XiaoMi-AI文件搜索系统
World File Search Systemsible
基于片段的共价配体发现
受最近批准用于癌症治疗的共价激酶抑制剂 (TKI) 的启发，共价探针和药物的开发经历了一场复兴，现在吸引了工业界和学术界的浓厚兴趣，包括针对 EGFR 的抑制剂：阿法替尼 (Gilotrif) 和奥希替尼 (Tagrisso) 或 BTK：阿卡替尼 (Calquence) 和伊布替尼 (Imbruvica)。1–4 与暂时靶向保守底物和/或变构结合位点的非共价小分子不同，共价抑制剂通常在效力、选择性、药代动力学和药效学方面表现出差异化的药理学，因为它们能够与靶蛋白形成不可逆的共价键。 5,6 尽管有这些优点，许多人仍然对共价抑制剂持怀疑态度，因为它们会产生能够引发特异性免疫反应和过敏/超敏反应的蛋白质加合物。7,8 从历史上看，共价药物的发现
一种基于灵活电源交叉开关的软件架构...
因此，本文提出了一种新颖的直流微电网 (DCMG) 交叉开关架构，可以将时变电气拓扑安装到现有的物理架构上。我们通过提出一种以电源交叉开关为中心的系统组织来改进最先进的技术，该系统支持软件定义的电气拓扑和相应的数字控制架构。这使得能够处理从一组能源参与者到另一组能源参与者的动态和透明切换（切换操作）。我们的方法通过其灵活性提供了显着的优势，例如通过选择电源和负载之间的适当路由来最大限度地减少配电/转换损耗。由于数字控制架构对多个电压和电流进行恒定的高频监控，因此该方法能够设置一种反应性故障检测和缓解措施，能够在不中断能源输送的情况下从各种故障中恢复。
好指标与坏指标：以 GDP 为例
这些政策指标既可以直观地了解社会世界，又可以将其转化为数据：它们易于阅读和理解，并且在时间和空间上具有可比性。然而，它们不可避免地会带来数据汇总和加权的问题，这两个问题都与需要将收入（以货币单位表示）和健康（以预期寿命表示）等异质变量合并成一条信息有关。这在技术上绝非不可能，但需要使用特定的统计技术。2 这些政策指标中的第二个，即仪表盘，通过采用多维方法，让用户可以自由地不在这些不同维度之间进行选择，从而保留尽可能多的信息以供采取行动。例如，评估环境质量可能意味着量化空气质量、水质、气候和其他彼此不相似的维度。这反过来又带来了其他问题，如数据异质性、层次结构以及时间上的可比性和空间上的排名。
供应链分析：电子表格还是仿真？
在过去的几十年中，在优化内部效率方面已经花费了很多公司努力，旨在降低成本和竞争力。尤其是在过去的十年中，已经达成共识，不仅是公司的共识，而且适合其合适的整个供应链，都可以为任何企业的成功或失败而呼应。因此，供应链分析工具和方法论越来越重要。在所有工具中，播放纸是迄今为止使用最广泛使用的SceNario分析技术。其他技术，例如优化，仿真或两者（模拟优化）是深入分析的替代方法。虽然基于电子表格的分析主要是一种静态确定性方法，但仿真是一种动态 - 策略工具。本文的目的是比较基于电子表格的基于电子表格的工具，显示了使用这两种不同的APARACH对真实（但简化）供应链案例研究的影响的影响。
时间平坦测量中的量子优势
在某些假设下，已有几类量子电路被证明具有量子计算优势。研究具有量子优势的更受限的量子电路类，其动机是实验演示中可能简化。在本文中，我们研究了基于测量的量子计算的效率，测量时间顺序完全平坦。我们提出了用于任意布尔函数确定性计算的新构造，利用多量子比特 Greenberger、Horne 和 Zeilinger (GHZ) 状态中的相关性。我们使用 Clifford 层次结构来表征必要的测量复杂度，并且与以前的构造相比，通常减少所需的量子比特数。特别是，我们确定了一个布尔函数系列，可以使用非自适应 MBQC 对其进行确定性评估，与经典电路相比，它在宽度和门数方面具有量子优势。
PhotonicsViews-公司解决方案
