XiaoMi-AI文件搜索系统
World File Search System初始模型
提供安全的技术转移模型来评估和管理基于物联网的财务和银行风险
这项应用研究的目的是为银行领域的基于物体的技术转移提供风险评估模型，而Strauss和Corbin方法用于识别初始模型。在定性部分中，通过对35位银行技术行业的35位专家以及基于技术的银行业务进行深入访谈，在三个阶段开放编码，轴向编码和选择性编码中分析了收集的信息。在统计人口的一小部分，专家和经理在伊朗银行业中，根据摩根的表格为386。结构方程和探索性分析的结果表明，因果因素与主要现象，干预因素和主要现象之间的所有关系是基本因素和主要现象，主要现象和策略，最后以及策略与策略之间的关系以及在高度至中等和直接和直接的方式中评估了结果。
新型可折叠聚对苯二甲酸乙二醇酯的开发...
摘要：折纸结构具有轻便、坚硬和可扩展的优点。一些可扩展结构已经在市场上广泛使用，但尽管许多人试图开发一种可在轴向折叠而不会弯曲的聚对苯二甲酸乙二醇酯 (PET) 瓶，但这种瓶子尚未上市。因此，本研究旨在开发一种易于折叠而不会弯曲的 PET 瓶。初始模型由七层组成，其中五层（即不包括盖子和底部）设置为螺旋圆柱体。该模型可以相当容易地折叠而不会弯曲。然而，模型在压缩后会回弹到几乎原来的高度。因此，我们开发了具有两层或三层螺旋层的新型 PET 瓶来解决这个回弹问题。我们的新设计可以将可折叠层插入不可折叠层（例如锥形壳或圆柱壳）中，以抑制压缩后的回弹。此外，我们新设计中可折叠层和不可折叠层之间的凹槽可以进一步有助于捕获可折叠部件。而且，我们的新设计可以实现部分压缩，以在液体部分消耗时降低瓶子的高度。
intel®GETI™平台
医疗保健从业人员可以用来增强患者护理和康复的助手。通过快速训练和部署实用的AI动力计算机视觉模型，可以更快地检测到以进行治疗。AI和机器学习算法可以识别医学文献，患者记录和遗传数据之间的模式和关联，这些模式和关联可以更准确，快速鉴定出存在罕见疾病并实现早期检测和干预。易于使用的英特尔Geti的性质使医生可以通过轻松的点击格式将其专业知识转移到加速注释和模型创建中，而无需或时间学习广泛的AI技术技能。随着组织获得更多的患者扫描，随着时间的推移，可以重新训练并改进使用Intel Geti平台的初始模型。将更多的数据和专家反馈集成到模型中，只会进一步帮助医生，并提高患者诊断的速度和准确性。AI和英特尔Geti平台正在帮助改变医疗服务 - 以及许多其他行业，从制造环境中的缺陷检测到智能农业技术。
![arXiv:2212.02124v1 [nucl-th] 2022 年 12 月 5 日](/simg/a\a8f61a1bfc70c0fbf92453d1624283d5ffc15d7d.webp)
arXiv:2212.02124v1 [nucl-th] 2022 年 12 月 5 日
我们利用相对论电阻磁流体动力学 (RRMHD) 研究了高能重离子碰撞中电荷相关的各向异性流。我们将光学 Glauber 模型视为夸克胶子等离子体 (QGP) 的初始模型，并以两个碰撞核中带电粒子的源项为初始电磁场的麦克斯韦方程组解。在 √ s NN = 200 GeV 的 Au-Au 和 Cu-Au 碰撞中，使用这些初始条件进行 RRMHD 模拟。我们根据 RRMHD 导致的电荷分布，计算了两次碰撞中电荷奇数对定向流 ∆ v 1 和椭圆流 ∆ v 2 的贡献。结果表明，∆ v 1 和 ∆ v 2 与介质的电导率 ( σ ) 大致成正比。在 σ = 0 时。 023 fm − 1 情况下，∆ v 1 的结果与 Au-Au 碰撞中的 STAR 数据一致。此外，在 Cu-Au 碰撞中，∆ v 1 在 η = 0 时具有非零值。我们得出结论，电荷相关的各向异性流是提取高能重离子实验中 QGP 介质电导率的良好探针。
cancers-16-03351.pdf - -ORCA - 卡迪夫大学
简单摘要：本研究旨在使用治疗前 MRI 图像来开发和验证用于预测多形性胶质母细胞瘤 (GBM) 患者总生存期 (OS) 的放射组学模型。使用来自多个机构的 289 名患者的回顾性数据集从每个患者的肿瘤体积中提取 660 个放射组学特征 (RF)。通过结合临床变量增强了初始模型，并通过重复三重交叉验证进行了验证。最终的临床-放射组学模型利用原发性大体肿瘤体积 (GTV) 和 T2-FLAIR MRI 模态，并包括年龄变量和两个稳健的 RF。该模型在验证队列中实现了中等良好的判别性能（C 指数：0.69）和显着的患者分层（p = 7 × 10 − 5）。值得注意的是，训练后的模型在 11 个月时表现出文献中最高的综合曲线下面积 (iAUC)（0.81）。研究得出结论，经过验证的临床放射组学模型可以根据 OS 有效地将 GBM 患者分为低风险组和高风险组。未来的工作将侧重于整合基于深度学习的特征和标准化卷积滤波器，以改进 OS 预测。
对具有生成AI和密度引导的替代状态中的冷冻EM结构进行建模
