情有多大帮助？一项基于代理的模拟研究。人工智能 199 (2013)，67–92。[10] Jacob Devlin、Ming-Wei Chang、Kenton Lee 和 Kristina Toutanova。2018. Bert：用于语言理解的深度双向变压器的预训练。arXiv 预印本 arXiv:1810.04805 (2018)。[11] Prafulla Dhariwal 和 Alexander Nichol。2021. 扩散模型在图像合成方面击败了 gans。神经信息处理系统进展 34 (2021)，8780–8794。[12] Prashant Doshi、Xia Qu、Adam Goodie 和 Diana Young。2010. 使用经验主义交互式 POMDP 对人类的递归推理进行建模。在第九届自主智能体和多智能体系统国际会议论文集：第 1 卷-第 1 卷。1223–1230。[13] 段佳飞、余志强、谭辉、朱宏远和陈志东。2022 年。具身人工智能调查：从模拟器到研究任务。IEEE 计算智能新兴主题汇刊 (2022 年)。[14] 段佳飞、余志强、谭辉、易立和陈志东。2022 年。BOSS：对象上下文场景中人类信念预测的基准。arXiv 预印本 arXiv:2206.10665 (2022 年)。[15] David Engel、Anita Woolley、Lisa Jing、Christopher Chabris 和 Thomas Malone。2014 年。从眼睛读懂心思还是从字里行间读懂心思？心智理论在线上和面对面时同样能预测集体智慧。PloS one 9 (12 2014)，e115212。https://doi.org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作逆强化学习。神经信息处理系统的进展 29 (2016)。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统的进展 31 (2018)。 [18] 何开明、张翔宇、任少卿和孙健。2016 年。深度残差学习在图像识别中的应用。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33（2020 年），6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。 [21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016 年。协调合作或竞争：社交互动中的抽象目标和共同意图。《认知科学》。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015 年。深度学习。《自然》521，7553（2015 年），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。[25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。
萨尔兰大学量子非本地游戏和...
在本文中，我们研究非本地游戏和量子非本地游戏的策略。我们的主要来源是[19]，[25]和[4]。本论文中研究的量子非本地游戏所研究的策略称为量子无信号相关性和量子通勤量子不信号相关性。Quantum no-signalling相关性首先是由Duan和Winter在2016年[9]定义的，[9]与Quantum非局部游戏不同。量子通勤无信号相关性和量子非本地游戏首先由托多罗夫和图洛夫卡在2020年定义[25]。非本地游戏是元组G =（x，y，a，b，λ），其中x和y是两个玩家爱丽丝和鲍勃的问题。这两个玩家必须从答案集A和B中给出答案，而无需与其他玩家沟通。然后，裁判员根据功能λ：x×y×a×b→{0，1}来决定，无论是爱丽丝和鲍勃赢。作为爱丽丝和鲍勃（Alice）和鲍勃（Alice）合作，他们必须事先同意一项策略，以最大程度地提高自己的胜利机会。有不同类别的策略限制了爱丽丝和鲍勃可以访问的资源。本文中主要研究的两类策略是无信号的策略和量子通勤策略。无签名的策略仅将爱丽丝和鲍勃限制为他们无法交流的规则。这意味着爱丽丝的回答不取决于鲍勃的问题，反之亦然。量子通勤策略是无标志性策略的子类，在这种策略中，爱丽丝和鲍勃共享可以部分衡量的量子系统。我们还定义了通用C ∗ - 代数。量子非本地游戏是非本地游戏的概括，爱丽丝和鲍勃得到了“量子”问题和“量子”答案。