XiaoMi-AI文件搜索系统
World File Search System开源
使用开源工具进行模拟集成电路设计
过去几年，随着 SkyWater Foundries SKY130 工艺设计套件 (PDK) [1] 的发布，开源芯片设计社区经历了快速发展。Google 赞助了 OpenMPW 计划，该计划允许业余爱好者和研究人员提交定制集成电路 (IC) 设计，并免费制造。在这些举措之前，大多数 IC 设计工具和知识仅限于愿意承担设计自己芯片成本的大公司。到目前为止，开源社区在数字 IC 设计方面取得了巨大进步，OpenROAD [2] 和 Tiny Tapeout [3] 等项目使芯片设计变得比以往任何时候都更容易。
加强国际合作，提高开源人工智能的安全性
人工智能 (AI) 有潜力解决一些世界上最紧迫的挑战并加速科学进步。开源人工智能可以通过增强人工智能的可及性、实现开放式协作和促进包容性创新来促进这些巨大的利益。然而，增加人工智能的可及性也带来了独特的风险，需要来自世界各地的不同视角，包括政府、学术界、工业界和民间社会，仔细考虑。此外，确保开源人工智能的安全开发和部署需要全球协作与合作，因为没有一个国家能够独自解决这些风险。通过合作，各国可以建立信任和理解，共享知识，并为所有人的利益创造安全的开源人工智能，即使在复杂的全球环境中也是如此。
开放标准和开源 - EIPIN 创新协会
研究问题 标准化环境中的竞争和技术动态决定了标准必要专利的申报方式，导致并非所有必要专利都申报（申报不足），也并非所有已申报专利都是必要专利（申报过度）。这两种偏差都有可能影响 ICT 领域竞争和创新的发展，例如减少标准间竞争、通过专利伏击获取不当使用费或影响技术决策等。另一方面，物联网 (IoT) 技术和市场动态可能会改变现有的标准与竞争和创新相互作用的假设。以下研究问题随之而来： 1. 从法律角度来看，什么是过度申报和申报不足？ 2. 过度申报和申报不足的原因是什么？是什么激励或阻碍了它们？ 3. 过度申报和申报不足如何影响创新和竞争？ 4. 哪些措施适合防止过度申报和申报不足及其负面影响？ 5. 物联网会改变前面问题的答案吗？
免费和开源中的基于时间的发布管理...
随着自由和开源 (FOSS) 概念的成熟，其商业意义也随之增加，质量和可持续性等问题也变得尤为突出。在本研究中，作者重点关注大型志愿者 FOSS 项目中基于时间的发布管理，并揭示它们如何解决质量和可持续性问题。他们讨论了传统软件环境中发布管理的差异，并将其与 FOSS 设置进行了对比。基于对许多著名 FOSS 项目的详细案例研究，他们描述了向基于时间的发布管理的转变，并确定了成功过渡所需的因素和标准。作者还更广泛地考虑了在当前动态的互联网环境中对软件开发的影响。
免费和开源中的基于时间的发布管理...
随着自由和开源 (FOSS) 概念的成熟，其商业意义也随之增加，质量和可持续性等问题也变得尤为突出。在本研究中，作者重点关注大型志愿者 FOSS 项目中基于时间的发布管理，并揭示它们如何解决质量和可持续性问题。他们讨论了传统软件环境中发布管理的差异，并将其与 FOSS 设置进行了对比。基于对许多著名 FOSS 项目的详细案例研究，他们描述了向基于时间的发布管理的转变，并确定了成功转变所需的因素和标准。作者还考虑了在当前动态的互联网环境中对软件开发更普遍的影响。
用于量子计算的开源模块化框架
