XiaoMi-AI文件搜索系统
World File Search System设计模型
se（3）蛋白质结构的扩散模型
蛋白质结构预测场通过蛋白质折叠模型（例如α2和Esmfold）进行了深入的学习革命。这些模型可以快速进行计算机预测，并已整合到从头蛋白设计和蛋白质 - 蛋白质相互作用（PPI）预测中。然而，这些模型无法估计取决于构象分布的生物学相关特征。扩散模型是一种新型的生成模型，已经开发出来学习构象分布并应用于从头蛋白质设计。有限的工作是对蛋白质结构插入的有限工作，在该蛋白质结构上，通过同时调节其序列和其余结构来恢复蒙版的截面。在这项工作中，我们提出了构架的iff i n p ain t ing（frameDipt），这是一种蛋白质授予的广义模型。这对于T细胞很重要，鉴于互补性确定区域（CDR）环的超变量性。，我们评估了T细胞受体的CDR回路设计模型，并通过有限的训练数据和可学习的参数获得了与蛋白烯剂的可比预测准确性和RFDiffusion。与确定性结构预测模型不同，框架捕获了不同区域和结合状态的构象分布，突出了生成模型的关键优势。模型和推理代码已发布1。
革命性的早期疾病检测：阿曼2型糖尿病筛查的高临界性4D CNN模型
在高强度钢（HSS）梁中使用周期性的基于椭圆形的网络（EBW）开口在近年来越来越受欢迎，这主要是由于高强度重量比和降低地板高度，这是由于允许不同的公用事业服务通过网络开放的原因。但是，这些部分容易受到Web-Post屈曲（WPB）故障模式的影响，因此必须使用准确的设计工具来预测Web-Post屈曲容量。因此，本文旨在通过（EBW）开口（EBW）开口来预测HSS光束中WPB容量的各种机器学习（ML）方法的能力，并评估现有分析设计模型的性能。为此，考虑了S460，S690和S960钢等级，开发和验证了数值模型，目的是进行总共10,764个Web-POST有限元模型。该数据用于训练和验证包括人工神经网络（ANN），支持向量机回归（SVR）和基因表达编程（GEP）的不同ML算法。最后，本文提出了用于WPB电阻预测的新设计模型。结果将详细讨论，并将其与数值模型和现有的分析设计方法进行了比较。基于机器学习预测的提议的设计模型被证明是功能强大，可靠和高效的设计工具，可用于对HSS梁的WPB电阻进行定期（EBW）开口的WPB电阻。
数字孪生和云 BIM-XR 平台开发
摘要：数字孪生 (DT) 和建筑信息模型 (BIM) 被证明是管理建筑物 (LCB) 整个生命周期（从早期设计阶段到长期管理和维护）的宝贵工具。另一方面，BIM 平台无法管理现有建筑物的几何复杂性以及传感器可以收集的大量信息。因此，本研究提出了一种扫描到 BIM 流程，能够在设计、施工现场管理和施工阶段管理高级别细节 (LOD) 和信息 (LOI)。应用特定等级的生成 (GOG) 来创建与多层住宅建筑的修复项目交互并为其提供支持的实测模型、设计模型和竣工模型。此外，由于特定 API（Revit 和 Autodesk Forge API）的共享，可以从静态表示切换到用户互操作性和交互性的全新级别，以及更高级的建筑管理形式，例如 DT、BIM 云和扩展现实 (XR) 网络平台。最后，实时应用程序的开发展示了不同类型的用户（专业人士和非专家）如何与 DT 交互，以了解环境设计的特征以及环境参数，从改善舒适度、使用、成本、行为和良好实践的角度提高他们的控制程度。最后，通过一个真实案例研究验证了整体方法，其中 BIM-XR 平台是为现有建筑的能源改进和外墙翻新而构建的。
![arXiv:2303.03715v2 [quant-ph] 2023 年 3 月 8 日](/simg/g:\will\search\icon\source\8\80ac6a80b9ab6fb4e51eadc61e202a451835217c.webp)
arXiv:2303.03715v2 [quant-ph] 2023 年 3 月 8 日
揭示量子计算能力的来源一直是量子信息科学领域的重大目标。近年来，量子资源理论（QRT）已经建立，以表征各种量子资源，但它们在量子计算任务中的作用仍需研究。所谓的通用量子计算模型（UQCM），例如电路模型，已成为指导量子算法设计、真实量子计算机创建等的主要框架。在本文中，我们将 UQCM 的研究与 QRT 结合在一起。我们发现，一方面，使用 QRT 可以提供 UQCM 的资源理论表征、模型之间的关系并启发新的模型；另一方面，使用 UQCM 提供了一个应用资源、研究资源间关系和对其进行分类的框架。我们在 UQCM 的背景下发展了通用资源理论，并找到了丰富的 UQCM 和相应的通用资源。根据资源理论的层次结构，我们发现模型可以分为几类。在本文中，我们详细研究了 UQCM 的三个自然家族：振幅家族、准概率家族和哈密顿家族。它们包括一些众所周知的模型，例如基于测量的模型和绝热模型，也启发了新模型，例如我们介绍的上下文模型。每个家族至少包含三个模型，这种简洁的 UQCM 家族结构为研究资源和设计模型提供了统一的图景。它还提供了一个严格的框架来解决难题，例如纠缠与干扰的作用，并揭示量子算法的资源理论特征。
i 美国陆军部 USACC 条例 145-2 ...
