XiaoMi-AI文件搜索系统
World File Search System自下而上
boaviztapi：一种自下而上的模型，用于评估云服务的环境影响
围绕数字行业的环境影响的意识使众多专业人员将这些考虑因素纳入了他们的工作。但是，环境影响的概念化通常已缩小到碳足迹的范围。此限制可以归因于各种技术和数据可访问性限制，从而阻碍了全面的评估，包括对数字技术整个生命周期的多标准分析。响应这些局限性，我们采用了一种适用于服务器和云实例的全面自下而上的评估方法，采用生命周期思维方法。我们首先根据服务器的硬件配置对生命周期的影响进行建模。然后，我们将它们与其技术和物理环境的影响汇总在一起，以定义云平台的影响。我们最终将云实例作为云平台的一部分建模。该建议的方法已作为开源工具包实施，并以API的形式出版。这项计划旨在为De-Velopers和研究人员提供基于开放数据和开放方法的基础设施进行环境评估的工具，从而增强了其探索ICT产品，服务，服务和基础设施的环境物质性的能力。
boaviztapi：一种自下而上的模型，用于评估云服务的环境影响
围绕数字行业的环境影响的意识使众多专业人员将这些考虑因素纳入了他们的工作。但是，环境影响的概念化通常已缩小到碳足迹的范围。此限制可以归因于各种技术和数据可访问性限制，从而阻碍了全面的评估，包括对数字技术整个生命周期的多标准分析。响应这些局限性，我们采用了一种适用于服务器和云实例的全面自下而上的评估方法，采用生命周期思维方法。我们首先根据服务器的硬件配置对生命周期的影响进行建模。然后，我们将它们与其技术和物理环境的影响汇总在一起，以定义云平台的影响。我们最终将云实例作为云平台的一部分建模。该建议的方法已作为开源工具包实施，并以API的形式出版。这项计划旨在为De-Velopers和研究人员提供基于开放数据和开放方法的基础设施进行环境评估的工具，从而增强了其探索ICT产品，服务，服务和基础设施的环境物质性的能力。
用于住宅自下而上能量模拟的能源使用和人类行为建模
我们引入了一种概率建模，用于分解住宅能源使用的自下而上模拟。参数概率分布的建模，其参数在用法和设备功率方面具有自然解释。人类行为（例如睡眠和家庭占用变量）也被视为其相应训练的概率模型。模型参数是通过最小化Kullback -Leibler差异与已知设备和行为使用数据的最小化调整的。自生发射的光伏能量包含在模拟中，并使用用于存储和电动车辆使用的电池。仿真匹配欧洲重塑和意大利负载数据集中的个体和汇总使用负载程序。获得的模型对于住宅分类的模拟很有用，允许单个设备从房屋变为房屋。概率分布可以用作能源管理系统，风险管理和电网故障预测的先验知识，并且可以根据非平稳的实时房屋行为和设备使用来调整。2022 Elsevier B.V.保留所有权利。
自下而上制造和表征用于电子应用的自对准栅极堆叠_最终版
1 S. Datta、S. Dutta、B. Grisafe、J. Smith、S. Srinivasa 和 H. Ye，IEEE Micro 39，8 (2019)。2 T. Bryllert、L.-E. Wernersson、T. Löwgren 和 L. Samuelson，Nanotechnology 17，S227 (2006)。3 D. Akinwande、N. Petrone 和 J. Hone，Nat Commun 5，5678 (2014)。4 R. Chen、H. Kim、PC McIntyre、DW Porter 和 SF Bent，Applied Physics Letters 86 (2005)。5 R. Chen、H. Kim、PC McIntyre 和 SF Bent，Applied Physics Letters 84，4017 (2004)。 6 S. Seo、BC Yeo、SS Han、CM Yoon、JY Yang、J. Yoon、C. Yoo、HJ Kim、YB Lee、SJ Lee、JM Myoung、HB Lee、WH Kim、IK Oh 和 H. Kim，ACS Appl Mater Interfaces 9，41607 (2017)。7 KJ Park、JM Doub、T. Gougousi 和 GN Parsons，Applied Physics Letters 86 (2005)。8 FS Minaye Hashemi、C. Prasittichai 和 SF Bent，ACS Nano 9，8710 (2015)。