1. 简介 量子计算是一种利用量子现象进行计算的新范式。目前，有噪声中型量子 (NISQ) 计算机 [1] 已经面世，再加上量子计算霸权方面的最新进展 [2, 3]，人们对这些设备的兴趣日益浓厚，因为它们可以比传统机器更快地执行计算任务。在许多近期应用 [4, 5] 中，量子机器学习 (QML) [6, 7] 领域被认为是利用 NISQ 计算机的一种有前途的方法，包括应用于高能物理 [8, 9] 等不断发展的研究领域。如今，量子处理单元 (QPU) 基于两种主要方法。第一种方法基于量子电路和基于量子逻辑门的模型处理器，最流行的实现者是 Google [10]、IBM [11]、Rigetti [12] 或英特尔 [13]。第二种方法采用退火量子处理器，例如 D-Wave [14, 15] 等。这些设备的开发和量子优势的实现 [16] 表明，未来几年将发生计算技术革命。然而，在 QPU 技术发展的同时，我们仍然必须对量子计算进行经典模拟，这一直是量子研究的基石，以阐述新的算法和应用。从理论角度来看，它是测试和开发量子算法的基本工具，而从实验角度来看，它为基准和错误模拟提供了平台。基于电路的量子计算机可以使用薛定谔或费曼方法进行经典模拟 [17, 18]。前者基于跟踪完整量子态并通过专门的矩阵乘法程序应用门。后者受到费曼路径积分的启发，可用于通过对不同历史（路径）求和来计算最终状态的振幅。薛定谔的方法是内存密集型的，因为它需要存储完整的
适用于 Edge-IoT 的基于微内核的开源操作系统
数据集中器单元 - Energa-Operator SA 的 40K 台设备，从电网中的 200 万台智能电表收集数据（波兰最大的实施）。具有 TCP/IP 通信和多种安全协议（IPSEC、802.1X、TLS）的设备支持 PRIME 1.3.6、PRIME 1.4 PLC 标准。
MatchMiner：癌症精准医疗的开源平台
(a) 示例 PM 试验方案中的自由文本受试者资格标准。A 组招募患有结直肠癌和任何 KRAS G12 突变（G12C 除外）的患者。B 组招募患有 EGFR 改变（特别是 EGFR 外显子 19 插入或 EGFR 扩增）的除乳腺癌以外的实体瘤的患者。(b) 试验细节已转换为 CTML，其中包含与基本试验元数据（橙色）和治疗组（深蓝色）相关的精选信息，其中包含特定的基因组（青绿色）和临床（浅蓝色）匹配标准。A 组和 B 组排除使用感叹号进行注释。
MatchMiner：癌症精准医疗的开源平台
(a) 示例 PM 试验方案中的自由文本受试者资格标准。A 组招募患有结直肠癌和任何 KRAS G12 突变（G12C 除外）的患者。B 组招募患有 EGFR 改变（特别是 EGFR 外显子 19 插入或 EGFR 扩增）的除乳腺癌以外的实体瘤的患者。(b) 试验细节已转换为 CTML，其中包含与基本试验元数据（橙色）和治疗组（深蓝色）相关的精选信息，其中包含特定的基因组（青绿色）和临床（浅蓝色）匹配标准。A 组和 B 组排除使用感叹号进行注释。
是AI的未来开源吗？数据驱动的方法。
抽象的大语言模型（LLM）在学术界和行业中都占据了中心地位。在讨论其可用性，准确性和社会影响的讨论中，人们对隐私，透明度及其在非法活动中的潜在滥用的关注日益加剧。这些辩论中的一个关键话题是LLM的可信度，特别是当有关模型是专有的时。一种经常提出的解决方案，以显着提高可信赖性，这是开源模型。但是，此选项具有重要的缺点，例如可以修改和滥用模型的非法应用程序，缺乏激励结构（主要是财务）来支持开放源代码和保护知识产权。另一方面，由于数据和计算资源要求，大多数LLM都受私营部门培训。这些成本很大，专有模型可以更好地定位以获得投资回报。在完全开源和专有之间的频谱上，还有其他方法。这些可以在很大程度上被分类为受许可，部分开放源（开放权重）模型保护的开源用法限制，在开源的陈旧模型版本的混合方法中，而具有市场价值的竞争性版本仍然专有。目前，关于频谱上应该在哪里应该落在何处的讨论仍然没有后卫，并且主要是在何处进行讨论的权衡。我们的目标是避免支持极端，而是提供数据，这些数据将支持行业专家和政策制定者的未来讨论。在本文中，我们通过编译有关LLM的开源开发的数据及其在改进，修改和方法方面的贡献，介绍了一种数据驱动的方法。我们的发现表明，假设性能指标代表了现实的模型性能，则开源社区可以显着有助于改善开源模型的表现。我们确定了开源贡献中的正模式，例如模型大小的显着降低，准确性降低。此外，我们确定了社区成长的模式以及从参与度中受益不成比例的体系结构。