o 修订第 5-12c 段，在线 JROTC 初始资格培训课程概述。o 添加第 5-16 段，儿童保育国家机构查询范围。o 修订第 5-39 段，向学校或其他教育部门付款。o 添加第 6-2 段，认证信息。o 添加第 6-3 段，教育标准融入 JROTC 课程。o 添加第 6-4 段，基于绩效的教学设计模型。o 添加第 6-5 段，核心能力、计划成果和课程能力。o 修订第 6-6 段，课程计划。o 修订第 6-8 段，教学方法。o 修订第 6-11 段，旅/单位评估。o 修订第 6-14 段，认证要求。o 修订第 6-16 段，JROTC 学员指挥学校 (JSOCC)。o 修订第 6-17 段，专业发展。o 修订第 7-1 段，定义学员管理。o 修订第 7-2 段，入学要求。o 修订第 7-3 段，澄清磁力学员的定义。o 修订第 7-4 段，参与学生。o 修订第 7-5 段，学员记录和培训证书。o 修订第 7-8 段，学员档案。o 修订第 8-1e 段，将 ACU 定义为本条例所称的陆军迷彩服。o 增加第 8-2c(8-13) 段，JROTC 教员培养标准。
综合空间任务规划与航天器设计的多学科设计优化方法
太空任务规划和航天器设计紧密耦合，需要一起考虑才能获得最佳性能；然而，这个集成优化问题会导致大规模的混合整数非线性规划 (MINLP) 问题，而该问题的求解十分具有挑战性。为了应对这一挑战，本文提出了一种新的解决该 MINLP 问题的方法，即遵循多学科设计优化 (MDO) 的理念，通过增强拉格朗日协调方法迭代求解一组耦合子问题。所提出的方法利用问题的独特结构，将其分解为一组不同类型的耦合子问题：任务规划的混合整数二次规划 (MIQP) 子问题和航天器设计的一个或多个非线性规划 (NLP) 子问题。由于可以将专门的 MIQP 或 NLP 求解器应用于每个子问题，因此所提出的方法可以有效地解决原本难以解决的集成 MINLP 问题。还提出了一种自动有效的方法来寻找这种迭代方法的初始解，这样就可以在不需要用户定义的初始猜测的情况下进行优化。在演示案例研究中，使用子系统级参数化航天器设计模型优化了载人月球探测任务序列。与最先进的方法相比，即使没有并行化，所提出的公式也可以在更短的计算时间内获得更好的解决方案。对于更大的问题，所提出的解决方法也可以轻松并行化，因此有望进一步发挥优势和可扩展性。
foldmark：使用水印
蛋白质结构是理解蛋白质功能的关键，对于生物工程，药物发现和分子生物学的进展至关重要。最近，随着生成AI的结合，计算蛋白结构预测/设计的功率和准确性已得到显着提高。然而，诸如版权保护和有害内容产生（生物安全）等道德问题对蛋白质生成模型的广泛实施构成了挑战。在这里，我们研究是否可以将水印嵌入蛋白质生成模型及其输出中，以进行版权认证和跟踪生成的结构。作为概念证明，我们提出了一个两阶段的方法折叠标记，作为蛋白质生成模型的广义水印策略。FOLSMARK首先要预处理水印编码器和解码器，它们可以轻微调整蛋白质结构以嵌入用户特定的信息，并忠实地从编码结构中恢复信息。在第二步中，蛋白质生成模型通过水印条件的低级适应（Waterlora）模块进行微调，以保持发电质量，同时学习产生具有高回收率的水印结构。广泛的实验是在开源蛋白结构预测模型（例如Esmfold和Multiflow）和从头结构设计模型（例如Framediff和Foldflow）上进行的，我们证明我们的方法在所有这些生成模型中都是有效的。同时，我们的水印框架只会对原始蛋白质结构质量产生可忽略的影响，并且在潜在的后加工和适应性攻击下具有强大的影响。
适合对象操作的工作记忆的人工智能架构研究
