XiaoMi-AI文件搜索系统
World File Search System数据存储
神经影像数据存储库和人工智能驱动的医疗保健——......
神经影像数据库是数据丰富的资源，包含脑成像以及临床和生物标志物数据。此类数据库改变医疗保健的潜力是巨大的，尤其是它们支持机器学习 (ML) 和人工智能 (AI) 工具的能力。当前关于此类工具在医疗保健领域的普遍性的讨论引发了人们对偏见风险的担忧——ML 模型在女性和少数民族和种族中表现不佳。ML 的使用可能会加剧现有的医疗保健差距或造成部署后的危害。神经影像数据库及其支持 ML/AI 驱动的临床发现的能力，是否既有加速创新医学的潜力，又有缩小神经科学相关医疗保健中社会不平等差距的潜力？在本文中，我们研究了使用神经影像数据库内积累的数据来对全球社区神经科学需求进行 ML 驱动建模的伦理问题。我们分为两部分进行了探讨；首先，在理论实验中，我们主张建立一个东南亚储存库来纠正全球失衡。在此背景下，我们随后考虑了包容与排斥移民工人群体的道德框架，移民工人群体是医疗保健不平等的受害者。其次，我们创建了一个模型，模拟 COVID-19 中嗅觉缺失风险的全球差异对改变大脑结构发现的影响；然后我们进行了一项小型人工智能伦理实验。在这个实验中，我们使用 ML 聚类模型查询了一个实际的试点数据集（n = 17；8 个非嗅觉缺失（47%）vs. 9 个嗅觉缺失（53%））。为了创建 COVID-19 模拟模型，我们引导重新采样并放大数据集。这产生了三个假设数据集：（i）匹配（n = 68；47% 嗅觉缺失），（ii）主要非嗅觉缺失（n = 66；73% 不成比例），以及（iii）主要嗅觉缺失（n = 66；76% 不成比例）。我们发现，每个假设数据集中所代表的相同队列的不同比例不仅改变了区分它们的关键特征的相对重要性，甚至改变了这些特征的存在与否。我们这个小实验的主要目的是了解是否可以以我们能够理解的方式利用 ML/AI 方法对不成比例的数据集进行建模。术语“人工智能伦理”。需要进一步研究将此处提出的方法扩展为可重复的策略。
医疗保健中的云计算：数据存储和分析解决方案的全面综述
云计算通过为数据存储，分析和对医疗服务的访问提供可扩展，灵活和具有成本效益的解决方案来彻底改变医疗保健行业。这项全面的评论探讨了医疗保健中云计算的作用，收益，挑战和未来方向。它强调了云计算如何增强数据管理和互操作性，促进远程医疗，确保成本效益并支持研究和开发。尽管有好处，但必须解决诸如数据安全，法规合规性和系统可靠性之类的挑战，以充分利用云计算的潜力。将AI，区块链和物联网等新兴技术与云计算相结合有望在医疗保健方面进一步进步。云计算将极大地影响医疗保健提供，从而实现更个性化，高效和全球医疗保健解决方案。
使用 CRISPR 碱基编辑器在 DNA 磁带上进行数字数据存储
摘要：尽管档案数字存储行业已接近其物理极限，但需求却在大幅增长，因此出现了替代产品。最近的努力已经证明了 DNA 作为数字存储介质的巨大潜力，具有卓越的信息耐久性、容量和能耗。然而，大多数提出的系统都需要按需从头 DNA 合成技术，这些技术会产生大量有毒废物，因此不具备工业可扩展性和环保性。受半导体存储设备架构和基因编辑最新发展的启发，我们创建了一种称为“DNA 突变覆盖存储”（DMOS）的分子数字数据存储系统，该系统通过利用组合、可寻址、正交和独立的体外 CRISPR 碱基编辑反应来存储信息，将数据写入绿色合成 DNA 磁带的空白池中。作为概念验证，我们在 DNA 磁带上写下了我们学校徽标的位图表示和本研究的标题，并准确地恢复了存储的数据。
DrugComb 更新：更全面的药物敏感性数据存储库和分析门户
。CC-BY-NC-ND 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2021 年 3 月 26 日发布。；https://doi.org/10.1101/2021.03.25.436916 doi：bioRxiv 预印本
光子引导多路复用酶促 DNA 合成用于分子数字数据存储
