XiaoMi-AI文件搜索系统
World File Search Systemtasks
用于药物安全相关分类任务的机器学习模型
摘要 在本综述中，我们概述了过去六年（2015-2021 年）与 ADME（吸收、分布、代谢和排泄）和毒性终点相关的机器学习驱动分类研究领域的最新趋势。该研究仅关注具有大型数据集（即超过一千种化合物）的分类模型。针对九个不同的目标进行了全面的文献检索和荟萃分析：hERG 介导的心脏毒性、血脑屏障穿透、通透性糖蛋白 (P-gp) 底物/抑制剂、细胞色素 P450 酶家族、急性口服毒性、致突变性、致癌性、呼吸毒性和刺激/腐蚀。最佳分类模型的比较旨在揭示机器学习算法和建模类型、端点特定性能、数据集大小和不同验证协议之间的差异。根据对数据的评估，我们可以说基于树的算法（仍然）占据主导地位，共识建模在药物安全性预测中正成为一种日益增长的趋势。尽管人们已经可以找到对 hERG 介导的心脏毒性和细胞色素 P450 酶家族同工酶表现出色的分类模型，但这些目标仍然是 ADMET 相关研究工作的核心。
许多公司提供 AI 驱动的软件平台，用于对临床测序数据（例如 NGS、WES、WGS）进行基因组分析和解释，例如使用 VCF 文件作为输入（表 1）。分析任务包括比对、变异解释、变异调用、注释和分析以及文献整理。AI 驱动方法的优势包括大大缩短周转时间并提高诊断产量。还有基于监督学习（例如 ISOWN）、机器学习（例如 BAYSIC、MutationSeq、SNooPer、SomaticSeq）、卷积神经网络（例如 Clairvoyante）、深度卷积神经网络（例如 DeepSea）、深度循环神经网络（例如 Deep Nano）、深度神经网络（例如 DANN）和人工神经网络（例如 Skyhawk）的基于 AI 的变异调用算法（一些可免费获得），这些算法最近都得到了调查和评论（Bohannan and Mitrofanova 2019；Karimnezhad et al 2020；Koboldt 2020；Liu et al 2019；Xu 2018）。
许多公司提供 AI 驱动的软件平台，用于对临床测序数据（例如 NGS、WES、WGS）进行基因组分析和解释，例如使用 VCF 文件作为输入（表 1）。分析任务包括比对、变异解释、变异调用、注释和分析以及文献整理。AI 驱动方法的优势包括大大缩短周转时间并提高诊断产量。还有基于监督学习（例如 ISOWN）、机器学习（例如 BAYSIC、MutationSeq、SNooPer、SomaticSeq）、卷积神经网络（例如 Clairvoyante）、深度卷积神经网络（例如 DeepSea）、深度循环神经网络（例如 Deep Nano）、深度神经网络（例如 DANN）和人工神经网络（例如 Skyhawk）的基于 AI 的变异调用算法（一些可免费获得），这些算法最近都得到了调查和评论（Bohannan and Mitrofanova 2019；Karimnezhad et al 2020；Koboldt 2020；Liu et al 2019；Xu 2018）。
人工智能会计的参与者、任务和角色
摘要 目的——本文与当前关于社会数字化转型及其随之而来的工作变化的争论相呼应。本文以基于人工智能 (AI) 的会计为背景，重点关注个人层面的参与者、角色和任务以及相关技能。作者从公司内部的角度研究了基于人工智能的“智能”技术对更广泛会计行业劳动力的影响，同时也承认数字化转型涵盖了金融领域的更大领域。 设计/方法/方法——作者进行了一项德尔菲研究，以确定未来会计中的新角色和新任务。此外，作者利用专家研讨会来阐明相关任务和技能，并确定在专业会计职业中是人类还是基于人工智能的技术来扮演这些角色或进行协作。发现——结果表明，由于（基于人工智能的）数字技术，更广泛的会计环境中现有专业职业的任务和技能将在未来 10 年发生重大变化，而“核心”角色和任务将在未来继续存在，其中一些将不是由人类而是由基于人工智能的技术完成。对于其他“新”角色，人类需要明智地使用数字技术，并在一定程度上与基于人工智能的技术合作。研究的局限性/含义——作者从公司内部的角度研究了基于人工智能的“智能”技术对更广泛会计行业劳动力的影响。实际意义——本文与当前关于社会数字化转型及其随之而来的工作变化的辩论相联系。使用基于人工智能的会计环境，本文的重点是新的和适应的角色和任务。原创性/价值——基于德尔菲研究和专家研讨会的综合分析为未来研究人工智能对组织和社会的影响提供了充足的创新基础。关键词 人工智能 会计职业 数字会计 德尔菲研究 角色 论文类型 研究论文