建模原子坐标为目标冷冻电子显微镜图是结构确定的关键步骤。尽管最近进步，但具有多个功能状态的蛋白质仍然是一个挑战 - 尤其是当某些状态无法使用合适的分子模板时，地图分辨率不足以构建从头模型。这是一种常见的情况，例如，在药理学相关的膜结合受体和转运蛋白中。在这里，我们介绍了一种改进方法，其中i）几个初始模型是通过Alphafold2中多个序列比对（MSA）空间的随机次采样生成的，ii）将对基于结构的聚类进行基于结构的群集，iii）密度引导的分子动力学模拟从中心结构和IV中进行了模型，并在模型中进行了模型。与三种膜蛋白（降钙素受体样受体，L型氨基酸转运蛋白和丙氨酸 - 二孢菌碱转运蛋白）相比，这种方法提高了拟合精度。我们的结果表明，使用生成AI和基于模拟的精炼结合使用的集合结构有助于在几种膜蛋白家族中建立替代状态。
对具有生成AI和密度引导的替代状态中的冷冻EM结构进行建模
建模原子坐标为目标冷冻电子显微镜图是结构确定的关键步骤。尽管最近进步，但具有多个功能状态的蛋白质仍然是一个挑战 - 尤其是当某些状态无法使用合适的分子模板时，地图分辨率不足以构建从头模型。这是一种常见的情况，例如，在药理学相关的膜结合受体和转运蛋白中。在这里，我们介绍了一种改进方法，其中i）几个初始模型是通过Alphafold2中多个序列比对（MSA）空间的随机次采样生成的，ii）将对基于结构的聚类进行基于结构的群集，iii）密度引导的分子动力学模拟从中心结构和IV中进行了模型，并在模型中进行了模型。与三种膜蛋白（降钙素受体样受体，L型氨基酸转运蛋白和丙氨酸 - 二孢菌碱转运蛋白）相比，这种方法提高了拟合精度。我们的结果表明，使用生成AI和基于模拟的精炼结合使用的集合结构有助于在几种膜蛋白家族中建立替代状态。
2014 年 12 月 1 日《洞穴与喀斯特研究杂志》第 76 卷第 3 期
摘要：一种地球物理方法的复合物用于研究旨在生产详细地质映射的小型喀斯特区域，以确认已知污水坑的地质定位，并发现表面以下洞穴和空隙的可能持续。应用偶极子电磁谱分析和辐射图（伽马射线光谱法）来确定硬碳酸盐岩石和风化的山谷填充沉积物的空间分布。在研究区域的选定位点进行了详细的高清磁力测定法，目的是区分污垢和人造的石灰kilns，即将石灰石加热并转化为石灰的坑。使用微重力和电抗性断层扫描（ERT）方法来创建地下洞穴的高分辨率图像。ERT和地质调查的结果用作重力建模的初始模型。各种尺寸的地下腔是对比的地球物理对象，根据填充材料的组成，电阻率的范围从非常电导的到相对电阻。电阻率属性的解释并不总是直接的。我们必须区分充气（高抗性）和壤土充满水的（低抗性）腔和断裂。合并的地球物理学方法使我们能够确定更准确的近表面地质模型，在我们的情况下，对ERT倒置中强导的强导异常的平行解释，重力建模的主要密度降低会导致在表面低于50至60 m的深度处的腔内存在。
泰国
作者非常感谢斯德哥尔摩环境研究所 (SEI) 的 Dimas Fauzi、Uttam Ghimire、Charlie Heaps、Pimolporn Jintarith、Kuntum Melati 和 Silvia Ulloa，感谢他们自 2023 年 3 月以来全力支持培训和指导东盟绿色未来 (AGF) 研究人员实施低排放分析平台 1 (LEAP)，用于能源规划和气候变化缓解评估。LEAP 为东南亚各地的 AGF 研究人员提供了一种通用语言、共享工具和一个透明的沟通和协作平台。SEI 为 AGF 准备的初始模型启动了区域建模过程，使 AGF 研究人员能够在坚实的基础上继续构建电力模型并独立进行自己的分析。通过减少对外部专业知识的依赖，这促进了区域能源规划的长期可持续性，并使利益相关者能够参与能源转型进程并为明智的决策做出贡献。作者还对泰国法政大学可持续能源与建筑环境研究部和泰国发展研究所的支持表示感谢。作者感谢我们的专家审稿人——泰国发展研究所的 Areeporn Asawinpongphan 博士和双威大学亚洲总部联合国可持续发展解决方案网络的 Goh Chun Meng 博士对本报告的宝贵和慷慨的贡献。免责声明
使用域自适应神经网络进行多层定向能量沉积过程中的实时层高估计
金属增材制造 (AM)，例如激光直接能量沉积 (DED)，因其能够为各种工业应用制造近净成形的复杂部件而越来越受欢迎。然而，DED 过程中的几何控制，尤其是在急转弯处的几何控制仍然是一项艰巨的任务。为了实现几何控制，几何估计以确定工艺参数和几何属性之间的关系至关重要。在本研究中，使用激光线扫描仪、视觉相机和域自适应神经网络 (DaNN) 为 DED 开发了一种实时层高估计技术。重点放在多层沉积期间尖角处的层高估计。首先，使用激光线扫描仪收集多层直线沉积数据并构建初始层高估计模型。然后，为了有效地实现角落沉积期间的层高估计，使用多层直线沉积数据和构建的初始模型建立了 DaNN 模型。使用视觉相机测量角落处的实际移动速度并将其作为输入特征之一输入到 DaNN 模型中。最后，在线更新 DaNN 模型以进一步提高角落沉积期间的估计精度。所提出的技术已通过DED实验验证，结果表明，当在不同角度的角落沉积多层平均高度为 250 µ m 的层时，可以在 0.018 秒内估算出层高，平均精度为 25.7 µ m。