XiaoMi-AI文件搜索系统
World File Search Systeminef
Zeus：理解和优化 DNN 训练的 GPU 能耗
深度神经网络 (DNN) 的训练每年都变得越来越耗费资源和能源。遗憾的是，现有的研究主要侧重于优化 DNN 训练以加快完成速度，而往往不考虑对能源效率的影响。在本文中，我们观察到，提高训练性能的常见做法往往会导致能源使用效率低下。更重要的是，我们证明了能耗和性能优化之间存在权衡。为此，我们提出了 Zeus，这是一个优化框架，可通过自动为重复的 DNN 训练作业找到最佳的作业和 GPU 级配置来解决这一权衡。Zeus 使用在线探索-利用方法结合即时能源分析，避免了昂贵的离线测量，同时适应数据随时间的变化。我们的评估表明，Zeus 可以将不同工作负载的 DNN 训练能源效率提高 15.3%–75.8%。
通过 ReMOT 控制对疟蚊 Anopheles stephensi 进行 Cas9 介导的基因编辑
摘要 创新工具对于推进疟疾控制至关重要，并且取决于对疟蚊传播疟原虫的分子机制的理解。基于 CRISPR/Cas9 的基因破坏是一种揭示媒介-病原体相互作用的潜在生物学原理的有效方法，其本身可以成为蚊虫控制策略的基础。然而，用于对蚊子（尤其是疟蚊）进行基因改造的胚胎注射方法既困难又低效，特别是对于非专业实验室而言。在这里，我们采用了 ReMOT 控制（受体介导的卵巢货物转导）技术，将 Cas9 核糖核蛋白复合物递送至成年蚊子卵巢，从而无需注射胚胎就在疟疾媒介斯氏疟蚊中产生有针对性的可遗传突变。在疟蚊中，ReMOT 控制基因编辑与标准胚胎注射一样有效。 ReMOT 控制对按蚊的应用，为缺乏设备或专业知识进行胚胎注射的疟疾实验室揭示了 CRISPR/Cas9 方法的威力，并建立了 ReMOT 控制对不同蚊子物种的灵活性。
药物流行病学中的人工智能
结果：通过 Ovid MEDLINE 共查明 72 篇原创文章和 5 篇综述，其中 19 篇（26.4%）将人工智能技术与传统药物流行病学方法的性能进行了比较。总共对 44 篇文章进行了比较，旨在 1）根据患者特征预测所需剂量（31.8%），2）预测药物治疗后的临床反应（29.5%），3）预测药物不良反应的发生/严重程度（20.5%），4）预测倾向评分（9.1%），5）识别更有可能出现药物无效风险的亚群（4.5%），6）预测药物消耗量（2.3%），7）预测药物引起的住院时间（2.3%）。在 44 项比较中的 22 项（50.0%）中，人工智能的表现优于传统药物流行病学技术。在大多数比较中，随机森林（11 项比较中的 7 项；63.6%）和人工神经网络（10 项比较中的 6 项；60.0%）的表现优于传统药物流行病学方法。
基于卫星的纠缠分布和具有连续变量的量子隐形传态
卫星量子通信的进步旨在通过提高传输信息的安全性来重塑全球电信网络。在这里，我们研究了大气湍流对地面站和卫星之间光学区域中连续变量纠缠分布和量子隐形传态的影响。更具体地说，我们研究了在下行链路和上行链路场景中，由于分布中的各种误差源（即衍射、大气衰减、湍流和探测器效率低下）导致的纠缠退化。由于使用这些分布式纠缠资源的量子隐形传态协议的保真度不够，我们包括一个中间站，用于状态生成或光束重新聚焦，以分别减少大气湍流和衍射的影响。结果表明，在低地球轨道区域的下行链路中，自由空间纠缠分布和量子隐形传态是可行的，但在中间站的帮助下，在上行链路中也是可行的。最后，完成恶劣天气条件下微波光学比较研究，以及地地和卫星间量子通信水平路径研究。
药物流行病学中的人工智能系统评价。第 2 部分 - 人工智能与传统药物流行病学技术的性能比较
结果：通过 Ovid MEDLINE 共查明 72 篇原创文章和 5 篇综述，其中 19 篇（26.4%）将人工智能技术与传统药物流行病学方法的性能进行了比较。总共对 44 篇文章进行了比较，旨在 1）根据患者特征预测所需剂量（31.8%），2）预测药物治疗后的临床反应（29.5%），3）预测药物不良反应的发生/严重程度（20.5%），4）预测倾向评分（9.1%），5）识别更有可能出现药物无效风险的亚群（4.5%），6）预测药物消耗量（2.3%），7）预测药物引起的住院时间（2.3%）。在 44 项比较中的 22 项（50.0%）中，人工智能的表现优于传统药物流行病学技术。在大多数比较中，随机森林（11 项比较中的 7 项；63.6%）和人工神经网络（10 项比较中的 6 项；60.0%）的表现优于传统药物流行病学方法。
