XiaoMi-AI文件搜索系统
World File Search SystemBackend
停车像素：Python的城市空间优化愿景
摘要 - 随着城市化的加速和车辆数量的增加，对有效的停车管理系统的需求也会增长。本研究介绍了基于Python的停车空间检测应用程序的创建。该申请的目标是在指定的停车区内提供空置停车位的瞬时数据，从而完善停车经验并减轻交通拥堵。中央元素包括一个以用户为中心的接口，可促进各种设备之间的平稳互动，停车场布局的图形描述以及有关空间可用性的实时更新。核心功能在于使用图像处理技术和计算机视觉算法查明可用的停车位。摄像机集成和视频镜头分析根据预定义的标准确定空白空间。强大的后端逻辑保持了停车空间状态的动态数据库，并核对来自多个来源的冲突输入。该应用程序可以包装以在各种平台上分发，从而促进可访问性。持续改进和用户反馈机制可以迭代增强，以确保应用程序的功能随着时间的推移而发展。
通过以太网进行 RDMA，实现超大规模分布式 AI 训练
近年来，人工智能模型的计算密度和规模都快速增长，这推动了高效可靠的专用网络基础设施的建设。本文介绍了 Meta 用于分布式人工智能训练的融合以太网远程直接内存访问 (RoCE) 网络的设计、实现和运行。我们的设计原则涉及对工作负载的深入了解，并将这些见解转化为各种网络组件的设计：网络拓扑 - 为了支持一代又一代人工智能硬件平台的快速发展，我们将基于 GPU 的训练分离到其自己的“后端”网络中。路由 - 训练工作负载本质上会导致负载不平衡和突发性，因此我们部署了几次路由方案迭代以实现近乎最佳的流量分配。传输 - 我们概述了我们最初尝试使用 DCQCN 进行拥塞管理，但后来放弃 DCQCN 转而利用集体库本身来管理拥塞。运营 - 我们分享运营大型人工智能网络的经验，包括我们开发的工具和故障排除示例。
适用于医疗应用的全印刷柔性超声波换能器
探头。通过这种方式，可以评估被检查组织的结构和形态及其功能。现代商用超声探头的主要元件是压电陶瓷换能器，它本质上是刚性的，僵硬的，并且与人体组织的机械和声学阻抗不匹配。[3] 因此，商用探头不弯曲，不符合人体解剖结构，并且需要使用超声凝胶，而凝胶会随着时间推移而变干，从而限制了长期测量。凝胶会在皮肤上留下油腻的残留物，导致皮肤干燥、患者不适甚至过敏反应。[4] 此外，商用探头采用额外的匹配层和背衬层，导致复杂性和笨重性增加。另一方面，商用设置中使用的后端采集硬件也存在许多限制。现有的研究系统笨重且难以操作，而移动手持系统重量轻但在高帧率数据处理方面受到限制。[5] 因此，超声的可穿戴性是一个两端开放的问题，一直是近期研究的热点。
开发基于ML模型的解决方案来完善验证码
对验证的强烈依赖作为保护自动攻击的一种手段，这为访问Uidai开发的门户网站的居民带来了巨大的可用性问题。虽然验证码已被证明在破坏DOS/DDOS攻击方面非常有效，但它始终阻碍用户体验和参与度。本文建议使用基于ML的新型被动提高验证验验功能，该功能可以区分人类运营商和机器人，而无需主动用户参与。机器人检测的主要指标是通过浏览器上下文捕获的环境参数。基于此类指标的高级AI/ML模型将通过后端系统分析，以确保API保护是无缝的。在只有环境数据不足的情况下，作为后备，使用最小的用户交互以及直观的提示，这符合UIDAI的核心隐私政策。拟议的解决方案旨在与UIDAI的现有应用程序堆栈集成，因此，在传统的验证码中提供了可靠，可扩展的替代方案，同时使用户满意度更高。本研究记录了拟议系统的设计，实施和评估，以证明能力，而无需妥协用户体验。
完整的堆栈Web开发人员雅典（希腊）
•计算机科学，软件工程，信息技术或相关领域的硕士学位•5年以上的经验设计，构建和操作Web应用程序•了解不同体系结构的模式，例如微服务，基于事件的体系结构和云上的编程•在云上进行动作经验•前端编程语言和诸如Nextjs，angularjs，angularjs，angularjs extramess和backss and backs和backss和hydsy•thempers• RUST和MICREVICES架构模式•在不同数据库技术等不同数据库技术中的专业知识，例如SQL Server，Oracle，MySQL，NOSQL MongoDB等•具有IaaAS解决方案（例如Google Cloud Platform，AWS，MS Azure）的经验。等。•消息经纪技术（KAFKA，MQTT），REST API，WESTOCKECT或GraphQL开发的经验•具有Terraform，Docker和Kubernetes的经验•与SAP或其他CRM，ERM等企业软件的集成经验。•在建造，部署和运营的经验高度可用（> 99.9％）应用程序•最新的行业最佳实践和技术，新的和新兴的新兴•自组织，以解决方案为导向的，具有主动性的促进性，交流团队•英语
