XiaoMi-AI文件搜索系统
World File Search Systemliterature
人类数字孪生：工业 5.0 的系统文献综述和概念消歧
人体数字孪生 (HDT) 是一个新兴概念，有可能为工业 5.0 创建以人为本的系统。该概念已迅速传播到新的应用领域，最显著的是医疗保健，导致概念解释出现分歧。本系统文献综述分析了所有应用领域对 HDT 的概念理解，以阐明概念基础。我们的综述揭示了一个共识，即 HDT 的孪生实体是一个人类个体。然而，对于个人与其 HDT 之间的数据流几乎没有共识。我们通过根据数据集成级别提出三个类别来解决这一缺点：人体数字模型、人体数字阴影和人体数字孪生。最后，我们将我们的研究结果综合到一个与领域无关的 HDT 一般定义中。我们重点介绍了一种极端情况，即孪生实体是人类个体与强耦合技术系统，并将其命名为增强人类数字孪生 (aHDT)。定义和分类方案为跨学科协作解决开放挑战提供了所需的概念清晰度。显著的挑战是感知人类数据、可靠的数据传输和建模，尤其是行为建模。有关安全、隐私和同意的其他道德问题是成功采用 HDT 的关键。我们呼吁跨学科努力建立标准化框架和道德准则，以促进未来发展。
文献，数据和建模的文档
农田生态系统中的碳包含在地上和地下生物量，死去的有机物和土壤中。碳储存在土壤中的碳，主要作为有机分子，通常称为土壤有机物（SOM）。土壤有机碳（SOC）是SOM的碳部分，用于评估土壤中的碳固存和积累。碳库存变化可能是正的（导致碳的隔离）或负（导致二氧化碳的排放）。除碳外，SOM还包含其他几个元素，包括氮，磷，硫，钾和钙。从整体上讲，SOM是土壤碳长期存储的主要机制，而深层土壤可以存储数百年甚至几千年（Campbell等，1967; Scharpenseel和Becker-Heidmann，1989; Krull and Skjemstad，2003年）。但是，并非所有SOM碳都像深层土壤池一样耐用。在数十年的时间范围内，微生物可以迅速将存储在SOM中的碳迅速代谢和分解。
对试图从文本挖掘文献食谱中的机器学习材料综合见解的尝试的批判性反映
预测性逆合合成一直是有机化学的长期目标，13 - 16，使用深神网络取得了明显的进步。17,18通过大量的有机反应（例如Scifinder 19和Reaxys）的商业数据库的可用性，这些机器学习成功得到了实现。目前尚不存在20种无机材料合成反应的商业数据库。但是，由于文献中已经有成千上万的成功材料综合报告，因此发表论文的文本挖掘合成食谱可以提供广泛的专家知识来源，以培训机器学习模型，以实现预测性无机材料合成。在2016年至2019年之间，I‡是劳伦斯·伯克利国家实验室Gerbrand Ceder研究小组的博士后研究员，并参加了31 782固体合成食谱的文本挖掘21和35 675基于解决方案的合成食谱22。在这里，我在尝试构建机器学习（ML）模型以从该数据集构建机器学习模型（ML）模型的回顾性帐户。顺便说一句，这个故事遵循Gartner的“炒作周期”，23，它通过（1）技术触发，（2）inded期望的峰值，（3）幻灭谷，（4）启蒙运动的斜坡，以及（5）生产力的平稳。这里的观点是我自己的，不一定是我的合着者在文本挖掘出版物中共享的。在这里，我们首先审查用于构建文本开采食谱数据库的自然语言处理策略。然后，我们根据数据科学的“ 4 Vs”评估了数据集，并表明数据集的数量，品种，真实性和速度的限制。尽管其中一些局限性源于文本挖掘中的技术问题，但我们认为这些局限性主要源于化学家过去如何探索和合成材料的社会，文化和人为偏见。24我们表明，在此文本挖掘数据集上训练的机器学习模型成功地捕获了化学家对材料合成的看法，但并没有对如何最好地合成新颖材料的实质性新的指导见解。另一方面，我们发现该数据集中最有趣的食谱实际上是异常的配方，即在固态合成中违反常规直觉的配方。这些异常的食谱也相对罕见，这意味着它们在uence回归或分类模型中不会显着。通过手动检查一些异常食谱，我们就固态反应的进行方式以及如何选择增强反应动力学和靶材料的选择性的前体提出了一个新的机械假设。这一假设推动了一系列高可见性的后续研究，25 - 28在经验上验证了我们假设的机制，这些机制是从文本开采的文献数据集中收集的。
