XiaoMi-AI文件搜索系统
World File Search System查找
人工智能驱动的命中查找迭代筛选 - UCL Discovery
当前的药物发现模式在很大程度上侧重于高通量筛选 (HTS)，这种方法是针对目标筛选大量化合物库以确定合适的开发起点。1,2 典型 HTS 的命中率相对较低，在大多数测定中通常低于 1%，3 需要大型化合物库才能产生足够数量的命中，以使药物开发计划得以推进。这些库的大小导致筛选成本高昂，并且活动的准备时间较长。筛选活动的成本达到数十万美元并不罕见。随着筛选中出现更多与疾病相关但也更复杂的表型读数， 4 每种筛选化合物的成本往往会增加。根据我们的经验，每孔超过 1.50 美元的成本并不罕见。显然，需要一些方法来提高这些屏幕的回报率。此外，现在比以往任何时候都有更多的化学空间可以轻易购买，并且人们希望查询越来越多的化学物质。
2023 年 5 月 10 日星期三 - 查找会议
空间与地理空间协作研讨会由安迪·托马斯空间基金会和 SSSI 于 2023 年 5 月 10 日星期三联合主办，在首届 2023 年澳大利亚空间论坛和 Locate23 会议之间举行。这次跨学科研讨会将为来自空间和空间领域的专业人士提供一个独特的机会，让他们交流和讨论澳大利亚对空间技术发展的重新承诺以及现代空间信息产业的要求和能力所带来的日益增加的协同作用和合作机会。空间专业人士一直是 PNT（定位、导航和计时）、EO（地球观测）和电信等空间应用的长期最终用户。欢迎所有人参加，听取该领域专家的意见并与志同道合的专业人士建立联系。
2023 年 5 月 10 日星期三 - 查找会议
1420 使用 NovaSAR-1 和 Sentinel-1 数据进行自动洪水测绘的基于卷积神经网络 (CNN) 的深度学习方法 Andrew Ogbaeje，南昆士兰大学 1430 使用澳大利亚制造的低成本 IoT GNSS 传感器进行天气建模和监测 Jun Wang 博士，Kurloo Technology Pty Ltd 1440 潮汐上涨：潮汐数据可以告诉我们维多利亚州菲利普港湾未来沿海洪水的哪些信息 David Pepin，Spatial Vision 1450 深度学习 U-Net 分类 Sentinel-1 和 2 融合有效划定热带山地森林的森林砍伐范围 Richard Dein Altarez，南昆士兰大学 1500 使用基于 GIS 的模糊 AHP 和模糊叠加对澳大利亚昆士兰州养蜂土地适宜性进行时空评估 Sarasie Tennakoon，南昆士兰大学 1510 基于无人机的图像和机器学习来检测入侵物种澳大利亚北部的暹罗草 Deepak Gautam，皇家墨尔本理工大学，地理空间科学 1520 灾害环境下非正规住区的空间增长模式：以哥伦比亚莫科阿为例 Ricardo Camacho，墨尔本大学
2023 年 5 月 10 日星期三 - 查找会议
1420 使用 NovaSAR-1 和 Sentinel-1 数据进行自动洪水测绘的基于卷积神经网络 (CNN) 的深度学习方法 Andrew Ogbaeje，南昆士兰大学 1430 使用澳大利亚制造的低成本 IoT GNSS 传感器进行天气建模和监测 Jun Wang 博士，Kurloo Technology Pty Ltd 1440 潮汐上涨：潮汐数据可以告诉我们维多利亚州菲利普港湾未来沿海洪水的哪些信息 David Pepin，Spatial Vision 1450 深度学习 U-Net 分类 Sentinel-1 和 2 融合有效划定热带山地森林的森林砍伐范围 Richard Dein Altarez，南昆士兰大学 1500 使用基于 GIS 的模糊 AHP 和模糊叠加对澳大利亚昆士兰州养蜂土地适宜性进行时空评估 Sarasie Tennakoon，南昆士兰大学 1510 基于无人机的图像和机器学习来检测入侵物种澳大利亚北部的暹罗草 Deepak Gautam，皇家墨尔本理工大学，地理空间科学 1520 灾害环境下非正规住区的空间增长模式：以哥伦比亚莫科阿为例 Ricardo Camacho，墨尔本大学
一百千里的查找表，用于有效的单片超级分辨率
传统的超分辨率（SR）方案大量使用卷积神经网络（CNN），涉及密集的多重积累（MAC）操作，并且需要特殊的硬件，例如图形处理单元。这与经常在功率，计算和存储资源紧张的设备上运行的Edge AI的制度相矛盾。这样的挑战激发了一系列基于查找表（LUT）的SR方案，这些方案采用了简单的LUT读数，并且在很大程度上避免了CNN计算。尽管如此，现有方法中的多兆字节仍然禁止片上存储，并且需要芯片内存储器运输。这项工作解决了此存储障碍，并创新了一百千洛伊特LUT（HKLUT）型号，可容纳在片上缓存。利用不规则的两分支多阶段网络，再加上一系列专业内核图案，HKLUT表现出了毫不妥协的性能和优越的硬件效率，对现有的LUT方案。我们的实施可在以下网址公开获取：https：//github.com/jasonli0707/hklut。
建立因果模型，以查找无人机故障的实际原因
找到无人驾驶飞机（UAV）故障的实际原因可以分为两个主要任务：建立因果模型和对其进行实际因果分析（ACA）。虽然文献中有可用的解决方案可以执行ACA，但构建全面的因果模型仍然是一个开放的问题。通常由域专家手动执行的昂贵且耗时的构建过程，阻碍了基于因果关系的诊断解决方案的广泛应用。本研究提出了一种基于自然语言处理的方法，用于自动化无人机的因果模型。从在线资源中收集文本数据后，在句子中确定了因果关键字。接下来，基于代币之间的预定依赖性规则从句子中提取原因 - 效应短语。最后，提取的原因对成对合并以形成因果图，然后我们将其用于ACA。为了演示我们的框架的适用性，我们刮擦了一个开源无人机控制器软件Ardupilot的在线文本资源。我们使用真实飞行日志的评估表明，生成的图可以成功地用于查找不良事件的实际原因。此外，我们的混合因果 - 效应提取模块的性能要比纯学习的工具（即CIRA）的精确度比纯学习的工具（即CIRA），而在我们的Ardupilet用例中，召回率为25％。
使用量子傅里叶变换进行相位估计和阶数查找
1 用于相位估计算法的 Kitaev 电路。....................................................................................................................................20 2 实现量子傅里叶变换的电路。....................................................................................................................................23 3 实现相位估计算法的电路。....................................................................................................................................24 4 以一般状态 | ψ ⟩ 作为上寄存器输入的相位估计算法电路。....................................................................................................................................27 5 n = 3 时 α 0 (左) 和 α 1 (右) 的 DTFT 幅度。.................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 10 P ( r = ˆ r ) 的下限 . ...