1分钟大概就在大脑皮层上。例如，有报道称，在将多种形式的信息整合到工作记忆中时，前额叶皮层会被激活[6]。我们认为大脑皮层是一种贝叶斯网络[7]。如果这是正确的，大脑皮层的工作记忆功能也应该利用贝叶斯网络来实现。在设计模型时，大脑中唯一物理存在的节点是那些代表当前时间 t 的信息的节点，并且每个节点只能引用时间 t-1 的信息。假设为了表示该模型，我们使用 BESOM [7]，我们提出它是大脑皮层的计算模型。 BESOM 是一种贝叶斯网络，通过对条件概率表施加约束来限制参数数量的激增。 BESOM 的最新版本能够使用门来控制节点之间的连接[8][9][10]。我们之前展示了如何使用生成模型 [3] 来表示工作记忆，但在本节中我们将更详细地解释它。图2中，节点W表示工作记忆状态，S表示传感器输入，A表示强化学习机制选择的动作规则。 P 指定记忆状态的默认行为（保留或忘记值）。更新内存值时，A t +1 会抑制 P t +1 的影响。它由一个门（黑色圆圈）表示，控制从 A t +1 到 P t +1 和 W t +1 的转换。工作记忆的更新规则在这个模型上被表述为推理，但由于大脑在物理上不可能向后发送循环信念传播的信息，因此大脑必须做出某种近似的推理。 转到
嵌合人乳头瘤病毒（HPV）疫苗设计18 ...
摘要宫颈癌是一种恶性肿瘤，可以传播（转移）向其他可能导致死亡的器官传播（转移）。根据全球癌症研究负担（Globocan），宫颈癌的主要原因中有95％是人乳头瘤病毒（HPV）。到目前为止疫苗接种是防止HPV感染的一种方法。类型的病毒（例如颗粒（VLP）病毒疫苗）与弱化病毒疫苗的类型不同。没有遗传物质，因此不能具有传染性和复制性，这是与使用活病毒在疫苗生产开发中使用的疫苗类型相比，这是潜在的VLP安全。在这项研究中，它更加专注于评估4个VLP VLP VLP设计模型嵌合HPV 18/45/59，这些模型已修改了LOOP，DE，EF，EF，FG，HI，HI具有免疫信息方法。结果表明，模型3疫苗的设计具有最佳，最安全的评估，包括抗原性（0.5284），物理化学特性（分子量为51.16 kDa，等电（PI）5.71和Grvy 0.358），并且疫苗没有引起过敏的反应和毒性。In addition, Model 3 vaccine candidates show significant immunogenicity, namely an increase in antigens on the 5th day, and began to decline on the 20th day, meaning that the body responds to the vaccine as an antigen marked by an increase in immunoglobulin M (IGM) and immunoglobulin G (IgG) which is 1.4 x 10 6 Count/ml长期。该结果表明，模型3具有用作有效且安全的疫苗的最大潜力。关键字：宫颈癌，人乳头瘤病毒（HPV），诸如粒子>的病毒
基于机器学习的预测模型，用于充满混凝土的双皮管柱
本文旨在使用最全面和最新的数据库开发一个独特的人工神经网络（ANN）的方程以及基于MATLAB和PYTHON的图形用户界面（GUI），以预先指示轴向填充的混凝土混凝土填充的混凝土混凝土填充的混凝土填充混凝土填充的双层皮肤管（CFDST）短材料和湿润的柱子，并用正常的材料和高音材料材料。使用1721组数据训练和测试了两种机器学习（ML）方法，它们是ANN和极端梯度提升（XGBOOST），其中129种从实验研究中收集了129个，而有限元（FE）模拟产生了1592个。通过将其预测与实验和FE结果进行比较，评估了开发的ML模型的准确性。为了证明每个参数对预测结果的影响，使用了Shapley添加说明（SHAP）方法。开发的ML模型还用于进行参数研究，以检查几何和材料参数对预测结果的影响。将ML模型的准确性和所提出的基于ANN的方程式预测CFDST列的最终轴向容量的准确性与六种设计方法的轴向容量进行了比较。提出了一个数值示例，以使用拟议的基于ANN的方程来说明CFDST列的设计过程。结果表明，ANN模型在看不见的数据上的性能要比XGBoost模型更好，该模型的XGBoost模型在测试集中均均方根误差较低。结果还表明，在预测准确性方面，ML模型和提出的基于ANN的方程优于其他设计模型。