9 WH Kim、HBR Lee、K. Heo、YK Lee、TM Chung、CG Kim、S. Hong、J. Heo 和 H. Kim，Journal of the Electrochemical Society 158，D1 (2011)。 10 H. Kim，ECS Transactions 16, 219 (2008)。11 R. Wojtecki、J. Ma、I. Cordova、N. Arellano、K. Lionti、T. Magbitang、TG Pattison、X. Zhao、E. Delenia 和 N. Lanzillo，ACS applied materials & interface 13, 9081 (2021)。12 E. Färm、M. Kemell、M. Ritala 和 M. Leskelä，The Journal of Physical Chemistry C 112, 15791 (2008)。13 E. Färm、M. Kemell、E. Santala、M. Ritala 和 M. Leskelä，Journal of The Electrochemical Society 157 (2010)。 14 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》24（2006 年）。15 V. Suresh、MS Huang、MP Srinivasan、C. Guan、HJ Fan 和 S. Krishnamoorthy，《物理化学杂志 C 116，23729》（2012 年）。16 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》25（2007 年）。17 TG Pattison、AE Hess、N. Arellano、N. Lanzillo、S. Nguyen、H. Bui、C. Rettner、H. Truong、A. Friz 和 T. Topuria，《ACS nano 14，4276》（2020 年）。 18 M. Fang 和 JC Ho，ACS Nano 9，8651（2015）。19 AJ Mackus、AA Bol 和 WM Kessels，Nanoscale 6，10941（2014）。20 MJ Biercuk、DJ Monsma、CM Marcus、JS Becker 和 RG Gordon，Applied Physics Letters 83，2405（2003）。21 AT Mohabir、G. Tutuncuoglu、T. Weiss、EM Vogel 和 MA Filler，ACS nano（2019）。22 E. Bassous 和 A. Lamberti，Microelectronic Engineering 9，167（1989）。23 C. Ton-That、A. Shard、D. Teare 和 R. Bradley，Polymer 42，1121（2001）。 24 P. Louette、F. Bodino 和 J.-J. Pireaux，表面科学光谱 12，69 (2005)。25 A. Richard，法拉第讨论 98，219 (1994)。
具有超大寿命的绿色和瞬态锌离子电池的自下而上的设计
背景和目标：由于失去随访的患者的数量，纵向研究中缺少数据是一个无处不在的问题。内核方法通过成功管理非矢量预测因子（例如图形，字符串和概率分布）来丰富机器学习场，并成为分析由现代医疗保健诱导的复杂数据的有希望的工具。此pa-提出了一组新的内核方法，以处理响应变量中缺少的数据。这些方法将用于预测糖化血红蛋白（A1C）的长期变化，这是用于诊断和监测糖尿病进展的主要生物标志物，以探索探索连续葡萄糖（CGM）的预测潜力。
解锁农业生态系统的可持续性：探索微生物、植物和食草昆虫自下而上的影响
1 绿色农药国家重点实验室、教育部绿色农药与农业生物工程重点实验室、贵州大学精细化工研发中心，中国贵阳，2 美国佛罗里达大学柑橘研究与教育中心昆虫学与线虫学系，佛罗里达州阿尔弗雷德湖，美国，3 开罗大学理学院昆虫学系，埃及吉萨，4 伊苏布里亚大学生物技术与生命科学系，意大利瓦雷泽，5 BAT 中心-生物启发农业环境技术校际研究中心，那不勒斯费德里科二世大学，意大利那不勒斯，6 西华师范大学西南野生动植物资源保护教育部重点实验室，中国南充，7 法国雷恩大学 CNRS，ECOBIO（生态系统、生物多样性、进化），UMR 6553，雷恩，法国，8 生物多样性与生态系统动力学研究所（IBED），进化生物学和种群生物学，阿姆斯特丹大学，荷兰阿姆斯特丹，9 伊利诺伊大学生物科学系，美国伊利诺伊州芝加哥和
