XiaoMi-AI文件搜索系统
World File Search System十万个
太空竞赛
目前，全球太空监测网络只能追踪 10 厘米以上的碎片，绝大多数太空物体都无法追踪。截至 2022 年 12 月，地球轨道上估计有 1.3 亿个物体，其中只有 32,290 个被编入目录。2021 年初，国际空间站 (ISS) 操作员在空间站机械臂上发现了一个由未追踪的碎片造成的大洞，这凸显了这些隐藏物体可能造成的危险。动能反卫星武器有可能产生大量碎片。中国 2007 年的反卫星导弹试验产生了有史以来最大的单次碰撞碎片场，有超过 3,000 块可追踪的碎片。包括国际空间站在内的多艘航天器已进行机动以避开碎片。俄罗斯 2021 年的反卫星导弹试验产生了超过 1,500 块可追踪的轨道碎片和可能数十万个较小的物体。
人类细胞地图集：承诺，最近的发展，...
人类基因组项目产生了参考基因组序列，该序列在体内的37万亿个细胞中几乎相同。然而，体内有广泛的细胞类型，这是由于这些细胞表型中活化基因的差异引起的。基因组学的最新革命，例如单细胞RNA测序（SCRNA-SEQ）技术的发展，例如引入原位条形码，已使数十万个平行细胞的细胞分辨率评估基因表达。2此外，空间转录组学方法的进步现在允许映射基因表达，同时保留有关细胞在组织样品中细胞分布的空间信息。2加上分析这些数据所需的现代计算生物学方法，这些发展使创建人体所有细胞类型的参考地图集成为可能，这将标志着150年前的努力对这些细胞类型进行分类。这些进步导致了人类细胞地图集的概念，因为他们意识到庞然大物既可行又在经济上可行。
打造美国半导体劳动力队伍
2022 年 8 月，小约瑟夫·R·拜登总统签署了两党支持的《芯片和科学法案》，承诺美国将重新夺回并加速美国在半导体行业的领导地位。作为回应，私营部门宣布投入数千亿美元发展国内制造和研究能力，自总统上任以来，半导体行业的承诺已超过 2310 亿美元。作为拜登总统投资美国议程的重要组成部分，这项对世界上最关键技术之一的史无前例的投资将促进我们的经济和国家安全，并为全国各地的社区创造新的机会。这种联邦、私人和地方投资的历史性组合也将与拜登总统的愿景一致，为工人和家庭创造高薪、高质量的工作，包括工会工作和不需要四年制学位的工作，为美国技术人员、制造商、建筑工人、科学家、工程师和企业家带来数十万个新机会。
推荐引用 推荐引用 Helton, P., Luu, K., & Dowling, A. (2022)。用于自动成像、量化和识别落叶和陷阱样本中节肢动物的人工智能系统。Inquiry：阿肯色大学本科生研究期刊，21(1)。https://doi.org/10.54119/inquiry.2022.21101
众所周知，节肢动物是地球上最多样化、最丰富的真核生物。博物馆和研究收藏馆拥有大量昆虫标本，这些标本来自历史上进行的探险，包括数十万个物种，具有时间和空间价值。研究界无法获取这些生物多样性数据，导致了大量“暗数据”。本研究的主要目标是开发一种人工智能驱动的标本识别系统，大大减少在非典型环境中识别标本所需的时间和专业知识。成功的开发将对生态学和生物多样性科学产生深远影响，因为它将提高生态学研究的分辨率，并使我们能够处理积压的昆虫收藏，解锁大量生物多样性数据。该系统的开发将解决深度学习中的多项挑战，包括与有限的训练数据以及从已知领域转向未知领域相关的问题。尖端的人工智能解决方案将成为可扩展到多个平台和跨地理区域的智能标本识别系统的最终组成部分。
利用大规模大脑启发光子计算机识别人体动作
在计算机视觉中，视频流中人体动作的识别是一项具有挑战性的任务，其主要应用领域包括脑机接口和监控。深度学习最近取得了显著的成果，但在实践中却很难使用，因为它的训练需要大量数据集和专用的耗能硬件。在这项工作中，我们提出了一种光子硬件方法。我们的实验装置由现成的组件组成，并实现了一个易于训练的循环神经网络，该网络有 16,384 个节点，可扩展到数十万个节点。该系统基于储层计算范式，经过训练，可以使用原始帧作为输入，或者使用定向梯度直方图算法提取的一组特征，从 KTH 视频数据库中识别六种人体动作。我们报告的分类准确率为 91.3%，与最先进的数字实现相当，同时与现有硬件方法相比，处理速度更快。由于光子架构提供的大规模并行处理能力，我们预计这项工作将为实时视频处理的简单可重构和节能的解决方案铺平道路。
使用人工智能检测裂纹以提高检查效率并分析关键缺陷
