XiaoMi-AI文件搜索系统
World File Search System系统行为
头孢氨思维持通过VEGF/VEGFR2/ZO-1信号传导途径的中风中血脑屏障（BBB）的完整性
紧密连接的功能障碍，例如Zonula coccludens蛋白-1（ZO-1）相关的血脑屏障（BBB）渗透性加重在中风的进展中起重要作用。头骨（CEP）是Stephania Cepharantha植物的提取物。但是，CEP对中风和BBB功能障碍的影响先前尚未报道。在这项研究中，我们报告说CEP改善了脑动脉闭塞（MCAO）小鼠模型中神经系统行为的功能障碍。重要的是，CEP通过增加ZO-1的表达来抑制血脑屏障（BBB）过度过敏性。值得注意的是，我们发现CEP抑制了MCAO小鼠皮质中血管内皮生长因子（VEGF）和血管内皮生长因子受体2（VEGFR2）的表达。此外，体外实验的结果表明，CEP的治疗可以改善人弯曲的细胞毒性。3脑微血管内皮细胞针对缺氧/再灌注（H/R）。此外，CEP通过恢复ZO-1的表达来减弱H/R诱导的H/R诱导内皮渗透性的加剧。3细胞。进一步的研究证明，CEP的保护作用是通过抑制VEGF-A和VEGFR2介导的。基于结果，我们得出结论，CEP可以通过保护由VEGF/VEGFFR2/ZO-1轴介导的BBB的完整性，在中风中具有治疗前景。
探究可解释人工智能中的以人为本的观点
摘要 人工智能 (AI) 在各个领域的广泛应用导致了对算法理解、透明度和可信度的需求日益增长。可解释人工智能 (XAI) 领域旨在开发能够以人类可理解的方式检查和解释人工智能系统行为的技术。然而，解释的有效性取决于用户如何看待它们，而它们的可接受性与理解程度和与用户现有知识的兼容性有关。到目前为止，XAI 的研究人员主要关注解释的技术方面，大多没有考虑用户的需求，而这方面对于值得信赖的人工智能来说是必须考虑的。与此同时，人们对以人为本的方法越来越感兴趣，这种方法侧重于人工智能与人机交互的交集，即所谓的以人为本的 XAI (HC-XAI)。HC-XAI 探索了实现 XAI 系统的用户满意度、信任度和接受度的方法。本文对 HC-XAI 进行了系统调查，回顾了来自各个数字图书馆的 75 篇论文。本文的贡献包括：（1）确定常见的以人为本的方法，（2）为读者提供 HC-XAI 方法设计视角的见解，以及（3）对所有研究论文进行定量和定性分析。研究结果激发了讨论，并为 HC-XAI 正在进行和即将开展的研究提供了启示。
文章深度自动化偏见：如何解决人工智能的棘手问题？
摘要：人工智能在不同社会背景下的使用日益增多，加剧了关于风险、道德问题和偏见的争论。因此，有前景的研究活动侧重于消除偏见，以加强机器学习的公平性、问责制和透明度。然而，人们倾向于用技术解决方案来解决社会和道德问题，而这可能会导致额外的、棘手的问题。因此，需要采用替代的分析方法来避免这种情况，并理解人工智能系统中的社会和道德问题是如何发生的。尽管存在各种形式的偏见，但最终，风险源于人工智能系统行为之间最终的规则冲突，原因是特征复杂性和用户实践的审查选项有限。因此，尽管可能出现不同形式的偏见，但自动化是它们的共同点。本文强调了自动化的作用，并解释了为什么深度自动化偏见 (DAB) 是人工智能的元风险。在前人研究的基础上，阐述了主要影响因素，并开发了一种启发式模型来评估人工智能系统中与 DAB 相关的风险。该模型旨在提高对基于人工智能的自动化所导致的社会技术风险的问题意识和培训，并有助于提高人工智能系统在技术问题之外的普遍可解释性。
采用数字孪生来支持设计重用...
为了在市场上取得先发优势，制造商正努力开发满足广泛客户需求的创新产品。传统上，为了支持创新设计，模糊概念阶段长期以来一直受到启发式设计理念的支持。近年来，新的支持技术已经实现了基于现有数据的收集和重用的概念生成。现有数据可以从各种来源收集；例如，客户评论、历史数据，或通过研究现有产品或其他工业资产（如生产机器和工具）。最近，数字孪生 (DT) 的概念引起了广泛关注，作为构建物理资产的高保真数字副本并研究其形状、位置、姿态、状态和运动的一种手段。DT 的共同目标是支持可以支持性能预测和优化的系统行为的现实模型。然而，在概念阶段提供足够的支持时，现实模型变得沉重且成本高昂。虽然新兴的数据驱动设计方法可用于生成具有变更的设计，但在概念阶段缺乏对生成和评估解决方案的支持。本文提出了一个数字平台孪生 (DPT) 框架来填补这一空白。与单一的高保真数字表示相比，DPT 建立在将多个高保真数字孪生抽象为
预测和剩余使用寿命 (RUL) 估计...