利用chatgpt选择文献进行荟萃分析显示减少工作量，同时保持与手动策划相似的召回水平
为此，我们设计了四步管道Lars-GPT（图1）。首先，用户需要选择标准（通过过滤荟萃分析的某些合适标准），并为每个标准创建一个提示（单prompt;表1）。第二，用户需要使用一些记录来评估这些单个奖励，然后选择单个prompts的最佳组合。第三，用户需要选择一个最佳组合的及时策略，并根据所选的提示策略合并提示（组合启动；补充文件1）。最后，合并后的预订以及每个记录的标题和摘要将作为聊天完成。关于记录是否符合用户标准的决定将从返回的答案中提取。在这项研究中，我们使用OpenAI提供的API（应用程序编程界面）评估了GPT-3.5（GPT-3.5-Turbo-0301）和GPT-4（GPT-4-0314）。实际上，LARS-GPT可以使用Python分批进行。
使用全原子模拟和人工智能发现新的淀粉样蛋白样肽
微生物组革命移动了微生物学家的守门柱。几个世纪以来，微生物学一直在理解相对少量的微生物上。这些模型物种是因为它们对健康，环境，工业的重要性，或仅仅是因为该物种易于使用。微生物学家在整个分子，遗传和基因组旋转中保持了关注，但是宏基因组革命使得不可能忽略我们世界各个方面发现的成千上万种研究的物种（DeWhirst等人。2010; Quast等。2013; Parks等。2018）。微生物组的科学崛起令人兴奋，但它给微生物学带来了巨大的实践挑战。如果只花了几个世纪的时间才能学习几种模型物种的细节，我们如何才能理解成千上万的新发现物种？为了说明研究研究的数据的匮乏，我们进行了文献计量分析，以提出微生物学研究的不均匀分布。GTDB数据库的版本202（Parks等人2022）包括43,409种独特的物种，我们计算了参考标题或摘要中每个物种的PubMed文章数量。结果严重偏斜。几乎74％的已知物种从来都不是科学出版物的主题 - 这些是未研究的细菌（图1A）。即使在研究的物种中（至少有一个出版物），所有文章中的50％仅指十种物种（图1b）。因此，我们的知识密度（我们每个物种所学的数量）实际上正在减少。所有细菌学文章中有90％以上研究的物种的研究不足1％，从而产生了细小的微生物的“长尾巴”。科学企业正在扩大，每年科学家发表的论文比久违的年份（国家科学基金会和国家科学委员会2021年）多4-5％。很容易想到，科学产量的增加将克服微生物的长尾巴，也就是说，科学家最终将四处研究每个物种。不幸的是，每年发现的物种数量超过了科学产出的增加（图1C）。在1990 - 2020年之间，每个研究的细菌种类发表的论文数量降低了60％（图1D）。当我们的很多理解来自少量的小动物时，我们对细菌多样性的看法就会有偏见。微生物学家杰弗里·格拉尼克（Jeffery Gralnick）曾经打趣说：“大肠杆菌是大肠杆菌的伟大模型生物。”格拉尼克（Gralnick）的评论提到在Shewanella Oneidensis的TCA周期中发现异常（相对于大肠杆菌）（Brutinel and Gralnick 2012）。尽管Oneidensis链球菌的引用减少了201倍，但可以说不是一个研究的物种。我们的分析将其排名为研究最多的细菌，在所有物种中排名前2.17％。即使是格拉尼克上述论文的简介也将S. oneidensis表示为“模型环境有机体”。如果在微生物2％之外发现了S. Oneidensis的TCA周期等差异，请想象其他98％的微生物中的多样性。微生物学家如何赶上爆炸的生命树？我们提出了两个宏伟的挑战，以培训一代可以解决微生物世界多样性的微生物学家。首先，我们需要采用多因素实验设计。一次进行一次研究的物种，菌株，基因，环境，压力源和表型。统计学家已经教导了数十年来，最有效，最强大的实验设计同时改变了多个因素，然后对效果进行解析
SAAD, Sameh 和 KHAMKHAM, Mohamed (2022)。人工智能在 GSCM 中的应用——系统文献综述。引自：SHAFIK, Mahmoud 和 CASE, Keith，（编辑）
