XiaoMi-AI文件搜索系统
World File Search System据预测
野火应急计划
根据世界卫生组织的说法，患有呼吸系统疾病和心脏病等基础疾病的人以及吸烟者属于最高风险人群。尽管有些报告显示情况相反，但儿童也可能被感染，但似乎不那么容易感染。病毒能够通过咳嗽或打喷嚏产生的飞沫在人与人之间直接传播，这些飞沫通过空气传播，直接停留在皮肤或经常接触的表面，如门把手或手机上。人接触病毒后，症状可能需要数周才会出现，甚至根本不会出现。那些携带病毒但没有表现出疾病迹象的人仍然会传播疾病。据预测，美国将有大量人感染 COVID-19。世界卫生组织已宣布 COVID-19 的广泛地理传播为大流行。总统已宣布全国进入紧急状态，许多州也宣布进入紧急状态。目前的缓解措施导致企业关闭、商业旅行减少、食品供应短缺，以及限制所有类型的聚会，即使是人数较少的聚会。野火应对工作刚刚开始增加，并正走向高峰，通常发生在夏季晚些时候，尤其是在西部。提前规划是持续努力应对这一流行病的潜在影响的必要组成部分。随着火灾活动的增加和对消防员和设备的需求增加，有必要确保已采取一切措施
机械手
机械手 摘自：SciencetoyMaker.org 如何制作一个工作模型机械手 目标 学生将： • 学习有关机器人技术的基本信息 • 制作一个与人手非常相似的机械手 建议年级 6 至 12 年级 学科领域 机器人技术、技术、工程设计 时间线 60-90 分钟 标准 (NGSS) • MS-ETS1-4 开发一个模型来生成数据，用于迭代测试和修改拟议的对象、工具或流程，从而实现最佳设计 • HS-ETS1-2 将复杂的现实问题分解为可以通过工程解决的更小、更易于管理的问题，从而设计解决方案 21 世纪基本技能 • 创造力和想象力 • 信息素养 • 主动性 • 分析 • 预测模式 背景 机器人是一种能够执行由工程师编程的常规或复杂操作的机器。如今，机器人可用于手术、太空探索、制造和代码分析等方面。人类已经开发机器人和自动机数百年了。自 2000 年代以来，技术的进一步进步带来了更先进的自动化和人工智能。自动化机器被编程为反复执行一个动作，如今已用于制造业、海洋探索、太空探索、军事和商业化农业。由于创新速度快，机器人的未来很难预测。然而，据预测，机器人很可能会在家庭和商业世界中发挥更大的作用。
我们该如何在人工智能世界中设计学习？
计算能力和人工智能 (AI) 算法的快速改进使我们能够自动做出影响我们日常生活和推动工作场所转型的重要决策。据预测，许多人将发现自己没有准备好应对某些行业日益由人工智能带来的高度变化和不确定性。一个关键的教育挑战是弄清楚如何支持年轻一代发展他们适应和创新人工智能世界所需的能力。本文认为，教育者和学习者不仅应该参与学习，还应该参与人工智能世界的共同设计学习。此外，他们应该共同探索可以帮助人们塑造未来人工智能场景的知识、目标和行动，并学会应对高度不确定性。本文的主要贡献是对人工智能世界中的学习设计的重新概念化，探索教育设计的问题空间，并说明教育工作者和学习者如何共同努力重新构想人工智能世界中的教育未来。作为这个问题空间的一部分，本文讨论了基础哲学（能力方法和价值创造）、高级教学法（强调共同创造）、教学策略（推测性教学法）和教学策略（人工智能场景）。然后，它提出了一个设计框架（ACAD）来支持教育工作者和学习者关于人工智能世界中学习设计的讨论。这种参与式设计方法旨在让人们意识到教育意味着什么、对谁来说意味着什么以及使用人工智能学习会是什么样子，它强调教育工作者和学习者积极参与共同设计他们想要的未来，帮助塑造人工智能世界中的学习和生活。
基于人工智能的头颈癌诊断方法：概述
背景：本文回顾了近期采用人工智能/机器学习 (AI/ML) 方法通过自动图像分析对头颈癌 (HNC) 进行诊断评估的文献。方法：使用 MEDLINE (通过 OVID、EMBASE 和 Google Scholar) 进行电子数据库搜索，以检索使用 AI/ML 对 HNC 进行诊断评估的文章 (2009 – 2020 年)。对所使用的 AI/ML 方法或成像方式没有任何限制。结果：共找到 32 篇文章。HNC 部位包括口腔 (n = 16)、鼻咽 (n = 3)、口咽 (n = 3)、喉 (n = 2)、唾液腺 (n = 2)、鼻窦 (n = 1)，其中五项研究研究了多个部位。成像方式包括组织学（n = 9）、放射学（n = 8）、高光谱（n = 6）、内窥镜/临床（n = 5）、红外热（n = 1）和光学（n = 1）。两项研究使用了临床病理学/基因组数据。22 项研究（69%）采用了传统 ML 方法，8 项研究（25%）采用了深度学习 (DL)，2 项研究（6%）采用了这两种方法的组合。结论：越来越多的研究正在探索 AI/ML 在通过各种成像方式辅助 HNC 检测中的作用。这些方法可以达到高度准确度，甚至超过人类在数据预测方面的判断能力。需要进行大规模多中心前瞻性研究来帮助部署到临床实践中。
