XiaoMi-AI文件搜索系统
World File Search System可定义
适用于高频应用的具有感光性的低 Df 聚酰亚胺 Hitoshi Araki *、Yohei Kiuchi、Akira Shimada、Hisashi Ogasawara、Masaya Juke
用于高频应用的具有光敏性的低 Df 聚酰亚胺 Hitoshi Araki *、Yohei Kiuchi、Akira Shimada、Hisashi Ogasawara、Masaya Jukei 和 Masao Tomikawa 东丽工业公司电子与成像材料研究实验室，3-1-2 Sonoyama，大津，滋贺 520-0842，日本 *hitoshi.araki.u8@mail.toray 我们研究了聚酰亚胺链的分子运动和极性，开发出了新型低介电常数 (Dk) 和耗散因数 (Df) 聚酰亚胺。我们发现 10-100 GHz 时的 Df 对应于 -150 至 -50 ℃ 时的分子迁移率。为了降低高频时的介电损耗 (=Df)，限制低温下的分子运动非常重要。此外，减少聚酰亚胺链中的极性和柔性单元对于获得低 Dk 和 Df 的聚酰亚胺也很重要。我们利用这些知识开发了用于 RDL 的低介电损耗聚酰亚胺。结果，我们获得了新型聚酰亚胺的损耗角正切为 0.002 和介电常数为 2.7。这些聚酰亚胺可以通过正性光刻胶显影的碱性湿法蚀刻和紫外激光烧蚀法进行图案化。我们还通过混合光活性剂开发了光可定义的低损耗角正切聚酰亚胺。与传统的感光聚酰亚胺相比，新型低 Df 聚酰亚胺的微带线插入损耗更低。这些低介电损耗聚酰亚胺适用于 FO-WLP 绝缘体、中介层和其他微电子射频应用。 关键词：聚酰亚胺，低 Dk 和 Df，高频，图案化，低插入损耗 1. 简介 近年来，使用更高频率的 5G 通信技术正在不断推进，以实现高速大容量通信 [1]。此外，用于汽车防撞系统的毫米波雷达将使用超过 60 GHz 的频率 [2]。扇出型晶圆级封装 (FO- WLP) 因其封装尺寸小、制造成本低而备受半导体封装关注。高频 FO-WLP 中的再分布层 (RDL) 需要具有低介电常数 (Dk) 和耗散因数 (Df) 的绝缘体材料 [3]。特别是，采用扇出技术的封装天线 (AiP) 是 5G 时代的关键技术之一。聚四氟乙烯和液晶聚合物被称为低介电常数、低介电损耗材料。然而，这些材料在粘附性和精细图案的图案化性方面存在困难。用于 FO-WLP 再分布层的光电 BCB 介电常数低
FDA WS - 自主成像 AI
2020 年 6 月 30 日档案管理人员 (HFA-305) 食品药品管理局 5630 Fishers Lane, Rm。1061 Rockville, MD 20852 主题：（档案号 FDA-2019-N-5592）“公共研讨会——人工智能在放射成像中不断演变的作用；”美国放射学会的评论美国放射学会 (ACR) 1 和北美放射学会 (RSNA®) 2 很高兴有机会对美国食品药品管理局 (FDA) 关于“人工智能在放射成像中不断演变的作用”的公共研讨会的会议记录发表评论，该研讨会于 2020 年 2 月 25 日至 26 日举行（档案号 FDA-2019-N-5592）。 FDA 将自主放射学 AI 定义为“使用 AI/ML 来自动化部分放射学成像工作流程（例如检测、诊断、报告）的软件”，并将这些解决方案与目前市场上的“增强智能”创新区分开来。虽然自主人工智能 (AI) 的某些应用可能很快就会对医生和医疗系统在照顾患者方面有用，但我们对研讨会上一些研究人员/开发人员的演讲中提出的有关 FDA 授权医学成像自主运行 AI 算法的途径的方法感到担忧。虽然我们理解行业和其他机构希望迅速推进自主 AI 的愿望，但我们的组织坚信，由于目前无法提供合理的安全性和有效性保证，FDA 考虑批准或批准旨在提供独立于医生专家确认和监督的自主图像解释的算法为时过早。迄今为止，缺乏全面的基于研究的标准来确保算法的可推广性，并且大量已发表的研究表明它们在异质患者群体中通常表现不佳。鉴于成像设备和图像采集协议存在广泛的异质性，以及缺乏可定义的机制来确保算法的纵向性能，我们担心研讨会上讨论的各种自主运行算法会对患者安全构成重大风险。一些人吹捧最近获得 FDA 授权的用于自主检测糖尿病视网膜病变 (IDx-DR) 的人工智能工具作为自主人工智能在医学成像中发挥作用的一个例子；然而，我们不认为这是一个恰当的比喻。该算法旨在帮助不擅长眼底镜检查的医生将患者转诊给擅长眼底镜检查的医生。IDx-DR 算法的输出是推荐眼科转诊进行额外评估，而不是推荐治疗。相比之下，
人工智能对重塑教育的影响