![用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。](/simg/d/d0b24e3de4e984953fcbe1080336ba472eefd4f9.png)
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
通过神经介入手术植入的运动神经假体可提高严重瘫痪患者的日常生活活动能力：首次人体实验
摘要背景可植入的脑机接口 (BCI) 可充当运动神经假体，有可能恢复自主运动冲动以控制数字设备并提高因大脑、脊髓、周围神经或肌肉功能障碍导致严重瘫痪患者的功能独立性。然而，迄今为止的报告在临床上的转化有限。方法两名患有肌萎缩侧索硬化症 (ALS) 的参与者在一项单组、开放标签、前瞻性、早期可行性研究中接受了植入。使用微创神经介入手术，将新型血管内 Stentrode BCI 植入毗邻初级运动皮层的上矢状窦。参与者接受机器学习辅助训练，使用与尝试运动相关的无线传输的皮层脑电图信号来控制多个鼠标单击操作，包括缩放和左键单击。结合使用眼动仪进行光标导航，参与者实现了 Windows 10 操作系统控制以执行工具性日常生活活动 (IADL) 任务。结果 参与者 1 从第 86 天开始在家无人监督使用，参与者 2 从第 71 天开始使用。参与者 1 在禁用预测文本的情况下，打字任务平均点击选择准确率为 92.63%（100.00%，87.50%–100.00%）（试验平均值（中位数，Q1–Q3）），每分钟正确字符数 (CCPM) 为 13.81（13.44，10.96–16.09）。参与者 2 在每分钟正确字符数 (CCPM) 为 20.10（17.73，12.27–26.50）时，平均点击选择准确率为 93.18%（100.00%，88.19%–100.00%）。两名参与者都完成了 IADL 任务，包括发短信、网上购物和独立管理财务。结论 我们描述了一种微创、完全植入、无线、可移动的运动神经假体的首次人体体验，该假体使用血管内支架电极阵列从运动皮层传输脑电图信号，用于多个指令
不同认知任务中前额皮质投射神经元类别的差异编码
Jan H. Lui, 1,6,* Nghia D. Nguyen, 1,5,6 Sophie M. Grutzner, 1 Spyros Darmanis, 2 Diogo Peixoto, 3 Mark J. Wagner, 1 William E. Allen, 1,4 Justus M. Kebschull, 1 Ethan B. Richman, 1,4 Jing Ren, 1 William T. Newsome, 3 Stephen R. Quake, 2,* 和 Liqun Luo 1,7,* 1 斯坦福大学霍华德休斯医学研究所生物系，斯坦福，加利福尼亚州 94305，美国 2 斯坦福大学陈扎克伯格生物中心生物工程和应用物理系，斯坦福，加利福尼亚州 94305，美国 3 斯坦福大学神经生物学系，斯坦福，加利福尼亚州 94305，美国 4 斯坦福大学神经科学博士项目，斯坦福，加利福尼亚州 94305，美国 5神经科学，哈佛大学，美国马萨诸塞州波士顿 02115 6 这些作者贡献相同 7 主要联系人 *通信地址：janlui@stanford.edu (JHL)、steve@quake-lab.org (SRQ)、lluo@stanford.edu (LL)
b"http://campusexperience.unm.edu/resources/unm-event-request.html 查看活动规划指南，确定执行活动需要遵循哪些步骤。 召开规划会议。 分配任务、设定期望并确定截止日期。 安排后续会议可能会有所帮助，以便小组成员可以分享最新情况。 预留您的空间。 大多数校园空间可以提前一年预订。 活动日期确定后立即为大型活动预留空间。 如果您要举办小型活动（例如烘焙义卖），您可以在活动开始前 3-6 周预留空间。 申请许可证。 如果您的活动有大量人群、明火、丙烷、帐篷、现场烹饪、无人机、酒精、校外供应商、扩音器或其他不寻常的活动，您将填写环境健康和安全活动表格（https://ehs.unm.edu/special-events/special-events-request.html）并申请许可证。 联系 SAC 以获取许可证方面的帮助。"
