XiaoMi-AI文件搜索系统
World File Search System层数
利用人工智能实现有效的待办事项列表游戏化
许多人都有拖延症，无法优先处理最重要的工作。为了帮助用户克服此类问题，Habitica 等游戏化生产力工具使用了启发式积分系统，但这可能会适得其反。我们最近提出了一种更有原则性的积分值计算方法，以避免此类问题。虽然理论上很有前景，但即使对于非常短的待办事项清单，也需要大量计算。在这里，我们提出了一种可扩展的近似方法，使我们的待办事项清单游戏化原则方法可在现实世界中使用。我们的方法利用人工智能来生成游戏化的待办事项清单，其中每个任务都受到一定数量的积分的激励，这些积分传达了该任务的长期价值。我们的新方法更具可扩展性的原因在于，它将计算用户如何最好地实现其目标的长期计划的问题分解为一系列较小的规划问题。我们通过将该方法应用于目标、子目标和任务数量不断增加的待办事项列表来评估该方法的可扩展性，并且我们还增加了目标层次结构的嵌套层数。我们发现该方法可以使 Web 和移动应用程序为相当大的待办事项列表计算出出色的积分系统，其中最多 576 个任务分布在最多 9 个不同的顶级目标上。我们的方法可通过 API 1 免费获得。这使得我们的方法易于在游戏化的 Web 应用程序和移动应用程序中使用。
关于人工智能的临床应用
人工智能（AI）是一种具有学习、推理和判断能力，模仿人类智能的计算机程序。人工智能的基础是机器学习，机器学习又可分为监督学习（机器根据正确答案数据进行学习）和非监督学习（机器无需正确答案数据即可学习并分类特征）。监督学习是主要方法。在机器学习中，神经网络是一种模仿人类神经元的人工神经元组合而成的分层系统，当层数变得更深时，就称为深度学习。 ．深度学习的进步极大地提高了人工智能的性能。人工智能正在被应用到各个领域，其中人工智能在临床实践中的应用尝试正在加速。近年来有关人工智能在神经系统疾病治疗中的应用的报道迅速增加。人工智能已经用于神经影像分析，但最近它已应用于自动语音识别 (ASR) 和自然语言处理 (NLP)。利用人工智能通过可穿戴设备和视频进行访谈和神经系统发现的数字化运动分析，现在可以使用人工智能来分析以前难以处理的神经学发现。这是可能的。此外，从血液、脑脊液等生物样本中寻找生化生物标志物的研究也在进行中，利用AI对多组学数据进行分析的研究也备受关注。未来，预计AI的进一步发展将实现更加准确的诊断和预后预测。
气候变化和技术创新对未来城市能源性能和建筑形式的影响
摘要：建筑和交通部门占城市能源消耗的最大比例。虽然它们与城市建筑形式和密度有着内在联系，但气候变化和技术创新正在影响它们的相对贡献。本文旨在开发一个优化框架，以便为未来的建筑环境确定最节能的城市建筑形式和城市几何形状，以适应不断变化的气候和持续的技术发展。它研究了 2050 年伦敦市作为温带气候区（作为案例研究）的未来情景，并将其与当前情况进行了对比。具体来说，研究了气候变化以及可通过屋顶光伏充电的电动汽车进入交通系统的影响。本研究首先开发了四种选定城市建筑形式的几何模型，其次使用城市能源模拟软件分析了它们的能源性能。结果显示了未来情景对建筑能源性能、城市建筑形式和密度的影响，表明庭院和隧道庭院建筑形式在未来发展中表现出更好的能源性能。因此，建议对于伦敦未来的城市发展，采用层数较少、截角较大的深层庭院和隧道庭院建筑，在建筑能耗方面更有利，以适应预期的气候变化。最后，模拟试验的结果表明，由于额外的冷却负荷和电动汽车充电负荷，2050 年的建筑总能耗将大大高于目前的气候。
建筑部门施工文件/建筑计划
占用组别 类型 建筑分类 房产位置 地震风险 设计荷载 结构系统 平方英尺/允许建筑面积 消防喷淋系统 高度和楼层数 占用负荷 土地使用区域 场地平面图 显示拟建的新建筑物或构筑物以及任何现有建筑物或构筑物、所有带尺寸的产权线、所有街道、地役权和退距。显示所有水、水井、下水道、OWTS 组件、通讯服务、丙烷和电话。电气连接点、拟建的公用设施服务路线和场地上现有的公用设施。显示所有必需的停车、排水和分级信息。指明排水流入和流出位置，并指定为排水目的需要维护的区域。应提供带有基准高程的地形测量。显示北箭头。显示场地平面图上划定的组件位置和大小的尺寸。 岩土报告 提供该场地拟建结构的岩土报告。 外部立面 显示每个视图。显示垂直尺寸和高度。显示开口并识别材料并显示横向支撑系统。显示尺寸和时间表。基础平面图显示所有基础和基础。标明尺寸、位置、厚度、材料和强度以及加固。显示所有嵌入式锚固装置，如锚栓、压紧装置、柱座等。显示基础平面图上划定的所有组件的位置和尺寸尺寸。
