XiaoMi-AI文件搜索系统
World File Search System随处可见
在微机械谐振器中产生混沌的动态方法
摘要 混沌系统具有复杂且不可再现的动力学，在自然界中随处可见，从行星之间的相互作用到天气的演变，但也可以使用当前的先进信号处理技术进行定制。然而，由于底层物理涉及动力学，混沌信号发生器的实现仍然具有挑战性。在本文中，我们通过实验和数值方法提出了一种从微机械谐振器生成混沌信号的颠覆性方法。该技术通过调节施加到非线性区域中谐振器的驱动力的幅度或频率，克服了控制微/纳米机械结构中屈曲的长期复杂性。混沌状态的实验特征参数，即庞加莱截面和李雅普诺夫指数，可直接与不同配置的模拟进行比较。这些结果证实，这种动态方法可转换到任何类型的微/纳米机械谐振器，从加速度计到麦克风。我们通过将现成的微隔膜转变为符合美国国家标准与技术研究所规范的真正随机数生成器，展示了利用混沌状态的混合特性的直接应用。这种原始方法的多功能性开辟了新的途径，将混沌的独特性质与微结构的卓越灵敏度相结合，从而产生新兴的微系统。
RIPTIDE - BAE 系统
本期内容：电子系统脉搏深入探讨了该行业最近收购的 Riptide，以及我们如何在跨领域运营的更广泛推动下在海底市场掀起波澜。托马斯·爱迪生的发明并非出于无聊。他发明发明的目的是为了将产品推向市场。虽然大多数人听到爱迪生的名字时都会想到灯泡，但他的技术研发也为留声机、电影、电动火车甚至第一辆电动汽车做出了贡献。但他并不孤单。他满世界寻找最聪明的人才，挑选了志同道合的梦想家，他们一开始就会为新技术做出贡献。而结果 — — 正如我们从 1,000 多项专利中看到的那样 — — 是惊人的。与爱迪生一样，BAE 系统公司也在不断追求同样水平的创造力 — — 我们随处可见：我们才华横溢的员工，他们为我们的创新引擎提供动力；以及外部，因为我们继续与全球的风险投资家、加速器、小型企业和大学建立关系。您将在本期后面读到的 Riptide Autonomous Solutions 是一个很好的例子，它展示了一家拥有正确技能、动力和热情的小公司如何成为我们业务未来不可或缺的一部分，也是整个企业向多领域运营转变的一部分。我们公司从事低成本消耗品业务已有数十年。我们拥有技术
无法进行明确沟通是人工智能系统失败的原因之一
人类的语言能力允许任何特定的说话者“无限地使用有限的手段” [Chomsky, 2006]。这就是说，所有可能的句子的集合是无限的，而组成它们的单词的集合是有限的。然而，歧义（即对一个表达式有多种解释）在自然语言中随处可见 [Wasow et al. , 2005]。目前尚不清楚自然语言中为何存在歧义。鉴于它会阻碍交流，人们可能认为语言会进化来避免它，然而这并没有被观察到 [Wasow et al. , 2005]。一种解释是，将一个词映射到多个含义可以节省记忆。另一种说法认为，歧义是人类偏向较短词素的结果 [Wasow et al. , 2005]。还有一种解释认为，歧义是语言进化过程中效率优化（最小努力原则）的产物。根据这种观点，歧义是语言进化到最小努力的代价 [Sol´e and Seoane, 2015]。在本文中，我们不会试图解释歧义的根本原因，而是展示它如何给人工智能系统带来问题。首先，我们将确定语音、句法和语义层面上出现的歧义类型，并注意现代自然语言处理 (NLP) 系统如何消除歧义输入。最后，我们将考虑更先进的人工智能如何利用歧义，以及不法分子如何利用此类系统来达到他们的目的。
人工智能在矿物加工中的应用综述
摘要：在过去几年中，机器学习 (ML) 和人工智能 (AI) 等术语在科普媒体和学术文献中随处可见。许多行业都尝试了当前的 ML 和 AI 算法套件，并取得了不同程度的成功。矿物加工行业正在考虑 AI，原因有二。首先，与其他行业一样，了解 AI 算法是否可用于提高生产率是至关重要的。第二个原因是采矿业特有的。最近，矿石的品位正在下降，对道德采矿（对生态的影响尽可能小）的需求正在增加。因此，矿物加工行业也希望探索使用 AI 解决这些挑战的可能性。在这篇评论论文中，首先介绍了 AI 可能解决的矿物加工挑战。然后，讨论了 ML 和 AI（应用于矿物加工领域）领域的一些最相关的发展。最后，针对可能希望探索在其流程中使用 AI 可能性的矿物加工行业，本文介绍了一种顶级运作方式。以下是本综述添加的一些新范例。本综述以 AI 的视角全面介绍了矿物加工领域。这也是该领域首次深入讨论 AI 在道德、绿色和可持续矿物加工中的应用的综述之一。本文提出的 AI 流程非常全面。为了确保与行业的相关性，该流程通过螺旋系统工程流程变得敏捷。这有望推动快速、敏捷地研究在不同矿物加工行业中应用 ML 和 AI 的潜力。
