XiaoMi-AI文件搜索系统
World File Search Systemplain
使用可解释的AI
*: Correspondence: Dr. Ganesh B Chand (Email: gchand@wustl.edu ) and Dr. Hui-Yuan Miao (Email: miaoh@wustl.edu ) Credit authorship contribution statement YN: Conceptualization, Methodology, Software, Formal analysis, Visualization, Data curation, Writing – original draft, Writing - review & editing; TM：方法，软件，正式分析，写作 - 审核和编辑； HYM：方法，写作 - 原始草稿，写作 - 评论和编辑； PB：方法，软件，写作 - 原始草稿，写作 - 评论和编辑； DST：概念化，数据策划，写作 - 原始草稿，写作 - 评论和编辑； GBC：概念化，方法，软件，正式分析，可视化，数据策划，写作 - 原始草稿，写作 - 评论和编辑；监督，资金收购资金GBC得到了圣路易斯华盛顿大学的Mallinckrodt放射学研究所以及美国国立卫生研究院K01AG083230的支持。利益冲突作者没有利益冲突来宣布
一个新的理论框架共同解释了执行灵活决策的受试者的行为和神经变异性
能够根据上下文信息灵活切换对外部刺激的反应的能力对于与复杂世界的成功互动至关重要。在许多领域1-3中必须进行上下文依赖性计算，但它们的神经实现仍然很少理解。在这里，我们在大鼠中开发了一项新颖的行为任务，以研究上下文依赖性的选择和决策证据的积累4-6。在猴子和大鼠数据支持的假设下，我们首先从数学上显示网络可以通过三个定义组件的组合来解决此问题。可以通过实验数据直接识别和测试这些组件。我们进一步表明，现有的电生理和建模数据与这些组件的各种可能组合兼容，这表明不同的个体可以使用不同的组件组合。为了研究各个受试者的变异性，我们开发了自动化的高通量方法来培训大鼠的任务，并在其上训练了许多受试者。与理论预测，神经和行为分析一致，尽管任务表现均匀，但大鼠均显示了跨大鼠的实质异质性。我们的理论进一步预测了行为和神经信号之间的特定联系，该签名在数据中得到了强有力的支持。总而言之，我们的结果提供了一个新的实验支持的理论框架，以分析执行灵活决策任务的生物学和人工系统中的个体变异性，它们为较高认知的个体变异性研究打开了大门，并提供了对情境依赖性计算的神经机制的见解。
平原和格雷维的斑马的胃肠道线虫
均衡性被长期感染了寄生虫线虫。有关于马势力的丰富文献，但是它们很难在形态学上识别出关于感染其他等均等物种的强叶的遗传研究很少，这阻碍了对宿主特异性的研究。，我们对肯尼亚中部两个同胞斑马种的蠕虫进行了排序，以扩大强烈的系统发育，并使用对粪便样品上的DNA metabarcodode进行了遗传表征斑马nemabiomes的遗传表征。我们生成了新的与公共遗传参考数据库的几种物种的序列，所有这些物种都是野生斑马中的典型强人（即，三种cylopharynx和Cyathostomum montgomeryi），并确定了其最亲密的亲戚。我们还发现了一种明显的真菌感染了四分之一的被驱逐的crossocepephalus viviparus蠕虫，这是Atractidae家族中的过度生物线虫物种，暗示了Zebra宿主 - 寄生虫动力学可能涉及Zebra-parasite动力学的可能性。这两个斑马物种具有类似的五个斑马生物。我们在它们所携带的线虫物种列表中发现了一个完全重叠的重叠，并且针对不同线虫物种非常相似的患病率（即受感染的宿主的比例）。我们的研究表明，斑马强的宿主特异性有限，并且在平原斑马和濒危的格雷维（Grevy）的斑马之间进行跨跨任务的高潜力。
可解释的AI可区分未来的气候变化方案
