XiaoMi-AI文件搜索系统
World File Search System模型改进
超越事后可解释的人工智能
摘要。AI模型被批评为黑匣子，这可能会使气候科学更加不确定性。已提出了可解释的人工智能（XAI）来探测AI模型并增加信任。在这篇评论和观点论文中，我们建议，除了使用XAI方法外，气候科学领域的AI研究人员还可以从过去的成功发展中学习基于物理学的动态气候模型的成功。动力学模型很复杂，但获得了信任，因为它们的成功和失败可以在某些时候归因于特定的组件或子模型，例如，当指向细胞参数化来解释模型偏差时。我们提出了三种类型的理解作为评估动力学和AI模型的信任的基础：（1）工具理解，当模型通过功能测试时，这是对此进行的； （2）在研究人员可以使用统计技术识别输入输入关系的建模结果时获得的坚定理解； （3）组件级的理解是指建模者指向模型架构中特定模型组件或部分的特定模型组件的能力，作为不稳定的模型行为的罪魁祸首，或者是模型的原因。我们演示了过去几十年来通过气候模型对比项目进行的组件级别的理解和实现。这种组件级别的理解通常会导致模型改进，也可以作为思考AI驱动气候SCI-
IEEE计算机协会活动“ AI ...
1.1简介第1天：人工智能简介研讨会始于人工智能的概述，涵盖了其符号AI，机器学习，深度学习和认知计算等子领域。关键AI功能 - 机器学习，NLP，计算机视觉，机器人技术和专家系统，被强调为现代AI应用程序的核心。参与者讨论了AI对医疗保健和金融等部门的变革性影响。在AI概念（包括数据类型和道德考虑）的基础课程之后，评估评估了参与者对这些基本思想的理解。第2天：第二天引入机器学习（ML），重点是监督和强化学习。参与者探索了大型语言模型（LLM），并促使学习有效地指导模型。会议包括一个使用IBM Cloud和Watson Studio的项目，参与者在该项目中建立了一个作物推荐模型。通过数据准备，迭代模型改进和基于云的部署，他们经历了云计算的好处，用于大型数据集和可扩展的ML项目。第3天：最后一天与IBM Watson助理的聊天机器人开发，学生学会了使用IBM Watson Assistant设计和部署聊天机器人。交互式格式指导参与者创建能够理解查询的聊天机器人，回答
GOMO 北极研究计划战略 2022-2026
NOAA 的全球海洋监测和观测 (GOMO) 计划提供长期、高质量、现场全球海洋观测和产品，对于提供和增强地球系统模型以及每日至十年时间尺度的预报至关重要。在 GOMO 内，北极研究计划 (ARP) 专注于阿拉斯加北极地区，同时参与泛北极计划以了解整个北极系统。自 2000 年以来，该地区的气温上升速度至少是全球平均水平的两倍，导致海水变暖、夏季海冰条件迅速下降、海冰更年轻、更薄，陆地温度上升。这些变化引发了一系列影响，威胁到北极生态系统的稳定、土著社区的粮食和文化安全、沿海村庄的恢复力以及阿拉斯加渔业的生产力。此外，北极变化的影响范围超出北极圈，影响着全球中纬度的天气和气候模式。改进 NOAA 在北极的海洋、陆地和大气观测系统对于跟踪、了解和预测对阿拉斯加、美国大陆和世界的威胁至关重要。ARP 赞助了多项持续的现场海洋、海冰和大气边界层观测以及互补的海洋生态系统研究，以描述北白令海、楚科奇海和波弗特海对气候变化的反应。ARP 还支持模型改进和使用，以支持 NOAA 的科学、服务和管理使命。
2025年2月1日，朱利安娜·迪亚斯NOAA物理科学...
