XiaoMi-AI文件搜索系统
World File Search System化生成
化学化学
This course aims at introducing the basic concepts and techniques in carrying out chemical analysis by using various modern spectroscopic and chromatographic instruments.Students will learn how to use modern instruments to determine the amounts of substances present in a mixture down to part per million levels (ppm), and identify the structure of a compound.Techniques such as UV-visible spectroscopy, infrared spectroscopy, mass spectrometry, nuclear magnetic resonance spectroscopy, gas chromatography and high performance liquid chromatography will be covered.This course will also discuss some common standard practices of collecting and preparing samples for laboratory testing, the accreditation system in testing laboratories.This course is conducted in the format of lecture.本课程旨在介绍化学分析中所用到的现代光谱和色谱仪器的基本概念和技术。学生将学习使用该 等仪器来分析浓度水平低至百万分之一的物质，并确定化合物的结构。课程内容包括紫外 − 可见光 谱法、红外线光谱法、质谱分析法、核磁共振、气相色谱法及高效能液相色谱法的操作技巧，以 及化验工作中的收集及制备样本的常用标准技巧和香港化验室所实行的认可系统。课程以讲课形 式进行。 Medium of Instruction:
生成式人工智能的未来展望 1. 多模态人工智能的演进
然而，从最近的研发趋势来看，大多数挑战有可能在 2025 年左右得到克服。正在积极探索的方向是，基于大规模语言模型，集成负责语音识别、图像识别、视频分析的多个模块，并在单个AI系统内无缝处理。这样，AI 就可以通过发出指令来自动创建角色设计和动画，例如“制作一条狗追球的短视频”或“生成主角说这些台词的动画”。服务有可能甚至可以处理语音音调和视频编辑将成为现实。使用人工智能自由生成视频和音频的能力可能会彻底改变从电影制作和游戏开发到商业演示、在线教育和个人创意活动等广泛的领域。
什么是一代AI（人工智能）？ 适当使用生成式人工智能！ ≪初中生...
最近，我经常听到 AI（人工智能）、ChatGPT 和生成式 AI 等词。在这个系列中，我们将考虑人工智能技术已经渗透到我们日常生活中所带来的改变的“现在”和“未来”。这次的主题是“生成式AI”，我们请AI为初中生写一篇文章（修改为更容易阅读）。
什么是AI（人工智能）？明智地使用生成式人工智能！ <<初中生……
最近，我们一直在听到AI（人工智能）、ChatGPT和生成式AI这些术语。在本系列中，我们将探讨已渗透到我们日常生活的人工智能技术将如何改变现在和未来。这次的主题是“生成式人工智能”，我们让人工智能撰写了一篇针对初中生的文章（我们对其进行了编辑，使其更容易阅读）。
生成式AI 进军基因编辑领域
发表在预印本服务器bioRxiv 上 的论文尚未经过专家同行评审。预 计下个月，该公司将在美国基因和细 胞治疗学会年会上提交这篇论文。 与此同时，OpenCRISPR-1 或其变体 在多种生物体（包括植物、小鼠和人 类）中是否都能发挥作用还有待证 明。此外，技术的伦理和安全问题也 需要考虑。但令人兴奋的是，这些突 破性成果为生成式AI 开辟了一条新 途径，将对医学和健康领域产生广泛 影响，有望从根本上改变人们的基因 蓝图。
IT和AI的发展、地方创生、少子化对策
资料来源：https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861、https://bdtechtalks.com/2020/03/09/artificial-intelligence-covid-19-coronavirus/、https://news.yahoo.co.jp/byline/kazuhirotaira/20200326-00169744/
利用生成式人工智能自动注释化学文档及其评估
[1] Takahiro Arima、Tomoko Okuma 和 Tatsuya Dewa。从技术文档中提取材料信息以探索新应用。自然语言处理协会第 29 届年会论文集，第 512-515 页，2023 年。[2] Annemarie Friedrich、Heike Adel、Federico Tomazic、Johannes Hingerl、Renou Benteau、Anika Marusczyk 和 Lukas Lange。SOFC-exp 语料库和神经方法在材料科学领域的信息提取。在计算语言学协会第 58 届年会论文集，第 1255-1268 页。ACL，2020 年。[3] Shu Huang 和 Jacqueline M. Cole。使用飞行数据提取器自动生成的电池材料数据库。科学数据，第 5 卷7，第1号，第2052-4463页，2020年。[4] Fabrizio Gilardi、Meysam Alizadeh和Maël Kubli。Chatgpt在文本注释任务中的表现优于众包工作者。美国国家科学院院刊，第120卷，第30期，第e2305016120页，2023年。[5] Tom Brown、Benjamin Mann、Nick Ryder、Melanie Subbiah、Jared D Kaplan、Prafulla Dhariwal、Arvind Neelakantan、Pranav Shyam、Girish Sastry、Amanda Askell、Sandhini Agarwal、Ariel Herbert-Voss、Gretchen Krueger、Tom Henighan、Rewon Child、Aditya Ramesh、Daniel Ziegler、 Jeffrey Wu、Clemens Winter、Chris Hesse、Mark Chen、Eric Sigler、Mateusz Litwin、Scott Gray、Benjamin Chess、Jack Clark、Christopher Berner、Sam McCandlish、Alec Radford、Ilya Sutskevser 和 Dario Amodei。语言模型是少样本学习器。载于《神经信息处理系统进展》，第 33 卷，第 1877-1901 页。Curran Associates, Inc.，2020 年。[6] Md Tahmid Rahman Laskar、M Saiful Bari、Mizanur Rahman、Md Amran Hossen Bhuiyan、Shafiq Joty 和 Jimmy Huang。在基准数据集上对 ChatGPT 进行系统研究和全面评估。载于《计算语言学协会研究结果：ACL 2023》，第 1877-1901 页。 431–469。ACL，2023 年 7 月。[7] Bart lomiej Koptyra、Anh Ngo、Lukasz Radli´nski 和 Jan Koco´n。Clarin-emo：使用人类注释和 chatgpt 训练情绪识别模型。在国际计算科学会议上，第 365–379 页。Springer，2023 年。[8] Taiki Watanabe、Akihiro Tamura、Takashi Ninomiya、Takuya Makino 和 Tomoya Iwakura。使用化合物释义进行化学命名实体识别的多任务学习。在 2019 年自然语言处理经验方法会议和第 9 届国际自然语言处理联合会议 (EMNLP-IJCNLP) 的论文集上，第 6244–6249 页。ACL，2019 年。[9] Amalie Trewartha、Nicholas Walker、Haoyan Huo、Sanghoon Lee、Kevin Cruse、John Dagdelen、Alexander Dunn、Kristin A. Persson、Gerbrand Ceder 和 Anubhav Jain。量化领域特定预训练在材料科学命名实体识别任务中的优势。Patterns，第 3 卷，第 4 期，第 100488 页，2022 年。[10] Gupta Tanishq、Zaki Mohd 和 NM Krishnan。Matscibert：用于文本挖掘的材料领域语言模型