2024 年夏季贡献者:Suzanne Tapp、Alec Cattell、JaWana Green、Matt Gregory 和 Brian Quinn 我们关于人工智能的讨论通常集中在学术不端行为和人工智能滥用上。人工智能指南和资源委员会建议在考虑人工智能检测工具时要格外小心。最重要的是,目前人工智能检测工具无法提供确凿的证据。鉴于学生可以轻松使用生成式人工智能工具,我们发现自己正处于教育的十字路口。人工智能检测器的已知问题为了回应对学术诚信的担忧,我们看到声称能够检测人工智能使用情况的公司激增,例如 GPTZero、ZerGPT、CrossPlag 和 PassedAI。但我们也看到了人工智能人性化产品,例如 Bypass GPT、HIX Bypass、Humbot.ai、Undetectable AI 和 WriteHuman AI。当前版本的人工智能检测软件远非万无一失,具有很高的误报率(Edwards,2023 年;Fowler,2023 年)。 ChatGPT 背后的公司 OpenAI 甚至关闭了自己的 AI 检测软件,原因是其准确性较差 (Nelson, 2023)。AI 检测器对于非英语母语学生尤其不可靠 (Myers, 2023),通常会因为衡量写作复杂程度的困惑度分数较低而将他们的作品不公平地认定为 AI 生成的。然而,有一些有希望的新证据表明,工具在检测 AI 编写的内容方面可能会变得更加准确。例如,Jiang (2024) 从研究生入学考试 (GRE) 写作评估中抽样了大规模数据,AI 生成的写作准确度接近完美,并且没有证据表明对非英语母语人士存在偏见。无法预测 AI 检测器未来的可靠性,尤其是随着新版本的 AI 生成器不断改进。目前,底线是 AI 检测器只能预测某篇文章是否是 AI 生成的,而这些预测不足以支持在涉嫌学术不诚实案件中做出决策。AI 工具能做什么?根据堪萨斯大学教学卓越中心(“谨慎使用人工智能检测器”,2024),人工智能工具可以表明教师可能需要与学生过去的作业进行比较,以发现写作风格和质量的差异。被标记的材料也可能表明教师需要与学生交谈,并解释检测器已表明部分材料是人工智能生成的。事实上,我们可以说,当怀疑未经授权使用人工智能时,真正的第一道防线是学生和课程讲师之间的对话。关于学生的工作以及学生如何完成作业的简单非指责性对话可以提供大量有关人工智能潜在用途的信息。考虑到我们的教师和讲师在其领域的知识渊博,很容易判断某个学生是否具备必要的知识
在制定该研讨会协议的过程中,很明显至少有两个与金属探测器相关的领域需要进一步研究。第一个是土壤和地形的电磁特性,以便预测金属探测器在不同雷区的性能。第二个是在可靠的统计测试的基础上评估地雷探测的性能。这两个要求很高的研究领域的工作目前正在进行中。
进步只能来自集体的努力。个人只能做出有限的贡献。即便如此,恰当利用的才能并非靠努力获得,而只是发展起来的。就像我们的才能一样,我们与同时代人的交往是我们选择发展的天赋。我要感谢为我的教育和这项工作做出贡献的几位人士。论文导师就像是研究生智力和职业发展的父母。我的导师 Mark Rodwell 和 John Bowers 也同样认真对待自己的角色。他们的技术指导、支持和动力使这项工作成为可能,并极大地改善了我的生活。我的委员会还包括 Larry Coldren 和 Umesh Mishra,他们全心全意地努力不仅指导杰出的研究,而且传达对成功至关重要的个人和职业方面。教职员工树立了合作与协作的宝贵典范,受到整个部门员工、研究生、访问研究员和博士后研究员的热烈欢迎。Radha Nagarajan 帮助我开发了我使用的流程。Tom Reynolds 在保持实验室运转的同时,还为个人研究做出了重大贡献,例如行波光电探测器上的抗反射涂层。Rich Mirin 确保他所生长的材料是合适的,并且第一次就做对了。我从 Yih-Guei Wey 那里学到了很多关于高速光电探测器的知识,当时我对他的光电采样测量也非常感兴趣。研究人员之间的日常互动对研究成果、专业成熟度和个人满足感有很大帮助。我与 Scott Allen 和 Masayuki Kamegawa 互动的许多成果,特别是与设备处理相关的成果,都被融入到了这项工作中。Judy Karin 帮助我开始使用光学平台。Dan Tauber、Ralph Spickerman 和 Mike Case 是微波设备和慢波效应领域的同志,我们一起播下了许多想法的种子。Dennis Derickson 向我展示了锁模半导体激光器的详细工作原理。在来到 UCSB 之前,我曾在麦克唐纳道格拉斯公司与 Mark Mondry 共事,我们在两个地方就广泛的主题进行了多次讨论。Anish Goyal
