XiaoMi-AI文件搜索系统
World File Search System演化
从关键词演化视角理解跨学科研究的形成：以共同注意为例
摘要 了解交叉学科研究（IDF）的形成对于促进交叉学科发展至关重要。在本文中，我们采用提取的关键词来研究交叉学科发展的特征，以及不同参与领域在不同时期所扮演的不同角色，并检测领域之间的潜在障碍。我们将联合注意（JA）作为研究领域，因为它经历了从单一领域主题到跨学科研究（IDR）的发展过程。我们的实证研究得到了有趣的发现。首先，我们发现了知识扩散现象在JA的三个领域中演变。这使我们能够观察到领域在IDF过程中所扮演角色的转变，以及这些领域之间存在的潜在障碍。第二，根据JA在领域间的传播发展过程，IDR领域一般会经历三个阶段：潜伏期、萌芽期和成熟期。第三，随着IDR的形成，领域可能在不同时期扮演不同的角色。确定了四种角色：知识起源者、知识接受者、知识响应者和跨学科参与者。本文通过分析关键词的演变，展示了如何检测IDR的演变。通过给出IDR领域的概况和关键词演变的描述，对政策制定者和监管者促进IDR发展具有重要意义。
机器学习随机微分方程用于经典多体系统平衡态和非平衡态序参量的演化
摘要。我们开发了一种机器学习算法来推断控制多体系统序参量演化的随机方程。我们训练我们的神经网络来独立学习作用于序参量的定向力以及有效扩散噪声。我们使用具有 Glauber 动力学的经典 Ising 模型和接触过程作为测试案例来说明我们的方法。对于代表典型平衡和非平衡场景的两种模型，可以有效地推断出定向力和噪声。Ising 模型的定向力项使我们能够重建序参量的有效势，该序参量在临界温度以下形成特征性的双阱形状。尽管它具有真正的非平衡性质，但这种有效势也可以用于接触过程，并且其形状表示相变到吸收状态。此外，与平衡 Ising 模型相反，吸收状态的存在使噪声项依赖于序参量本身的值。
由计算基础的非循环测地线演化引起的真正几何量子门
为了达到成功执行量子计算机中的纠错算法所需的错误阈值，几何量子门因其对噪声的天然弹性而被考虑。非循环几何门已被提出以减少传统几何门的运行时间，从而进一步防止退相干。然而，虽然这些提出的门从计算基础中移除了动态相，但它们通常不会将其从时间演化算子的特征态中移除。要使非循环门真正被视为几何门，动态相应该从计算基础和特征态中移除。这里提出了一种寻找真正非循环几何门的方案。这些门被设计为沿着非循环路径演化计算基础，由两个测地线段组成，选择动态相从特征态中移除。用这种方案找到的门的运行时间并不比循环门短，但可以用这种方案实现任何门。这些发现对于理解如何使用几何门实现一般量子计算非常重要。
微流体设备，用于用于稀土元素净化的微生物的高通量定向演化
稀土元素（REE），由灯笼（从灯笼到lutetium）以及Scandium and Yttrium组成，是许多可持续能量技术（例如磁铁）的重要成分，例如在硬盘，电动汽车，电动汽车和手机中 - 室温超级效率，以及高效的轻型功能[1]。当前提取和纯化这些元素的方法，利用环境有害的化学物质，并具有大量的碳足迹[2]。我们旨在利用生物学来创建一个更清洁，可持续的REE纯化过程。已经发现，细菌在其膜上包含许多位点，这些位点对REE对其他元素具有特异性，并且对其他REE的某些REE具有特异性[3,4]。我们计划将V. natriegens的基因组诱变，然后进行高通量筛选，以查找具有更改某些REE而不是其他REE的菌株。我们正在利用CNF来构建微流体液滴生成和排序设备，以进行此高通量筛选。
EGNN-C+：可解释的演化粒状神经网络及其在弱监督 EEG 数据流分类中的应用
摘要 — 我们引入了一种改进的增量学习算法，用于进化粒神经网络分类器 (eGNN- C+)。我们使用双边界超框来表示颗粒，并定制自适应程序以增强外框对数据覆盖和噪声抑制的鲁棒性，同时确保内框保持灵活性以捕获漂移。分类器从头开始发展，动态合并新类别，并执行局部增量特征加权。作为一种应用，我们专注于脑电图 (EEG) 信号中与情绪相关的模式的分类。情绪识别对于增强计算机系统的真实感和交互性至关重要。挑战恰恰在于开发高性能算法，能够有效地管理生理数据中的个体差异和非平稳性，而无需依赖特定于受试者的校准数据。我们从 28 名玩电脑游戏的人获得的 EEG 信号的傅里叶频谱中提取特征 - 这是一个公共数据集。每个游戏都会引发不同的主要情绪：无聊、平静、恐惧或快乐。我们分析单个电极、时间窗口长度和频带，以评估由此产生的独立于用户的神经模型的准确性和可解释性。研究结果表明，两个大脑半球都有助于分类，尤其是颞叶 (T8) 和顶叶 (P7) 区域的电极，以及额叶和枕叶电极的贡献。虽然模式可能出现在任何波段中，但 Alpha (8-13Hz)、Delta (1-4Hz) 和 Theta (4-8Hz) 波段按此顺序与情绪类别表现出更高的对应性。eGNN-C+ 证明了学习 EEG 数据的有效性。即使面对高度随机的时变 4 类分类问题，它也能使用 10 秒时间窗口实现 81.7% 的准确率和 0.0029 II 的可解释性。
