XiaoMi-AI文件搜索系统
World File Search Systeminspired
开发了生物启发的多功能聚合物基于聚合物的纤维（生物生物纤维），用于在混凝土中高级递送基于细菌的自我修复剂
摘要。这项研究的目的是开发创新的损害响应性细菌基于细菌的自我修复纤维（以下称为生物纤维），可以将其掺入混凝土中以同时启用两个功能：（1）裂纹桥接功能以控制裂纹生长和（2）发生裂纹时发生裂纹愈合功能的裂纹功能。生物纤维由承载核心纤维，含细菌水凝胶的鞘和外部不渗透应变反应性壳涂层组成。即时浸泡制造过程与多个含有含细菌的，亲水性的前聚合物和交联试剂的储层一起使用，以开发生物纤维。亚硫酸钠用作前聚合物，通过核纤维上的离子交联产生钙藻酸盐水凝胶。在水凝胶中掺入了脂肪菌的休眠细菌（孢子）作为自我修复剂。然后，将不可渗透的聚合物涂层应用于水凝胶涂层的核纤维。使用聚苯乙烯和聚乳酸的聚合物混合物制造了不可渗透的应变反应性壳涂层材料。在这项研究中，高钙钙酸钙的高肿胀能力提供了微生物诱导的碳酸钙沉淀（MICP）化学途径所需的水。应变反应不足的涂层在混凝土铸造过程中提供了足够的柔韧性，以保护孢子和藻酸盐，并在破裂和足够的应力应变行为之前，以在发生裂缝时赋予损害反应性以激活MICP。研究了开发的生物纤维的行为，水凝胶的肿胀能力，壳涂层的不渗透性，孢子铸造的生存能力和MICP活性。
机器人和使能技术中的仿生分布式能源
机器人技术的进步紧跟功能材料、传感、驱动和通信技术以及人工智能等领域的发展，这些技术共同使得机器人能够高度模仿生物系统的形态和功能。 [6] 例如，大面积触觉皮肤或电子皮肤 (e-skin) 的实现使得机器人能够像动物一样利用来自全身的触觉反馈在非结构化或杂乱的环境中工作。 [5,7] 同样，微型但功能强大的执行器和电子元件使得灵巧的手和敏捷机器人得以开发。 [8] 近年来，3D/4D 打印也为开发具有复杂形状和软结构的敏感机器人开辟了道路。 [9,10] 因此，机器人技术的进步紧跟电子硬件、先进材料和制造等其他领域的技术进步。然而，有一个关键领域，机器人技术似乎在很大程度上没有跟上技术趋势，即为机器人供电所需的能源。可靠的能源对于自主机器人的平稳运行至关重要，特别是在主电源不易获得的环境中。事实上，当今大多数应用都要求机器人具有自主性，因此，它们必须完全依靠电池作为电源。分析最新技术，我们注意到，尽管电池技术取得了重大进展，但在机器人采用先进能源解决方案方面并没有取得太大进展。[11]
量子启发的网络可区分性测量
摘要信息物理作为复杂网络的理论基础的最新出现启发了措施的利用，该度量最初开发用于量子机械系统，用于解决图理论研究问题的解决方案。网络比较是一个这样的研究问题，通常在所有领域中出现，当研究可能与多种离散互动类型相互作用的实体被研究。对于图形上的任何数据挖掘应用程序，例如图形聚类，分类或离群值检测，都需要进行网络相似性度量。识别这种网络相似性度量的自然起点是信息物理，提供了一系列通常用于量化量子状态距离的措施。这些量子启发的方法满足图形相似性的数学要求，同时提供高解释性。在这项工作中，我们将这些度量与单声道和多重网络一起使用，并在具有合成数据的实验上使用，并且我们报告了现实世界应用的结果，以与一系列最先进的图形和良好的图形分辨率方法进行比较。
机器学习启发的电池材料创新