这是通过从矩阵代数的投影到另一个矩阵代数的投影的连接连接，零保护图建模的。量子非本地游戏的策略是由量子通道给出的，量子通道是将量子状态映射到量子状态的地图，这也阻止了爱丽丝和鲍勃之间的直接通信。在第2节中，我们简要介绍了C ∗ - 代数，并定义了C ∗ - 代数的正元素和地图。在第3节中，我们介绍了Traceclass操作员，这些操作员是希尔伯特空间上有限运营商的子类。然后，我们证明TraceClass运营商是有限运算符的前提。在第4节中，我们介绍了操作员系统，因为需要研究非本地游戏。运算符系统是包含单元的Unital C ∗ -Elgebra的自动障碍子空间。运算符系统也可以定义为我们需要引入其张量产品所需的抽象概念。在第5节中，我们提供了量子信息的基本概念，因为这些信息需要定义非本地游戏和量子非本地游戏的不同策略。在第6节中，我们介绍了非本地游戏，并研究无信号和量子通勤策略。然后，我们将完美的策略分类，这些策略总是通过C ∗ -ergebra中运算符系统的状态空间进行策略。这些分类结果在[19]中显示。在第7节中，我们将非本地游戏推广到量子非本地游戏和对于镜像游戏，这是非本地游戏，对于某些问题，爱丽丝的答案是由鲍勃的答案决定的，反之亦然，我们可以按照给定的C ∗ -Algebra的痕迹对完美的量子通勤策略进行分类。
Ranjay Krishna -
ICLR 2025交织的场景图，用于交织的文本和图像生成评估。Dongping Chen，Ruoxi Chen，Shu Pu，Zhaoyi Liu，Yanru Wu，Caixi Chen，Caixi Chen，Benlin Liu，Yue Huang，Yao Wan，Pan Zhou，Ranjay Krishna International International In In Machine Learning，Machine Learning，2025 ICLR 2025 ICLR 2025 AHA：一个视觉语言的人，以实现失败的竞争，并合理地覆盖了竞争者，并合理地覆盖了杂物。众包工作流的技术。Madeleine Grunde-McLaughlin，Michelle S. Lam，Ranjay Krishna，Daniel S. Weld，Je Q rey Heer Heer ACM ACM Transactions on Computer-Human互动Neurips Neurips Neurips 2024 Dist Me Night Me。Jieyu Zhang, Weikai Huang, Zixian Ma, Oscar Michel, Dong He, Tanmay Gupta, Wei-Chiu Ma, Ali Farhadi, Aniruddha Kembhavi, Ranjay Krishna Advances in neural information processing systems, 2024 NeurIPS 2024 Visual Sketchpad: Sketching as a Visual Chain of Thought for Multimodal Language Models .Yushi Hu*，Weijia Shi*，Xingyu Fu，Dan Roth，Mari Ostendorf，Luke Zettlemoyer，Noah A Smith*，Ranjay Krishna*神经信息处理系统的进步，2024年Neurips 2024 Neurips 2024多语言多样性多样性多样性的多样性改善视觉语言表现。Thao Nguyen, Matthew Wallingford, Sebastin Santy, Wei-Chiu Ma, Sewoong Oh, Ludwig Schmidt, Pang Wei Koh, Ranjay Krishna* Advances in neural information processing systems, 2024 Spotlight Paper award (awarded to top 5%) NeurIPS 2024 The Unmet Promise of Synthetic Training Images: Using Retrieved Real Images Per- forms Better .Scott Geng，Cheng-Yu Hsieh，Vivek Ramanujan，Matthew Wallingford，Chun-Liang Li，Pang Wei Koh*，Ranjay Krishna*神经信息处理系统的进步，2024 Neurips，Neurips 2024 2024 ActionAtlas：Actionatlas：a Videoqa-benchmark for Videoqa Benchmark for-Frain grave grave grave vrained Capention conterition。