XiaoMi-AI文件搜索系统
World File Search System兼容
运行标题：在GMP兼容条件下的胰腺祖细胞的扩展
2德国糖尿病研究中心（DZD），德国3德累斯顿概念基因组中心（DCGC），TU DRESDEN，德累斯顿，德国，德国4分子和细胞生物工程中心（CMCB）技术平台，TU DRESDEN，TU DRESDEN，DRESDEN，德累斯顿，德累斯顿，德国5细胞工程设施，（SCEF），CRTD，医学院，Tu Dresden，德累斯顿，德国，德国7当前地址：Kaust Smart-Health Initiative（KSHI），生物与环境科学与工程学（BESE），阿卜杜拉国王阿卜杜拉科学与技术大学（KAUST）国王，托拉克（Kaust）德累斯顿，德累斯顿，德国＃同等贡献 *通信：anthony.gavalas@tu-dresden.de
低功耗、可扩展、兼容 BEOL 的 IGZO TFT eDRAM 电荷域计算
摘要 — 在有限的芯片占用空间和能源供应下，边缘人工智能 (AI) 的快速发展对边缘设备的数据密集型神经网络 (NN) 计算和存储提出了很高的要求。作为一种有前途的节能处理方法，内存计算 (CiM) 近年来在缓解数据传输瓶颈的努力中得到了广泛的探索。然而，片上内存容量较小的 CiM 会导致昂贵的数据重新加载，限制了其在大规模 NN 应用中的部署。此外，先进 CMOS 缩放下增加的泄漏降低了能源效率。在本文中，采用基于铟镓锌氧化物 (IGZO) 薄膜晶体管 (TFT) 的器件电路协同来应对这些挑战。首先，提出了 4 晶体管 1 电容器 (4T1C) IGZO eDRAM CiM，其密度高于基于 SRAM 的 CiM，并且通过较低的器件泄漏和差分单元结构增强了数据保留。其次，利用新兴全通道 (CAA) IGZO 器件的后端 (BEOL) 兼容性和垂直集成，提出了 3D eDRAM CiM，为基于 IGZO 的超高密度 CiM 铺平了道路。提出了包括时间交错计算和差分刷新在内的电路技术，以保证大容量 3D CiM 下的准确性。作为概念验证，在代工厂低温多晶和氧化物 (LTPO) 技术下制造了一个 128 × 32 CiM 阵列，展示了高计算线性度和长数据保留时间。在扩展的 45nm IGZO 技术上的基准测试显示，仅阵列的能效为 686 TOPS/W，考虑外围开销时为 138 TOPS/W。
电磁兼容性（EMC）
EMI排放限和免疫测试水平之间的典型差异为100,000至1或100 dB。这是100 dB的安全保证金吗？如果给定环境中的电子设备仅限于如此低的排放水平，那么为什么需要这些相同的设备来处理如此高的免疫力？原因是电子设备必须与无线电发射器和无线电接收器近距离运行。无线电发射机生成高级RFI，以在远距离进行通信。无线电接收器非常敏感，以检测这些信号。免疫测试水平模拟电子设备在附近的无线电发射器附近操作时会暴露于电源水平。排放限制不确定设备的EMI排放不会干扰附近无线电接收器的接收。
智能嵌套：使用图形神经网络估算嵌套问题中的几何兼容性
