XiaoMi-AI文件搜索系统
World File Search System性预
出版详情：Hsu, P.-N.、Shie, K.-C.、Chen, K.-P.、Tu, J.-C.、Wu, C.-C.、Tsou, N.-T.、Lo, Y.-C.、Chen, N.-Y.、Hsieh, Y.-F.、Wu, M.、Chen, C. 和 Tu, K.-N. (2022)。人工智能深度学习用于 3D IC 可靠性预测。科学报告，12，第 6711 篇文章。https://doi.org/10.1038/s41598-022-08179-z
由于 2D IC 的摩尔定律即将终结，三维集成电路 (3D IC) 技术最近备受关注。然而，3D IC 的可靠性受制造过程中互连中的空洞和故障的影响很大，通常需要缓慢测试并依赖于人的判断。因此，对 3D IC 的不断增长的需求引起了人们对可靠性分析和故障预测重要性的极大关注。本研究结合基于卷积神经网络 (CNN) 的 AI 深度学习，对 3D X 射线断层扫描图像进行无损分析。通过使用可靠的收集图像数据库训练 AI 机器，AI 可以根据无损 3D X 射线断层扫描图像快速检测和预测焊点的互连操作故障，准确率高达 89.9%。还揭示了决定回流微凸块“良好”或“故障”条件的重要特征，例如中间横截面的面积损失百分比。
前比皮层活性预测高架的焦虑行为，以及迷宫码头A. Smoak 1,3，Karla J. Galvan 1,3，Daniel E. Calvo 2,4，
摘要内侧前额叶皮层（MPFC）在情绪调节中起着至关重要的作用，其失调与焦虑症有关。尤其是，MPFC的前比皮质（PRL）被认为可以调节与焦虑相关的行为，尽管其精确作用仍在争论中。在这里，我们使用内窥镜体内钙成像来评估在高高的迷宫（EPM）中进行的男性和雌性Sprague-Dawley大鼠的PRL神经元活性，这是一项广泛使用的任务，用于衡量焦虑样行为。我们发现，在张开手臂上花费较少时间的动物在张开的手臂上表现出较高的PRL活性，这表明PRL活动的增强可能反映出更大的焦虑或增加的回避行为。这些结果表明，PRL可能在调节对焦虑症情况的情绪反应中发挥作用，从而可能影响暴露于威胁性环境的容忍度。引言前额叶皮层（PFC）整合了皮质胶体输入以评估情绪意义和指导自适应行为（McLaughlin等，2014）。PFC活性的变化与报道的焦虑水平有关（Simpson等，2001），PFC活性的失调与精神疾病（如广义焦虑症（GAD））有关（Cha等，2014），
基于深度学习的超导性预测和实验测试
新型超导材料的发现是材料科学的长期挑战，具有丰富的能源，转换和计算应用的潜力。人工智能（AI）的最新进展已通过有效利用大量伴侣数据库来加快对新材料的搜索。在这项研究中，我们开发了一种基于深度学习（DL）的方法，以预测新的超导材料。我们合成了从我们的DL网络得出的化合物，并确认其超导属性与我们的预测一致。也将我们的方法与基于随机森林（RFS）的先前工作进行了比较。特别是RF需要了解该化合物的化学性质，而我们的神经网络输入仅取决于化学成分。我们进一步讨论了与使用AI预测和发现新超导体以及潜在的未来研究方向相关的现有局限性和挑战。
相似性量化的相对差异学习改善了分子活性预测
低温电子断层扫描（Cryo-ET）是一种生产细胞环境的高度脱尾3D图像（称为断层图）的技术。Cryo-Et通常是唯一可以在其天然环境中实现蛋白质和细胞结构几乎原子分辨率的技术。针对蛋白质结构确定的低温 - 肛门肛门技术的基本步骤是找到pogractions中感兴趣的蛋白质的所有实例，这是一种称为粒子拾取的任务。由于信噪比较低，靶蛋白的伪像的存在和巨大的多样性，颗粒拾取是一个具有挑战性的3D对象检测问题。现有的粒子采摘方法要么慢，要么仅限于选择一些感兴趣的小部分，这需要大量注释且难以获得训练数据集。在这项工作中，我们提出了Propicker，这是一种快速和通用的粒子采摘器，可以检测到训练集中包含的颗粒，并且可以在几分钟内处理断层图。我们的迅速设计允许根据输入提示选择性地检测体积中的特定蛋白质。我们的经验表明，培养基可以与最先进的通用拾取器达到相同的性能，同时更快地达到数量级。