B.S. in Civil Engineering, 2003 Universidade de Sao Paulo, Sao Paulo, Brazil Appointments Chief, Atmosphere-Ocean Processes and Predictability Division Supervisory Physical Scientist, Physical Sciences Laboratory, NOAA, 2024-present Research Physical Scientist, Physical Sciences Laboratory, NOAA, 2019-2024 Research Scientist, Cooperative Institute for Research in Environmental Sciences (CIRES), University of Colorado at the NOAA物理科学实验室，博尔德，2014年至2018年。 Post-doctoral Fellow, NOAA Earth System Research Laboratory, Boulder CO (National Research Council Program & CIRES Postdoctoral Visiting Fellowships), 2010-2013 Professional Activities NOAA Precipitation Prediction Grand Challenge Implementation Team Membership (2024- present) Organizer and Lecturer at Summer School on Theory, Mechanisms and Hierarchical Modelling of Climate Dynamics: Convection and Clouds International Centre for Theoretical Physics,意大利（2024）美国气候可变性和可预测性计划（CLIVAR）：过程研究和模型改进小组的成员（2023-2026）NOAA季节性预测系统发展计划：团队成员（2023年）在德国跨国协作研究中心“向天气浪潮”，德国（2023）NOAA的NOAA和大气研究）（2023）共同领导人（2020-2023）AGU建模地球系统进步杂志：副编辑（2018-2023）美国气象学学会（AMS）第8和9日第8和9届MADDEN-JULIAN振荡和次季节季风变异性（2020，2021）。B.S.in Civil Engineering, 2003 Universidade de Sao Paulo, Sao Paulo, Brazil Appointments Chief, Atmosphere-Ocean Processes and Predictability Division Supervisory Physical Scientist, Physical Sciences Laboratory, NOAA, 2024-present Research Physical Scientist, Physical Sciences Laboratory, NOAA, 2019-2024 Research Scientist, Cooperative Institute for Research in Environmental Sciences (CIRES), University of Colorado at the NOAA物理科学实验室，博尔德，2014年至2018年。Post-doctoral Fellow, NOAA Earth System Research Laboratory, Boulder CO (National Research Council Program & CIRES Postdoctoral Visiting Fellowships), 2010-2013 Professional Activities NOAA Precipitation Prediction Grand Challenge Implementation Team Membership (2024- present) Organizer and Lecturer at Summer School on Theory, Mechanisms and Hierarchical Modelling of Climate Dynamics: Convection and Clouds International Centre for Theoretical Physics,意大利（2024）美国气候可变性和可预测性计划（CLIVAR）：过程研究和模型改进小组的成员（2023-2026）NOAA季节性预测系统发展计划：团队成员（2023年）在德国跨国协作研究中心“向天气浪潮”，德国（2023）NOAA的NOAA和大气研究）（2023）共同领导人（2020-2023）AGU建模地球系统进步杂志：副编辑（2018-2023）美国气象学学会（AMS）第8和9日第8和9届MADDEN-JULIAN振荡和次季节季风变异性（2020，2021）。