XiaoMi-AI文件搜索系统
World File Search System以高
宾夕法尼亚生物公司以高达 7500 万美元的交易结束了基因治疗纠纷
Law360（2022 年 3 月 15 日，美国东部时间下午 5:26）——匹兹堡生物科技公司 PeriphaGen Inc. 达成和解，结束了指控其前实验室合作伙伴 Krystal Biotech Inc. 抄袭其基因治疗技术的诉讼，该交易价值至少 2500 万美元，最高可达 7500 万美元，Krystal 周一宣布。根据宾夕法尼亚州联邦法院的一份文件和 Krystal 的一份新闻稿，两家公司签署了一份具有约束力的条款清单，以解决诉讼中的所有索赔。Krystal 表示，根据该协议，它将支付 2500 万美元并在最终和解协议完成后 10 天内收到“PeriphaGen 的所有生物材料和皮肤资产”。 Krystal 表示，一旦 Krystal 的首款产品获得美国食品药品管理局 (FDA) 批准，该公司将额外支付 1250 万美元，如果累计总销售额达到 1 亿美元、累计总销售额达到 2 亿美元和累计总销售额达到 3 亿美元，则可能再支付三笔 1250 万美元的款项。Krystal Biotech Inc. 董事长兼首席执行官 Krish S. Krishnan 在一份声明中表示：“我们对结果感到满意，在摆脱这种干扰后，我们期待继续利用我们专有的可重复基因治疗平台和相关技术取得运营进展。”PeriphaGen 在 2020 年的一份投诉中表示，它在 2016 年与 Krystal 分享了有关其技术的信息，该技术使用改良版的单纯疱疹 1 病毒将遗传物质传递给患者，以便 Krystal 可以探索潜在的治疗方法。但诉讼称，Krystal 在没有通知 PeriphaGen 的情况下使用并申请了该技术的专利，并在其产品线上筹集了数百万美元的投资。PeriphaGen 指控 Krystal 侵犯了州和联邦法律规定的商业机密、违反合同、不正当竞争、虚假描述原产地和更正发明人身份，以及帮助和教唆 Krystal 高管 Suma Krishnan 和 Krish Krishnan。该公司寻求禁止使用其技术、对 Krystal 已申请专利的技术进行授权，并分享 Krystal 使用该技术筹集的资金。PeriphaGen 表示，它已与 Krystal 的创始人达成了各种“材料转让协议”，以分享其部分信息、不同的病毒以及从 2016 年开始制造更多病毒所需的细胞，以及其他协议，以共享匹兹堡的实验室空间，以便 Krystal 可以探索将基因疗法应用于皮肤病。
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
以高空间精度绘制大脑生长和衰老图表
1 荷兰奈梅亨拉德堡德大学 Donders 大脑、认知和行为研究所；2 荷兰奈梅亨拉德堡德大学医学中心认知神经科学系；3 美国密歇根大学安娜堡精神病学系；4 荷兰乌得勒支大学医学中心精神病学系；5 挪威奥斯陆大学心理学系；6 挪威奥斯陆大学挪威精神障碍研究中心 (NORMENT) 和奥斯陆大学医院；7 英国伦敦国王学院精神病学、心理学和神经科学研究所心理医学系；8 英国伦敦大学学院医学图像计算、医学物理学和生物医学工程中心；9 英国伦敦伦敦大学学院皇后广场神经病学研究所痴呆症研究中心； 10 美国加利福尼亚大学戴维斯分校医学院神经发育障碍医学调查 (MIND) 研究所和精神病学和行为科学系，戴维斯，萨克拉门托，美国；11 阿姆斯特丹 UMC，自由大学，精神病学，阿姆斯特丹公共卫生研究所，荷兰；12 GGZ inGeest，阿姆斯特丹神经科学，荷兰；13 墨尔本大学青少年心理健康中心，墨尔本，澳大利亚；14 Orygen 青少年健康，墨尔本，澳大利亚；15 国家健康研究所心理健康生物医学研究中心，南伦敦和莫兹利国家健康服务基金会和伦敦国王学院，英国伦敦；16 伦敦国王学院精神病学研究所精神病研究系，英国伦敦；17 阿姆斯特丹 UMC 精神病学系，AMC，荷兰阿姆斯特丹；18 拉德布德大学医学中心精神病学系，荷兰奈梅亨； 19 美国密歇根州立大学心理学系，东兰辛；20 美国密歇根大学心理学系，安娜堡；21 挪威奥斯陆大学临床医学研究所 KG Jebsen 神经发育障碍研究中心；22 英国伦敦国王学院精神病学研究所情感障碍中心；23 英国牛津大学威康综合神经成像中心 Nuffield 临床神经科学系大脑功能性磁共振成像中心 (FMRIB)
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
在异常校正的透射电子显微镜中以高时间分辨率的原位光谱开发
探索原子量表的材料的结构和物理性质之间的相应关系仍然是科学中的基本问题。随着异常校正的透射电子显微镜（AC-TEM）的发展和超快光谱技术，亚角尺度空间分辨率和飞秒尺度的时间分辨率，可以通过措施来获得。但是，结合两种优势的尝试仍然是一个巨大的挑战。在这里，我们通过使用自设计和制造的TEM标本持有人来开发AC-TEM中高时间分辨率的原位光谱法，该标本持有人具有亚角尺度空间分辨率和femtosecondscale尺度的时间分辨率。我们设备的键和独特的设计是使用纤维束，它可以将聚焦的脉冲梁传递到TEM中，并同时收集光学响应。生成的聚焦点的尺寸小于2μm，并且可以在面积大于75×75μm2的平面中进行扫描。最重要的是，由玻璃纤维引起的阳性组速度分散由一对衍射光栅补偿，从而导致脉冲梁在TEM中的脉冲宽度约为300 fs（@ 3 MW）。现场实验，观察AC-TEM中CDSE/ZnS量子点的原子结构，并在此期间获得光致发光寿命（〜4.3 ns）。可以通过利用该设备在TEM中执行进一步的超快光谱法。
研究激光诱导的损伤和相关的多光子吸收变化，以高重复速率的niobate晶体变化飞秒泵
图2 LIDT测量的实验设置：λ /2-半波长相板，p-偏振器，w-楔子，l-镜头，镜头，pm -power仪。在这里：红色箭头 - 泵辐射（1.03 µm），绿色箭头 - 泵的第二个谐波（0.515 µm）； b）YB的自相关轨迹：kgw（Pharos）辐射，通过自相关器（GECO，Light Conversion Co，Ltd）和C）571 kHz和298 fs的LIDT测量测量（P OUT-输出功率，P IN- IN -ID IND -ID型泵送功率）。