XiaoMi-AI文件搜索系统
World File Search System中国科学院自动化研究所
关于人畜共患疾病 - 福生县卫生与环境研究所
gengorobuna * carassius cuvieri○□○□□□□carassius sp○□●■做○□○□○□●■□丢失的鱼 *疑虑的anguillicaudatus○○○□cat鱼Rhinogobius sp○□○□●○□●○□○□□□■
阿尔茨海默氏蛋白淀粉样蛋白加速细胞衰老并抑制人类神经干细胞中的SIRT1
1上海东部医院再生医学研究所，上海信号和疾病研究的主要实验室，Frontier Science form Cell Cherce Center forn Cell Research，Life Sciences与技术学院，汤吉大学，上海200092，中国上海； lirongyao2022@sibcb.ac.cn（R.L.）; yi.li@sibcb.ac.cn（y.l。）; 2031528@tongji.edu.cn（H.Z.）2 2个州细胞生物学的主要实验室，CAS CAS卓越分子细胞科学中心，上海上海生物化学与细胞生物学研究所，中国科学院中国科学院中国科学院，上海大学200031年，中国3100次，中国科学院，200031年，中国3100次，Zhejiang Universition of Medicine，Liangzhuian of Zheian of Zheian of Zheian for上海信号和疾病研究的主要实验室，脑科学合作创新中心，生命科学与技术学院，汤吉大学，上海，200092，中国5，中国科学院干细胞与再生研究所，中国北京学院，北京100100，中国 *通信 *通信： ）; yjhou@tongji.edu.cn（y.h。） †这些作者为这项工作做出了同样的贡献。2个州细胞生物学的主要实验室，CAS CAS卓越分子细胞科学中心，上海上海生物化学与细胞生物学研究所，中国科学院中国科学院中国科学院，上海大学200031年，中国3100次，中国科学院，200031年，中国3100次，Zhejiang Universition of Medicine，Liangzhuian of Zheian of Zheian of Zheian for上海信号和疾病研究的主要实验室，脑科学合作创新中心，生命科学与技术学院，汤吉大学，上海，200092，中国5，中国科学院干细胞与再生研究所，中国北京学院，北京100100，中国 *通信 *通信：）; yjhou@tongji.edu.cn（y.h。）†这些作者为这项工作做出了同样的贡献。
合成生物学使能技术与核心理论
1 深圳先进技术研究院合成生物学学院，深圳 518055；2 中国科学院深圳先进技术研究院合成生物学研究所，深圳 518055；3 中国科学院生物物理研究所，生物大分子国家重点实验室，北京 100101；4 天津大学化工学院，合成生物学前沿科学中心和系统生物工程教育部重点实验室，天津 300072；5 中国科学院遗传与发育生物学研究所，植物细胞与染色体工程国家重点实验室，北京 100101；6 上海交通大学，微生物代谢国家重点实验室，上海 200240；7 中国科学院微生物研究所，微生物资源国家重点实验室，北京 100101； 8 中国科学院天津工业生物技术研究所，天津 300308；9 生物信息学教育部重点实验室；合成与系统生物学研究中心；北京大学生物信息学研究部
通过自动化
近年来，由于能够从数据中提取模式并产生有价值的决策知识，因此对深度学习技术的使用已获得流行。深层神经网络的几种应用正在能量领域增长。建立越来越可持续的建筑物或工厂的挑战使使用机器学习技术来预测他们所需的能源需求并重新分配能源以避免浪费。在与可持续性有关的所有情况下，能源效率至关重要，并且使用深度学习技术可以准确预测能源需求，从而使能源系统能够根据需要将能源重新分配给客户。但是，在此类应用程序中要处理的数据量增加提出了重大挑战。深度神经网络变得越来越复杂，需要许多隐藏层来处理数据。此外，文献中的现有模型需要对超参数进行临时调整，以最大程度地提高准确性。为了解决这个问题，已经开发了几种技术来生成自动深度神经网络，以改善多元时间序列问题的性能，例如在能源需求预测的情况下。