在电网优化问题中建模智能网格技术
摘要：电网的脱碳有望产生新的电流。因此，可能要求网络规划人员在未来几十年中对电网进行大量的投资，以便以尊重热和电压网络约束的方式来容纳这些新流量。这些投资可能包括由传统技术和智能电网技术组成的基础设施资产组合。一个相关的关键挑战是位置周围存在不确定性，时间和新需求或发电连接的数量。这种不确定性不可避免地将风险引入投资决策过程，因为它可能导致不良的投资，并不可避免地导致过度的投资成本。智能网格技术具有使它们被视为投资选择的属性，可以使网络计划者对冲上述不确定性。本文通过提供批判性文献综述并介绍描述其操作的最新数学建模，重点关注关键的智能技术。
螺旋推进器等离子体建模：二维流体……
假设螺旋天线发射所吸收的功率已知，推导了螺旋推进器腔内磁化等离子体流的轴对称宏观模型。从设计和操作参数的角度讨论了电离、约束、亚音速流和生产效率。获得了理想等离子体条件的解析解和简单的缩放定律。然后将腔模型与外部磁喷嘴模型匹配，以表征整个等离子体流并评估推进器性能。评估了热、电和磁对推力的贡献。能量平衡提供了腔和喷嘴中离子和电子之间的功率转换，以及光束功率、电离损失和壁面损失之间的功率分配。评估了推进器的效率，并确定了效率低下的主要原因。喷嘴中无碰撞电子群的热力学行为被认为是鲜为人知的，并且对于完全等离子体膨胀和良好的推力效率至关重要。 VC 2013 美国物理学会。[http://dx.doi.org/10.1063/1.4798409]
酪丁酸梭菌作为微生物细胞工厂的开发，用于从木质纤维素原料中生产燃料和化学中间体
将木质纤维素底物微生物转化为燃料和平台化学中间体为建立可行的生物经济提供了一条可持续的途径。然而，这种方法面临着一系列关键的技术、经济和可持续性障碍，包括：底物利用不充分、木质纤维素水解产物和/或最终产品毒性、产品回收效率低下、培养要求不兼容以及生产率指标不足。开发具有适合在工艺相关条件下高产率转化木质纤维素底物天然特性的生产宿主，提供了一种绕过上述障碍并加速微生物生物催化剂部署开发的方法。酪丁酸梭菌是一种天然的短链脂肪酸生产菌，它表现出一系列特性，使其成为转化木质纤维素底物的理想候选菌，因此是微生物生产各种羧酸衍生产品套件的有希望的宿主。本文回顾了该细菌作为工业微生物细胞工厂的开发的最新进展和未来方向，重点是利用木质纤维素底物和代谢工程方法。
引用本文：Gloria Cicerone、Alessandra Faggian、Sandro Montresor 和 Francesco Rentocchini (2022)：区域人工智能和环境技术地理：本地人工智能知识是否有助于区域绿色技术专业化？，区域研究，DOI：10.1080/00343404.2022.2092610
区域研究和经济地理学的最新研究表明，本地环境技术发展是各区域提高环境可持续性和实现“绿色”的关键杠杆（Demirel 等人，2019 年；Gibbs 和 O'Neill，2017 年；Truffer 和 Coenen，2012 年）。虽然绿色技术本身可能会产生负面的环境回报（例如其生产工厂产生的资源效率低下和排放，以及其生命周期结束时产生的“电子垃圾”）（Hansen 等人，2021 年），但所谓的“可持续性转型”实际上是经过技术、机构和行为的适当重组，从而可以建立更具环境敏感性的“社会技术系统”（Geels，2002 年）。区域开发环境技术的能力以及专门从事这些技术的发明的能力也得到了研究，结果发现这些技术在空间上分布不均。它们的“关联性”是它们对已有技术的认知接近度的综合，已成为获取这些技术的重要驱动力。
多目标BI ...
摘要。在本文中，我们研究了多目标双级操作（MOBLO）问题，其中高级子问题是一个多目标优化问题，而下层子问题则用于标量优化。现有的基于梯度的MOBLO算法需要计算Hessian矩阵，从而导致综合性不足的问题。为了解决这个问题，我们提出了一个效率的Moblo的第一阶多率方法，称为论坛。特别是，我们通过价值功能函数重新将MOBLO问题重新制定为受约束的多目标优化（MOO）问题。然后，我们提出了一种新型的多进型聚合方法，以解决具有挑战性的约束MOO问题。从理论上讲，我们提供了复杂性分析，以显示所提出的方法的效率和非反应收敛的结果。经验，广泛的实验证明了拟议论坛方法在不同学习概率中的有效性和效率。特别是，它在三个多任务学习基准数据集上实现了最先进的性能。代码可在https://github.com/baijiong-lin/forum上获得。