XiaoMi-AI文件搜索系统
World File Search System生成
铁胆道酶的小分子抑制剂是抗血管生成剂
血红素合成酶铁胆管酶（FECH）的活性与多种疾病有关。特别是它是眼睛中新血管化的介体，因此是预防失明的有吸引力的治疗靶标。但是，尚无类似药物的直接FECH抑制剂。在这里，我们着手使用高吞吐量筛选方法来鉴定FECH的小分子抑制剂作为潜在的治疗铅，以鉴定有效的FECH活性抑制剂。一类三唑吡啶甲酮的结构活性关系研究产生了类似药物的FECH抑制剂。这些化合物抑制细胞中的FECH，结合共晶结构中的活性位点，在多种体外测定中具有抗血管生成。这些有希望的化合物之一是脉络膜新生血管形成的小鼠模型中的抗血管生成。这项基础工作可能是新的治疗剂不仅对眼部新血管形成的基础，而且还可以抗击以Fech活动为特征的其他疾病。
教学大纲 - 生成 - ai.pdf
生成的AI代表了技术进步的最前沿的动态领域，其中算法充满了想象，创造和创新的能力。在本课程中，我们旨在为您提供对生成AI的原理，技术和应用的全面了解，同时为您提供一些有机会深入研究专门的主题和为您的利益量身定制的实践项目。计算机科学与工程系为民用，计算机工程，电子和电信和机械工程的学生提供了生成AI的多学科辅修课程，从第三学期本身开始。它跨越了五个学期，最终达到了一个顶峰项目，总计14个学分。课程始于对人工智能和机器学习的理解，并熟悉神经网络的概念，深度学习，这为更深入研究生成AI提供了必要的基础。学生还将学习生成AI中的各种模型，以及这些模型如何通过学习培训数据的基础分布来生成新的数据点。也将熟悉生成AI的各种工具，技术和应用。学生将使用流行的深度学习框架（如Tensorflow或Pytorch）以及不同的体系结构，损失功能和超参数来了解其对生成产量的质量的影响，从而获得动手体验。除了生成逼真的图像或文本之外，还可以探索生成AI的创造性应用。这可能包括音乐发电，风格转移，甚至包括整个故事或艺术品。学生还将学习生成AI的道德含义，例如深层和数据隐私问题。他们还将了解这些技术的社会影响以及如何负责任地使用它们。
具有深层生成模型的扩散加权磁共振大脑图像的现实产生
深度学习方法有可能减轻放射科医生处理繁琐的，耗时的任务，例如检测和细分病理病变[1]，但是在医学成像的背景下对神经网络的培训面临着主要的挑战：它们需要训练大量图像，因为这是很难获得的，因为在许多方面都可以限制医疗信息，并且由于许多方面的范围限制了其他方面的范围。此外，虽然在世界各地的医院数据库中可以提供相对较大的医学图像，但这些图像是未标记的，并且不同的机构以派遣和不均匀的方式保存医疗图像，这使得它们在较大的数据库中收集它们。在这种情况下，从头开始生成医学图像的方法可能引起人们的极大兴趣。生成建模是机器学习的一个子字段，它在产生新的高质量自然图像（例如面部照片[2]）方面具有令人印象深刻的精力[2]，并应用于语音综合[3]和磁共振图像重建等任务[4]。如果可以教导生成模型来产生现实且多样化的新医学图像，那么它们将具有很有吸引力的潜力，可以显着增加可用于深神经网络培训的图像数量，因此可以帮助提高这些网络的准确性[5-7]。
基于拓扑的深层生成模型在城市形式生成中的应用：评论
摘要将深层生成模型纳入城市形式的生成是支持城市设计过程的一种创新且有前途的方法。但是，大多数深层生成的城市形式模型基于图像表示，这些图像表示并未明确考虑城市形式元素之间的拓扑关系。旨在开发深层生成模型并考虑拓扑信息的帮助下，本文回顾了城市形式的生成，深层生成的模型/深度图生成以及建筑和城市形式的深层生成模型的最新艺术状态。基于文献综述，提出了一个基于深层生成模型的基于拓扑的城市形式生成框架。深层生成模型的街道网络生成的假设forgraphgergrotandplot/building configurationGenerationByDeepgenerativeModels/Space语法以及所提出的框架的可行性需要在未来的研究中进行验证。
炼油者：一个自动化框架生成任务...
