XiaoMi-AI文件搜索系统
World File Search System研究热点
基于EEG Microstate分析预测运动图像BCI性能
摘要：电动图像（MI）脑电图（EEG）自然而舒适，并且已成为大脑 - 计算机界面（BCI）领域的研究热点。探索主体间MI-BCI性能变化是MI-BCI应用中的基本问题之一。EEG微晶格可以代表大脑认知功能。在本文中，使用了四个EEG微骨（MS1，MS2，MS3，MS4）进行分析，分析受试者的Mi-BCI性能差异，并计算四个微杆菌特征参数（平均持续时间，每秒出现，时间覆盖率和时间覆盖率和过渡概率）。测量了静息状态EEG Microstate特征参数与受试者的MI-BCI性能之间的相关性。基于MS1的发生的负相关性和MS3平均持续时间的正相关性，提出了静静态微晶格预测指标。28名受试者参加我们的MI实验，以评估我们静止状态的Microstate预测指标的性能。实验结果表明，与频谱熵预测变量相比，我们静止状态的Mi-Crostate预测器的平均面积（AUC）值为0.83，增加了17.9％，表明微骨特征参数可以更好地表明受试者的MI-BCI性能比光谱enterpy enterpropy预测器。此外，在单节水平和平均水平上，Microstate预测指标的AUC高于光谱熵预测变量的AUC。总体而言，我们的静止状态微晶格预测指标可以帮助MI-BCI研究人员更好地选择受试者，节省时间并促进MI-BCI的发展。
![arXiv:2004.11737v1 [nucl-th] 2020 年 4 月 24 日](/simg/c\ce262f297ac5a7c7703dae82cf984fa35dd16ffa.webp)
arXiv:2004.11737v1 [nucl-th] 2020 年 4 月 24 日
核物质的状态方程，即核子结合能、温度、密度以及同位旋不对称性之间的热力学关系，长期以来一直是核物理和天体物理领域的研究热点。了解核状态方程对于研究原子核的性质、中子星的结构、重离子碰撞（HIC）动力学以及中子星并合都至关重要。重离子碰撞提供了一种在地面实验室中生成高密度和同位旋不对称核物质的独特方法，但形成的致密核物质仅存在很短的时间，人们无法在实验中直接测量核状态方程。实际应用中，通常采用将现象学势作为输入的输运模型，通过与实验室测得的可观测量进行比较来推导核状态方程。超相对论量子分子动力学 (UrQMD) 模型已广泛应用于研究从费米能量 (40 MeV/核子) 到 CERN 大型强子对撞机能量 (TeV) 的 HIC。随着 UrQMD 模型的核平均场势项、碰撞项和团簇识别项的进一步改进，FOPI 合作组最近测量的轻带电粒子集体流和核停止数据可以重现。在本文中，我们重点介绍了我们最近使用 UrQMD 模型研究核 EOS 和核对称能的成果。讨论了从传输模型和 HIC 实验中提取核 EOS 的新机遇和挑战。
光网络、5G、人工智能等研究
人工智能（AI，artificial intelligence）技术很早就被应用于许多领域，但多年来这项技术并没有获得很高的关注度，直到AlphaGo战胜中韩围棋选手后，才开始成为研究热点，研究人员试图将AI技术应用于不同的领域，其中就包括光通信网络network。在过去的两年里，美国光通信会议（OFC，optical fibrocommunication）和欧洲光通信会议（ECOC，European conference of optical communication）上，至少有16个会议主题集中在AI或机器学习（ML，machine learning）技术上。本文将AI技术与ML技术视为同一类技术，同时，虽然AI技术涵盖范围很广，但本文所指的AI技术主要是神经网络技术。AI技术受到广泛关注主要有以下两个原因。第一，AI技术上手和使用都比较容易。它以黑盒子的方式对系统进行建模，通过大量样本进行学习，让黑盒子自己连接神经元，并分配神经元的连接权重，而不需要用户去理解神经元为什么这样连接，并被分配当前的权重。用户只需要提供足够的学习样本，增加神经元的数量和隐层的数量，就能提高AI技术的预测准确率。第二，AI技术在AlphaGo事件之后，几乎被神化了，几乎人人都知道“人脑人工智能”，而在学术圈，被贴上AI标签的论文也层出不穷。
二维磁性材料中的自旋声子耦合
摘要：近年来，二维磁性材料 (2DMM) 已成为二维材料领域的一个研究热点，因为它们在基础研究以及未来自旋电子学、磁子学、量子信息和数据存储等技术相关应用中具有重要意义。2DMM 丰富的工具箱及其多样化的可调谐性使得对二维磁序的研究达到了前所未有的水平，研究范围深入到单原子层材料，远远超出了经典的薄膜磁性，为电子学、磁光学和光子学提供了一条极具前景的途径。在各种自由度中，自旋和声子 (即晶格振动的量子) 之间的相互作用，即所谓的自旋-声子耦合，是探索二维磁性的重要调谐旋钮，创造了新型准粒子并控制磁序。本综述概述了 2DMM 中自旋-声子耦合研究的最新进展。讨论了利用自旋-声子耦合研究二维磁性的各种技术。本文还总结了基于自旋-声子耦合调节二维磁序的最新进展，重点介绍了新功能。此外，本文还简要讨论了基于自旋-声子耦合的器件开发和概念。本综述将为我们介绍二维磁体及其功能器件中自旋-声子耦合研究的现有挑战和未来方向。
基于EEG的情感识别的模型：CNN-BI- ...