为了说明与温室气体排放水平相关的未来预测中的不确定性，大多数气候模型都使用不同的强迫场景（例如共享的社会经济途径（SSP））运行。尽管可以将现实世界中温室气体浓度与这些假设的情况进行比较，但尚不清楚如何确定观察到的天气和气候异常是否与各个场景保持一致，尤其是在年际时间表上。因此，本研究使用人工神经网络（ANN）设计了一种数据驱动的方法，该方法通过使用高分辨率的单个模型初始条件大型合奏来通过匹配的排放场景来对年度平均温度或降水进行分类。在这里，我们构建了我们的ANN框架，以考虑气候图是来自SSP1-1.9，SSP2-4.5，SSP5-8.5，历史强迫场景，还是使用NOAA地球物理学动力学动态实验室的预测和地球系统研究（Spear）的无缝预测系统研究（Spear）的自然强迫场景。然后应用来自可解释的AI的局部归因技术来确定每个ANN预测使用的最相关的温度和降水模式。解释性结果表明，区分每个气候情况的一些最重要的地理区域包括北大西洋亚洲，中非和东亚的异常。最后，我们评估了从2031或2040年开始的两个过冲模拟的数据，这些模拟是一组未来的模拟，这些模拟被排除在ANN训练过程中。对于从十年前开始的快速缓解实验，我们发现ANN将其气候图与21 Century（SSP1-1.9）的最低发射情况联系起来，而与更中等的情况（SSP2-4.5）相比，它将在后来的缓解实验中选择。总体而言，该框架表明，可解释的机器学习可以提供一种可能通过未来气候变化途径评估观察结果的可能策略。
解释可再生柴油和生物柴油之间的区别。
另一个问题是这些可再生饲料来源可能包含各种污染物。对几种不同生物饲料来源的分析表明存在钠、钙和磷等污染物。由于这些可再生饲料来自生物来源，因此它们还含有高浓度的氧气。氧气含量范围为 10% 至 15%，完全取决于脂肪酸链的长度和饱和度。这种氧气量很重要，因为在正常的加氢处理条件下，氧气会与氢气反应生成水。如果产生的水量足够大，可能会导致催化剂载体减弱或活性金属重新分布以及表面积损失等问题。在预期的 10% 混合比下，氧气含量约为 1 至 1.5 wt%，即使所有氧气都转化，也不太可能产生足够的水而造成严重问题。
e 2 CB2Former：CB2受体配体活性预测的效率和可解释的变压器
摘要 - CB2受体配体活性的准确预测是针对该受体的药物发现的关键，这与炎症，疼痛管理和神经退行性疾病有关。尽管传统的机器学习和深度学习技术已经显示出希望，但其有限的解释性仍然是理性药物设计的重要障碍。在这项工作中，我们介绍了CB2Former，该框架将图形卷积网络（GCN）与变压器体系结构相结合以预测CB2受体配体活动。通过利用变压器的自我发项机制以及GCN的结构学习能力，CB2Former不仅增强了预测性能，而且还提供了对受体活性基础分子特征的见解。我们针对各种基线模型进行基准测试，包括随机森林，支持矢量机，最近的邻居，梯度增强，极端梯度增强，多层感知器，卷积神经网络和重复的神经网络，并以0.685的0.685和0.685和0.67的0.67和0.67 and and and and and and and and and and and and and and and and 0.675，并表现出优势。此外，注意力重量分析揭示了影响CB2受体活动的关键分子子结构，强调了该模型作为可解释的AI的潜力。这种指出关键分子基序的能力可以简化虚拟筛选，指导铅优化和加快治疗性发育。总的来说，我们的结果展示了先进的AI方法（例如CB2Former）在提供准确的预测和可操作的分子见解方面的变革潜力，从而促进了药物发现中的跨学科合作和创新。
社会科学走向量子：从量子视角解释人类的决策、认知偏见和达尔文选择