ab s tr a ct。 p a r c e ll a t i o n s e d i n r e s t i ng -s t a t e t e f m ri（r s -f m ri） f un c t i o n a l d i ff e r e n c e s an nd t h e d o w n s t r e am t a s k。I n t h i s p a p e r , w e i n t r o du c e R e f i n e N e t , a B a y e s i a n - i n s p i r e d d ee p n e t w o r k a r c h i t e c t u r e t h a t a d j u s t s r e g i o n b o und a r i e s b a s e d o n i nd i v i du a l f Un c t i o n a l c o nn e c t i v i ty p r o f il e s。R e f i n e N e t u s e s a n i t e r a t i v e v o x e l r e a ss i gn m e n t p r o c e du r e t h a t c o n s i d e r s n e i ghb o r h oo d i n f o r ma t i o n w h il e b a l a n c i ng t e m p o r a l c o h e r e n c e o f t h e r e f i n e d p a r c e ll a t i o n。W e v a li d a t e R e f i n e N e t o n r s - f M RI d a t a f r o m t h r ee d i ff e r e n t d a t a s e t s , e a c h o n e g e a r e d t o w a r d s a d i ff e r e n t p r e d i c t i v e t a s k : ( 1 ) c o gn i t i v e f l u i d i n t e lli g e n c e p r e d i c t i o n u s i ng t h e H C P d a t a s e t ( r e g r e ss i o n ) , ( 2 ) a u t i s m v e r s u s c o n t r o l d i a gn o s i s u s i ng t h e A B I D E II d a t a s e t ( c l a ss i f i c a t i o n ) , a nd ( 3 ) l a ngu a g e l o c a li z a t i o n u s i ng a n r s - f M RI b r a i n t u m o r d a t a s e t ( s e g m e n t a t i o n ) .W e d e m o n s t r a t e t h a t R e f i n e N e t i m - p r o v e s t h e p e r f o r ma n c e o f e xi s t i ng d ee p n e t w o r k s f r o m t h e li t e r a t u r e o n e a c h o f t h e s e t a s k s .W e a l s o s h o w t h a t R e f i n e N e t p r o du c e s a n a t o m i c a ll y m e a n i ng f u l s ub j e c t - l e v e l p a r c e ll a t i o n s w i t h h i gh e r t e m p o r a l c o h e r e n c e .
生成式人工智能将如何影响供应链网络安全
另一方面，威胁行为者也在越来越多地利用这些新工具的力量，尤其是设计和改进更难检测的恶意软件以及增强其网络钓鱼技术。具体来说，生成式人工智能将使欺骗行为更难被发现，因为它允许威胁行为者创建更加个性化的通信，并利用音频和视频形式的深度伪造。举一个例子，威胁行为者现在可以简单地识别公司首席执行官的现有在线视频或音频文件，利用生成式人工智能应用程序创建克隆首席执行官声音的音频消息，然后使用它对毫无防备的公司员工发起社会工程攻击。
CCC 报告：生成式人工智能时代信息检索研究的未来
研究方向：本报告概述了具有高智力价值和更广泛影响的 IR-GenAI 系统的八个研究方向：（1）IR-GenAI 中的评估挑战和需求；（2）从隐性和显性的人为反馈中学习，以解决可能需要推理的复杂问题；（3）理解和建模不断发展的生成式 AI 信息访问系统的用户；（4）解决或缓解 IR-GenAI 新技术带来的社会技术问题的挑战和潜在解决方案；（5）开发个性化 IR-GenAI 系统的方法；（6）在开发 IR-GenAI 方法时扩展计算、数据和人力时的效率考虑；（7）信息检索在增强 AI 代理中的作用；（8）专门用于信息访问和发现的基础模型。
通过非侵入式脑机接口和生成式人工智能辅助多模式软件记录梦境
摘要：本研究提出了一种新的梦境记录方法，该方法结合了非侵入式脑机接口 (BMI)、思维输入软件和生成式 AI 辅助多模态软件。该方法旨在将 REM 睡眠期间的意识过程升华到半意识状态，并产生用于思维输入的信号。我们概述了一个两阶段的过程：首先，使用生成式 AI 开发多模态软件来补充文本流并生成多媒体内容；其次，采用基于摩尔斯电码的打字方式来简化信号要求并提高打字速度。我们通过建议一种涉及植入 BMI 的用户的控制系统来优化非侵入式信号，从而应对非侵入式 EEG 的挑战。文献综述重点介绍了 BMI 打字、意识过程升华以及生成式 AI 在基于文本提示的思维输入方面的潜力方面的最新进展。
创作者、版权持有者等对生成型AI的主要观点（正在审议中）
<关于AI开发相关的著作权作品的学习> 人们担心，经过多年精心创作的独特作品可能会被机器学习并轻易创作出类似的作品。 - 人工智能本身对社会来说是必要的，学习人工智能不应该被全面禁止。对于学习阶段的抄袭，需要明确日本的版权法是否真的比其他国家宽松。至少它的制度比美国更严格。海外对《AI天堂》的一些批评存在误解，有必要作出正确解释。 * 我想知道我们的版权材料是否真的正在被研究。事实上，其中一些甚至没有网上的数字数据。此外，主要的人工智能公司都在海外。 ※有些作品除非将数字数据本身发布到网上，否则无法公开。我想了解防止机器学习的技术和方法。如果在技术和服务方面也有措施确保这一点，那就令人放心了。对于受版权保护的作品，如果它们作为学习数据集出售，我们认为未经许可复制此类数据集本身是不允许的。 * 人们担心网上发布的盗版版本会受到研究。 - 商业人工智能开发者未经许可研究受版权保护的作品，且不向版权所有者支付任何补偿，这是不公平的。 - 海外也有通过集中管理运营商等综合许可的方式发放许可，并获得报酬的情况。从每家人工智能相关企业获得许可会比较困难，但有人可能会说，如果某个组织或其他实体颁发了综合许可证，就不会施加权利限制。 〇我希望可以选择退出基于人工智能的学习。 我们应该尊重版权持有者的意愿，而人工智能出现偏见也是不可避免的。我们呼吁审查当前的权利限制，使其与人工智能技术的发展相协调，同时不妨碍创作者的权利。有人说，要阻止人工智能，哪怕意味着停止科学、停止技术、停止文明。 - 看起来像是现存作者的作品，以表达对现存作者的尊重。创意世界通过这些所谓作者身份的传承而发展起来。因此，他认为学习是一件积极的事情，因为这意味着他的写作风格将会被传承下去。