裂缝是用于诊断固体结构破坏的重要标准之一。通常，具有专业知识的结构工程师会通过从外部检查裂缝、概述检查结果，然后根据发现准备分析数据来评估此类结构。这样的审查方法并不确定，因为它需要手动记录多达几十万个裂缝。但是，它也无法准确确定裂缝的长度和状态。为了解决这个问题，该行业逐渐将目光投向使用 AI 检测进行现场评估。研究人员目前正在开发一种基于移动的智能系统，该系统配备了用于识别裂缝和其他缺陷的 AI 分析功能，这将提高调查过程的效率并增强对用户的紧急响应。本研究旨在通过比较几种技术来深入了解最有效的裂缝检测方法。研究发现，混合技术是检测裂缝的最有效方法。该技术结合了人工神经网络 (ANN) 和人工蜂群 (ABC) 的优点，提出了一种更合适的全新方法。
CorticalFlow：用于皮质表面重建的微分同胚网格变形模块
在本文中，我们介绍了一种新的几何深度学习模型 CorticalFlow，该模型通过给定一张三维图像来学习将参考模板变形为目标对象。为了保留模板网格的拓扑属性，我们通过一组微分同胚变换来训练我们的模型。这种新的流常微分方程 (ODE) 框架实现受益于小型 GPU 内存占用，可以生成具有数十万个顶点的曲面。为了减少由其离散分辨率引入的拓扑误差，我们推导出可改善预测三角网格流形性的数值条件。为了展示 CorticalFlow 的实用性，我们展示了它在大脑皮层表面重建这一具有挑战性的任务中的表现。与目前最先进的技术相比，CorticalFlow 可以生成更优质的曲面，同时将计算时间从 9 分半钟缩短到 1 秒。更重要的是，CorticalFlow 强制生成解剖学上合理的曲面；它的缺失一直是限制此类表面重建方法临床意义的主要障碍。
JOHN C. LILLY，医学博士，编程和元编程......
正如从数十万个底层程序中产生了一组适应性强、变化多端的数千个元程序，从作为底层的元程序中也产生了其他东西——控制器、舵手、生物计算机中的程序员、自我元程序员。在组织良好的生物计算机中，至少有一个这样的关键控制元程序，当它作用于其他元程序时标记为“我”，当它被其他元程序作用时标记为“我”。我说“至少一个”是经过深思熟虑的。我们大多数人都有几个控制器、自我、自我元程序，它们在控制序列中以时间并行或时间序列的方式在它们之间划分控制权。正如我将在后面详细介绍的那样，自我发展的一种途径是将一个人的生物计算机的控制权集中在一个自我元程序员身上，使其他人成为有意识的执行者，服从于单个管理员，即单个超意识的自我元程序员。通过适当的方法，这种控制集中化，即基本的统一操作，对于许多（如果不是所有）生物计算机来说都是可实现的状态。
对 TOP-1 抑制剂的耐药性：老药新用仍能给我们带来惊喜
摘要：伊立替康 (SN-38) 是一种强效广谱抗癌药物，靶向 DNA 拓扑异构酶 I (Top1)。它通过与 Top1-DNA 复合物结合并阻止 DNA 链重新连接，从而导致致命的 DNA 断裂形成，发挥细胞毒性作用。在对伊立替康产生初始反应后，会相对较快地产生继发性耐药性，从而影响其疗效。有几种机制导致耐药性，这些机制会影响伊立替康代谢或靶蛋白。此外，我们已经证明了一种主要的耐药机制，与 DNA 上数十万个 Top1 结合位点的消除有关，这些位点可能是由于修复先前的 Top1 依赖性 DNA 裂解而产生的。在这里，我们概述了伊立替康耐药性的主要机制，并重点介绍了该领域的最新进展。我们讨论了耐药机制对临床结果的影响以及克服伊立替康耐药性的潜在策略。阐明伊立替康耐药的潜在机制可以为制定有效的治疗策略提供有价值的见解。
使用机器学习检测脑卒中
大脑包含数十万个神经元，也是人体重要的控制系统。就像计算机的内存一样，大脑存储所有信息。因此，大脑在存储信息和控制身体方面起着关键作用。大脑控制着身体的每一个动作。身体的任何活动都只能在大脑的控制下进行。根据记录，发展中国家因脑卒中丧生的人数更多。与世界其他国家相比，发展中国家的死亡率是发展中国家的五倍。到本世纪末，死亡人数也增长得更快。中风主要分为三种类型：出血性中风、缺血性中风和短暂性脑缺血发作。通常，缺血性中风是最常见的中风类型。从资料来看，大多数人死于缺血性中风。缺血性中风主要是由于脑部血液凝结而发生的。它主要有两种类型：血栓性中风和栓塞性中风。栓塞性中风主要是由于血凝块在身体不同部位形成，并转移到大脑，限制了血液流动。血栓性中风是由于血凝块削弱了输送血液到大脑的动脉中的血流。