XiaoMi-AI文件搜索系统
World File Search System模型生成
GraphMaker：可以扩散模型生成
具有节点属性的大规模图在各种现实世界应用中越来越普遍。创建镜像现实世界示例的合成，富含属性的图至关重要，尤其是在限制始终数据时共享分析和开发学习模型的图形数据。传统的图生成方法的处理能力有限，无法处理这些复杂的结构。扩散模型的最新进展显示出在没有属性和较小分子图的生成图形结构方面的潜力。但是，由于复杂的属性结构相关性和这些图的大尺寸，这些模型在生成大型属性图时面临挑战。本文介绍了一种新颖的扩散模型，GraphMaker，专为生成大型归因图而设计。我们探索了节点属性和图形结构生成过程的各种组合，发现异步方法更有效地捕获了复杂的属性结构相关性。我们还通过边缘迷你批次生成解决可扩展性问题。为了证明我们在图形数据传播中的实用性，我们引入了新的评估管道。评估表明，GraphMaker生成的合成图可用于为在原始图上定义的任务开发竞争图形学习模型，而无需实际访问这些图形，而许多领先的图形生成方法在此评估中缺乏。我们的实施可在https://github.com/graph-com/graphmaker上获得。
定制大鼠模型生成与培育
作为一家提供全方位服务的生物科学公司，Taconic 可以帮助您在全球范围内获取、测试、开发、培育、冷冻保存、制备和分发高度相关的研究线。无论您需要定制的基因工程、细胞或组织移植模型还是传统模型，Taconic 的科学家都会与您合作，快速高效地提供最高质量的模型。
使用Norta模型生成洪水场景
已经开发了几种随机编程模型，用于关键基础设施对极端洪水事件的弹性决策。生成此类模型的洪水场景需要在复杂的计算基础架构上运行高级洪水模型（例如，不同的飓风强度水平，轨道等。），这可能并不总是实用。为了解决这个问题，在这项研究中，我们提出了一种基于正常的（Norta）基于模型的洪水场景生成方案，该方案需要更少的计算资源。我们使用所提出的方法生成的场景可以保留感兴趣的位置的洪水高度的相关性，在我们的情况下，电力传输网格的变电站位置。我们使用案例研究证明了方法的疗效，该案例使用合成功率网格与实际的得克萨斯州电网具有统计相似之处，以及由国家大气和海洋管理局开发的洪水图，代表了德克萨斯州的暴风雨风险。
工程设计中的迭代价值模型生成...
摘要 如今，价值模型越来越多地被讨论，作为在工程设计中预先加载概念设计活动的一种手段，其最终目标是降低与从系统角度做出的次优决策相关的成本和返工。然而，研究界对于价值模型到底是什么、有多少种类型的价值模型、它们的输入输出关系以及它们在工程设计过程时间线上的使用情况并没有达成共识。本文基于在航空航天和建筑设备行业进行的五个案例研究，介绍了如何在工程设计过程中定制价值模型的开发。最初的描述性研究结果以七个经验教训的形式总结出来，在设计用于设计决策支持的价值模型时应予以考虑。从这些经验教训中，本文提出了一个六步框架，该框架考虑了在获得新信息时更新价值模型的性质和定义的必要性，从基于专家判断的初步估计转向详细的定量分析。
历史景观的数字高程模型生成...