文章：Mahmood, H. orcid.org/0000-0001-7159-0368、Shaban, M.、Rajpoot, N. 等人（另外 1 位作者）（2021 年）基于人工智能的头颈癌诊断方法：概述。英国癌症杂志，124 (12)。第 1934-1940 页。ISSN 0007-0920
背景：本文回顾了最近采用人工智能/机器学习 (AI/ML) 方法通过自动图像分析对头颈癌 (HNC) 进行诊断评估的文献。方法：通过 OVID、EMBASE 和 Google Scholar 使用 MEDLINE 进行电子数据库搜索，以检索使用 AI/ML 对 HNC 进行诊断评估的文章 (2009 – 2020)。对使用的 AI/ML 方法或成像方式没有任何限制。结果：共确定了 32 篇文章。HNC 部位包括口腔 (n = 16)、鼻咽 (n = 3)、口咽 (n = 3)、喉 (n = 2)、唾液腺 (n = 2)、鼻窦 (n = 1)，五项研究研究了多个部位。成像方式包括组织学 (n = 9)、放射学 (n = 8)、高光谱 (n = 6)、内窥镜/临床 (n = 5)、红外热 (n = 1) 和光学 (n = 1)。两项研究使用了临床病理学/基因组数据。22 项研究 (69%) 采用了传统 ML 方法，8 项研究 (25%) 采用了深度学习 (DL)，2 项研究 (6%) 采用了这些方法的组合。结论：越来越多的研究探索 AI/ML 在使用一系列成像方式辅助 HNC 检测方面的作用。这些方法可以达到很高的准确度，可以超越人类在数据预测方面的判断能力。需要进行大规模多中心前瞻性研究，以帮助部署到临床实践中。
能源存储杂志 - NTU > IRep
灵活性是促进配电网中可再生能源 (RES) 变化的最重要解决方案之一。据预测，电动汽车 (EV) 可以在配电网中发挥有效作用。因此，本文提出了停车场电动汽车电池 (EVPL) 的多目标调度，以提高智能配电网 (SDN) 基于存储的灵活性。所提出的公式将能源成本和电压偏差函数最小化，并将系统灵活性 (SF) 最大化为多目标函数，这些函数将根据交流负载流、RES 和 EV 约束以及灵活性和操作指标的允许限度进行优化。结果模型为非线性规划 (NLP) 模型。因此，获得了原始问题的等效线性规划 (LP) 公式，以实现全局最优结果。随机规划方法用于对负载、RES 的有功发电、能源价格和 EV 参数的不确定性进行建模。灵活的电源管理被制定为所提出的多目标框架的目标函数之一，该框架使用 ε 约束方法求解，由模糊决策器得出最佳折衷解决方案。在 GAMS 软件环境中使用 33 总线径向测试配电网络对所提出的框架进行了测试，以评估电动汽车在改善灵活性指标方面的能力。根据数值结果，可以观察到，所提出的具有电动汽车最佳能量管理的方案能够为 SDN 获得高度灵活性。它还可以减少网络运行中的能量损失并提供相当平滑的电压曲线。
电动汽车融入微电网
化石能源的开发使人类的重点从农业转向工业化。工业化推动了两个多世纪以来文明的巨大进步。据预测，化石燃料产生的二氧化碳总量为2.2万亿吨[1]。近年来，以化石燃料为基础的能源利用模式导致了严重的碳排放和全球变暖。全球知名环保活动家瑞典少女格蕾塔·桑伯格在2020年达沃斯论坛上警告称，“立刻停止投资化石燃料，或者向你的孩子解释，为什么你没有保护他们免受你造成的气候混乱”[2]。过去十年，电力行业积极推进节能减排，但由于经济成本和负荷限制，弃风弃光现象依然存在[3–6]。在近来的政策激励下，碳中和、电动汽车和可再生能源的大力发展成为电力行业的必然趋势[7–9]。微电网是一种结合多种可再生能源的综合集成技术，可以提高风能和太阳能的利用率，减少碳排放[10，11]。风能和太阳能等可再生能源在发电过程中受不可预测的天气条件（如热浪、热带气旋、风暴）影响，具有不稳定性和间歇性。因此，很难持续稳定地应用这些宝贵的电能[12]。最终，为节约能源和实现碳中和做出贡献势在必行。自 1906 年以来，全球平均气温上升了 1.1 ◦ C [1]。为了有效应对全球变暖对人类社会的不利影响，2015 年联合国气候变化框架公约（UNFCCC）在法国巴黎举行。