自下而上和自上而下的神经加工系统设计：神经形态智能作为自然和人工智能的融合
摘要 - 虽然摩尔的定律推动了指数计算的能力期望，但其接近的最终要求需要新的途径来改善整体系统性能。这些途径之一是探索新的替代脑启发的计算体系结构，这些计算体系结构有望实现生物神经加工系统的灵活性和功能。在这种情况下，神经形态智能代表了基于尖峰神经网络体系结构的实现，在计算中的范式转移，紧密地共同关注处理和内存。在本文中，我们提供了对现有硅实施中存在的粒度不同水平的全面概述，比较了旨在复制自然智力（自下而上）的方法与旨在解决实际人工智力应用程序（自上而下）的方法（自下而上），并评估了不同的电路设计样式。首先，我们介绍模拟，混合信号和数字电路设计样式，通过时间多路复用，内存计算和新型设备来识别处理与内存之间的边界。接下来，我们重点介绍每种自下而上和自上而下的方法的关键交易，调查其硅实现，并进行详细的比较分析以提取设计准则。最后，我们确定了与传统的机器学习加速器相比，在神经形态边缘计算获得竞争优势所需的必要协同作用和缺失的元素，并概述了针对神经形态智能的框架的关键要素。
生物神经网络的独特特性以及自下而上的方法的最新进展，以更好地生物学上合理的神经网络
尽管它看起来不可行且不切实际，但使用基于对神经科学的理解的自下而上的方法来构建人工智能（AI）是简单的。缺乏生物神经网络（BNNS）的普遍管理原理，迫使我们通过将有关神经元，突触和神经回路的各种特征转换为AI的各种特征来解决这个问题。在这篇综述中，我们描述了通过遵循神经科学相似的神经网络优化策略或植入优化结果，例如单个计算单元的属性和网络结构的特征，以构建生物学上合理的神经网络。此外，我们提出了神经网络试图实现的目标集与神经网络类别之间的关系形式主义，而神经网络类别则按照其架构特征与BNN的建筑特征相似。这种形式主义有望定义自上而下和自下而上的方法在建立生物学上合理的神经网络的潜在作用，并获得一张地图，以帮助导航神经科学与AI工程之间的差距。
使用精确的基因组编辑技术开发自下而上的多能干细胞衍生的实体瘤模型
基因组和组织工程的抽象进步刺激了癌症建模创新的显着进步和机会。人类诱导的多能干细胞（IPSC）是在特定于疾病的遗传背景下研究细胞过程的已建立且强大的工具；然而，它们在癌症上的应用受到许多转化细胞对成功重编程的阻力的限制。在这里，我们在基因工程的背景下回顾了实体瘤的人IPSC建模的状态，包括如何将基础和主要编辑纳入“自下而上”的癌症建模中，这是我们使用基因工程来诱导转化的基于IPSC的癌症模型创造的术语。这种方法规定了对癌细胞进行重编程的需求，同时允许解剖具有高度的精度和对照的转化，进展和转移的遗传机制。我们还讨论了建立未来模型的重大工程方法的优势和局限性。
自下而上的观点 - 根和根际在农业生态系统中的气候变化适应和缓解症中的作用
At the beginning of this century climate change was predicted to cause a rise in global average tempera- ture of between 1 to 7 °C compared to pre-industrial levels by the end of the twenty-first century Such climate change is a consequence of unprecedented rates of greenhouse gas emissions into the atmos- phere caused by global industrialization, notably rais- ing the atmospheric pCO 2 to levels (> 400 ppm) not recorded for over 80万年，不仅对温度，而且对全球天气模式和降水产生影响（IPCC 2023）。当前的预测在这种温度变化的下边界不太乐观，到截至世纪末（2020年皇家学会），温度升高在2.6到4.8°C之间的预测可能达到800 ppm。根据当前的记录，2023年将连续第10年全球温度平均比工业水平高1°C以上，并且在全球范围内是记录中最温暖的一年（根据英国会议办公室，2023年的预测高于工业水平，高于工业水平1.2°C，2023年）。气候变化显然正在发生，社会已经接受，温度升高应仅限于1.5°C以限制负面影响，但是除非在未来几年遵循严格的缓解措施，否则这种愿望似乎极不可能（IPCC 2023）。