文章 - NIST 的 TSAPPS
摘要：测量了用于防护 SARS-CoV-2 病毒（直径 100 ± 10 纳米）的布制口罩中使用的 32 种布料（14 种棉、1 种羊毛、9 种合成、4 种合成混纺和 4 种合成/棉混纺）的过滤效率 (FE)、压差 (ΔP)、品质因数 (QF) 和结构参数。还测量了七种聚丙烯基纤维过滤材料，包括外科口罩和 N95 呼吸器。还对天然、合成或天然-合成混纺的多层和混合材料样品进行了额外测量，以模拟布制口罩的构造方法。对材料进行微成像，并针对选定尺寸的 NaCl 气溶胶进行测试，颗粒迁移率直径在 50 至 825 纳米之间。表现最好的五个样品中有三个是 100% 纯棉编织而成，纱线支数较高到中等，另外两个是中等支数的合成纤维编织而成。与最近发表的研究相比，使用混合材料的样品在测量的 FE 与各组分单个 FE 的乘积相比没有表现出显著差异。对于轻质法兰绒，FE 和 Δ P 随着布层数的增加而单调增加，这表明多层布口罩可能对纳米级气溶胶提供更高的防护，最大 FE 由透气性决定（即 Δ P ）。关键词：SARS-CoV-2、COVID-19、布口罩、口罩、个人防护、气溶胶、呼吸防护 I
通过Fowler-Nordheim隧道进行红外光电检测
六角硼硝酸盐（H -BN）是多种应用的有前途的材料。自发现以来，它已被用于纳米电子和光电设备作为各种二维材料的最佳底物。此外，H -BN是中红外区域的天然双曲线材料，在那里，光子材料几乎没有选择。要了解结构和属性之间的关系，必须评估纳米级H -BN中的层数。在这里，使用仿真和实验的组合，我们系统地研究了几层H-BN的Fowler-Nordheim隧道效应，并准确地获得并验证了基本的物理参数，例如层依赖性有效质量。这项工作对基于GAN的金属/绝缘体/半导体（MIS）块的设计进行了系统的研究，该块很少，H-BN是绝缘层。发现，诸如H -BN层的数量，gan掺杂浓度以及接触金属的工作功能诸如结构和材料的功能，对这些MIS块的电气特征产生了显着影响，而理想的异质界面则是2D H -BN膜的互联网膜的痛苦，例如互化因素，例如互化因素，例如Inter -Interaps Interaps traps traps traps和Sraps sraps traps traps traps traps traps and sraps sraps。通过全面平衡关键因素的相互限制，这项工作可以实现基于GAN的MIS块，该块能够在较高的电压，电流或功率条件下进行操作，而与其对应物相比。本文旨在提供H -BN设备的基本物理，并帮助开发相关的基于H -BN的红外光电学。
场地总体规划提交清单
3 项目工地先前批准的重新分区、设计或标志指南的日期、决议、案件、决议/法令编号和条件。 4 工作表索引（注意：计划必须与此清单的顺序相同）。 5 所有一般说明和项目数据，包括：i. 项目名称、地址、地块 ID ii. 编制者的姓名、地址、电话、电子邮件 iii. 所有者的姓名、地址、电话、电子邮件 iv. 开发商的姓名、地址、电话、电子邮件 v. 该物业的兼并法令编号（如适用）vi. 该物业的分区（包括所有条件和覆盖区域）vii. 如果已批准任何变更，请列出案件编号和条件 viii. 社区计划 - 增长策略地图指定 ix. 地块面积 x. 所需/拟议的挫折和尺寸要求 xi. 开发计算（总密度和净密度）xii. 第 2 章中的拟议用途 xiii. 建筑物现有/拟议的总平方英尺 xiv.按用途划分的拟议楼层面积总平方英尺数 xv. 多户住宅单元数量 xvi. 拟议的建筑高度和楼层数 xvii. 所需/拟议的车辆和自行车停车位数量 xviii. 正面扩建要求（如适用） xix. 标明该地点是否位于供水流域保护覆盖区 xx. 标明该地点是否包含特殊洪灾危险区 xxi. 提供街区公园和开放空间的平方英尺、英亩数和百分比（如适用） xxii. 现有/拟议的不透水表面百分比 III 现有状况地图
人工神经网络超级学习的元学习...