Mohammadreza Salehi, Jae Sung Park, Aditya Kusupati, Ranjay Krishna , Yejin Choi, Hannaneh Hajishirzi, Ali Farhadi Advances in neural information processing systems, 2024 NeurIPS 2024 NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples .Wenxuan Peng，Baiqi Li，Zhiqiu Lin，Jean de Dieu Nyandwi，Zixian MA，Simran Khanuja，Deva Ramanan，Ranjay Krishna，Graham Neubig在神经信息处理系统中的进步，2024 Neurips 2024 Neurips 2024 Neurips 2024 Superpuse Supperections singleferess singleferess inderfection in Deciatsions nicledere nitferations in Deciatsions niclederiate bulyse nitferiations in Deciatsions anderfelions in Deciatsions：多个世代。Ethan Shen，Alan Fan，Sarah M Pratt，Jae Sung Park，Matthew Wallingford，Sham M Kakade，Ari Holtzman，Ari Holtzman，Ranjay Krishna，Ali Farhadi，Aditya Kusupati在神经信息处理系统中的进步，2024
2025 年 1 月 27 日 2025 Ng M、Cerezo-Wallis D、Ng LG、伊达尔戈……
Dunsmore G、Guo W、Li Z、Bejarano DA、Pai R、Yang K、Kwok I、Tan L、Ng M、De La Calle Fabregat C、YaƟm A、Bougouin A、Mulder K、Thomas J、Villar J、Bied M、Kloeckner B、Dutertre CA、Gessain G、Chakarov S、Liu Z、Scoazec JY、Lennon-Dumenil AM、Marichal T、Sautès-Fridman C、Fridman WH、Sharma A、Su B、Schlitzer A、Ng LG、Blériot C、Ginhoux F. 时间和位置决定单核细胞的命运及其向肿瘤相关巨噬细胞的转变。科学免疫学。 2024 年 7 月 26 日；9(97)：eadk3981。 Ng MSF、Kwok I、Tan L、Shi C、Cerezo-Wallis D、Tan Y、Leong K、Calvo GF、Yang K、Zhang Y、Jin J、Liong KH、Wu D、He R、Liu D、Teh YC、Bleriot C、Caronni N、Liu Z、Duan K、Narang V、Ballesteros I、Moalli F、Li M、Chen J、Liu Y、Liu L、Qi J、Liu Y、Jiang L、Shen B、Cheng H、Cheng T、Angeli V、Sharma A、Loh YH、Tey HL、Chong SZ、Iannacone M、Ostuni R、Hidalgo A、Ginhoux F、Ng LG。肿瘤内中性粒细胞的确定性重编程。科学。 2024 年 1 月 12 日；383(6679)：eadf6493。 