直接取代化石燃料汽车可去除温室气体的主要来源。成功的EV部署主要取决于克服“范围焦虑”问题。开发改进的电池模型以监视电池的充电状态和健康状况可能是一种解决方案； 6,7另一个解决方案是开发更持久和可持续的电池，8材料设计起着重要作用。电池是复杂的，动态的电化学系统，其中两个主要组成部分（图1a）是电极（负和正）和电解质（液态和固态）。在设计电池电极时，要考虑的关键参数包括电压和特定的充电能力，这有助于总体能量密度；充电和放电期间的体积扩大，这决定了可环性和安全性问题。用于电解质，氧化还原电位和稳定窗（液体电解质）和离子电导率以及
当受大脑启发的 AI 遇到 AGI
通用人工智能 (AGI) 一直是人类的长期目标，其目的是创造出能够执行人类可以做的任何智力任务的机器。为了实现这一目标，AGI 研究人员从人类大脑中汲取灵感，并寻求在智能机器中复制其原理。受大脑启发的人工智能是从这一努力中产生的一个领域，它结合了神经科学、心理学和计算机科学的见解，以开发更高效、更强大的人工智能系统。在本文中，我们从 AGI 的角度全面概述了受大脑启发的人工智能。我们首先介绍受大脑启发的人工智能的最新进展及其与 AGI 的广泛联系。然后，我们介绍人类智能和 AGI 的重要特征（例如，扩展、多模态和推理）。我们讨论了在当前 AI 系统中实现 AGI 的重要技术，例如情境学习和快速调整。我们还从算法和基础设施的角度研究了 AGI 系统的演变。最后，我们探讨了 AGI 的局限性和未来。
受大脑启发的脉冲神经网络架构在气味数据分类中的应用
摘要：现有的神经形态嗅觉方法主要侧重于基于嗅觉通路的神经生物学结构实现数据转换。虽然转换对于稀疏脉冲气味数据表示至关重要，但基于高级大脑区域生物计算的分类技术（用于处理脉冲数据以识别气味）仍未得到充分探索。本文认为，受大脑启发的脉冲神经网络是下一代机器智能处理气味数据的一种有前途的方法。受大脑信息处理原理的启发，我们在此提出了第一种用于气味数据分类的脉冲神经网络方法和相关的深度机器学习系统。本文表明，与目前最先进的方法相比，所提出的方法具有多种优势。根据使用基准数据集获得的结果，该模型对大量气味实现了高分类准确率，并且具有对新数据进行增量学习的能力。本文探讨了不同的脉冲编码算法，发现最适合该任务的是分步编码函数。大脑启发的气味机器分类研究的进一步方向包括研究更具生物学可行性的气味数据映射、学习和解释算法，以及在一些高度并行且低功耗的神经形态硬件设备上实现这些算法以供实际应用。
我们的战略计划——受社区启发的伟大关怀。
迈克尔·加伦是谁？迈克尔·加伦于 1961 年出生于多伦多东区综合医院，父母是迈伦和伯纳·加伦。虽然加伦一家后来搬离了东约克，但他们儿子出生的医院却一直留在他们心中。迈克尔小时候被诊断出患有一种罕见的组织癌。这种疾病导致他在 13 岁时不幸去世。去世前，迈克尔向母亲伯纳吐露，他最害怕英年早逝，就是人们不会记得他。正是出于这个原因，加上迈伦和伯纳·加伦的慷慨捐赠，我们在 2015 年以迈克尔的名字重新命名了我们的医院。现在，我们可以自豪地说，迈克尔永远不会被遗忘。欢迎来到迈克尔·加伦医院。
生物启发的Cownose射线机器人用于海底勘探
摘要：本文介绍了模仿Cownose Ray的生物启发机器人的设计和实验测试。这些鱼的游泳是通过移动大小的胸膜，产生了一个波浪，使周围水向后推，以便由于势头保护而向前推动了鱼。受这些动物启发的机器人具有刚性的中央机构，住房电动机，电池和电子设备，以及由硅橡胶制成的柔软的胸膜。每个人都由伺服电机驱动链路在前沿内部的链路进行驱动，并且由于限制本身的灵活性，行动波被繁殖。除了胸膜外，还存在两个小的刚性尾部，以提高机器人的可操作性。机器人已经设计，建造和测试了水下，实验表明，运动原理是有效的，并且机器人能够向前游泳，左右转弯，并进行旋转或潜水手术。