短周期时间只是此过程所提供的一些优点。添加剂制造比少量的注入成型（IM）更经济，这是由于从模型到功能部分的短时间，并且不必要其他工具。该行业中常用的过程变体是基于激光的粉末床融合（PBF-LB/P），也称为选择性激光烧结（SLS）。在这种变体中，将聚合物粉末涂一层施加，并与激光选择性融化，例如，它可以构成轻重量结构或底切，这两种结构都与注射成型并不易受。它导致零件的准确性高且公差狭窄。有必要在许多应用程序中加入AM组成部分。在制定最终产品时，需要在原型化中使用可靠且通用的连接技术。
基于 OpenFOAM 和 CPU/GPU 计算的 AI 加速 CFD 模拟 ⋆
摘要。在本文中，我们提出了一种通过将传统 CFD 求解器与我们的 AI 模块集成来加速 CFD（计算流体动力学）模拟的方法。所研究的现象负责化学混合。所考虑的 CFD 模拟属于一组稳态模拟，并使用基于 OpenFOAM 工具箱的 MixIT 工具。所提出的模块被实现为 CNN（卷积神经网络）监督学习算法。我们的方法通过为模拟现象的每个数量创建单独的 AI 子模型来分发数据。然后可以在推理阶段对这些子模型进行流水线处理以减少执行时间，或者逐个调用以减少内存需求。我们根据 CPU 或 GPU 平台的使用情况检查所提出方法的性能。对于具有不同数量条件的测试实验，我们将解决时间缩短了约 10 倍。比较基于直方图比较法的模拟结果显示所有数量的平均准确率约为 92%。
引用：Stumpf, S.、Strappelli, L.、Ahmed, S.、Nakao, Y.、Naseer, A.、Gamba, GD 和 Regoli, D. (2021)。人工智能公平性和透明度的设计方法。CEUR 研讨会论文集，2903，ISSN 1613-0073
相当抽象，无法用于指导如何设计以及设计什么。最近的研究 [4] 开始研究设计模式来指导详细的用户界面设计。除了以用户为中心的设计 (UCD) 流程之外，还提出了用于设计透明人工智能系统的总体设计方法 [5]。在本文中，我们回顾了现有的设计方法研究，以指导设计师设计负责任且合乎道德的人工智能系统和用户界面。然后，我们提出了一种新方法，即共同设计公平人工智能交互 (CoFAIR)，该方法包括一系列共同设计研讨会，然后进行更广泛的评估，以创建合适的用户界面，使其能够通过目标用户群体探索公平性。我们通过案例研究展示了该方法的应用。我们讨论了我们方法的局限性，以及如何将这种方法推广到合乎道德和负责任的人工智能系统的设计。
环境、社会及治理 (ESG) 报告
SES 已在太空领域运营超过 35 年，并一直以创新技术引领卫星通信行业，以满足地面消费者的需求。自我们成立以来，许多新的太空参与者进入市场，太空技术的使用一直在增长。新老太空公司正在为地球提供关键基础设施。如果不保护这些资源，不要求太空参与者承担高标准的责任，这些关键服务就会受到威胁。我们认为，领导、合作和创新对于确保未来几十年可持续利用太空至关重要。SES 有责任创新方法，以减少我们在整个服务生命周期（从卫星发射到退役）中的足迹。然而，这不应该成为 SES 可持续太空雄心的极限。作为行业领导者，我们必须通过倡导和合作最佳实践来推动负责任地使用太空
博士后研究人员 - 生物多样性保护（M/f/d）
现代，相互联系，意识到传统：马丁·路德大学哈雷·韦滕伯格（MLU）是萨克森 - 安哈尔特州的古老和最大的大学，历史可以追溯到500多年。今天，有20,000多名学生入学。MLU的核心研究领域都在纳米科学和生物科学，启蒙运动以及社会和文化研究中。大学也是一系列小学科的所在地，其中有些在德国没有其他地方。该大学具有国家和国际联系，并与领先的研究机构，工业和全球250多所大学紧密合作。马丁·路德大学哈雷·韦滕伯格与德国综合生物多样性研究中心（IDIV）Halle-jena-Leipzig合作，在莱比锡提供以下职位，最快且限制了三年：三年：后术后研究人员 - 生物多样性保护 - 生物多样性保护（M/F/F/F/F/d） - p3 – p3。