XiaoMi-AI文件搜索系统
World File Search System开源
詹姆斯·伯恩 (James Byrne)：伦敦皇家联合服务研究所 (RUSI) 开源情报与分析 (OSIA) 部门主任
2022 年 8 月，我们发表了这项研究的第一份报告，题为《硅生命线：西方电子产品是俄罗斯战争机器的核心》。1 在本报告中，我们详细介绍了 27 种不同武器和军事系统中至少 450 种独特的外国制造组件，其中大多数是由美国公司制造的，这些公司长期以来一直为美国军方设计和制造精密微电子产品。其中，至少有 80 种不同类型的组件受到美国的出口管制，这表明俄罗斯的军工联合体近几十年来一直能够成功规避这些管制。令人惊讶的是，这些系统中使用的许多组件都是商用现货电子产品，甚至是那些经常用于高端军事平台的组件。
悬崖：一种新的开源python软件包和用于气候建模（v1.0.1）中统计偏差调整和评估的综合界面
摘要。统计偏差调整通常在使用其影响研究结果之前将其用于气候模型。但是，基于观测数据和模型数据之间的分布图的不同方法可以改变模型的模拟趋势以及时空和可变的一致性，并且如果未彻底评估，则容易使用误解。尽管这些基本问题很重要，但当前应用偏见调整的研究人员目前没有手头的工具来比较不同的方法或评估结果以发现可能的扭曲。因此，在统计偏差调整中的广泛实践与学术文献的建议不符。为了解决阻碍此问题的实际问题，我们介绍了悬式，这是一个开源python软件包，用于在共同的框架及其全面评估中实施八种不同的同行评审且广泛使用的偏差调整方法。在开比性中引入的评估框架允许用户分析用户启用的气候指数和分布属性的边际，时空和可变性结构的变化，以及模型中模拟的climeate变化趋势的任何变化。使用七个CMIP6全球循环模型在对地中海地区的案例研究中应用首都，这项研究发现，最合适的偏见调整方法取决于所研究的变量和影响，甚至旨在保留气候变化趋势的方法也可以改变它。这些
foldy：用于交互式蛋白质结构分析的开源Web应用程序
1联合生物能源研究所，劳伦斯·伯克利国家实验室，加利福尼亚州埃默里维尔国家实验室，美国2生物系统与工程，劳伦斯·伯克利国家实验室，美国加利福尼亚州伯克利，美国伯克利，加利福尼亚大学，加利福尼亚大学，美国伯克利大学，美国伯克利大学，美国，美国，美国，美国，美国，美国，美国，美国，美国，美国，伯克利大学，美国，美国，美国，美国，美国，美国，美国，美国。 Berkeley, Berkeley, California, United States of America, 5 Department of Plant and Microbial Biology, University of California, Berkeley, Berkeley, California, United States of America, 6 Department of Molecular and Cell Biology, University of California, Berkeley, Berkeley, California, United States of America, 7 Center for Synthetic Biochemistry, Shenzhen Institutes for Advanced Technologies, Shenzhen,中华人民共和国，丹麦技术大学，丹麦技术大学新北北部生物可持续性基金会8
Qibolab：一个开源的混合量子操作系统
我们介绍了 Qibolab，一个与 Qibo 量子计算中间件框架集成的量子硬件控制开源软件库。Qibolab 提供在定制的自托管量子硬件平台上自动执行基于电路的算法所需的软件层。我们引入了一组对象，旨在通过面向脉冲的仪器、转换器和优化算法驱动程序提供对量子控制的编程访问。Qibolab 使实验人员和开发人员能够将硬件实现的所有复杂方面委托给库，以便他们能够以可扩展的与硬件无关的方式标准化量子计算算法的部署，使用超导量子比特作为第一个正式支持的量子技术。我们首先描述库中所有组件的状态，然后展示超导量子比特平台的控制设置示例。最后，我们展示与基于电路的算法相关的成功应用结果。
Qibolab：一个开源的混合量子操作系统
我们介绍了 Qibolab，一个与 Qibo 量子计算中间件框架集成的量子硬件控制开源软件库。Qibolab 提供在定制的自托管量子硬件平台上自动执行基于电路的算法所需的软件层。我们引入了一组对象，旨在通过面向脉冲的仪器、转换器和优化算法驱动程序提供对量子控制的编程访问。Qibolab 使实验人员和开发人员能够将硬件实现的所有复杂方面委托给库，以便他们能够以可扩展的与硬件无关的方式标准化量子计算算法的部署，使用超导量子比特作为第一个正式支持的量子技术。我们首先描述库中所有组件的状态，然后展示超导量子比特平台的控制设置示例。最后，我们展示与基于电路的算法相关的成功应用结果。