过渡金属氮化物卤化物电介质
利用第一性原理计算，我们研究了六种过渡金属氮化物卤化物 (TMNH)：HfNBr、HfNCl、TiNBr、TiNCl、ZrNBr 和 ZrNCl 作为过渡金属二硫属化物 (TMD) 沟道晶体管的潜在范德华 (vdW) 电介质。我们计算了剥离能量和体声子能量，发现这六种 TMNH 是可剥离的并且具有热力学稳定性。我们计算了单层和体 TMNH 在平面内和平面外方向的光学和静态介电常数。在单层中，平面外静态介电常数范围为 5.04 (ZrNCl) 至 6.03 (ZrNBr)，而平面内介电常数范围为 13.18 (HfNBr) 至 74.52 (TiNCl)。我们表明，TMNH 的带隙范围从 1.53 eV（TiNBr）到 3.36 eV（HfNCl），而亲和力范围从 4.01 eV（HfNBr）到 5.60 eV（TiNCl）。最后，我们估算了具有六个 TMNH 单层电介质和五个单层通道 TMD（MoS 2 、MoSe 2 、MoTe 2 、WS 2 和 WSe 2 ）的晶体管的电介质漏电流密度。对于 p- MOS TMD 通道晶体管，30 种组合中有 25 种的漏电流小于六方氮化硼 (hBN)，一种众所周知的 vdW 电介质。对于以 HfNCl 为栅极电介质的 ap -MOS MoSe 2 晶体管，预测最小双层漏电流为 1.15×10 -2 A/cm 2。据预测，HfNBr、ZrNBr 和 ZrNCl 也会在某些 p-MOS TMD 晶体管中产生微小的漏电流。
人工智能在物流与供应链中的应用
Zhandark Khalife Soltani a* a 信息技术管理系，管理学院，南德黑兰分校，伊斯兰阿扎德大学，德黑兰，伊朗。文章历史：收到日期：2021 年 4 月 5 日；接受日期：2021 年 5 月 14 日；在线发表日期：2021 年 6 月 22 日摘要：潜在市场范围显示出高增长，市场可以在未来几年实现这一目标。预计战略配置和资产定位可以帮助实现竞争目标。估计几个国家政府出台的某些法规会增加市场收入。据预测，在预测期内，拥有适当的手段来建立强大的分销渠道可以决定市场未来的扩张。经济政府的稳定最有助于全球市场力量的良好发展。还预测，研发设备的进步会影响预测期内的市场增长。需要为自然灾害、流行病和国际贸易战等紧急情况提供条件，可以使市场应对挑战。换句话说，涵盖了四个方面：1-供应链管理中最常见的人工智能技术，2-供应链管理中可能使用的人工智能技术，3-人工智能改进的供应链管理的次要领域，以及4-人工智能改进的次要领域。使用一定的包容性和缺乏包容性规则集合来调查供应链管理的四个领域的文章：物流、营销、供应链和制造。本研究通过系统的分析和综合提供了见解。关键词：人工智能、供应链管理、物流
用于水电解推进系统的阴极蒸汽供给电解器的研究
近年来，我们看到航天工业发生了重大变化，每年发射的卫星数量比以往任何时候都多。据预测，到本世纪末，将有 4.5 倍的航天器被送入太空，这将带来各种挑战 [1]。为了满足日益增长的需求，每颗卫星的生产成本必须降低，而卫星数量的增加将导致必须更频繁地执行防撞机动。这也意味着更多的航天器将需要推进系统来确保安全运行并确保遵守《欧洲空间碎片减缓行为准则》。截至目前，大多数推进系统都在使用肼及其衍生物等剧毒推进剂，因此在处理推进系统组件时需要采取广泛的安全措施。这使得新设备的开发以及现有设备的测试和集成变得复杂，因此成本高昂。即使是电力推进系统也经常依赖氙气等稀缺气体，而氙气的年产量有限，因此推进剂成本对整个推进系统成本有重大影响。这种情况和许多其他原因正在推动人们不断寻找使用绿色推进剂的替代解决方案。最有前途的绿色推进技术之一是水电解推进 (WEP) [ 2 ] [ 3 ]。在这种系统中，航天器在地面上用纯净水代替传统的高反应性推进剂填充。进入太空后，电解器用于将水分解成氢气和氧气。产生的气体随后可储存在较小的中间罐中，或直接用于化学或电动推进器以推动航天器。欧洲的几家公司和大学目前正在开发这项技术，而两个关键部件是推进器和电解器。到目前为止，只有少数电解器曾被发射到太空。