摘要。紧凑型μ子螺线管 (CMS) 是欧洲核子研究中心大型强子对撞机 (LHC) 的通用探测器之一，它收集了大量的物理数据。在进行最终的物理分析之前，必须通过一系列自动（如物理对象重建、直方图准备）和手动（检查、比较和决策）步骤检查数据的质量（认证）。决策的最后一个手动步骤非常重要，容易出错，需要大量人力。决策（认证）目前正在计算机科学领域积极研究，以通过应用计算机科学的最新进展，特别是机器学习 (ML) 来实现自动化。归根结底，CMS 数据认证是一个二元分类任务，其中正在研究各种 ML 技术的适用性。就像任何其他 ML 任务一样，超参数调整是一个难题，没有黄金法则，每个用例都不同。本研究探索了元学习的适用性，它是一种超参数查找技术，其中算法从以前的训练实验中学习超参数。进化遗传算法已用于调整神经网络的超参数，如隐藏层数、每层神经元数、激活函数、辍学、训练批量大小和优化器。最初，遗传算法采用手动指定的超参数集，然后向接近最优解发展。应用遗传随机算子、交叉和变异来避免局部最优解。本研究表明，通过仔细播种初始解决方案，很可能会找到最优解。所提出的解决方案提高了用于 CERN CMS 数据认证的神经网络的 AUC 分数。类似的算法可以应用于其他机器学习模型的超参数优化。
![arxiv：2201.08878v1 [Quant-ph] 2022年1月21日](/simg/g:\will\search\icon\source\2\22c0aa3c5a3b0fb3f8a5cbe0a5918d8e49f33976.webp)
arxiv：2201.08878v1 [Quant-ph] 2022年1月21日
Quantum机器学习（QML）是一个新兴的研究领域，主张使用量子计算来进步机器学习。由于发现了参数变化量子电路（VQC）以替换人工神经网络的可容纳能力，因此它们已被广泛采用以在量子机学习中的不同任务中采用。然而，尽管它们有可能超过神经网络，但VQC限于量子电路可伸缩性的挑战，仅限于小规模应用。为了解决这个缺点，我们提出了一种算法，该算法使用张量环表示在电路中压缩量子状态。使用张量环表示中的输入Qubit状态，单量子门保持张量环表示。但是，对于两个Qubit门而言，情况并非如此，其中使用近似值将输出作为张量环表示。使用此近似值，与精确的仿真算法相比，与指数增加相比，存储和计算时间在量子数和层数中线性增加。此近似值用于实现张量环VQC。使用基于梯度下降的算法进行张量环VQC参数的训练，其中使用了反向传播的效果方法。在两个数据集上评估了所提出的方法：分类任务的虹膜和MNIST，以使用更多量子位来显示提高准确性。关键字：变分量子电路，张量网络，有监督的学习，classifation我们使用各种电路架构实现了虹膜数据集的测试精度为83.33％，MNIST数据集的二进制和三元分类为99.30％和76.31％。IRIS数据集的结果优于Qiskit上的VQC上的结果，并且可扩展，这证明了VQC用于大规模量子机器学习应用程序的潜力。
蛋白质电晕研究中的十年机器学习
纳米材料及其多种生物医学应用跨越了分子成像，在暴露于生物学环境的情况下会在蛋白质电动（PC）层的吸附。由复杂的相互作用形成的动态层，显着影响免疫识别，生物分布和纳米粒子毒性。传统的蛋白质组学方法，例如液相色谱 - 串联质谱法，有效但受到低通量，高成本和对专业知识的要求的限制。从聚合物评估期间无意的PC分析转变到对其在靶向药物中的作用的故意研究强调了对更有效的分析方法的需求。机器学习（ML）与PC研究的集成已成为有前途的解决方案。这种计算方法学从特定纳米颗粒上的特征蛋白质层数据集中学习，为传统方法提供了更简化和资源有效的替代方案。最近的研究强调了ML预测PC动力学和生物学效应的能力，在预测器官的积累模式中获得了明显的准确性。然而，仍然存在挑战，包括需要更大，更多样化的数据集，重大的计算需求以及生物学家，化学家和数据科学家之间跨学科合作的必要性。此外，标准化实验方案的开发对于确保整个研究的可重复性和可比性至关重要。道德考虑，例如在传统领域的潜在工作流离失所，例如化学，也值得谨慎关注，因为ML在该领域继续发展。总而言之，尽管ML显示出彻底改变PC研究的巨大潜力，但对方法论的进一步完善和跨学科的协作增强对于完全实现其在临床纳米医学中的应用至关重要。