2023 Caronni N、La Terza F、Vittoria FM、Barbiera G、Mezzanzanica L、Cuzzola V、Barresi S、Pellegatta M、Canevazzi P、Dunsmore G、Leonardi C、Montaldo E、Lusito E、Dugnani E、Citro A、Ng MSF、Schiavo Lena M、Drago D、Andolfo A、Brugiapaglia S、Scagliotti A、Mortellaro A、Corbo V、Liu Z、Mondino A、Dellabona P、Piemonti L、Taveggia C、Doglioni C、Cappello P、Novelli F、Iannacone M、Ng LG、Ginhoux F、Crippa S、Falconi M、Bonini C、Naldini L、Genua M、Ostuni R. IL-1β+ 巨噬细胞促进胰腺癌的致病性炎症。自然 。 2023年11月；623（7986）：415-422。李明，吴明，吴LG。通过鸡尾酒疗法激发中性粒细胞的抗肿瘤免疫力。 Cancer Cell.2023 年 2 月 13 日；41(2):227-229。 2022 Gu Y、Low JM、Tan JSY、Ng MSF、Ng LFP、Shunmuganathan B、Gupta R、MacAry PA、Amin Z、Lee LY、Lian D、Shek LP、Zhong Y、Wang LW。 GIFT 队列中 2019 年产前冠状病毒病的免疫和病理生理分析：新加坡的一项病例对照研究。前儿科。 2022 年 9 月 15 日；10：949756。 Teh YC、Chooi MY、Liu D、Kwok I、Lai GC、Ayub Ow Yong L、Ng M、Li JLY、Tan Y、Evrard M、Tan L、Liong KH、Leong K、Goh CC、Chan AYJ、Shadan NB、Mantri CK、Hwang YY、Cheng H、Cheng T、Yu W、Tey HL、Larbi A、St John A、Angeli V、Ruedl C、Lee B、Ginhoux F、Chen SL、Ng LG、Ding JL、Chong SZ。过渡性前单核细胞出现在周围，用于宿主防御细菌感染。滑雪进阶2022 年 3 月 4 日；8(9)：eabj4641。
DarkTrace提供产品规范
3D打印的医疗用途正在快速扩展，并且会改变医疗保健的大时间。这些用途可以分为四个主要领域：制造组织和器官，创建定制的植入物和假肢，对药物进行研究，并弄清楚如何将药物置于体内正确的位置。在医学中使用3D打印可以使诸如假肢，设备甚至药物之类的东西为每个人进行超级定制，这真的很酷。它还使事情变得更便宜，帮助人们更有效地工作，让任何人都可以在不需要花哨的机器的情况下设计东西，并将科学家聚集在一起从事项目。，但这并不是所有的阳光 - 在3D打印之前，仍有许多科学和监管挑战确实可以改变医疗保健。人们一直在医学上的3D打印中取得了重大进步，但他们仍在等待最具游戏规则的东西。通过3D打印制造的自定义助听器彻底改变了听力学领域，超过99％的现代助听器是针对个人用户量身定制的。人体的独特复杂性使3D打印模型对于手术制备必不可少，比传统的2D成像方法提供了更准确的表示。此外，神经外科医生可以从3D打印模型中受益，以更好地理解复杂的人体解剖结构。在许多情况下，这些模型有助于医学专业人员在手术前对患者的特定解剖学特征获得宝贵的见解。3D打印技术的最新进步正在彻底改变包括医学在内的各个领域。此外，3D打印的进步导致了定制的药物配方和新型剂型的形式，例如微胶囊和纳米舒张，这对个性化医学有希望。3D打印在医疗应用中的潜在好处包括增加定制和个性化，成本效率，提高生产率，民主化和协作。尽管有希望的应用，但3D打印仍面临一些挑战，包括不切实际的期望和炒作，安全和保安问题，专利和版权问题。虽然已经使用了某些应用程序，但例如器官打印等其他应用程序需要更多的时间来开发。可以在线找到有关3D打印医学应用程序的综合报告，其中包含详细的图像和说明。国家医学图书馆（NLM）提供了对科学文献的访问权限，并维护了一个数据库，其中包含有关医学中3D印刷的信息。但是，将其包含在其数据库中并不意味着与NLM或国家卫生研究院的内容认可或同意。最近的一篇文章回顾了将3D打印应用于医疗领域的一些最新发展，涵盖了当前的艺术状况以及用于医疗应用的3D打印的局限性。美国测试与材料学会（ASTM）国际委员会F42采用了添加剂制造（AM）来从三维数字数据中产生物理对象的技术。手术规划已演变为合并高级技术。