XiaoMi-AI文件搜索系统
World File Search System赋能
用于太赫兹光子学的拓扑赋能膜装置
摘要。太赫兹波的控制为下一代传感、成像和信息通信提供了深厚的平台。然而，所有传统的太赫兹元件和系统都存在体积庞大、对缺陷敏感和传输损耗大等问题。我们提出并通过实验证明了拓扑器件的片上集成和小型化，这可能解决太赫兹技术的许多现有缺陷。我们设计和制造了基于谷-霍尔光子结构的拓扑器件，可用于片上太赫兹系统的各种集成组件。我们用拓扑波导、多端口耦合器、波分和回音壁模式谐振器证明了谷锁定非对称能量流和模式转换。我们的设备基于拓扑膜超表面，这对于开发片上光子学具有重要意义，并为太赫兹技术带来了许多特性。
ACM KDD AI4Cyber/MLHat：人工智能赋能研讨会
联邦资助机构和行业实体正在寻求创新方法来应对日益严重的网络安全危机。越来越多的网络安全思想领袖表示，人工智能 (AI) 支持的分析可以帮助解决关键的网络安全任务并部署防御。本次半天研讨会与 ACM KDD 共同举办，旨在从学术界和从业者那里获得对网络安全应用和可部署防御解决方案的人工智能支持分析各个方面的重大研究贡献。本次研讨会是 2021 年人工智能支持的网络安全分析和 2021 年安全防御可部署机器学习国际研讨会的联合研讨会。因此，我们成立了一个跨学科计划委员会，在人工智能、网络安全和/或可部署防御的各个方面拥有丰富的经验。
FESAC 转型赋能能力小组报告摘要
免责声明 本文件为美国政府机构赞助工作的记录。美国政府、劳伦斯利弗莫尔国家安全有限责任公司及其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或劳伦斯利弗莫尔国家安全有限责任公司对其的认可、推荐或支持。本文表达的作者观点和意见不一定代表或反映美国政府或劳伦斯利弗莫尔国家安全有限责任公司的观点和意见，不得用于广告或产品代言目的。
弥合责任差距：人工智能为何挑战现有责任规则以及如何设计赋能人类的解决方案
13.1 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... 248 13.3.4 场景 B：爱丽丝和自动驾驶汽车 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... 256 参考文献.................... ...
智能织物空间赋能数字化医学教育
摘要：医学教育在推动全球医学科学发展中发挥着重要作用。然而，医学教学与临床实际任务之间存在的内在差距导致教育效率低下和学生的主动性较弱。传感织物和嵌入式计算的最新发展，以及人工智能（AI）和数字孪生技术的进步，为医学研究向数字化转型铺平了道路。在本文中，我们提出了一种基于新型功能织物材料和由5G和物联网（IoT）技术支持的数字孪生网络的智能织物空间。在这个空间中，医学生可以通过数字和现实世界的协作映射、信息物理交互和实时触觉反馈来学习知识。而提出的服务系统将评估和反馈学生的操作行为，以提高他们的实验技能。我们为医学教育提供了智能织物空间的四个典型应用，包括医学教育培训、健康和行为跟踪、操作回放和再现以及医学知识普及。提出的智能织物空间有可能通过有效和高效的方式促进创新技术，以培养前沿医学生。
支持 MEC 的 IoV 网络中 AI 赋能的数据卸载
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
文章 一种人工智能赋能的家庭基础设施，可最大限度地减少用药错误
摘要：本文介绍了一种基于人工智能 (AI) 的基础设施，用于减少在家遵循治疗计划时的用药错误。该系统特别有助于帮助有认知障碍的患者。基于 AI 的系统首先使用 Actor-Critic 方法学习患者的技能。在评估患者的残疾情况后，系统采用适当的方法进行监测过程。监测用药过程的可用方法是基于深度学习 (DL) 的分类器、光学字符识别和条形码技术。DL 模型是一种卷积神经网络 (CNN) 分类器，即使在不同方向显示时也能够检测到药物。第二种技术是基于 Tesseract 库的 OCR，可从盒子中读取药物名称。第三种方法是基于 Zbar 库的条形码，可根据盒子上的条形码识别药物。GUI 表明该系统可以帮助患者服用正确的药物并防止用药错误。这种整合三种不同工具来监控用药过程的方法具有优势，因为它降低了用药错误的可能性并增加了正确检测的机会。当患者有轻度认知障碍时，这种方法更有用。
赋能人才——洞察数字时代的战略实施
“从学术角度来看，数据分析具有巨大的潜力。然而，确保数据的可用性、集成性和质量至关重要，而且可能非常具有挑战性。尽管如此，与西门子的合作项目表明，这种努力绝对是值得的。”
知识图谱赋能材料发现 - NSF-PAR
摘要 — 在本立场文件中，我们描述了知识图谱赋能的材料科学预测和发现的研究。该研究包括几个关键部分，包括本体映射、材料数据注释和从非结构化学术文章中提取信息。我们认为，尽管模拟和实验产生的大数据推动并加速了数据驱动的科学，但材料科学相关大数据的分布和异质性阻碍了该领域的重大进步。知识图谱作为语义枢纽，整合了不同的数据并为解决这一挑战提供了可行的解决方案。我们设计了一种基于知识图谱的方法，用于材料科学中的数据发现、提取和集成。索引词 — 知识图谱、材料发现、信息提取、本体、自然语言处理