人工智能成为焦点
关于人工智能 (AI) 和机器学习 (ML) 的争论目前随处可见。欧盟委员会已任命一个人工智能高级专家组，该专家组为有关可信人工智能的道德准则的讨论做出了重大贡献，这些准则应足够安全、可靠和强大，以管理整个系统生命周期中的错误或不一致。1《人工智能法案》草案 2 是首创的立法，将对所有行业的技术部署产生重大影响。《机械产品法规》草案是首次尝试制定具体的行业保护目标和要求。3欧洲经济及社会理事会对保护工人及其数据表达了具体关切。4IndustriAll Europe 从一开始就参与了这场辩论。2019 年的一份政策简报提出了在工作场所部署人工智能时应遵守的一些核心原则。 5 我们支持以人为本的人工智能方法，正如欧洲工会联合会早在 2017 年就制定的 6 ，以及 2020 年欧洲社会伙伴数字化框架协议 7 中达成的共识。这些原则也反映在我们对《人工智能法案》草案的公众咨询反馈中。 8 IndustriAll Europe 致力于将工人权利放在首位，并帮助制定对工人及其代表的充分保护目标。人工智能具有巨大的潜力，可以改变生产本身、创新以及我们组织生产的方式。一些研究表明，包括人工智能在内的数字化转型将导致工人数量的净增长
补充绿色基础设施指南 - MIplace.org
什么是绿色基础设施？绿色基础设施在我们周围随处可见。它是我们每天看到的公园、湿地和树木，以及人造绿色屋顶、生物沟和雨水花园。具体而言，绿色基础设施是指自然和人工生态系统，它们通过减缓水的流动、自然处理径流和缓解洪水问题来帮助管理雨水。绿色基础设施是灰色基础设施（例如混凝土雨水管道或滞留池）在管理雨水中的绝佳补充工具，因为它通常成本较低，同时提供健康和环境效益。虽然这里的大多数绿色基础设施技术都侧重于水/雨水管理，但 RRC 最佳实践 2.6 还包括社区在其分区政策中解决可再生能源问题的选项，作为促进社区可持续性的一种手段。绿色基础设施的众多好处包括改善空气质量、改善雨水质量、减少热应激、社区社会和经济效益、降低传统雨水系统成本、身心健康效益等等。社区技术中心 (CNT)、ECONorthwest、美国环境保护署等机构的研究发现，仅从减少灰色基础设施资本成本来看，绿色基础设施就可以为社区节省数十万甚至数百万美元的净收益。1 绿色基础设施可用于维持和维护社区的自然资源，并有助于建立随着社区的发展和变化而不断发展的可持续发展进程。
利用液晶表面限制设计手性域
所研究的 LCLC 是色甘酸二钠 (DSCG) 的水溶液，这种材料的商品名为“色甘酸”或“色甘酸钠”，是预防过敏和哮喘相关症状的药物中的活性成分。2 在水中，DSCG 分子面对面堆叠，使其疏水核心免受极性环境的影响。这种自组装产生细长的圆柱形聚集体，直径约 2 纳米，堆叠距离为 0.34 纳米，这使它们类似于双链 DNA (dsDNA)。然而，dsDNA 是手性的，而 DSCG 分子不是，并且没有沿聚集体轴的持续扭曲。这种分子尺度的差异在宏观层面上表现出色。在水溶液中，dsDNA 分子相对于彼此扭曲，形成所谓的胆甾型液晶，其宏观螺距在微米级。分子手性和宏观手性之间微妙的关系仍是当前研究的课题。3 相反，水中的非手性 DSCG 聚集体彼此平行排列，形成具有优选方向 n ̂ 的镜像对称向列液晶，该方向称为指向矢。手性分子的手性堆积随处可见，而非手性分子的手性堆积却很少见。非手性分子形成的液晶的宏观镜像对称性破缺需要特殊的空间限制。Charles-Victor Mauguin 在巴黎参加了 Pierre Curie 关于物理效应对称性的讲座后，萌生了探索晶体学和液晶的想法，并