现在如何才能将其与社会科学联系起来？不确定的量子世界如何导致确定的经典世界（包括我们的社会生活）是一个难以理解且最难以理解的秘密之一，尤其是考虑到量子力学涵盖了经典物理学，而其实际适用性仅限于亚原子粒子。从量子世界到宏观现实的这一过程在物理科学中称为退相干（Zeh，1970）。如果社会生活不是由经典世界决定，而是由波函数形式的量子决定，会怎样？这（社会生活）还包括经济学及其研究领域，例如决策理论。本文特别关注的是包括认知偏见在内的心理决策理论，该理论从根本上是由诺贝尔奖获得者行为经济学家卡尼曼和特沃斯基 (Tversky & Kahn eman, 1973 , 1974 , 1983 ; Kahneman & Tversky, 1979 , 1984 ; Kahneman, 2011 ) 塑造的。除了认知偏见这一特点之外，人类的决策行为总体上也应该从量子达尔文主义的角度来看待，以期设计一种新的决策行为量子模型。因此，研究问题如下：首先，量子物理学的发现如何转移到社会科学 (包括经济学)，会产生哪些新的视角？其次，如何从量子物理学的角度对 (行为) 决策理论进行不同的解释？第三，量子达尔文主义的视角如何完善人类的决策行为？
事件相关的 alpha 节律调制解释了脑电图中的听觉 P300 诱发反应
[1] 马克斯普朗克人类认知与脑科学研究所神经病学系，莱比锡 04103，德国 [2] 柏林夏里特医学院伯恩斯坦计算神经科学中心，柏林 10117，德国 [3] 罗氏制药研究与早期开发、神经科学与罕见疾病，罗氏巴塞尔创新中心，F.霍夫曼-罗氏有限公司，巴塞尔，4070，瑞士 [4] 莱比锡大学 LIFE – 文明疾病研究中心，莱比锡，04109，德国 [5] IU 国际应用技术大学心理学系，埃尔福特，53604，德国 [6] 莱比锡大学医学中心精神病学和心理治疗系，莱比锡，04103，德国 [7] 精神病学、心身医学和心理治疗，法兰克福歌德大学，法兰克福，60323，德国 [8] 医学信息学，统计学和流行病学研究所（IMISE），莱比锡大学，莱比锡，04109，德国 [9] 认知神经病学系，莱比锡大学医院，莱比锡，04103，德国 [10] 神经物理学组，神经病学系，夏里特 - 柏林大学医学院，柏林，10117，德国
解释器
中央丝绸委员会（CSB）是一个法定机构，于1948年在纺织品部，印度政府建立，其任务，包括研发，蚕子生产网络，领导角色，标准化以及有关秘密和丝绸行业事务的建议，对各种中央部门计划，silk samagra和Samarth实施各种中央部门计划。在中央丝绸委员会的伞下的159个研究机构和单位的努力朝着全球丝绸领导者前进。会议期间讨论和互动的核心领域包括前和茧后领域 - （a）新兴技术“农场到面料”和丝绸副产品（b）丝绸新颖的应用在化妆品，药品，药品，药物，营养和生物技术，医学和生物技术干预中的丝绸部门（C）在丝绸领域（C）在技术中的界面（C）在技术中的可持续性（D）可持续（D）。该活动在最新技术，创新，趋势和设计，时尚和品牌中，象征着印度纺织品行业的实力，这些技术着重于整个纺织品的价值链。它提供了机会，促进业务，鼓励企业家以及研究合作，以实现2047年愿景目标。印度凭借其优质的丝绸和所有Vanya Silks。，Muga，Eri，Tasar的可用性在全球丝绸地图中占据了骄傲。丝绸，纺织品的女王从纱丽线的短语延伸到医疗治疗中的缝合线，将织物延伸到化妆品。丝绸在非纺织领域的许多领域中进行了广泛的应用，吸引了全球企业家，政策制定者等。SMT。此外，中央丝绸委员会参加了Bharat Tex 2025，“通过丝绸部门赋予女性权能”是CSB的主题馆，展示了从田间到织物的丝绸价值链，并展示了除各种丝绸产品外展示的成功故事。并宣布获奖者并向Bharat Tex 2025年丝绸领域的初创大挑战赛获得奖项。SMT授予了丝绸领域的创业大挑战赛的获奖者。Neelam Shami Rao，IAS，秘书，纺织品，载于15.02.2025。Prajakta L. Verma，IAS，JS-Mot＆Shri Ajay Gupta，JS-Mot＆CSB＆NJB负责人在活动期间分享了DAIS。启动挑战旨在开发丝绸卷轴中可持续和能源/资源有效的过程。国家和国际级别的营销粒度副产品策略