利用人工智能用于HIV耐药性预测和个性化治疗
用于艾滋病毒耐药性预测和个性化治疗的抽象利用人工智能（AI）代表了管理艾滋病毒/艾滋病的一种变革性方法。本综述探讨了AI方法的整合，尤其是机器学习和深度学习，以增强HIV中耐药性突变的预测。通过分析基因组序列和临床数据，AI模型可以识别与耐药性相关的模式，从而使临床医生能够根据个体患者的特征来量身定制抗逆转录病毒疗法（ART）。审查讨论了各种AI技术，包括随机森林，支持向量机和神经网络，突出了它们在预测抗药性和改善治疗结果方面的有效性。本综述中采用的方法涉及对近期文献和案例研究的全面分析，以评估AI驱动的预测模型在临床环境中的性能和适用性。关键字：人工智能，艾滋病毒耐药性，个性化治疗，机器学习，基因组数据。
基于机器学习的神经退行性预测
1 kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。kyung heung kyung hee大学医学中心，王亨大学医学院，大韩民国首尔，北大韩民国2数字健康中心，医学科学研究研究所，Kyung Hee大学医学中心，Kyung Hee University Coluseion of Seoul，Seoul，Seoul Rusecuse of Repucent of Korea Science，Kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee，kyung Hee'Rusecul oustor of Rubecor of Rusecor ofera韩国首尔共和国首尔大学医学院5号神经病学系，Kyung Hee大学医学中心，Kyung Heun Hee大学医学院，大韩民国首尔，北北部北部北部卫生与发展中心，卫生，绩效和医学院，西班牙卫生中心，卫生大学，卫生中心，卫生大学，卫生中心，卫生大学，英国，国际卫生部，卫生中心7中心，巴塞罗那帕克·桑特里·琼·德·德鲁6研究与发展部。大加共和国9内分泌学和代谢部，内科内科学系，甘贡王亨大学医院和韩国首尔共和国共和国共和国共和国共和国的Kyung Hee大学医学院，内科学和代谢部，jeonbuk National National Schooliation of Jeonbuk National Schooliation of Jeonbuk National of Jeonju eastry of Jeonju eastry of Jeon Jeonju eastry of Jeonbuk National of Jeonju easter of Jeonju easter of Jeonju easter of Jeonju科学，韩国共和国王林大学12号韩国共和国首尔京尔大学医学院的精密医学系13韩国首尔京尔大学医学院儿科学系。
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
汽车电子可靠性预测• 可靠性预测...
收到日期：2024 年 6 月 5 日。修改后收到日期：2024 年 8 月 20 日。接受日期：2024 年 8 月 29 日。摘要 电子产品的可靠性预测是汽车行业的一项基本活动，原因如下：1) 了解是否达到可靠性目标，2) 比较替代设计，或 3) 评估可靠性改进。可靠性预测是通过计算所有系统/产品电子元件的故障率来定义的。在汽车领域，有几本专门用于电子元件可靠性预测的指南，其中西门子 SN 29500 被汽车行业广泛接受。然而，西门子 SN 29500 标准以及其他标准都为假设恒定环境条件的故障率计算提供了基础，但没有为产品在现场使用寿命期间在不同环境下运行时提供逐步的过程。因此，在本文中，我们将逐步介绍如何全面了解西门子 SN 29500 标准的实施，当环境不稳定时，如何获得汽车电子应用中产品的故障率/可靠性值。关键词：可靠性预测；故障率；SN 29500；任务概况；及时故障。