参数下转换产生的光子对提供了一种校准单光子探测器的绝对方法 [1–14]。由于光子是成对产生的,因此检测到一个光子肯定预示着另一个光子的存在。为了测量检测效率,放置触发检测系统来拦截部分下转换光。然后安排被测探测器 (DUT) 收集与触发探测器看到的光子相关的所有光子(通常更多)。在理想情况下,DUT 通道检测效率是给定时间间隔内巧合事件数与触发检测事件数之比。 (这里所说的理想情况是指,除了双光子源之外,没有任何竞争机制导致探测器触发;而巧合是指两个探测器由于一对光子而触发。)如果我们分别用 η DUT 和 η trig 来指定 DUT 和触发通道的收集效率,则触发计数的总数为
人们普遍认为,颗粒大小分布各不相同,从燃烧火焰附近占主导地位的亚微米直径颗粒,到阴燃烟雾特有的一个或多个数量级的颗粒。实际的颗粒大小分布取决于许多其他变量,包括燃料及其物理组成、氧气的可用性(包括空气供应和火气排放)以及其他环境条件,尤其是湿度。此外,颗粒大小分布并不是恒定的;随着火气冷却,亚微米颗粒会聚集,而非常大的颗粒会沉淀。换句话说,随着烟雾远离火源,颗粒大小分布显示较小颗粒相对减少。在大多数火灾中都大量存在的水蒸气在充分冷却后会凝结形成雾颗粒——这种现象经常出现在高烟囱上方。由于水凝结物与其他烟雾颗粒混合时基本上是透明的,因此可以预期它会将混合物的颜色变为更浅的颜色。
一个典型的电离室由两个电荷板和一个放射源(通常为Americium 241)组成,用于电离板之间的空气。(见图1)放射性源散发出与空气分子一起散发并移出电子的颗粒。由于分子损失电子,它们会变成正带的离子。随着其他分子获得电子的产生,它们变成负电荷的离子。创建了相等数量的正离子和负离子。带正电的离子被带负电荷的电板吸引,而带负电荷的离子被带带正电荷的板吸引。(见图2.)这会产生一个小电离电流,可以通过连接到板的电路(检测器中的“正常”条件)来测量。
摘要 — 在高剂量脉冲带电粒子束中,所有在线探测器都会因离子复合而饱和。因此,不可能单独计数探测器脉冲。碳化硅由于其高带隙、高热导率和高位移能量而被视为替代品。实时分析波形在带宽、可测量能量范围、传感器尺寸、数据速率方面具有挑战性。在此背景下,设计了一个用于辐射信号处理的模拟前端 (AFE)。它基于跨阻放大器 (TIA) 和电荷敏感放大器 (CSA) 来分析生成信号的形状。描述了用于表征高探测器电容 AFE 的方法。还介绍了从辐射环境中的模拟、实验和测量中提取的结果。
根据 NASA 发射服务 II (NLS II) 合同的规定,发射服务包括运载火箭 (LV) 和相关标准服务、非标准服务(任务特有选项)、所有工程和分析以及最低性能标准。LSP 还提供发射服务的技术管理、LV 生产/测试的技术洞察、协调和批准特定任务的集成活动、提供任务特有的 LV 硬件/软件开发、提供有效载荷处理设施以及管理发射活动/倒计时。在任务选择后的适当时间,LSP 将根据客户要求通过竞争性方式选择发射服务提供商并授予任务发射服务。发射服务将授予根据技术能力/风险、提议价格的合理性和过去的表现提供最佳发射服务价值以满足政府要求的承包商。因此,除非有唯一来源的坚实技术理由,否则作为 AO 提案的一部分假设特定的运载火箭配置并不能保证将选择提议的 LV 配置。任何此类理由都应在提案中明确说明和解释。所有 NASA 采购的发射服务都将符合 NASA 政策指令 (NPD) 8610.7D,即 NASA 发射服务风险缓解政策。NASA 采购的发射服务将按照 NPD 8610.23C,即运载火箭技术监督政策和 NPD 8610.24C,即发射服务计划 (LSP) 发射前准备情况评估进行管理。这些 NPD 可通过 AO 库访问。
HiSPEED 的目标是开发一种高效的推进系统,以便使用小型卫星进行深空探索。麻省理工学院空间推进实验室开发的离子电喷雾推进系统是首批提供紧凑高效推进系统之一,该系统与立方体卫星外形尺寸兼容。然而,现有的推进器头的寿命短于深空任务所需的发射时间。因此,我们考虑采用分阶段方法,将烧坏的推进器头弹出并更换,从而延长推进系统的整体寿命。
摘要:具有宽带响应的高效率和高速光电遗传学正在扮演波长划分多重光学通信的关键作用。硅平台上的锗光电轨道具有潜在的成本优势,这是由于与基于硅的电子电路的整体集成兼容性,用于信号扩增和处理。在本文中,我们报告了通过光子晶体中的引导模式共振启用的正常发病率,该晶粒光电探测器成功地解决了量子效率,波长覆盖率和带宽需求之间的折衷,这是一个通常由常规光电检测器正常发病率操作的缺点。谐振光子晶体结构旨在支持目标波长范围内的多个共振。固有的吸收层厚度为350 nm,该设备在1550 nm处的高外部量子效率高50%,并且在整个C波段中的增强率约为300%。使用14μm的MESA直径,制造的设备表现出33 dB的33 GHz带宽,并以最高56 GBP的比特速率获得了清晰的眼图。这项工作提供了