b"http://campusexperience.unm.edu/resources/unm-event-request.html 查看活动规划指南，确定执行活动需要遵循哪些步骤。 召开规划会议。 分配任务、设定期望并确定截止日期。 安排后续会议可能会有所帮助，以便小组成员可以分享最新情况。 预留您的空间。 大多数校园空间可以提前一年预订。 活动日期确定后立即为大型活动预留空间。 如果您要举办小型活动（例如烘焙义卖），您可以在活动开始前 3-6 周预留空间。 申请许可证。 如果您的活动有大量人群、明火、丙烷、帐篷、现场烹饪、无人机、酒精、校外供应商、扩音器或其他不寻常的活动，您将填写环境健康和安全活动表格（https://ehs.unm.edu/special-events/special-events-request.html）并申请许可证。 联系 SAC 以获取许可证方面的帮助。"
植入神经介入手术的运动神经假体可提高严重麻痹的日常生活活动的能力：第一次人类经验
抽象的背景植入式脑 - 计算机界面（BCI）（BCIS）充当运动神经假体，有可能恢复自愿运动冲动以控制数字设备并改善由于脑，脊髓，周围神经或肌肉功能障碍而导致大脑，脊髓，周围神经或肌肉功能障碍的严重瘫痪的患者的功能独立性。但是，迄今为止的报告的临床翻译有限。方法与两名患有肌萎缩性侧硬化症（ALS）的参与者在单臂，开放标签，前瞻性，早期可行性研究中接受了植入物。使用微创神经干预程序，将新型的血管内架BCI植入了与原发性运动皮层相邻的上矢状窦中。参与者进行了机器学习辅助训练，以使用与尝试的运动相关的无线传输电视学信号，以控制多个鼠标单击的动作，包括变焦和左键单击。与光标导航相结合使用，参与者实现了Windows 10操作系统控制，以进行日常生活（IADL）任务的器乐活动。结果从第86天开始为参与者1开始，而参与者的第71天开始开始使用。参与者1以13.81（13.44，10.96-16.09）的速度（13.44，10.96-16.09）获得了92.63％（100.00％，87.50％–100.00％）的打字任务精确率（100.00％，87.50％ - 100.00％）（试验平均值（中位数，Q1 – Q3）），并具有预测性文本有限的每分钟（CCPM）。参与者2在20.10（17.73，17.73，12.27–26.50）CCPM时，平均点击选择精度为93.18％（100.00％，88.19％–100.00％）。在两位参与者中都独立证明了IADL任务，包括文本消息，在线购物和管理财务。结论，我们使用血管内支架 - 支架 - 电极阵列来描述微创，完全植入，无线，无线运动神经假体的最初体验
平衡难度任务查找器：基于心流状态概念的自适应学习任务推荐方法
摘要 本文提出了一种自适应任务难度分配方法，我们称之为平衡难度任务查找器 (BDTF)。其目的是通过平衡学习者的技能和任务难度来向学习者推荐任务，使学习者在学习过程中体验到心流状态。心流是心理学家指某人完全沉浸在某项活动中时的一种心理状态。心流状态是一个多学科的研究领域，不仅在心理学领域，而且在神经科学、教育、体育和游戏中都有研究。本文背后的想法是尝试以类似于 Elo 的国际象棋技能评级（Glickman 在 Am Chess J 3:59–102 中）和 TrueSkill（Herbrich 等人在 Advances in neuro information processing systems, 2006 中）的方式实现匹配游戏玩家的流畅状态，其中“匹配的玩家”应拥有类似的能力和技能，以保持游戏的积极性和参与度。 BDTF 将选择合适的对手或合适的游戏级别与自动选择学习任务的适当难度级别进行了类比。 作为一种智能辅导系统，该方法可用于从在线学习环境和电子学习到传统方法中的学习和记忆技术（例如调整延迟匹配以进行样本和间隔检索训练）的广泛应用，这些训练可用于患有痴呆症等记忆问题的人。
通过脑电图数据处理，根据与移动设备任务相关的认知负荷来表征移动设备任务
与移动设备的交互是与网络世界的纽带，使我们能够描述用户行为。根据人联网的原则，对与智能手机的交互进行深入分析，使我们能够区分正常使用和异常使用。这种分析的众多应用之一将有助于根据交互中的异常情况对轻度认知障碍进行早期诊断。这项工作旨在朝着这一雄心勃勃的目标迈出第一步：确定使用智能手机执行不同典型任务所需的认知负荷。通过正确识别哪些任务需要更高的认知负荷，我们将能够开始研究有助于早期诊断认知病理的指标和指标。认知负荷分析是在对 26 名用户进行实验后进行的，这些用户使用移动设备执行了 12 项典型任务，同时通过脑电图监测他们的大脑活动。结果表明，显然存在具有更高认知需求的任务，其中音频制作和消费最为显著，这已得到实验和统计验证。© 2020 Elsevier BV 保留所有权利。