XiaoMi-AI文件搜索系统
World File Search System实验的
实验的人工智能和设计有助于开发孕酮的固体脂质纳米颗粒，用于透皮药物的递送
人工智能（AI）的应用有可能彻底改变纳米医学的配方发展。这项研究研究了通过乳化 - 散热过程产生的孕激素负载固体脂质纳米颗粒（PG-SLN）的物理化学特征，重点是通过设计实验设计（DOE）和人造神经网络（ANN）（ANN）来证明这种受控制备方法的有效性。关键质量因素，包括硬脂酸，中链甘油三酸酯（MCT），pluronic F-127和丙烯乙二醇（PG）的量，使用DOE来简化实验设置。硬脂酸的浓度被鉴定为影响PG-SLN物理化学特性的关键因素，影响粒径（PS），多分散指数（PDI），ZETA电位（ZP）和％药物载荷（％DL）。确定了PS，PDI，ZP和％DL的最佳条件。 DOE揭示了多个运行的可接受值，ANN模型表现出高度的预测准确性，超过了响应表面方法（RSM）。 测试了选定的PG-SLN配方透皮药物的递送，与PG悬浮液相比，渗透率得到了改善。 用柠檬烯加载进一步增强了透皮药物的递送，这归因于林烯作为穿透性增强剂的作用。 此外，发现所选的PG-SLN配方对神经元细胞是安全且无毒的。 提出了DOE和ANN的组合来增强预测能力。 这项研究强调了PG-SLN在透皮药物递送中的潜力，强调了柠檬烯是一种安全有效的增强剂。确定了PS，PDI，ZP和％DL的最佳条件。DOE揭示了多个运行的可接受值，ANN模型表现出高度的预测准确性，超过了响应表面方法（RSM）。测试了选定的PG-SLN配方透皮药物的递送，与PG悬浮液相比，渗透率得到了改善。用柠檬烯加载进一步增强了透皮药物的递送，这归因于林烯作为穿透性增强剂的作用。此外，发现所选的PG-SLN配方对神经元细胞是安全且无毒的。提出了DOE和ANN的组合来增强预测能力。这项研究强调了PG-SLN在透皮药物递送中的潜力，强调了柠檬烯是一种安全有效的增强剂。这项研究有助于对在药物和生物医学领域应用AI工具的兴趣日益增长的兴趣，以改善预测性建模。
CRISPR-GPT：用于自动设计基因编辑实验的 LLM 代理
基因组工程技术的引入改变了生物医学研究，使得精确改变遗传信息成为可能。然而，创建一个有效的基因编辑系统需要对 CRISPR 技术和正在研究的复杂实验系统有深入的了解。虽然大型语言模型 (LLM) 在各种任务中都表现出了良好的前景，但它们往往缺乏特定的知识，难以准确解决生物设计问题。在这项工作中，我们引入了 CRISPR-GPT，这是一个增强了领域知识和外部工具的 LLM 代理，用于自动化和增强基于 CRISPR 的基因编辑实验的设计过程。CRISPR-GPT 利用 LLM 的推理能力来促进选择 CRISPR 系统、设计向导 RNA、推荐细胞递送方法、起草方案和设计验证实验以确认编辑结果的过程。我们展示了 CRISPR-GPT 帮助非专家研究人员从头开始进行基因编辑实验的潜力，并在现实世界的用例中验证了该代理的有效性。此外，我们探讨了与自动化基因编辑设计相关的伦理和监管考虑因素，强调负责任和透明地使用这些工具的必要性。我们的工作旨在弥合
深度量子图梦想：解读神经网络对量子实验的洞察
摘要 尽管神经网络有望促进新的科学发现，但它的不透明性给解释其发现背后的逻辑带来了挑战。在这里，我们使用一种名为 inception 或 deep dreaming 的可解释人工智能技术，该技术是在计算机视觉机器学习中发明的。我们使用这种技术来探索神经网络对量子光学实验的了解。我们的故事始于对深度神经网络进行量子系统属性的训练。训练完成后，我们会“反转”神经网络——实际上是询问它如何想象具有特定属性的量子系统，以及它将如何不断修改量子系统以改变属性。我们发现网络可以改变量子系统属性的初始分布，我们可以概念化神经网络的学习策略。有趣的是，我们发现，在第一层，神经网络可以识别简单属性，而在更深的层，它可以识别复杂的量子结构甚至量子纠缠。这让人想起计算机视觉中已知的长期理解的属性，我们现在在复杂的自然科学任务中识别这些属性。我们的方法可以以更易于解释的方式用于开发量子物理学中新的基于人工智能的先进科学发现技术。
NMR 实验的数字量子模拟
核磁共振 (NMR) 实验的模拟可以成为提取分子结构信息和优化实验方案的重要工具，但在传统计算机上对于大分子（如蛋白质）和零场 NMR 等方案通常难以处理。我们展示了 NMR 光谱的第一个量子模拟，使用捕获离子量子计算机的四个量子比特计算乙腈甲基的零场光谱。我们使用压缩感知技术将量子模拟的采样成本降低了一个数量级。我们展示了 NMR 系统的固有退相干如何在相对近期的量子硬件上实现经典硬分子的零场模拟，并讨论了如何使用实验证明的量子算法在更成熟的设备上有效地模拟科学和技术相关的固态 NMR 实验。我们的工作为量子计算开辟了一个实际应用。