摘要。由于近年来对环境可持续性和绿色供应链的需求很高，工业和服务企业正在努力寻找有效的技术和方法来解决日益增长的问题并实现环境可持续性。人工智能 (AI) 已成为增强绿色供应链管理 (GSCM) 和实现可持续改进的有效技术之一。该研究旨在通过系统的文献综述探索和确定人工智能对 GSCM 增长和实施的主要贡献。采用五个系统流程来评估和得出最新发表的文献，使用一组纳入和排除标准来识别 GSCM 领域的论文。该研究解决了研究问题并确定了对 GSCM 做出贡献的最突出的人工智能技术。本文通过系统分析和综合提供见解，研究人员和从业者将通过这些见解启发促进 GSCM 的发展。
手足综合征病例介绍及文献综述
讨论：对该综合征进行了叙述性回顾；最常见的临床表现涉及手和脚，因此得名“手足综合征”，但它有多种术语。最初报道发生在接受高剂量阿糖胞苷治疗急性白血病的患者中，也有完整的描述，一种理论指出它可能是由化疗在手掌和脚掌中大量的汗腺中积累引起的。导致汗腺管上皮化生和局灶性坏死；化疗时发病率高，在 2% 到 60% 之间。症状平均持续 6.4 天，68% 的初始发作涉及手和脚，例如手部疼痛和不适，限制日常生活活动，例如行走、握住物体和执行简单任务，并且为了确定其严重程度，使用不同的仪器进行分期，主要与对患者生活质量的影响有关； 27% 需要镇痛治疗和局部治疗。种族和性别与此无关，只有高龄和不使用地塞米松的高剂量化疗与此有关。
行业4.0和循环经济对组织绩效的影响：系统文献评论
行业4.0和循环经济对组织绩效的影响：系统文献评论1。引言循环经济（CE）是一种商业模型，可以用减少，再利用，回收和恢复生产，分配和消费过程中的材料恢复（Ciliberto等，2021）。可以在不同层面（例如微型，中索和宏观）上考虑可持续发展，并在当代和后代产生环境质量，经济繁荣和社会公平（Ciliberto等，2021）。行业4.0（I4.0）可以根据技术，信息和通信进步视为生产系统，从而使组织内外组织的虚拟和数字整合的发展可能开发（Jabbour等，2022）。CE，因为它可以通过先进的技术帮助公司在制造过程中实现更清洁的生产（Dantas等，2021; Dwivedi等，2022; Patyal等，2022; Rajput＆Singh，2020）。文献显示了一些例子，如Nascimento等人所示。（2019），探讨了I4.0技术如何促进并与CE实践融合在一起。和，Hettiarachchi，Seuring和Brandenburg（2022），得出结论认为，大数据分析（BDA）和物联网（IoT）是采用最多的技术来促进CE和可持续供应链。
导航数字化转型：通过系统文献评论探索组织成功的框架
数字技术正在以有希望和威胁的方式迅速而深刻地改变世界。大数据，人工智能，机器学习和区块链等技术对部门，商业模式以及人们在社会上相互互动的方式具有破坏性影响（Lopes，2019）。此外，对数字技术的频繁使用和依赖会引起商业和社会的无数重要变化（Schuh等，2017； Veldhoven，2022年），在该技术和社会中，技术与社会的相互联系是如此之深，以至于我们现有的文化结构塑造了我们生活的社会（Nadoleanu等人，202222222）。这些转变都发生在商业模型和组织结构中，从而导致了由技术驱动的重大社会变革（Schuh等，2017）。
Fabrice Lollia。数字化转型：人工智能融入公司组织战略的文献综述。国际研讨会。数字化转型的国际和跨学科视角：以发展中国家和新兴经济体为例。，2021 年 9 月，法国巴黎。�hal-03708807�
传记 Fabrice LOLLIA 拥有古斯塔夫埃菲尔大学信息与通信科学博士学位和雷恩商学院 EMBA 学位。他是 DICEN idf 实验室的副研究员，他的研究重点是新技术对组织的影响。 可以通过电子邮件联系作者：fabricelollia@gmail.com 摘要 本通讯旨在基于文献综述提出关于人工智能对数字化转型框架中的公司影响的观点。我们提出了公司内部人工智能的定义，以便通过提出一些答案来突出它们的优势和劣势，以确保其实施取得最佳成功。 关键词 人工智能、数字化转型、企业、实施、员工、绩效。