摘要：情感分析是人类计算机情感互动的关键技术，并逐渐成为人工智能领域的研究热点。基于脑电图的情绪分析的关键问题是特征提取和分类设计。现有的情绪分析方法主要使用机器学习，并依靠手动提取的功能。作为端到端方法，深度学习可以自动提取脑电图并对其进行分类。但是，基于脑电图的大多数深度学习模型仍然需要手动筛选和数据预处理，准确性和便利性不够高。因此，本文提出了一个CNN-BI-LSTM注意模型，以自动提取特征并根据EEG信号对情绪进行分类。原始的脑电图数据用作输入，CNN和BI-LSTM网络用于特征提取和融合，然后通过注意机构层平衡了电极通道的重量。最后，EEG信号分类为各种情绪。在种子数据集上进行了基于脑电图的情绪分类实验，以评估所提出模型的性能。实验结果表明，本文提出的方法可以有效地对脑电图进行分类。该方法在两个独特的分类任务上进行了评估，其中一项具有三个和四个目标类别。该方法的平均十倍交叉验证分类精度分别为99.55％和99.79％，对应于三个和四个分类任务，这比其他方法要好得多。可以得出结论，我们的方法优于情感识别中现有的方法，这些方法可以广泛用于许多领域，包括现代神经科学，心理学，神经工程和计算机科学。
对阿尔茨海默氏病的表观遗传研究出版物的文献学和视觉分析（2013-2023）
表观遗传学是指与基因表达和分化的调节以及基因活性或细胞表型的遗传变化相关的表观遗传修饰，而不会改变DNA序列（Hernández-Romero等，2019）。当前的研究表明，包括DNA甲基化和羟基甲基化，组蛋白的修饰以及非编码RNA（NCRNA）的调节与AD紧密相关，并有助于AD治疗（Wang et al。，2020; Wu和Kuo，2020; Xiao et al。 Perkovic等，2021）。目前，AD表观遗传学的研究热点仍然是DNA甲基化，miRNA的调节，组蛋白乙酰化等。研究表明，许多microRNA（miRNA）可以用作早期诊断AD的标记，并且表观遗传机制调节初步AD中的基因表达（Gao等，2022）。因此，研究AD和表观遗传学之间的相互作用在治疗和预防AD中起着重要作用。但是，AD的发病机理很复杂，现有药物具有极端的副作用，因此AD的治疗没有很大进展。因此，进一步阐明AD的表观遗传机制，找到更新，更可靠的生物标志物，提出新的治疗策略并制定新的研究方向仍然非常重要。同时，该领域没有文献计量分析。因此，为了促进研究人员更好地了解表观遗传学和AD联系的当前状态和发展趋势，我们使用文献计量方法来定量分析和可视化该领域的文献。
纠缠辅助量子网络：力学，启用技术，挑战和研究方向
摘要 - 在过去的几十年中，从理论研究到实验证明，在量子信息技术中取得了重大进展。革命性的量子应用现在处于众人瞩目的焦点，展示了量子信息技术的优势，并成为学术界和行业的研究热点。为了使量子应用具有更深远的影响和更广泛的应用，通过量子通道的多个量子节点的互连变得至关重要。构建纠缠辅助的量子网络，能够在这些量子节点之间实现量子信息传输，这是主要目标。但是，纠缠辅助的量子网络受量子力学的独特定律（例如叠加原理，无粘合定理和量子纠缠）的独特定律，使它们与古典网络区分开。因此，建立纠缠辅助量子网络需要基本努力。虽然一些有见地的调查为纠缠辅助量子网络铺平了道路，但这些研究中的大多数都集中在启用技术和量子应用上，从而忽略了关键的网络问题。回应，本文介绍了纠缠辅助量子网络的全面调查。除了审查基本力学和启用技术之外，本文还提供了网络结构，工作原理和开发阶段的详细概述，突出了古典网络的差异。此外，还解决了建立广阔区域纠缠辅助量子网络的挑战。此外，本文强调了开放的研究方向，包括建筑设计，基于纠缠的网络问题和标准化，以促进实施未来的纠缠辅助量子网络。
