XiaoMi-AI文件搜索系统
World File Search System图中
tomocpt：一种可概括的模型，用于3D粒子检测和在低温电子断层图中的定位
冷冻电子断层扫描是一个快速发展的领域，用于研究其天然环境中的宏观复合物，并有可能彻底改变我们对蛋白质功能的理解。然而，在低温图中，快速准确地识别颗粒是具有挑战性的，它代表了下游过程中的显着瓶颈，例如亚图平均图。在这里，我们提出了tomocpt（断层式质心预测工具），这是一种基于变压器的解决方案，该解决方案将粒子检测重新探测为使用高斯标签的质心预测任务。我们的方法是建立在Swinunetr架构的基础上的，它表现出了卓越的性能，而二进制标签策略和模板匹配都相比。我们表明，tomocpt通过零弹性推断有效地将新型粒子类型推广到新颖的粒子类型，并且可以通过有限的数据进行微调来显着增强。The efficacy of tomoCPT is validated using three case studies: apoferritin, achieving a resolution of 3.0 A ˚ compared with 3.3 A ˚ using template matching, SARS-CoV-2 spike proteins on cell surfaces, yielding an 18.3 A ˚ resolution map where template matching proved unsuccessful, and rubisco molecules within carboxysomes, reaching 8.0 A ˚ resolution.这些结果证明了Tomocpt处理各种场景的能力，包括密集的环境和膜结合的蛋白质。该工具作为命令行计划的实现，再加上其微调数据要求，使其成为高通量冷冻数据处理工作流的实用解决方案。
氧化物界面超导相图中的多带效应
LaAlO 3 /SrTiO 3 和 LaTiO 3 /SrTiO 3 异质结构表现出由电子密度控制的复杂相图。 [1,2] 虽然系统在低密度下处于弱绝缘状态，但当通过静电门控（采用背栅、侧栅或顶栅结构）添加电子时，就会出现超导性[1,3,4]（图1）。当载流子密度（n 2D）增加时，超导 T c 升至最大值 c max T ≈ 300 mK，然后随着掺杂的进一步增加而降低。由此产生的圆顶状超导相图类似于在其他超导体家族中观察到的相图，包括高 T c 铜酸盐、Fe 基超导体、重费米子和有机超导体。 [5,6] 在氧化物界面相图中，普遍观察到两个明显的掺杂点：低密度下的量子临界点 (QCP)，它将弱绝缘区与超导区分开；最佳掺杂下的最大临界温度点 (c max T)，它定义了欠掺杂区与过掺杂区之间的边界。尽管进行了大量研究，但对这两个点的起源尚无共识。在 LaAlO 3 /SrTiO 3 异质结构中，电子
深度卷积神经网络在脑电图中的应用：原始数据与光谱特征
摘要 — 深度学习在计算机视觉领域的成功启发了科学界探索新的分析方法。在神经科学领域，特别是在电生理神经成像领域，研究人员开始探索利用深度学习来预测他们的数据，而无需进行广泛的特征工程。本文使用两种不同的深度卷积神经架构比较了使用经过最低限度处理的 EEG 原始数据的深度学习与使用 EEG 光谱特征的深度学习。其中一个来自 Putten 等人 (2018)，专门用于处理原始数据；另一个来自 VGG16 视觉网络 (Simonyan and Zisserman, 2015)，旨在处理 EEG 光谱特征。我们应用它们对来自 1,574 名参与者的大型语料库的 24 通道 EEG 进行性别分类。我们不仅改进了此类分类问题的最新分类性能，而且还表明在所有情况下，与光谱 EEG 特征相比，原始数据分类可带来更出色的性能。有趣的是，我们表明，专门用于处理 EEG 频谱特征的神经网络在应用于原始数据分类时性能有所提高。我们的方法表明，用于处理 EEG 频谱特征的相同卷积网络在应用于 EEG 原始数据时可产生优异的性能。
FastEMD–CCA 算法用于无监督快速去除脑电图中的眨眼伪影
a 马来西亚霹雳州国油工艺大学健康与分析研究所 b 马来西亚霹雳州国油工艺大学自治系统研究所 c 马来西亚霹雳州国油工艺大学电气与电子工程系 d 马来西亚吉兰丹马来西亚理科大学神经科学系 e 法国勃艮第大学 ERL VIBOT CNRS 6000 电子、信息与图像实验室 (Le2i)
注意力调节神经特征维度图中的刺激表征