保护开源软件生态系统
执行摘要 自 2021 年发现 Log4Shell 漏洞以来，拜登-哈里斯政府加强了保护开源软件生态系统的承诺。i 2023 年 3 月，拜登-哈里斯政府发布了《国家网络安全战略》（NCS），其中指出，“联邦政府将与私营部门和开源软件社区合作，继续投资开发安全软件，包括内存安全语言和软件开发技术、框架和测试工具。” ii 这一承诺为国家网络总监办公室 (ONCD) 通过 2023 年 NCS 实施计划倡议 4.1.2“促进开源软件安全和采用内存安全编程语言”来促进开源软件开发实践的安全性提升奠定了基础。” iii
开源软件的价值
作者感谢 Linux 基金会提供的资金和行政支持，如果没有这些支持，普查数据就无法获得。我们非常感谢哈佛商学院研究计算服务、哈佛创新科学实验室、Linux 基金会以及软件组成分析数据提供商 Snyk、Synopsys 网络安全研究中心和 FOSSA 的支持。我们感谢 Tianli Li 和 Misha Bouzinier 提供的出色研究协助。我们还感谢软件开发人员 Boris Martinovic 以及微软的 Rich Lander 和 Scott Hanselman 对 .NET 生态系统的见解。我们从哈佛商学院价值观和估值会议、哈佛商学院 D3 研究日和 2023 年管理学院会议的参与者那里得到了有益的反馈。
PLLAMA：植物科学的开源大语言模型
大型语言模型（LLM）在理解和与自然语言跨各个部门互动方面具有显着的能力。然而，由于在这些领域缺乏特定的专业知识，因此在需要高度咨询的专业领域中，它们的有效性受到限制。本文介绍了PLLAMA，这是一种从Llama-2演变而来的开源语言模型。通过一个全面的数据库增强了它，其中包括超过150万个植物科学学术文章。这一发展大大丰富了PLLAMA，具有广泛的植物和农业科学知识和熟练程度。我们的初始测试涉及与植物和农业有关的特定数据集，表明PLLAMA显着提高了其对植物科学相关主题的理解。此外，我们组成了一个国际专业人士小组，包括植物科学家，农业工程师和植物育种者。该团队在验证PLLAMA对各种学术询问的反应的准确性方面起着至关重要的作用，从而确保其在该领域的有效和可靠的应用。为了支持进一步的研发，我们使该模型的检查站和源代码可供科学界访问。这些资源可在https://github.com/xianjun-yang/pllama上下载。
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开放源代码，EEGLAB，EEG，EEG，ECG，ECG，PPG，PPG，HRV，QEEG，QEEG，特征分析，Hep/Hep/hep/hep/heo，hep/heo，brain heart Interplay，Heart Artifact，Heart Artifact，Heart Artifact，Heart Artifact。摘要：BrainBeats工具箱是一个开源EEGLAB插件，旨在共同分析EEG和心血管（ECG/PPG）信号。它提供了三个主要协议：心跳诱发的潜力评估，基于特征的分析和心脏伪像从EEG信号中提取。它应该帮助研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它们有可能对大脑和心脏功能耦合提供宝贵的见解。EEG和ECG/PPG提供了无创，具有成本效益和便携式解决方案，用于捕获实验室，临床或现实世界中的大脑心脏相互作用。但是，由于技术挑战和缺乏准则，该域中的可扩展应用程序受到限制。现有工具通常缺乏统计方法，易于使用的用户界面或大型数据集的自动功能，对于可重复性至关重要。在标准化定量脑电图（QEEG）和心率变异性（HRV）特征提取方法中进一步存在，破坏了临床诊断或机器学习的鲁棒性（ML）模型。应对这些挑战，我们介绍了Brainbeats工具箱，该工具箱是作为开源EEGLAB插件实现的，提供了一套信号处理和功能突出功能。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO），用于以毫秒精度评估时锁的脑心脏相互作用； 2）QEEG和HRV功能提取，用于检查各种大脑和心脏指标之间的关联或构建基于功能的ML模型； 3）从EEG信号中自动提取心脏伪像，以消除进行EEG分析的任何潜在的心血管污染。我们提供了一个分步教程，用于在包含同时64通道EEG，ECG和PPG的开源数据集上执行这三种方法。可以通过图形用户界面（GUI）或命令行调整一系列参数以量身定制独特的研究需求。Brainbeats应该使大脑心脏的相互作用研究更容易访问和重现。