第一种方法需要在正常或故障条件下建立系统行为的精确物理模型。当将从传感器捕获的数据与模型的预测进行比较时，可以推断出系统的健康状况。第二种方法使用过去行为的数据来确定当前性能并预测剩余使用寿命 (RUL) (Yakovleva & Erofeev，2015)。物理方法包括失效物理模型。另一种方法是使用简单的裂纹扩展模型来预测受疲劳失效机制影响的系统的 RUL。基于模型的技术需要结合实验、观察、几何和状态监测数据来估计特定失效机制造成的损害。数据驱动技术源自使用历史“运行至失效”(RTF) 数据。这些技术通常用于基于预定失效阈值的估计。可以使用“小波包”分解方法和/或隐马尔可夫模型 (HMM)，因为时频特征比单纯的时间变量能提供更精确的结果。然而，使用历史数据预测资产寿命的方法需要了解资产的物理性质（Okoh 等人，2016 年）。数据驱动的 RUL 估算方法是本章的主题。
墨子号太空量子实验
量子理论已在众多实验室实验中得到成功验证。但是，这种有效描述微观物理系统行为及其预测的量子纠缠等现象的理论是否仍适用于大尺度？从实际角度来看，如何使量子密钥分发（即通过量子力学定律确保远距离各方之间建立密钥的安全性）在全球范围内具有技术实用性？由于光子在光纤和地面自由空间中的损耗，单个光子的直接传输所能达到的距离仅限于几百公里。一种在长距离和相对论范围内测试量子物理并从而实现灵活的全球量子网络的有前途的途径是使用卫星和太空技术，其中的一个显著优势是光子损耗和湍流主要发生在大气层约 10 公里以下，而大多数光子在太空中的传输路径几乎处于真空中，几乎没有吸收和退相干。回顾了自由空间量子实验的进展，重点介绍了快速发展的墨子号卫星量子通信。讨论了天地一体化量子网络的前景以及利用卫星在太空进行的基础量子光学实验。
风电场微电网集成布局优化算法与可靠性评估：综合回顾
摘要 本文全面回顾了风电场布局和风电场综合电力系统的可靠性评估。作者回顾了可再生能源的普及，这增加了电力系统的不确定性。当考虑孤立微电网时，风速和尾流效应等不确定性是需要处理的重点。当风电场与主电网整合时，情况就变得十分严峻。由于存在不确定性，研究风电场综合电力系统的可靠性评估对于有效分析电力系统行为将变得十分重要。因此，本文讨论了考虑不确定性参数（主要是尾流效应）的风力涡轮机布局优化方法。在这方面，本文详细回顾了基于单目标和多目标函数的不同尾流模型和优化方法，并进行了适当的比较。本文更好地说明了这些优化方法在风电场最佳风力涡轮机位置方面的有效性。此外，本文还拓展了对风电集成电力系统的可靠性和成本评估以及可靠性改进技术的看法。本文提供了全面的信息，为研究人员设计风电场布局和评估风电集成电力系统的可靠性提供了一个有吸引力的后续研究工具。
一种用于超级持久性和物理性的综合方法......
摘要：本文介绍了一种预测云量对光伏 (PV) 场在预测期内影响的新方法，该方法利用 PV 板作为传感器，结合物理和持久性模型并集成储能系统控制。所提出的方法需要模拟由 22 kV 可再生能源和储能组成的电网，从而能够评估与国家电网相比的网络行为。为了优化计算效率，作者开发了 PV + 储能模块的等效模型，在考虑天气条件（尤其是云量）的同时准确模拟系统行为。此外，作者介绍了一种控制系统模型，该模型能够有效响应网络动态并使用 PID 控制器对储能系统进行全面控制。精确的电力预测对于保持电力连续性、管理整个电力系统的爬坡率以及确保电网稳定性至关重要。我们的方法能够与太阳能围栏系统集成，这证明了其创新性及其对可再生能源领域做出重大贡献的潜力。作者还评估了各种针对电网的情景，以确定它们对电网稳定性的影响。研究结果表明，储能与所提出的结合物理和持久性模型的预测方法的集成为有效管理电网稳定性提供了一种有希望的解决方案。
推进无创机械通气：模拟技术改善呼吸护理
呼吸衰竭是一种危重疾病，通常需要机械通气来支持或恢复正常呼吸。虽然有创机械通气 (IMV) 通常用于重症病例，但无创机械通气 (NIMV) 提供了一种侵入性较小的替代方案，可减少并发症，并可用于中度病例。COVID-19 大流行凸显了全球呼吸机短缺的问题，尤其是在中低收入国家 (LMIC)，这些国家无法获得救生设备，加剧了危机。为了应对这些挑战，本文提出了一种简化的、基于隔室的 NIMV 模拟模型。该模型提供了一种实用且易于访问的工具，用于模拟各种通气模式下的呼吸系统行为，使用电路和肺生理学之间的类比。通过模拟气道阻力和肺顺应性等关键参数，该模型允许临床医生和研究人员评估呼吸机性能并优化治疗策略。此外，该模拟为开发可在资源受限环境中部署的经济高效、易于使用的 NIMV 系统提供了蓝图。我们的贡献旨在通过更好地设计和理解无创通气来解决呼吸机短缺的问题，最终改善中度呼吸衰竭患者的呼吸护理。
perumal_research效果final_0_0.pdf
数值模拟是现代计算的一个分支，在工程和生命科学中广泛应用。它有助于设计和优化建筑物，汽车和飞机等系统。通过预测各种条件下的系统行为，模拟模型允许研究人员测试理论并探索新的想法，而无需昂贵且耗时的实验。此外，它们使他们能够研究这些系统，这些系统原本很难或不可能进行实验检查。建模也可以通过那些不了解所涉及的复杂模拟的人进行。数值模拟具有预测现实现象的令人印象深刻的能力，使其在现代生活中必不可少。我们的研究小组在微流体，相变材料，多孔介质，金属泡沫，电池热管理，纳米流体，生物医学工程，芯片冷却，滚动涂料和复杂的建筑设计方面做出了重大贡献。我们的重点扩展到解决可持续发展目标，例如健康和福祉（目标3），负担得起和清洁能源（目标7），行业创新和基础设施（目标9），负责任的消费和生产（目标12），气候行动（目标13）以及目标17（目标17）。此外，机器学习和人工智能正在更有效，准确地为数值模拟打开新的机会。从远古时代到现在，数值模拟已被证明对人类有价值，并将继续推动未来的进步。