关键词 机载 LiDAR；DEM；过滤；地质考古学；微地形；景观可视化；多尺度概念 摘要 本文讨论了基于高密度机载 LiDAR（光检测和测距）数据生成高精度 DEM（数字高程模型），用于跨学科景观考古研究，研究比利时根特北部 Sandy Flanders 地区的定居历史和环境。目标是创建一个没有人工特征和地形伪影的详细地形表面，以 DEM 的形式，仅通过实现真实地面点来可视化自然和当前地形。这些特征和伪影的半自动去除基于地形矢量数据、视觉解释和坡度分析。最终构建了两个 DEM：（1）TIN（不规则三角网）模型，其固有的大文件格式限制了其在大规模上的可用性；（2）网格模型，可用于小规模、中规模和大规模应用。这两个数据集都用作使用历史资料中的辅助数据进行解释的图像。其实用性在田野模式和微田野地形的案例中得到了说明。从这个 DEM 开始，这项景观历史研究的方法主要是倒退性的，即从当代景观中仍然存在并不断移动的景观结构和元素开始
使用扩散模型生成合成超声心动图
摘要 — 超声心动图是使用超声成像捕获的人体心脏的视频序列。它显示心脏结构和运动，有助于诊断心血管疾病。需要大量训练数据的深度学习方法已成功利用超声心动图检测心脏瓣膜病等心血管疾病。可用于机器学习训练的大型超声心动图数据集很少。解决这个问题的一种方法是使用现代机器学习生成方法来生成可用于机器学习训练的合成超声心动图。在本文中，我们提出了一种用于生成超声心动图的视频扩散方法。我们的方法使用 3D 自注意机制和超分辨率模型。我们证明，与现有的超声心动图生成方法相比，我们提出的方法可以生成分辨率更高、伪影更少的超声心动图。索引词 — 超声心动图、扩散模型、生成式 AI
使用变压器模型生成互补的仪器轨道
摘要机器学习资源的可访问性最近提高导致许多人探索音乐生成中的机器学习方法。一个机器学习的子领域，人们的受欢迎程度特别显着，是深度学习。但是，该场中的许多模型应用组合仍然未开发。在本文中，研究了序列变压器模型为现有仪器轨道生成互补仪器轨道的序列。该模型已实施和分析，以评估它是否能够生成与原始作品一起制造连贯音乐的乐器轨道。尽管生成的实现模型的结果不足以适合任何现实生活中的应用，但如果使用了更多资源并进行了更多的研究，则发现该模型对此类应用的可行性的指示。
基因组编辑技术在动物模型生成中的应用简述
1 中国科学院动物研究所干细胞与生殖生物学国家重点实验室，北京 100101 2 中国科学院大学，北京 100049 3 中国科学院干细胞与再生研究所，北京 100101 4 中国农业大学北京食品营养与人类健康高精尖创新中心，北京 100193 5 中国农业大学生物学院农业生物技术国家重点实验室，北京 100193 6 犹他大学医学院人类遗传学系，犹他州盐湖城 84112，美国 7 怀特黑德生物医学研究所，马萨诸塞州剑桥 02142，美国 8 麻省理工学院生物系，马萨诸塞州剑桥 02142，美国
基因组编辑的进展及其在转基因大鼠模型生成中的应用
大鼠被广泛用作小动物模型。过去二十年出现了许多基因工程大鼠模型，近年来基因特异性核酸酶的出现加速了它们的产生。本综述涵盖了用于产生基因工程大鼠品系的技术和进展，以及它们在更广泛地开发大鼠模型中的应用，例如条件性敲除和报告基因品系。此外，还讨论了尚待在大鼠中探索的基因组编辑技术。本综述还特别关注了已经进行了大量研究的两个领域：人类遗传疾病和免疫系统分析。在这两个领域中对模型进行了详细描述，并强调了大鼠模型相对于现有的相应小鼠模型的竞争优势。本综述的目的是全面描述大鼠模型在解决特定科学问题方面的优势和潜力，并描述用于开发新项目的最佳基因组工程工具。
我们可以信任大型语言模型生成的代码吗？跨不同LLMS
大型语言模型（LLM），例如Chatgpt和Github Copilot，已彻底改变了软件工程中的自动代码。但是，由于这些模型被越来越多地用于软件开发，因此对生成代码的安全性和质量引起了人们的关注。这些问题源于LLMS主要是对公开可用的代码存储库和基于Internet的文本数据进行培训的，这可能包含不安全的代码。这给生成的代码中带来了永久性漏洞的重大风险，从而创造了潜在的攻击媒介，以造成恶意参与者的剥削。我们的研究旨在通过在代码生成过程中通过内置学习（ICL）模式引入安全行为学习的框架来解决这些问题，然后进行严格的安全评估。为了实现这一目标，我们选择了四个不同的LLM进行实验。我们已经在三种编程语言中评估了这些编码LLM，并确定了安全漏洞和代码气味。该代码是通过ICL生成的，具有策划的问题集，并经过严格的安全测试，以评估生成的代码的整体质量和可信度。我们的研究表明，ICL驱动的单发和少的学习模式可以增强代码安全性，从而减少各种编程场景中的漏洞。开发人员和研究人员应该知道，LLM对安全原则的理解有限。当生成的代码部署在生产系统中时，这可能会导致安全漏洞。在使用LLM进行代码生成时，请考虑这一点。我们的研究重点介绍了LLM是软件供应链的新漏洞的潜在来源。本研究文章提供了有关改善LLM安全性的见解，并鼓励主动将LLMS用于代码生成以确保软件系统安全。