在一项研究中，Vodiskat等。添加剂制造（通常称为3D打印）是一种制造方法，可以通过将材料融合或将材料融合到底物上或将物质融合或沉积物质来创建物体。此过程具有高度的用途，可以利用各种材料，例如粉末，塑料，陶瓷，金属，液体或活细胞。通过研究复杂的器官或解剖标本的解剖学和生理学，外科医生可以为操作创建个性化计划。3D模型使他们能够在进入手术室之前探索不同的方法并获得动手经验。此过程大大减少了操作时间并改善了结果。3D印刷患者特定的假体的最新进展使残疾人能够过正常生活。高质量的成像技术允许精确的解剖假体创建，影响包括牙科在内的各个医学领域。将尸体材料用于培训引起了道德问题和成本问题。3D打印通过从CT成像中重现复杂的解剖器官提供了一种新颖的解决方案，适用于没有尸体的情况。能够打印不同尺寸的多个副本的能力也有益于培训设施。可以直接印刷细胞的打印机的开发导致了毒性测试的细胞结构的自动产生，并针对疾病和肿瘤进行了新的治疗方法。这项技术通过允许对匹配天然细胞排列的组织的可重复打印来加速研究过程。使用3D打印模型来对复杂的先天性心脏状况进行术前计划。医学研究的应用包括生产人体器官和组织结构，将它们与模仿本地人体器官的功能相结合。下一步是在操作过程中打印可移植的器官或器官，彻底改变医学。药物输送也将随着3D打印成为药品不可或缺的一部分，可以实现指定剂量和持续的释放层。使用3D打印技术可以实现个性化治疗，并通过创建针对其解剖结构的定制药物输送设备来帮助患者减少药物。这些进步表明，3D打印正在改变医学，许多应用程序使进行详尽的审查变得具有挑战性。最近的几项研究集中在特定领域，例如组织和器官的医学成像，手术和生物打印。本综述旨在通过研究各种应用程序（包括个性化处理，术前计划模型和定制的药物输送设备）来检查2014年以来的发展，从而证明当前的艺术状况。他们采用了两种不同的市售技术来重建三名患者的缺陷，得出结论，有了良好的CT扫描数据，可以创建一种具有成本效益的3D印刷模型。另一个具有挑战性的区域是旧骨盆骨折手术，其中Wu等人。评估了在四年和9个临床病例中使用3D打印的骨盆模型进行术前计划。他们发现术前计划与术后结果之间有良好的相关性，但建议进一步研究以巩固这些模型的使用。Truscott等人。提出了3D打印模型的案例研究，这些模型可以帮助外科医生进行术前计划，从而从骨盆和股骨，眼窝和肩cap骨的CT扫描数据创建模型。他们使用激光插入技术从钛中脱颖而出，与CNC工艺相比，结论一下将材料废物最小化。研究人员使用3D打印技术成功地创建了耳朵假肢（PVDF）。假体对压力变化表现出很高的敏感性，表明在生物医学工程中使用了潜力。传统的患者特异性颅骨成形术假体很昂贵。相比之下，一种具有成本效益的方法使用丙烯酸骨水泥。但是，水泥的手动制造可能很麻烦，可能不会产生令人满意的结果。使用FDM创建了CT扫描数据的3D打印头骨，作为模板来塑造丙烯酸植入物。这种方法在临床环境中的有效性需要进一步研究。一种新型的陶瓷制造技术，结合了冻结的泡沫，实现了开放式孔连接的泡沫结构，可以用作下一代骨骼替代材料，用于个性化植入。提出了一种创建周期性蜂窝结构的设计方法，由材料制成的3D打印植入物将满足较轻的植入物的要求并满足审美和功能需求。最近的研究还使用了3D打印来再现具有精确反映个人特征的组织的巨大潜力的患者特异性组织材料。Khaled等。 Goyanes等。Khaled等。Goyanes等。3D打印模型在解剖学上是准确的，只要提供高质量的CT扫描数据。但是，它们可能不灵活，这使得在涉及大脑（大脑）的软组织的情况下进行应用。使用组合的3D打印，成型和铸造的一种建议的方法创造了逼真的，生理准确和可变形的人脑模型。研究人员已使用独特的技术成功地创建了个性化的大脑模型。这种突破允许创建解剖上准确且可变形的大脑模型，可用于手术计划或医学训练（图3）。此外，科学家还开发了具有成本效益的方法来生产人类解剖学对象的高质量复制品，以进行培训。3D打印技术的发展也导致了癌症研究的重大进步。通过使用HeLa细胞和水凝胶结构创建合成宫颈肿瘤，研究人员已经能够研究该疾病的生长和行为（图4）。这种创新的方法显示出令人鼓舞的结果，肿瘤增殖得更快并形成细胞球体。此外，生物打印已通过微流体网络引导细胞来创建复杂的组织结构。Drexel University的研究人员开发了定制的沉积设备，可以精确材料沉积和异质细胞共培养（图5）。在另一个突破中，科学家使用了3D打印的水凝胶支架来种植微藻和人类细胞的培养物。生物制造。2016; 138（4）：041007。