原子PSL NOAA天气简介组织者在现场活动期间（2020年1月/2月）AMS大气和海洋流体动力学会议（AOFD）：委员会成员（2012-2019）和会议组织者（2017年和2019年）国家研究委员会（NRC）：NRC研究委员会成员：NRC毕业生毕业后的研究生和2015年 - 2015年 - 2015年<2015 <2015（
人类基因工程钙网蛋白突变干细胞重现 MPN 特征并识别可靶向的弱点
钙网蛋白 ( CALR ) 突变是 JAK2 野生型 (WT) 骨髓增生性肿瘤 (MPN)（包括原发性血小板增多症和骨髓纤维化）的主要致癌驱动因素，其中突变型 (MUT) CALR 越来越多地被认为是合适的突变特异性药物靶点。然而，我们目前对其作用机制的理解来自于小鼠模型或永生化细胞系，其中跨物种差异、异位过表达和缺乏疾病渗透性阻碍了转化研究。在这里，我们描述了第一个人类基因工程模型 CALR MUT MPN，使用 CRISPR/Cas9 和腺相关病毒载体介导的敲入策略在原代人类造血干细胞和祖细胞 (HSPC) 中建立可重复和可追踪的体外和异种移植小鼠表型。我们的人源化模型重现了许多疾病特征：不依赖血小板生成素的巨核细胞生成、髓系谱系偏斜、脾肿大、骨髓纤维化和巨核细胞引发的 CD41 + 祖细胞扩增。令人惊讶的是，引入 CALR 突变会强制人类 HSPC 进行早期重编程并诱导内质网应激反应。观察到的分子伴侣补偿性上调揭示了新的突变特异性脆弱性，CALR 突变细胞对 BiP 分子伴侣和蛋白酶体的抑制具有优先敏感性。总体而言，我们的人源化模型改进了纯鼠模型，并为在人类环境中测试新型治疗策略提供了现成的基础。
哪些模型和工具有助于更好地理解大脑活动？
过去二十年，对脑网络结构和功能（包括生理和病理生理条件）的研究因复杂网络定量分析的成功而获得了强大的推动力（Bullmore 和 Sporns，2009；Bullmore 和 Sporns，2012；Stam，2014；Bassett 和 Sporns，2017；Lynn 和 Bassett，2019）。随着技术不断发展，能够在各种空间和时间尺度上访问脑结构和功能，神经科学研究（包括基础科学和临床导向研究）在提高我们对脑网络结构和功能的认识方面取得了显著成功。尽管如此，尽管全世界做出了努力，但我们对不同规模的网络如何产生新兴动态（即脑功能和功能障碍）的理解仍然存在巨大差距。在本篇观点文章中，我们认为，真正跨学科研究的努力将有利于这些问题的进一步进展（ Wickson 等人，2006 年；Woolf，2008 年）。也就是说，一个学科的研究不仅利用来自另一个学科的成果，而且还反其道而行之，以了解和利用相互的贡献。除了发现潜在的新颖、富有成效的方法之外，这还可以成为一种让不同社区更紧密联系在一起的手段。我们在此的目的是从我们自己的研究经验中强调一些可以推进这种相互衔接的方法。我们首先集中讨论数据分析和（数学）建模这两个通常被认为已经成熟的子学科。尽管事实一再表明，一个子学科的进步可以帮助平衡另一个学科的劣势，但当涉及到大脑的结构-功能关系时，这两个子学科都面临着严重的限制。我们认为，更加重视模型验证实验和加强模型校准将有利于这一领域的进步。在模型改进和检查周期中，更紧密的跨学科联系将促进这一领域的进步。
引用原始发表的论文（记录的版本）：Xiong，B.，Tang，J.，Li，Y。等（2023）。 Vanadi
钒氧化还原流量电池（VRB）系统涉及复杂的多物理和多时间尺度相互作用，其中电解质流速在静态和动态性能中起关键作用。传统上，固定流量已用于操作方便。但是，在当今高度动态的能源市场环境中，根据运营条件调整流量可以为提高VRB能源转换效率和成本效益提供显着优势。不幸的是，将电解质流速纳入传统的多物理模型对于VRB管理和控制系统来说过于复杂，因为实时操作要求用于船上功能的低计算和低复杂模型。本文介绍了一种新型的数据驱动方法，该方法将流速集成到VRB建模中，增强了数据处理能力和VRB行为的预测准确性。所提出的模型采用封闭式复发单元（GRU）神经网络作为其基本框架，在捕获VRB的非线性电压段方面表现出了非凡的熟练程度。GRU网络结构经过精心设计，以优化模型的预测能力，流速被视为关键输入参数，以解释其对VRB行为的影响。模型改进涉及分析在VRB操作中在各种流速下获得的精心设计的模拟结果。还设计和进行了实验室实验，涵盖了电流和流速的不同条件，以验证所提出的数据驱动的建模方法。对几种最新算法进行了比较分析，包括等效电路模型和其他数据驱动的模型，证明了考虑流速的基于GRU的VRB模型的优越性。由于GRU在处理时间序列数据方面的出色能力，该模型在宽范围内提供了令人印象深刻的准确终端电压预测，低误差率不超过0.023 V（1.3％）。这些结果表明了所提出的方法的功效和鲁棒性，突出了对管理和控制系统设计的准确VRB建模中流速的新颖性和重要性。
