XiaoMi-AI文件搜索系统
World File Search System出泡利
搭载“Flexina®” 利用独特的热电发电技术开发独立电源/……
作为利用基本专利注册来推进与热电发电相关的新业务的合资企业而成立。 ・2013年在大阪大学设立开发基地。 ・2016年被认定为NEDO STS项目后，进行了第三方新股配售。 ・2018年获得京都市创业企业评估委员会的A级认证。 ・2020年在京都大学桂创业广场设立开发基地。 ・2022年被近畿经济产业局评选为“J-Startup KANSAI”。 ・2023年10月被选为G7广岛峰会的G7大阪堺部长会议参展。 ・11月，从全球200家公司中被选为奥地利政府“GO AUSTRIA Fall 2023”的受邀公司（2家）。 ・12月参加“TechBIZKON VII 数字化——DX微电子”。
研究描述-HTLV抗体确认试验检测...
对于抗体检测难以发现的病例，通过对抗体反应性和原病毒的详细分析积累数据将有助于改进检测试剂、将准确的结果告知献血者，以及了解日本HTLV-2感染的实际状况。此外，了解国内流行毒株的特点及外来毒株的流入情况，对采取输血用血液制品传染病防治措施至关重要。
使用人工智能 (AI) 从操作声音中检测异常
最近，我们越来越多地听到人工智能这个词。因为人工智能的研究已经进行了很多年，但并不总是取得成功，但随着近年来深度学习的出现，终于有可能使这成为现实。人工智能研究，即利用机器执行人类智力活动的实践，几乎与计算机的出现同时开始，并且自 1956 年达特茅斯会议以来一直在认真开展。最初人们认为这可以借助计算机的强大计算能力来实现，但是并没有成功。此外，人们还研究是否可以通过对一切进行编程来实现智能，但所得到的结果还远远称不上智能。这个时代的技术仍在今天的智能扬声器和 Pepper 机器人中使用，但在与它们短暂交谈之后，人们很快就会厌倦它们，并且在很多情况下停止使用它们。基于这些经验的反思，通过模拟控制人类智力的大脑的功能来实现人工智能的想法诞生，并提出了神经网络和模糊概念。我当时也参与了这些领域的研究，虽然也取得了一些成果，但很多成果很难称得上是突破性的。深度学习就是在这样的历史背景下诞生的。这本质上是一个多层神经网络，研究发现，与当时使用的三到五层的神经网络相比，多层可以显著提高性能。多层化之所以困难，主要原因是当时计算机的计算能力较差，无法在实际的计算时间内完成多层神经网络所需要的大量计算。多层神经网络中的计算涉及大量的乘法和加法运算，但大多数运算都是独立的，没有顺序依赖性，从而可以实现并行运算。因此，利用近年来个人计算机中搭载的具有大量计算单元的GPU，以实用的计算时间和成本进行计算是高效的，这也是深度学习在许多应用领域得到应用的原因之一。另外，由于优化深度学习的机器学习部分是类似旅行商问题的优化问题，因此也可以使用量子计算机。因此，基于深度学习的人工智能现在可以以实际的计算时间和成本实现，并且正在用于各种应用领域。人工智能的应用开始出现在广泛的领域，包括超越人类大师的围棋和将棋程序、自动驾驶汽车、图像识别、语音识别、翻译以及文本、音乐和绘画的创作。这使得机器能够在很多领域做出智能决策，这在过去并不是完全可能的。
针对靶向药物的工程外泌体
1981年，Trams等。 通过透射电子显微镜发现了一组直径为40-1000 nm的囊泡样结构[1]。 后来，Johnstone等。 在网状细胞成熟过程中鉴定出类似囊泡样的结构，并通过以100,000×g的超速离心为90分钟将这些膜结合的囊泡从绵羊网状细胞中分离出来。 首次将这些囊泡样结构命名为外泌体[2，3]。 但是，当时，外泌体的发现并没有得到太多的关注，因为这些囊泡被认为仅仅是从成熟的红细胞中浪费的产物。 这些囊泡直到最近才被表征为膜结合的细胞外囊泡，在细胞膜与细胞内多囊体（MVBS）融合后通过胞吞作用释放出来[4，5]。 外泌体现在在所有体液和组织中都广泛发现，包括血液[6]，尿液[7]，母乳[8]，羊膜/滑膜/腹水液[9]，唾液[10]和脂肪组织[11]。 越来越多的类型的1981年，Trams等。通过透射电子显微镜发现了一组直径为40-1000 nm的囊泡样结构[1]。后来，Johnstone等。在网状细胞成熟过程中鉴定出类似囊泡样的结构，并通过以100,000×g的超速离心为90分钟将这些膜结合的囊泡从绵羊网状细胞中分离出来。首次将这些囊泡样结构命名为外泌体[2，3]。但是，当时，外泌体的发现并没有得到太多的关注，因为这些囊泡被认为仅仅是从成熟的红细胞中浪费的产物。这些囊泡直到最近才被表征为膜结合的细胞外囊泡，在细胞膜与细胞内多囊体（MVBS）融合后通过胞吞作用释放出来[4，5]。外泌体现在在所有体液和组织中都广泛发现，包括血液[6]，尿液[7]，母乳[8]，羊膜/滑膜/腹水液[9]，唾液[10]和脂肪组织[11]。越来越多的类型的
开发工程细胞外囊泡-...