。CC-BY-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。此版本的版权持有者于 2020 年 2 月 20 日发布。；https://doi.org/10.1101/2020.02.19.956888 doi: bioRxiv preprint
地热数据存储库的数据标准和管道的更新：地理空间数据和分布式声音传感数据
1。从数据所有者那里获取数据2。消化数据以了解包括的内容3。将数据转换为机器可读格式4。质量保证和质量控制5。在机器学习算法中使用6。重复前面的步骤，直到满足所有数据需求7。策划数据集和ML输出的传播
dds-e-sim：基于变压器的生成框架，用于模拟DNA数据存储中易用错误的序列
摘要。单倍型组装是重建在母体和父亲遗传的染色体拷贝上等位基因组合的问题。单个单倍型对于我们对不同变体组合如何影响表型的理解至关重要。在这项工作中，我们专注于单个二倍体基因组的基于读取的单倍型组件，该组件直接从变体基因座的读取对齐中重建了两种单倍型。我们介绍了Ralphi，这是一种新颖的深入强化学习框架单倍型组装的框架，该框架将深度学习的代表力与强化学习的代表力整合在一起，以准确地将片段读取其各自的单倍型集。为了为增强学习设定奖励目标，我们的方法将问题的经典减少到片段图上的最大片段切割公式中，其中节点与读取和边缘权重相对应捕获共享变体站点上读取的冲突或一致。我们在1000个基因组项目中衍生自基因组的片段图拓扑数据集上训练了Ralphi。我们表明，在标准人类基因组基准中，在短和长的范围内，Ralphi始终以在明显和长的覆盖范围下以相当或更长的单倍型块长度在最新的读取状态下达到较低的错误率。Ralphi可从https://github.com/popiclab/ralphi获得。
推进云计算中安全数据存储和处理的量子加密算法：增强对新兴网络威胁的防御能力
摘要 — 云计算的兴起改变了数据存储和处理方式，但也带来了新的漏洞，尤其是量子计算的迫在眉睫的威胁。传统的加密方法虽然目前有效，但面临着被量子攻击破坏的风险。这项研究旨在为云环境开发一种抗量子安全框架，将基于格的加密技术与量子密钥分发 (QKD) 协议（尤其是 E91 协议）相结合，以实现安全密钥管理。该框架还结合了量子认证协议，以增强用户身份验证，防止未经授权的访问和篡改。所提出的解决方案在强大的安全性与实际实施之间取得平衡，确保了现实云环境中的可扩展性和效率。性能评估表明加密时间约为 30 毫秒，优于 RSA 和 DES 等现有方法。这项研究有助于开发面向未来的加密标准，既能应对当前的安全挑战，又能应对新出现的量子计算威胁。通过利用量子力学，该框架加强了基于云的数据保护，为应对不断发展的网络风险提供了弹性解决方案。该结果对推动云安全具有重要意义，为能够抵御量子计算威胁的下一代加密技术奠定了基础。
RX 系列 Reality AI 数据采集模块（数据收集器/数据发送器）- 示例代码 Rev1.00
• 数据收集器将传感器等信号数据存储在内存中。 • 存储的数据发送到 PC 数据发送器。 • 在 PC 上运行的数据存储工具将其转换为文件并上传到 Reality AI。
自主计算材料-Komiyama Lab |
摘要：传统材料在计算，传感和数据存储功能方面达到了限制，在摩尔法律的末尾，众多的感应应用以及全球数据存储需求的持续指数增长。传统材料还受其必须运行的受控环境，高能耗以及执行同时，集成感测，计算以及数据存储和检索能力有限的受控环境的限制。相比之下，人脑能够同时进行多模式感应，复杂的计算以及短期和长期数据存储，并且几乎瞬时的回忆速率，无缝整合和最少的能量消耗。是由大脑和需要革命性新计算材料的需求的动机，我们最近提出了数据驱动的材料发现框架，自主计算材料。该框架旨在通过编程激子，声音，光子，光子和动态结构纳米级材料来模仿大脑的集成感测，计算和数据存储的功能，而无需模仿大脑的未知实现细节。如果意识到，这种材料将在生物学和其他非惯例环境中以综合方式的分布式，多模式感测，计算和数据存储构成变革的机会，包括与生物传感器和计算机（例如大脑本身）的交互。c