所有这些技术均表示为自动化机器学习（AUTOML）[1]，可以分为两种类型：神经体系结构搜索（NAS）和超参数优化（HPO）。神经体系结构搜索方法基于优化算法，以选择适合数据集的最佳神经网络体系结构，并避免过度适应以达到最佳模型精度。另一方面，超参数优化选择了最大化这种网络性能的神经网络体系结构的最佳超参数。可以将预测客户的能源需求（例如建筑物或工厂）的问题建模为多元时间序列，因为几个变量可能会影响所需能源的需求。在[2]中，已经证明了变量如何在多变量时间序列预测中相互影响，并且使用元神经算法可以帮助选择每个变量的最佳预测指标，从而提高预测的准确性。在这项研究工作中，我们采用了自动化机器学习算法，称为GP-NAS（通用神经架构搜索），发表在[3]中，设计了一种神经网络体系结构，可最大程度地提高医院设施中能源消费的性能[4]。我们的目标是展示如何在多元时间序列预测问题中使用我们的算法，从而为设计在该领域使用的深神经网络体系结构提供了宝贵的贡献。
2018 - 2021 年合作伙伴参与战略
科学院 • 中国科学院电工研究所 • 中国科学院微生物研究所 • 中国科学院神经科学研究所、脑科学与智能技术卓越创新中心 • 大连东软信息学院 • 大连理工大学 • 大连理工大学 • 东北财经大学 • 华东政法大学 • 华东理工大学 • 福州大学 • 广西亚热带作物研究所 • 广州大学 • 河海大学 • 华中科技大学 • 江南大学 • 江西财经大学 • 江苏大学 • 澳门旅游学院 • 澳门理工学院 • 南京师范大学 • 南京工业大学 • 南京理工大学 • 国家纳米科学与技术中心 • 华北电力大学 • 华北科学院
超导量子处理器中的热化和信息扰乱观察
1 中国科学技术大学合肥国家微尺度物质科学研究中心、现代物理系，安徽合肥 230026 2 中国科学技术大学中国科学院上海分中心量子信息与量子物理卓越创新中心，上海 201315 3 上海量子科学研究中心，上海 201315 4 中国科学院物理研究所，北京 100190 5 中国科学院大学物理学院，北京 100190 6 日本理化学研究所理论量子物理实验室，埼玉县和光市 351-0198，日本 7 松山湖材料实验室，广东东莞 523808 8 中国科学院大学中国科学院拓扑量子计算卓越创新中心，北京 100190
基因编辑猴：回顾与展望
1 河北北方学院第一附属医院中心实验室，张家口，2 深圳大学总医院儿科，深圳，3 宾夕法尼亚大学，宾夕法尼亚州费城，4 中国科学院大学未来技术学院，北京，5 河北北方学院第一附属医院普通外科，张家口，6 广西中医药大学药理学系，广西南宁，7 中国科学院动物研究所干细胞与生殖生物学国家重点实验室，北京，8 中国科学院干细胞与再生研究所，北京，9 北京干细胞与再生医学研究所，北京，10 中国科学院国家干细胞资源中心，北京，11 深圳市第三人民医院和第二妇幼保健院国家传染病临床研究中心南方科技大学附属医院，深圳，中国
使用机器学习方法识别心肌细胞和心脏血管内皮细胞中与 COVID-19 相关的基因
1 上海大学理学院数学系，上海 200444；xuyaochen@shu.edu.cn 2 上海大学生命科学学院，上海 200444；mql1117@shu.edu.cn (QM)；ssdrg@shu.edu.cn (JR) 3 上海海事大学信息工程学院，上海 201306；lchen@shmtu.edu.cn 4 上海交通大学医学院 & 中国科学院上海生命科学研究院干细胞生物学重点实验室，上海 200030；gw_1992@sjtu.edu.cn 5 广东农商职业技术学院计算机科学系，广州 510507； kyfeng@gdaib.edu.cn 6 中国科学院上海营养与健康研究所，中国科学院生物医学大数据中心，中国科学院计算生物学重点实验室，上海 200031； huangtao@sibs.ac.cn 7 中国科学院上海营养与健康研究所，中国科学院组织微环境与肿瘤重点实验室，中国科学院大学，上海 200031 * 通讯地址：zbzeng@shu.edu.cn（ZZ）；caiyudong@staff.shu.edu.cn（YC）；电话：+86-21-66136132（YC）† 这些作者对这项工作做出了同等贡献。