Xin Luo 1,2,*、Kathleen M. McAndrews 1,*、Kent A. Arian 1、Sami J. Morse 1、Viktoria Boeker 1、Shreyasee V. Kumbhar 1、Yingying Hu 1、Krishnan K. Mahadevan 1、Kaira A. Church 1、Sriram Chitta 3、Nicolas T. Ryujin 1、Janine Hensel 1、Jianli Dai 1、Dara P. Dowlatshahi 1、Hikaru Sugimoto 1、
克鲁泡特金的进化论
科学并非毫无价值。彼得·克鲁泡特金是一位著名的博物学家，也是 20 世纪读者最多的无政府主义者。本文旨在分析他的主要著作《互助：进化的一个因素》（1902 年）中提出的进化思想。我概述了克鲁泡特金进化论的核心论点，将它们置于其背景中，并根据现有知识进行研究。克鲁泡特金认为：（1）物种不是固定的，即它们会随着时间而变化；（2）这种变化并不遵循神圣的计划；（3）物种有共同的祖先；（4）环境产生并选择生物体中的有利特征；（5）当生物体联合而不是竞争时，“生存斗争”更有利；（6）联合（互助）的优势使其在进化中发挥了进步作用，为伦理和无政府共产主义提供了基础。克鲁泡特金理论的合作性和进步性为解决价值观在科学中的作用提供了一个极好的模型。
神经干细胞的小细胞外囊泡
摘要：缺血性中风是全球残疾和死亡率的重要贡献者，在当前临床环境中缺乏有效的治疗方法。神经干细胞（NSC）是一种仅在神经系统内部发现的干细胞。这些细胞可以分化为各种细胞，可能在大脑被破坏的区域内再生或恢复神经网络。本综述首先提供了缺血性中风的现有治疗方法的介绍，然后检查与使用NSC治疗缺血性中风相关的承诺和限制。随后，进行了全面的概述，以综合有关在缺血性中风的背景下神经干细胞衍生的小细胞外囊泡（NSC-SEVS）移植疗法的现有文献。这些机制包括神经保护，炎症反应抑制以及内源性神经和血管再生的促进。尽管如此，NSC-SEV的临床翻译受到挑战，例如靶向功效不足和内容负载不足。鉴于这些局限性，我们已经根据当前的细胞外囊泡修饰方法来概述了利用改良的NSC-SEVS来治疗缺血性中风的进步概述。总而言之，研究基于NSC-SEVS的治疗方法预计在有关缺血性中风的基本和应用研究中都是突出的。关键词：神经干细胞，小囊泡，缺血性中风，神经保护，神经再生
深泡探测器的几次学习
该大师项目的目的是创建一个适用于包括医学在内的图像的任意域的复杂的深击检测器。该检测器将使用在有限的深层示例中训练的神经网络开发。主要目标是设计和实施一种学习算法，该算法不仅在时间上有效，而且需要最少或不需要人类干预。该项目的一部分是创建一个新的基准，构成真实和生成的医学图像。将使用已建立的基准和项目中创建的医学图像的新基准进行比较开发的DeepFake检测器。指南：1。熟悉有关DeepFake检测的已发表工作；考虑CVPR和ICCV等突出的会议。2。审查并总结了深层检测最新方法下的核心原则。3。设计并实施了深泡检测器的一些弹药学习算法。4。创建生成和真实医学图像的基准，用于测试深冰探测器。5。验证学习算法的功能并比较其性能指标，包括检测准确性，时间效率和学习过程中所需的人类监督水平，与既定的最新方法。