图 1：对特定特征维度的注意力如何塑造神经特征维度图？A. 优先级图理论假设各种“特征维度图”用于根据其首选特征维度内的计算来索引视野中最重要的位置，并且这些图中的激活应根据观察者的目标进行缩放。如果正在进行的任务需要检测或辨别运动（例如，识别飞镖蜂鸟的运动方向），则相应“运动图”内的激活将增加与蜂鸟位置相关的重要性。运动图可以通过两种方式优先考虑超出空间注意力预期的局部效应的信息（例如，Sprague 等人，2018 年）。可以发生局部增强，这样只有具有关注特征的刺激的位置才会被优先考虑。或者，可以发生全局增强，这样整个地图上的激活被附加缩放，从而增加对任何位置关注特征维度的敏感度。这种类型的调制仍会驱动更强的目标表征，但当运动是目标相关特征维度时，还会在没有刺激的位置导致更强的反应。这里描绘了运动维度图，但调制同样适用于其他特征维度，例如颜色。B. 评估特征（运动）图中刺激位置和相反位置的激活可以区分局部和全局增强解释。两种模型都预测，当首选特征维度相关（例如运动；左）时，刺激将在刺激位置具有最大的激活。如果增强是局部的，那么相反位置的激活不应该在各种条件下改变（中间）。但是，如果存在全局增强，那么当运动与任务相关时，相反位置的激活应该增加。通过计算刺激和相反位置之间的激活差异，可以评估基于特征的调制的空间特异性（右）。如果运动图中注意运动条件的激活差异（刺激相反）较大，则增强是局部的。然而，如果关注颜色和运动条件之间的激活差异相似，则增强在特征维度图上是全局的。
视图中V2X增强制动的益处评估阻碍了交叉用例
摘要 - 如果两辆车之间的撞车事故是即将发生的，则激活自动紧急制动器（AEB），以避免或减轻事故。但是，AEB的触发机制依赖于车辆的板载传感器，例如雷达和摄像机，这些传感器需要一线视线才能检测到坠机对手。如果视线受损，例如，由于恶劣的天气或阻塞，无法及时激活AEB以避免坠机。要处理这些情况，提出了一个2阶段的制动系统，其中第一阶段由部分制动器组成，该制动是由车辆到所有（V2X）通信触发的。第二阶段由标准AEB组成，该标准AEB仅由板载传感器检测触发。在障碍物的用例中分析了这种V2X增强的2阶段制动系统的性能，并将结果与仅使用AEB的系统进行了比较。通过确定坠机避免率进行定量评估，如果无法避免撞车，则通过估计坠机严重性缓解措施来评估。
自旋图中量子纠缠的产生及其鲁棒性
摘要 纠缠是量子信息处理的关键资源，因此需要在各种硬件平台上生成高保真度纠缠态的协议。虽然自旋链已被广泛研究以产生纠缠，但图结构也具有这种潜力；然而，只有几类图被用于这项特定任务。在本文中，我们将一种涉及两种不同耦合强度的特殊耦合方案应用于两个互连的 3×3 方图的图，使得它实际上包含三个缺陷。我们展示了这种结构如何生成贝尔态，其保真度取决于所选的耦合比。我们应用分区图论来降低图的维数，并表明，使用简化图或简化链，我们仍然可以模拟具有相同动态的相同协议。最后，我们研究了制造误差如何影响纠缠生成协议以及不同的等效结构如何受到影响，发现对于某些特定的耦合比，它们非常稳健。
![Android申请自动空手道KATA培训
DNA元编码：简化生物多样性
在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型”
（b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图中地瓜恶化的真菌评估](/simg/4/4dae9df3cc15f59033a58a2d46a094df568ff4c1.webp)
Android申请自动空手道KATA培训 DNA元编码：简化生物多样性 在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型” （b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图中地瓜恶化的真菌评估
摘要本研究旨在评估学生对为独立空手道KATA培训开发的基于Android的应用的接受。这项研究是遵循Addie方法的研究和发展研究的评估阶段。进行评估，两位专家，内容和媒体质量专家评估了应用程序的可行性。此外，在梅德市梅德尔9卫理公会私立中学的空手道外课外计划的参与者衡量了学生的接受。研究人员使用问卷调查收集了研究数据，并进行了定量分析的回答。内容专家的评估表明，该应用程序非常可行，表明学习材料适合空手道kata培训。媒体质量专家还确认，该应用程序符合有效学习工具的所有必要标准。此外，使用技术接受模型的评估表明，学生发现该应用程序有用且易于使用，这鼓励他们将其用于学习空手道Kata的意图。总而言之，研究表明，基于Android的应用是空手道KATA培训的可行且广受好评的工具。
在分子图中优化OOD检测
尽管分子表示学习最近取得了进展，但其有效性还是在近世界的假设上假定的，即训练和测试图来自相同的分布。开放世界测试数据集通常与分布（OOD）样本混合在一起，在该样本中，部署的模型将难以做出准确的预测。在药物筛查或设计中分子特性的误导性估计会导致湿lab资源的大量浪费并延迟发现新疗法的发现。传统检测方法需要对OOD检测和分布（ID）分类性能进行贸易，因为它们共享相同的表示模型。在这项工作中，我们建议通过采用基于辅助扩散模型的框架来解析OOD分子，该框架比较了输入分子和重建图之间的相似性。由于产生构建ID训练样品的产生偏见，OOD分子的相似性得分将要低得多以促进检测。尽管在概念上很简单，但将此香草框架扩展到实际检测应用程序仍然受到两个重大挑战的限制。首先，基于欧几里得距离的流行相似性指标无法考虑复杂的图形结构。第二，涉及迭代脱氧步骤的属性模型众所周知，尤其是在大量药物库上运行时。为了应对这些挑战，我们的研究先驱者是一种旋转型G raph r生态建构的方法，该方法被称为pgr-mood。具体来说，PGR-MOOD取决于三个创新：i）一个有效的指标，可根据离散的边缘和连续节点特征全面量化输入和重建分子的匹配程度； ii）构建