1 助理教授，管理研究系，DC 管理与技术学院，特里凡得琅，喀拉拉邦 2 教授，管理研究系，DC 管理与技术学院，特里凡得琅，喀拉拉邦 3 研究学者，TKM 工程学院，APJ 阿卜杜勒卡拉姆科技大学 计算机科学工程系 摘要。由经验引起且本质上相对永久的行为变化可定义为学习。行为主义是用于解释学习的主导理论，它试图仅衡量可观察的行为。在人工智能训练中，监督学习和强化学习方法可以帮助机器从反馈中学习并提高其性能，并且当学习者采用人工智能作为学习工具并且人工智能处于他们的理解范围内时，这个过程会影响或偏向学习者。在高等教育中接触人工智能技术可以为学生未来的职业生涯做好准备，因为他们将获得与劳动力市场越来越相关的工具和技能的经验。为了确定人工智能交互对学习的影响，我们收集了来自不同领域的 38 名学生和 15 名教育工作者的经验。我们已经确定了人工智能交互在支架、个性化、挑战和压力方面的不同水平。与高等教育中的近侧发展区 (ZPD) 相一致的不同学习平台的设计和实施也可以与多种学习理论相关联。因此，这种平台的特征也对应于不同的学习理论。关键词。行为学习的古典理论、信息处理理论、人工智能、ZPD、机器学习、人工智能偏见 1. 简介 学习理论通常与实际应用相关，其中理论框架影响教学实践。不同的理论观点产生不同的教学方法和策略，有些理论比其他理论更直接适用于课堂实践。主导教育环境的主要学习理论包括行为主义、建构主义、认知主义、社会互动理论和人本主义理论。 DeCarvalho (1991)、Rogers (1994)、Roseberry-McKibbin & Hedge (2000) 和 Huitt (2009) 对这些理论做出了显著贡献，正如 Jenny Pange 及其同事在 Procedia Social and Behavioral Sciences 中所讨论的那样。古典学习理论是指一组心理学理论，旨在解释人类如何通过经验获得新知识、技能、行为和态度。这些理论出现于 19 世纪末和 20 世纪初，影响了我们对人类学习的理解。有三种主要的古典学习理论：行为主义、认知主义和建构主义。行为主义由 BF Skinner 开创
1. 微生物学和抗菌素耐药性
1. 微生物学和抗菌素耐药性 a. 定义和范围：抗菌素耐药性 (AMR) 可定义为微生物对抗菌剂或以前具有治疗作用的药物产生耐药性。最常讨论的方面是细菌的抗生素耐药性，但 AMR 包括所有微生物。对抗病毒药物的耐药性也是一个日益严重的问题，尤其是需要终生治疗的病毒感染（如 HIV）。AMR 通常源于治疗最初针对的病原微生物中发生突变、转移或遗传的基因。其他生理微生物状态，如耐受性和持久性，也会导致 AMR 的发展。我们缺乏对这些机制如何导致 AMR 的了解，这使治疗变得复杂。开发新的有效治疗方法、技术和药物需要对生物学、生理学和微生物的防御机制有基本的了解。此外，它还涉及全面了解治疗发展的各个方面。因此，与临床实践、临床研究、临床前研究和公共卫生密切相关的微生物学专业知识对于寻找新的抗菌剂和策略至关重要。与药物化学家和制药技术合作对于开发新的治疗方案是必不可少的。b. 社会意义：抗菌药物耐药性的出现是一个重大的全球社会问题，由于缺乏有效的治疗措施，对现代医学构成了极其严重和现实的威胁。在潜在的后抗生素时代，抗生素不再起作用，即使是轻微的感染也可能再次导致死亡。我们可能会发现自己处于这样一种境地：由于随后感染多重耐药和泛耐药微生物的风险，必须更频繁地避免手术。据估计，2019 年全球约有 127 万人死于细菌性抗菌药物耐药性。在挪威，手术后感染的可能性已经成为一个风险评估因素。因此，抗菌药物耐药性研究被认为对社会非常重要，预计将引起公众和行业利益相关者的极大兴趣。c.融合和世界领先研究环境的潜力：在生命科学大楼 (LVB)，药学系的药物微生物学和免疫学与临床医学研究所的微生物学系、生物科学系的感染生物学以及牙科学院口腔生物学研究所的微生物组和抗生素耐药性研究小组一起迁入。LVB 的共置为加强奥斯陆大学 (UiO) 和奥斯陆大学医院 (OUS) 的感染生物学/AMR 环境之间的合作提供了独特的机会。研究和临床诊断的整合还将促进基础研究、转化研究和临床实践的融合，从而为抗菌药物耐药性领域的潜在创新铺平道路。药学系和化学系的药物化学家和制药技术人员的参与为开发新活性物质、新治疗方案提供了合作机会
美国宇航局的自主模块化扫描仪 (AMS) – 野火传感器