测试广义相对论的 LARES 2 太空实验的首批结果*
Ignazio Ciufolini 1 , Claudio Paris 2 , Erricos C. Pavlis 3 , John Ries 4 , Richard Matzner 5 , Antonio Paolozzi 2 , Emiliano Ortore 2 , Giuseppe Bianco 6 , Magdalena Kuzmicz-Cieslak 3 , Vahe Gurzadyan 7 , Roger Penrose 8 1 中国科学院武汉物理与数学研究所，精密测量科学与技术创新研究院，武汉 430071，中国 2 罗马大学航空工业学院，意大利罗马 3 马里兰大学戈达德地球科学技术与研究 II（GESTAR II），美国巴尔的摩县 4 德克萨斯大学奥斯汀分校空间研究中心，美国奥斯汀 5 德克萨斯大学奥斯汀分校温伯格中心引力物理中心，美国德克萨斯州奥斯汀6 意大利空间科学机构，CGS-Matera，意大利 7 宇宙学和天体物理中心，阿里哈尼安国家实验室和埃里温国立大学，亚美尼亚埃里温 8 牛津大学数学研究所，英国牛津
NMR 实验的数字量子模拟 - CDN
核磁共振 (NMR) 实验的模拟可以成为提取分子结构信息和优化实验方案的重要工具，但在传统计算机上对于大分子（如蛋白质）和零场 NMR 等方案通常难以处理。我们展示了 NMR 光谱的第一个量子模拟，使用捕获离子量子计算机的四个量子比特计算乙腈甲基的零场光谱。我们使用压缩感知技术将量子模拟的采样成本降低了一个数量级。我们展示了 NMR 系统的固有退相干如何在相对近期的量子硬件上实现经典硬分子的零场模拟，并讨论了如何使用实验证明的量子算法在更成熟的设备上有效地模拟科学和技术相关的固态 NMR 实验。我们的工作为量子计算开辟了一个实际应用。
与Atlas实验的自旋相关性和纠缠-Top2023，Traverse City，Michigan，USA
诺贝尔物理学奖2022奖被共同授予Alain Fack，John F. Clauser和Anton Zeilinger“进行纠缠光子的实验，确立了违反贝尔不平等和开拓性量子信息科学的行为”。（链接）
与实验的定量比较揭示了力场对POPC - 胆固醇相互作用的描述中的缺陷
摘要：胆固醇是生物膜中的一个中心构建块，它诱导定向顺序，减慢扩散，使膜僵硬以及驱动结构域的形成。分子动力学（MD）模拟在分子水平解决这些效果方面起着至关重要的作用。然而，最近显而易见的是，不同的MD力场在定量不同的行为上预测了不同的行为。尽管很容易被忽视，但由于磁场迅速发展朝模拟体内条件的复杂膜的模拟迅速发展：相关的多组分仿真必须准确捕获其基本构件之间的相互作用，例如磷脂和胆固醇。在这里，我们定义了针对C-H键顺序参数的二元脂质混合物模拟的定量质量度量，以及来自NMR光谱的侧向扩散系数以及X射线散射的构型因子。基于这些措施，我们对常用的力场描述棕榈酰丙酰磷脂酰胆碱（POPC）和胆固醇的二元混合物的结构和动力学的能力进行系统评估。没有测试的力场清楚地表现出在经过测试的属性和条件上的表现。仍然，SlipID参数在我们的测试中提供了最佳的总体性能，尤其是当评估中包含动态属性时。这项工作中介绍的质量评估指标将尤其是使用自动方法来促进多组分膜的未来力量现场开发和改进。
认知通信、快速设备和人工智能/机器学习 (AI/ML) 飞行实验的进展
目标 • 建立构建在轨神经形态平台所需的硬件、电气和软件接口 • 运行利用英特尔 Kapoho Bay 的简单 AI/ML 应用程序
康普顿散射实验的理论和应用
摘要。康普顿散射一直是原子和分子物理学，材料科学，冷凝物理学和其他领域的关键概念，因为它最初是由Arthur H. Compton在1923年发现的。此外，康普顿摄像机是康普顿散射的应用之一，可以收集有关500 KEV高能量的光子的足够数据和信息，这对于对天文学，医学成像和可视化放射性材料的科学研究很重要。游离电子近似，脉冲近似和散射矩阵是到达康普顿公式和康普顿效应的基本原理的一些方法。在本文中，将包括康普顿公式的完整推导，以及自由电子近似的扣除，这显示了康普顿散射与汤姆森散射之间的关系，当光子能量比粒子的质量能小得多时，前者的低能极限。此外，本文将讨论康普顿散射的几种想法，包括检查波长与相对强度之间的联系，保护法和虚拟光子吸收之间的联系。