简介：随着AI概念的兴起,以及越来越多的AI应用的落地,业界对高速计算的需求日渐增多,GPU加速计算服务器在数据中心中的部署规模将持续增长,而GPU加速计算服务器产生的热能是传统CPU的数倍。当前数据中心内部仍有大量低热密度服务器机柜使用着传统机房精密空调,新部属的高热密度服务器机柜无法使用这样的低冷量散热设备要想适应未来AI的发展,数据中心的散热技术必须变革,U级制冷方式无疑是一个新方向。本文介绍了一种U级制冷解决方案,能够应对持续上升的服务器机柜功率,提供更高效的散热方法。

简介：随着我国交通事业的迅速发展，轨道交通已经成为各大城市的重要出行途径。可以说轨道交通的建设对方便人们的日常出行十分重要，且能够在很大程度上节约人们的出行时间。但是在地铁高密度行车的过程中还存在着很多故障，不仅不利于地铁的高效稳定运行，也给乘客的安全造成了一定的威胁。因此，本文主要分析地铁高密度运行时救援组织优化措施，希望对地铁的安全高效运行有一定的帮助。

简介：

简介：氨基酸序列编码问题一直是在蛋白质结构预测中导致算法输入空间较大的主要原因。只有对氨基酸序列进行更好的编码．才能为后续进行计算机分析打下基础。提出并实现了综合考虑了氨基酸序列的划分和长程作用效应，利用氨基酸正交编码区分每个氨基酸个体，利用基本正交矩阵获得氨基酸在物理、化学、生物上的相似性，利用分属概率来获得当前蛋白质序列中氨基酸构成不同二级结构的趋势的新的混合编码方法，从而改进了氨基酸残基序列编码，并利用现有算法比较了不同编码方式对蛋白质二级结构预测的影响，结果证实该编码方式能够提高蛋白质二级结构预测的准确性。

简介：蛋白质是细胞中的主要功能分子,是生命的物质基础,蛋白质的功能是通过蛋白质之间相互作用而发挥的,而蛋白质相互作用界面上只有很少数的被称之为＂能量热点＂的残基对相互作用贡献了大部分的结合自由能,如何识别这些能量热点是目前生物信息学领域比较热门的研究问题。其中基于机器学习的蛋白质能量热点识别中,特征选择方法的使用对识别模型的性能影响非常大。该文中,笔者通过对蛋白质能量热点识别中的特征选择方法的研究现状进行全面的分析,指出还存在的一些问题及以后改进的思路和方向,为蛋白质能量热点预测准确率的提高奠定基础。

简介：实验提出了一种基于词频统计的蛋白质关系知识发现方法，该方法首先通过生物命名实体识别技术识别出蛋白质实体，然后统计共出现频率，形成候选实体对，从而发现最有可能的实体关联。