2016; 138（4）：041007。微藻能够迅速生长，叶绿素含量在几天内增加了16倍。该技术有可能将氧或二级代谢物作为治疗剂提供。技术与生物学的交集导致了3D生物打印的开创性进步。康奈尔大学的研究人员成功地使用水凝胶作为细胞的脚手架打印了全尺寸三叶心脏瓣膜，展示了它们在医疗应用中的潜力。但是，他们指出原型的拉伸强度需要改进。爱丁堡的研究人员通过使用3D打印技术打印功能“迷你肝”，取得了重大进步。他们的创新在于保留3D藻酸盐水凝胶基质中脆弱的臀部细胞的生存力和多能性。这项工作对无动物的药物试验和个性化医学具有深远的影响。超出人体器官的范围，研究人员创建了一个3D形态空间，以描述各种尺度（包括细胞和动物生物）的生物结构。此工具使他们能够探索新的生物配置并研究有关进化的基本问题。此外，伦敦大学学院的研究人员还表明，在制造局部药物输送系统以治疗痤疮等疾病中，有3D生物打印的潜力。他们使用热熔体挤出将水杨酸加载到商业聚合物丝中，突出了该技术的多功能性。3D打印的多功能性可通过调整丝制剂来进行不同的剂量。3D打印技术因其在创建个性化医疗设备（包括药物片和假肢）方面的潜在应用而进行了探索。研究人员发现，立体光刻（SLA）方法可以生产具有精确接触甚至剂量输送的设备。使用桌面3D打印机成功打印了甲烯烃双层片，证明了其产生高质量药物片的潜力。他们比较了药物释放曲线，发现在14小时剂量周期中，一种设计保留在商业药物概况的10％之内。通过使用FDM工艺打印paracetamol的细丝，研究了不同形状对药物释放曲线的影响。他们的结果表明，使用传统方法很难制造复杂的几何形状，但可以更好地控制药物释放。3D印刷和医学生物印刷方面的最新发展在各个领域都具有巨大的潜力。在手术中，3D印刷模型可以帮助外科医生进行计划操作，缩短程序时间和改善结果。也可以快速，经济地创建特定于患者的假肢，使其成为传统解决方案的有吸引力的替代品。Zhao等，Snyder等人和Lode等人等研究人员的工作。已经证明了更准确的疾病模型的潜力，尤其是在癌症研究中。将微流体与3D生物构成整合起来，可以创建复杂的组织结构和共培养物，为功能器官的发展铺平道路。2014; 6（3）：035001。 doi：10.1088/1758-5082/6/3/035001。目前，打印整个生物器官仍然是一个遥远的目标。虽然细胞打印可以产生强大的细胞培养，但创建具有必要结构完整性的结构仍然是一个重大挑战。水凝胶矩阵，印刷技术和微流体的整合是通过生物打印来开发功能性人造器官的关键步骤。在不久的将来，3D打印机可能在药房中很普遍，从而实现了个性化的药物输送和制造定制设备。例如，可以通过控制几何形状和精度来实现具有控制药物释放的打印平板电脑。3D印刷在医学中的应用是巨大而变革性的，从创建一次性物体到假肢。随着研发的继续，我们可以期望在个性化药物，器官印刷和手术计划等领域取得令人兴奋的进步。但是，这些技术仍处于早期阶段，需要在广泛采用之前进行进一步的创新和实际考虑。本文讨论了3D打印技术的应用和进步，尤其是在医学领域。作者参考了各种研究和研究论文，探讨了3D印刷在医学中的潜在用途，包括创建假肢，植入物和生物印刷。引用的论文涵盖了一系列主题，从钛植入物的生物相容性到开发用于测试药物毒性的芯片技术。几项研究探讨了3D打印在手术和医学中的使用。生命科学工程学。讨论的其他领域包括三维生物印刷，医学成像和假肢的计算机辅助制造。一些好处包括提高手术计划中的准确性和精度，减少了传统方法上花费的成本和时间，以及改善患者的结果。研究人员还使用3D打印来为具有独特需求的患者创建定制的植入物和假肢。3D印刷在医学中的其他应用包括为训练目的创建实际的器官和组织模型，开发了个性化的神经外科手术计划的大脑模型，以及用诸如压力和温度等内在特性的感觉耳朵假体制造感觉耳朵假体。研究还研究了使用3D打印来生产患者特异性的丙烯酸颅骨成形术，定制的骨盆损伤模板和具有量身定制的机械性能的功能多孔结构。此外，研究人员还探索了用于生物医学应用的陶瓷和金属陶瓷复合材料的创新制造方法。3D打印在手术中的优点包括其创建复杂形状和结构，减少废物和材料消耗的能力，并提高手术计划的准确性和精度。但是，这项技术也存在一些挑战和局限性，例如对专业设备和专业知识的需求以及对灭菌和感染控制的潜在关注。总体而言，3D打印有可能彻底改变手术和医学的各个方面，从术前计划到植入植入物和患者护理。2015; 15（2）：177–183。2015; 15（2）：177–183。Zhang等人，用于体外Zhang T，Zhang T，Cheng S，Sun W.