美国宇航局的自主模块化扫描仪 (AMS) – 野火传感器：从机载平台改进野火观测 V. Ambrosia a, *, J. Myers b , E. Hildum b a 加州州立大学 - 蒙特利湾 / 美国宇航局艾姆斯研究中心，美国加利福尼亚州莫菲特菲尔德 - vincent.g.ambrosia@nasa.gov b 大学附属研究中心 (UARC)，美国宇航局艾姆斯研究中心，美国加利福尼亚州莫菲特菲尔德。– jeffrey.s.myers@nasa.gov, edward.a.hildum@nasa.gov 摘要 - 美国宇航局自主模块化扫描仪 (AMS) – 野火传感器是一种机载 16 波段线扫描仪，其通道位于 VIS-IR-MIR-TIR 光谱区域。四个 AMS 热通道复制了两个拟议的 NPOESS VIIRS 通道的光谱带通区域，并可以更好地辨别野火情况。AMS 已在一系列有人驾驶和无人驾驶飞机上运行，包括 NASA Ikhana UAS。机载处理器允许从光谱数据中获取近实时的 2 级产品，并通过卫星链路发送给地面调查人员。自 2006 年以来，AMS- Wildfire 仪器已在美国西部广泛飞行，为灾害管理人员提供实时火灾产品，这些产品可定义热点、活跃火灾、阴燃和火灾后情况。在 2007-2010 年的活动期间，AMS 通过在野火事件上同时收集 MODIS 数据来支持卫星校准和验证工作。这些测量提高了人们对卫星观测的理解，并重新将重点放在 AMS 传感器上，作为一种能够得出关键火灾参数的仪器，以便更好地推断野火的热特性。借助 AMS 仪器的高空间、时间和辐射测量能力，可以更好地辨别火灾特性。机载平台提供的“持续”能力允许对火灾特性进行时间观察，而不是卫星系统提供的单一观察。将重点介绍 AMS 的运营、成功的任务以及未来用于支持火灾科学界和灾害管理界的计划。1 关键词：NASA、AMS、UAS、野火、VIS-IR-MIR-TIR 1.简介 自主模块化扫描仪 (AMS) - WILDFIRE 传感器是一种多用途 NASA 设施传感器系统和模块化 UAS 系统，供科学和应用界使用。AMS 扫描仪由具有三个配置光学头的 Daedalus AADS-1268 扫描系统组成。该配置主要在 NASA ER-2 高空飞机平台上飞行。其中一种配置是专题制图模拟器 (TMS)，用于土地覆盖研究，也用于野火成像。新的 AMS 被重新配置为具有类似扫描头的全功能 UAS 兼容传感器 * 通讯作者。
美国宇航局的自主模块化扫描仪 (AMS) – 野火传感器
美国宇航局的自主模块化扫描仪 (AMS) – 野火传感器：从机载平台改进野火观测 V. Ambrosia a, *, J. Myers b , E. Hildum b a 加州州立大学 - 蒙特利湾 / 美国宇航局艾姆斯研究中心，美国加利福尼亚州莫菲特菲尔德 - vincent.g.ambrosia@nasa.gov b 大学附属研究中心 (UARC)，美国宇航局艾姆斯研究中心，美国加利福尼亚州莫菲特菲尔德。– jeffrey.s.myers@nasa.gov, edward.a.hildum@nasa.gov 摘要 - 美国宇航局自主模块化扫描仪 (AMS) – 野火传感器是一种机载 16 波段线扫描仪，其通道位于 VIS-IR-MIR-TIR 光谱区域。四个 AMS 热通道复制了两个拟议的 NPOESS VIIRS 通道的光谱带通区域，并可以更好地辨别野火情况。AMS 已在一系列有人驾驶和无人驾驶飞机上运行，包括 NASA Ikhana UAS。机载处理器允许从光谱数据中获取近实时的 2 级产品，并通过卫星链路发送给地面调查人员。自 2006 年以来，AMS- Wildfire 仪器已在美国西部广泛飞行，为灾害管理人员提供实时火灾产品，这些产品可定义热点、活跃火灾、阴燃和火灾后情况。在 2007-2010 年的活动期间，AMS 通过在野火事件上同时收集 MODIS 数据来支持卫星校准和验证工作。这些测量提高了人们对卫星观测的理解，并重新将重点放在 AMS 传感器上，作为一种能够得出关键火灾参数的仪器，以便更好地推断野火的热特性。借助 AMS 仪器的高空间、时间和辐射测量能力，可以更好地辨别火灾特性。机载平台提供的“持续”能力允许对火灾特性进行时间观察，而不是卫星系统提供的单一观察。将重点介绍 AMS 的运营、成功的任务以及未来用于支持火灾科学界和灾害管理界的计划。1 关键词：NASA、AMS、UAS、野火、VIS-IR-MIR-TIR 1.简介 自主模块化扫描仪 (AMS) - WILDFIRE 传感器是一种多用途 NASA 设施传感器系统和模块化 UAS 系统，供科学和应用界使用。AMS 扫描仪由具有三个配置光学头的 Daedalus AADS-1268 扫描系统组成。该配置主要在 NASA ER-2 高空飞机平台上飞行。其中一种配置是专题制图模拟器 (TMS)，用于土地覆盖研究，也用于野火成像。新的 AMS 被重新配置为具有类似扫描头的全功能 UAS 兼容传感器 * 通讯作者。