更新移植后移植物存活率指标的标准
紧急工作组已设定了一个宏伟目标，即在 2026 年完成 60,000 例移植手术。为支持实现这一宏伟目标，工作组评估了可能对利用率和效率造成障碍的 OPTN 政策和章程。MPSC 对移植后移植物存活率的审查被确定为一个潜在障碍，因为人们认为 MPSC 对移植项目进行移植后移植物存活率审查的可能性会导致规避风险的行为。MPSC 不支持暂停对所有移植后结果的审查，理由是担心患者安全以及患者和公众的看法，并认识到 MPSC 对项目的审查可以推动积极的变化，从而增加对项目的机构支持。讨论了潜在的替代方案，包括考虑更改审查的标记阈值、风险调整模型改进和额外的教育工作。1 OPTN 执行委员会要求 MPSC 考虑调整移植后结果指标标记阈值，从而通过标记更少的项目来消除增加移植的障碍。 OPTN 执行委员会要求 MPSC 还考虑调整要约接受标记阈值，以涵盖更多项目，从而为移植项目接受更多器官创造更强的激励。MPSC 建议将成人移植接受者 90 天移植物存活率和 1 年（以 90 天移植物存活率为条件）的标记阈值从移植项目风险比大于 1.75（比预期高 75%）的 50% 概率更改为移植项目风险比大于 2.25（比预期高 125%）的 50% 概率。对于移植后移植物存活率指标，1.0 风险比表示移植项目在考虑到捐赠者和接受者特征的情况下表现符合预期，而更高的风险比表示项目表现比预期差。MPSC 指出，2.25 风险比的阈值将继续识别最需要改进的移植项目，并且大多数严重的患者安全问题都是通过其他监测活动发现的。这一阈值变化应能减少移植项目对 MPSC 潜在绩效监控的担忧，并鼓励移植项目接受和移植更复杂的供体器官，从而让更多候选人更快地接受移植。MPSC 决定不改变录取率标记阈值，因为自 2023 年 7 月实施该指标以来，还没有足够的时间来评估移植项目对录取率的审查效果，也为进一步开发适用于所有器官的强大多标准录取过滤器提供了机会。
使用深度神经网络对经食管超声心动图图像中的左心室进行分割
胸外按压是心肺复苏 (CPR) 期间促进全身循环的主要手段。最佳胸外按压可使心脏骤停患者获得良好的复苏效果。尽管最近的 CPR 指南建议使用实时反馈设备来在复苏期间维持高质量的 CPR，但它很少与良好的复苏效果相关[1-3]。原因之一可能是未监测胸外按压的位置。先前基于胸部计算机断层扫描的研究还发现，目前建议的胸外按压位置太高，无法有效压迫左心室 (LV) [4,5]。经食道超声心动图 (TEE) 被认为是一种很好的方法，可用于识别心脏骤停的可纠正原因以及监测 CPR 质量和位置[6-8]。它还可以在复苏期间不中断胸外按压的情况下识别受外胸按压的心脏结构[9]。因此，我们可以从心脏骤停患者 TEE 图像中评估胸外按压的准确位置和外部胸外按压产生的收缩功能。这可能验证 CPR 期间促进左心室收缩功能的最佳胸外按压方法[10-12]。分割左心室对于确定胸外按压的位置和获得心脏功能定量评估指标（如舒张末期容积、收缩末期容积、面积和射血分数）是必不可少的。人们进行了许多尝试来分割左心室。Noble 等[13]基于轮廓跟踪方法，采用了基于卡尔曼滤波器的心外膜和心内膜边界跟踪系统。Bosch 等[14]将边界检测的主动外观模型改进为主动外观运动模型，可实现全自动、强大且连续的左心室检测。大多数心脏图像，如超声波图像和核磁共振成像（MRI），都有模糊的边界和严重的噪声；因此，分析这些图像需要时间，而且结果可能因人而异。人工神经网络已被提出，因为它们提供了很高的分析精度，并使医学图像的泛化成为可能[15，16]。Smistad 等人[17]建议使用 U-Net [18] 的深度卷积神经网络进行 LV 分割模型，它由一个编码器-解码器组成，在生物医学图像中显示出鲁棒的分割模型。然而，U-Net 并没有考虑所有语义特征在解码过程中的贡献。因此，Moradi 等人[19]开发了一种改进的 U-Net，称为多特征金字塔 U-Net，其中通过在 U-Net 解码器路径的所有级别上链接特征图来补充特征。然而，现有的方法有一个局限性，即它们无法识别阴影和 LV 之间的模糊边界。此外，由于胸外按压，CPR 期间获取的 TEE 图像比正常超声心动图噪声更大。我们通过应用残差特征聚合方法和各种注意技术开发了基于 U-Net 的网络。我们的模型不仅展示了使用挤压和激励块以及残差块的强大特征提取技术，而且还关注更重要的特征。工作流程如图 1 所示。下一节描述了数据组织、深度学习的数据增强技术以及我们模型的结构。