抽象减少材料浪费和计算时间是切割和包装问题的主要目标（C＆P）。解决C＆P问题的解决方案包括许多步骤，包括要嵌套的项目的分组以及在大物体上分组项目的排列。当前的算法使用元赫尔术直接解决布置问题，而无需明确解决分组问题。在本文中，我们为嵌套问题提出了一条新的管道，该管道始于将要嵌套的项目分组，然后将其排列在大物体上。为此，我们介绍并激发了一个新概念，即几何兼容性指数（GCI）。具有较高GCI的项目应聚集在一起。由于GCIS不存在标签，因此我们建议将GCIS建模为图形的双向加权边缘，我们称之为几何关系图（GRG）。我们提出了一个基于增强学习的新型框架，该框架由两个以类似于演员的方式学习GCI的训练的图形神经网络组成。然后，要将项目分组为群集，我们将GRG建模为电容的车辆路由问题图，并使用元使用术解决方案。在带有定期和不规则形状的项目的私人数据集上进行的实验表明，与开放式嵌套软件相比，该算法可以显着减少计算时间（30％至48％），而开放式嵌套软件则可以在定期损失上获得类似的固定物品，并且对不规则物品的三倍损失进行了相似的修剪损失。
作者更正：噬菌体辅助进化腺嘌呤碱基编辑器，提高 Cas 域兼容性和活性
在本文最初在线发表的版本中，图 2e 中位点 18 的编辑碱基被标记为 A6 和 A8；它们分别是 A9 和 A11。在补充图 6 中，位点 18 的 x 轴标签从左到右依次为 A2、A3、A4、A6、A8、A16、A17、A19 和 A20；正确的标签为 A5、A6、A7、A9、A11、A19、A20、A22 和 A23。这些错误已在本文的印刷版、PDF 版和 HTML 版中得到更正。
混合兼容系统，用于软捕获不合作空间碎片
摘要：空间碎片去除（ADR）被太空机构定位为稳定空间碎片的指数生长非常重要的轨道任务。大多数已经开发的捕获系统都是为大型合作卫星设计的，这导致了昂贵的一对一解决方案。本文提出了一种多功能杂种机制，以针对低地球轨道（LEO）的各种小型不合作空间碎片，从而实现了一对一的一对一解决方案。该系统被定制为拟合到立方体。它结合了主动的（带有线性执行器和阻抗控制器）和被动（具有反击的关节）依从性，以消除影响能量，确保足够的接触时间，并成功地帮助捕获更广泛的空间碎片。进行了一项模拟研究，以评估和验证将混合依从性整合到ADR系统中的必要性。这项研究发现了碎屑质量，系统的刚度和接触时间之间的关系，并提供了调整阻抗控制器（IC）增益所需的数据。这项研究还证明了混合依从性的重要性，以确保对更广泛的空间碎片的安全可靠捕获。
可扩展的蛋白质组学与药物发现兼容...
用分子胶化合物靶向蛋白质降解（TPD）是一种突破性的治疗方式，可消除以前认为不可用的疾病蛋白质。尽管具有巨大的潜力，但迄今为止，新型分子胶的系统发现及其细胞降解靶标仍然具有挑战性。在这里，我们提出了一个深度的蛋白质组学筛选和验证平台，以在各个阶段推进TPD药物发现计划，并创建新型高价值目标的广泛管道。深蛋白质组学筛选是基于数据独立的采集（DIA）技术，用于在空前的吞吐量，覆盖范围和敏感性下针对细胞蛋白质组的（潜在）分子胶的筛选化合物库。它从用分子胶水处理的细胞系中识别并量化了每样品的11,000多个蛋白质，从而实现了综合蛋白质组学的药物和药物靶标的发现。
可扩展的蛋白质组学与药物发现兼容...
用分子胶化合物靶向蛋白质降解（TPD）是一种突破性的治疗方式，可消除以前认为不可用的疾病蛋白质。尽管具有巨大的潜力，但迄今为止，新型分子胶的系统发现及其细胞降解靶标仍然具有挑战性。在这里，我们提出了一个深度的蛋白质组学筛选和验证平台，以在各个阶段推进TPD药物发现计划，并创建新型高价值目标的广泛管道。深蛋白质组学筛选是基于数据独立的采集（DIA）技术，用于在空前的吞吐量，覆盖范围和敏感性下针对细胞蛋白质组的（潜在）分子胶的筛选化合物库。它从用分子胶水处理的细胞系中识别并量化了每样品的11,000多个蛋白质，从而实现了综合蛋白质组学的药物和药物靶标的发现。