电驱动铜纳米线催化剂定向演化用于高效硝酸盐还原为氨
在环境条件下将硝酸盐（NO3−）电催化转化为NH3（NO3RR）为哈伯-博施法提供了一种有希望的替代方案。优化NO3−向NH3的有效转化的关键因素包括增强中间体在催化剂表面的吸附能力和加快加氢步骤。在此，基于定向演化策略设计了Cu/Cu2O/Pi NWs催化剂，以实现NO3−的有效还原。受益于定向演化过程中形成的富OV的Cu2O相和原始Cu相的协同作用，该催化剂对各种NO3RR中间体表现出更好的吸附性能。此外，在定向演化过程中锚定在催化剂表面的磷酸基团促进了水的电解，从而在催化剂表面产生H+并促进NO3RR的加氢步骤。结果显示，Cu/Cu 2 O/Pi NWs 催化剂表现出优异的 NH 3 FE（96.6%）和超高的 NH 3 产率，在 1 m KOH 和 0.1 m KNO 3 溶液中，在 − 0.5 V 相对 RHE 下为 1.2 mol h − 1 g cat. − 1。此外，催化剂的稳定性因磷酸基对 Cu 2 O 相的稳定作用而增强。这项工作突出了定向演化方法在设计 NO 3 RR 催化剂中的前景。
阐明用于钠电池的普鲁士白阴极的气体演化：电解质和水分的影响
已经提出了几种用于SIBS的阴极活性材料（CAM）家族，包括分层氧化物，聚苯二元组合和普鲁士蓝色类似物（PBA）。[9–11]后者由于其低成本合成方法而被认为是特别有希望的，消除了对高温处理的需求，通过使用可持续和丰富的金属（例如铁和锰）（例如铁和锰）所实现的可调氧化还原行为，以及其令人满意的能力和功能能力，并在其开放式框架结构中与大型互联型相互融合，使其综合构成了3D的开放式结构。[9,12,13]此外，它们可以在水性电解质（有限的电池电压）和类似于LIB的有机电解质中进行操作，从而实现了较高的细胞电压。[14–18]因此，对这些材料进行了强大的研究和商业化工作，包括CATL，Natron Energy和Altris等制造商。[19,20]
在形成过程中大型汽车锂离子电池中的气体演化：细胞尺寸和温度的影响
需要在锂离子电池（LIB）生产过程中优化细胞形成，以减少时间和成本。Operando气体分析可以为形成过程的性质，程度和持续时间提供独特的见解。在本文中，我们介绍了在线电化学质谱（OEMS）设计的开发和应用，该设计能够监测两个模型硬币电池中的气体进化和消耗（q = 0.72 mAh），用石墨/电解质重量比率为1：12.5和大型li-ion li-ion细胞（q = 72 AH）（q = 72 ah）在运行量的过程中（q = 72 AH），在诸图/3的过程中。尽管气体的组成和量是高度可比性的，即使在反耐用分析的验证中，气体释放速率也较低，并且在形成过程中可能受气泡传输的气泡传输限制，并且可能受气泡传输的限制。较高的温度加速了形成过程，但也会改变释放气体的组成和程度。除了为大型锂离子细胞的形成过程提供新颖的见解外，我们的OEMS设置为电池制造和汽车行业提供了机会，以探索电池形成和/或操作条件对下一代Li-ion电池中气体进化的影响。
Wolfram 模型的一些量子力学性质
图 7：由三个（全局）汇合的字符串替换系统演化生成的多路系统 - 前两个演化由 A → B 生成，后两个演化分别由 { A → B, BB → B } 和 { AA → BA, AB → BA } 生成。无论选择哪条重写路径，最终结果（即相同的范式）总是相同的。改编自 S. Wolfram 的《一种新科学》，第 507 页和第 1037 页。
研究文章 绘制 20 年来人工智能、机器人和物联网的共同演化图（1998-2017 年）
了解科学技术 (S&T) 领域的出现、共同发展和融合可为研究人员、管理人员、决策者等提供竞争情报。本文介绍了通过专家调查验证的新资金、出版物和学术网络指标和可视化。这些指标和可视化体现了过去 20 年（1998-2017 年）人工智能 (AI)、机器人技术和物联网 (IoT) 三个战略利益领域的出现和融合。对于 32,716 份出版物和 4,497 项 NSF 奖项，我们确定了它们的主题覆盖范围（使用 UCSD 科学地图）、不断发展的合著者网络和日益融合。结果支持在设定适当的研发 (R&D) 优先事项、制定未来 S&T 投资战略或进行有效的研究项目评估时进行数据驱动的决策。