人参皂苷和肿瘤
背景：人参人人参的主要活性成分，已显示在预防和治疗癌症中起着重要作用。但是，文献以及人参皂苷的抗肿瘤机制尚未系统地研究。方法：我们在2001 - 2021年期间从Web of Science筛选了有关人参固醇和肿瘤的所有相关文献，并分析了Vosviewer和Citespace的这些出版物的提取条款。David Online工具用于进行基因富集分析和基因和基因组途径的京都百科全书的分析。Cytoscape和String软件用于构建与人参固醇相关基因和相应蛋白质的相互作用网络。结果：研究中总共包括919个出版物。共有122个确定的关键字主要分为3个簇：“药理功能研究”，“动物模型中的功能验证”和“抗肿瘤功效和机制”。“氧化应激”的关键字在过去5年中的引文爆发最强。在肿瘤中，总共50个基因被鉴定为人参皂苷相关的基因。它们具有调节基因表达和凋亡的功能，并且与癌症的信号通路密切相关。人参固醇相关的基因形成一个复杂的相互作用网络，其中TP53和IL-6位于中心位置。结论：我们探索并揭示了与人参皂苷和肿瘤有关的研究热点。更精确的抗肿瘤机制研究将来将有希望。TP53和IL-6可能是理解人参固醇的抗肿瘤机制的关键点。
解读深度学习在神经科学中的应用
深度学习在神经科学中的应用具有前所未有的潜力，可以揭示大脑的复杂动态。我们的文献计量分析涵盖了 2012 年至 2023 年，深入研究了深度学习在神经科学中的整合，揭示了进化趋势并确定了关键的研究热点。通过对 421 篇文章的审查，这项研究揭示了跨学科研究的显著增长，其特点是深度学习技术在理解神经机制和治疗神经系统疾病方面的应用蓬勃发展。我们的研究结果的核心是分类算法、模型和神经网络在推动神经科学发展方面发挥的关键作用，突出了它们在解释复杂神经数据、模拟大脑功能以及将理论见解转化为实际诊断和治疗干预方面的功效。此外，我们的分析还描述了主题的演变，展示了从基础方法向更专业和更细致入微的方法的转变，特别是在脑电图分析和卷积神经网络等领域。这种演变反映了该领域的成熟及其对技术进步的适应。这项研究进一步强调了跨学科合作和采用尖端技术对破译大脑密码的创新的重要性。当前的研究为未来的探索提供了战略路线图，敦促科学界向着有突破性发现和实际应用前景的领域迈进。这项分析不仅描绘了神经科学领域深度学习的过去和现在，还阐明了未来研究的道路，强调了深度学习对我们理解大脑的变革性影响。
泛函选择对钇钡铜氧超导体能带与电子性质的影响
高温超导体由于其独特的电子特性和非常规的超导行为而引起了极大的关注。尤其是，由高能离子植入，压力和电磁场等外部场引起的高体性超导材料的相变已成为研究热点。但是，潜在的机械主义尚未完全理解。第一原理计算被广泛认为是深入探索这些内在机制的有效方法。在这项研究中，使用第一原理计算来研究氧空位现象对不同功能下YBA 2 Cu 3 O 7（YBCO 7）的电子传递性能和超导性能的影响（PBE，PBE + U，HSE06）。结果表明，氧空位显着改变了带的结构，并且在不同功能的预测中观察到了考虑的差异。YBA 2 Cu 3 O 6（YBCO 6）的计算带隙范围为0至1.69 eV。较大的带隙表明是绝缘状态，而没有带隙的缺乏表明材料保持金属。通过将结果与实验结果进行比较，我们发现HSE06功能提供了最合理的预测。带隙的存在或不存在主要受铜轨道的影响。氧气空位会导致材料的C轴拉长，这与实验中He-ion辐照后X射线差异（XRD）分析中观察到的趋势是一致的。我们的发现有助于解释在外部田地下，尤其是He-Ion Irra-priation的金属 - 绝缘体相变，并为开发高温超导材料及其设备应用提供了理论基础和新见解。