人工智能、胶囊内窥镜、数据库和达摩克利斯之剑
我们饶有兴趣地阅读了 Hassan 等人 [1] 撰写的社论，题为“人工智能在内窥镜检查中的无处不在，不只用于检测和表征”，该社论受到 Hansen 等人最近的论文“新型人工智能 (AI) 驱动的软件显著缩短了计算机视觉项目中注释所需的时间” [2] 的启发。正如 Hassan 等人指出的那样，与经典的机器学习方法 (MLM) 不同，这个新兴领域（即深度学习 [DL]）的主要优势在于它能够自动提取图像特征，以便计算机可以使用它们来表征其内容 [3]。从本质上讲，这意味着这种无监督方法的准确性主要取决于所提供的训练数据的适当性和质量。特别是在胶囊内窥镜 (CE) 领域，图像数据随处可见，但谁来仔细研究图像、描绘/注释和评论感兴趣的区域，并确保使用高质量的材料进行 DL 训练，这还有待确定。考虑到这一点，我们投入了大量的人力（包括个人）[1]，着手创建一系列相应的 CE 数据库，即 KID、CAD-CAP 和 Kvasir Capsule [4 – 6]，以造福计算机科学家，而这却花费了我们自己和同事的努力。尽管它们通过来自不同制造商的 CE 图像得到丰富和扩大，但不同的数据库包含以各种方式准备的多种类别的胃肠道正常和异常发现。因此，数据库的清洁程度各不相同，它们为 AI 软件开发人员提供了独特的机会和各自的参考点。这种方法为结构化交付一系列急需的解决方案奠定了基础，这些解决方案可以准确检测和表征异常 CE 发现。这些包括可靠地生成解剖学缩略图
REDECA：审查人工智能及其在职业安全与健康领域的应用的新框架
摘要：简介：人工智能 (AI) 领域正在迅速扩展，许多应用在医疗保健、工业和教育领域随处可见，在工作场所的应用也越来越多。尽管有越来越多的证据表明，人工智能应用于所有行业的工作场所以简化和/或自动化任务，但人们对人工智能在解决职业安全与健康 (OSH) 问题方面的作用的理解有限。方法：本文介绍了一种称为事故风险演变、检测、评估和控制 (REDECA) 的新框架，该框架强调了人工智能在预测和控制工人周围环境中的暴露风险方面所起的作用。使用 REDECA 框架审查了五个行业（石油和天然气、采矿、运输、建筑和农业）的 260 篇人工智能论文，以突出职业安全与健康 (OSH) 和人工智能领域的当前应用和差距。结果：REDECA 框架强调了五个工业部门各自的独特属性和研究重点。石油/天然气和运输部门的职业安全健康研究的人工智能证据主要集中在开发用于检测危险情况的传感器上。在建筑领域，重点是使用传感器检测事故。农业部门的研究重点是将工人从危险环境中解救出来的传感器和执行器。REDECA 框架的应用突出了各个行业的人工智能/职业安全健康优势和机遇以及潜在的合作领域。结论：随着跨行业的人工智能应用不断增加，需要进一步探索人工智能在职业安全健康中应用的优势和挑战，以最佳地保护工人的健康、安全和福祉。
用于 CSP 电厂的磁铁矿热能存储
摘要：矿产资源和能源部估计，工业部门是南非最大的能源消耗部门。工业中约 66% 的能源最终用途用于制造过程中的供热。南非工业以前是在煤炭和电力能源价格低廉的背景下发展起来的。这导致了大量低效且碳密集的工业流程。随着燃料价格上涨、化石燃料枯竭的前景以及全球不断努力减少环境影响，有必要开发用于供热的替代能源。相当一部分热能可以通过太阳能技术产生。然而，太阳能供应本质上是可变的，并不总是与需求相匹配。因此，有必要将热能存储系统集成到太阳能发电厂中以确保可用性。热能可以通过三种主要方式储存，即显热、潜热和热化学热形式。磁铁矿是一种在 ~570°C 时发生反铁磁相变的材料。这会导致材料热容量可逆性飙升。这对于热能存储应用非常有利，使其能够比其他典型的显热存储介质存储更多的热量。磁铁矿在南非随处可见，通常是其他生产过程的废品。开发了一个实验室规模的原型，以分析磁铁矿在以空气为工作流体的开放（非加压）系统中的热存储特性。磁铁矿在填料床反应器中使用燃气燃烧器加热，并使用环境空气排放。磁铁矿能够储存高达 1000 o C 的热量，这使其适用于 CSP 工厂。实验结果将用于验证 CFD 模型，为未来的 CSP 工厂设计和工业过程加热应用提供参考。