宫颈肿瘤模型的HeLa细胞三维印刷。Zhang等人，用于细胞设备的微流体歧管制造Snyder J，Son AR，Hamid Q，Sun W.通过精确挤出沉积和含细胞装置的复制模制来制造微流体歧管。制造科学与工程杂志。lode等人，绿色生物打印Lode A，Krujatz F，BrüggemeierS，Quade M，SchützK，Knaack S，Weber J，Bley J，Bley T，Bley T，Gelinsky M. Green Bioprinting：光合作用藻类Laden Hadegae Laden Hydogel scapforts的生物性和医学物质。duan等人，异质主动脉阀Conduits Duan B，Hockaday LA，Kang KH，Butcher JT的3D生物打印。与藻酸盐/明胶水凝胶异质主动脉瓣导管的3D生物打印。生物医学材料研究杂志研究部分A。2013; 101（5）：1255–1264。 Faulkner-Jones et al., Bioprinting of human pluripotent stem cells Faulkner-Jones A, Fyfe C, Cornelissen DJ, Gardner J, King J, Courtney A, Shu W. Bioprinting of human pluripotent stem cells and their directed differentiation into hepatocyte-like cells for the generation of mini-livers in 3D. 生物制造。 2015; 7（4）：044102。 ollé-Vila等，合成器官和类符号的形态 - ollé-vila A，Duran-Nebreda S，Conde-Pueyo N，MontañezR，SoléR。 综合生物学。 2016; 8（4）：485–503。 受控释放杂志。 2016; 234：41–48。2013; 101（5）：1255–1264。Faulkner-Jones et al., Bioprinting of human pluripotent stem cells Faulkner-Jones A, Fyfe C, Cornelissen DJ, Gardner J, King J, Courtney A, Shu W. Bioprinting of human pluripotent stem cells and their directed differentiation into hepatocyte-like cells for the generation of mini-livers in 3D.生物制造。2015; 7（4）：044102。ollé-Vila等，合成器官和类符号的形态 - ollé-vila A，Duran-Nebreda S，Conde-Pueyo N，MontañezR，SoléR。综合生物学。2016; 8（4）：485–503。 受控释放杂志。 2016; 234：41–48。2016; 8（4）：485–503。受控释放杂志。2016; 234：41–48。2016; 234：41–48。Goyanes等人，3D扫描和印刷，用于个性化药物交付Goyanes A，Det-Amornrat U，Wang J，Basit AW，Gaisford S. 3D Scanning和3D打印作为用于制造个性化局部药物输送系统的创新技术。Khaled等人，桌面3D打印的受控释放制药双层片Khaled SA，Burley JC，Alexander MR，Roberts CJ。桌面3D打印受控释放的药品双层平板电脑。国际药品杂志。2014; 461（1）：105–111。 Goyanes等人，几何形状对3D印刷片剂Goyanes A，Martinez PR，Buanz A，Basit AW，GaisfordS。几何形状对3D印刷平板的药物释放的影响。 国际药品杂志。 2015; 494（2）：657–663。2014; 461（1）：105–111。Goyanes等人，几何形状对3D印刷片剂Goyanes A，Martinez PR，Buanz A，Basit AW，GaisfordS。几何形状对3D印刷平板的药物释放的影响。国际药品杂志。2015; 494（2）：657–663。2015; 494（2）：657–663。