以原子为中心的机器学习力场包
近年来，机器学习算法已被广泛用于构建力场，并准确地从头开始方法和经典力领域的效率。在这里，我们开发了一个基于Python的基于Python的机器学习部队（PYAMFF）软件包，以提供一个简单且有效的平台，用于通过用Behler-Parrinello-symmetermetryss构造Nergurnger nergerngerngernger-nergernger-nergernger-nergernger-nergerinsssssshiments实现以原子为中心的神经网络通过实现以原子为中心的神经网络算法。PYAMFF中包含以下三个功能：（1）通过脚本和未来算法的简化扩展，用于快速细纹计算和Python模块的集成FORTRAN模块； （2）纯Fortran的后端与软件接口，包括长时间的动态模拟软件包EON，可以启用分子动态模拟和具有机器学习力字段的自适应动力学模拟和自适应动力学蒙特卡洛模拟； （3）与用于主动学习和基于ML的算法开发的原子模拟环境包的集成。在这里，我们在CPU和内存使用方面演示了PYAMFF的有效并行化，并表明基于Fortran的Pyamff计算器与对称函数的数量和系统大小表现出线性缩放关系。
基于单层 MoSe2 的隧道场效应晶体管...
摘要 — 本文详细研究了机械应变对过渡金属二硫属化物 (TMD) 材料隧道场效应晶体管 (TFET) 的影响。首先，利用密度泛函理论 (DFT) 的第一原理在元广义梯度近似 (MGGA) 下计算机械应变对 MoSe 2 材料参数的影响。通过在非平衡格林函数 (NEGF) 框架中求解自洽 3D 泊松和薛定谔方程，研究了 TMD TFET 的器件性能。结果表明，I ON 和 I OFF 均随单轴拉伸应变而增加，但 I ON / I OFF 比的变化仍然很小。TMD TFET 中这种应变相关性能变化已被用于设计超灵敏应变传感器。该器件对 2% 的应变显示出 3.61 的灵敏度 (ΔI DS / I DS)。由于对应变的高灵敏度，这些结果显示了使用 MoSe 2 TFET 作为柔性应变传感器的潜力。此外，还分析了应变 TFET 的后端电路性能。结果表明，与无应变 TFET 相比，基于受控应变的 10 级反相器链的速度和能效有显著提高。
改进 CS50 中的 AI - 计算机科学
2023 年，我们在哈佛大学 CS50 中开发并部署了基于 AI 的工具，为学生提供全天候互动帮助，师生比例接近 1:1。这些工具提供代码解释、风格建议和课程相关查询的响应，模拟人类教育者培养批判性思维。但是，保持与教学目标的一致性具有挑战性，尤其是在频繁更新底层大型语言模型 (LLM) 的情况下。因此，我们提出了一种使用协作的人机协同方法持续改进基于 LLM 的系统的方法。我们引入了一个系统的评估框架来评估和改进基于 AI 的导师的表现，结合了人工评分和模型评分。通过使用少量提示和微调，我们旨在确保我们的 AI 工具采用符合教学法的教学风格。使用小型高质量数据集进行微调已显示出与教学目标保持一致的显着改进，这通过多轮对话评估得到证实。此外，我们的框架包括一个模型评估后端，教学助理会定期审查，确保 AI 系统保持有效并与教学目标保持一致。本文深入了解了我们的方法以及这些 AI 工具对 CS50 的影响，并为教育中的 AI 讨论做出了贡献，展示了可扩展的个性化学习增强功能。
简历 - Luis Miguel Garcia Mancebo
• 开发 Web 应用程序（WordPress、PHP 7、MySQL）和移动应用程序（原生 WebViews） • 管理营销活动和 A/B 测试 • 设置基础设施（Proxmox 上的 Ubuntu VM） • 实现房地产列表的 Web 抓取（PhantomJS） • 进行客户和合作伙伴访谈 • 2010 - 2019：在专用的 Proxmox 服务器上创建和维护虚拟机和容器，以服务于客户和内部项目 • 2011：根据客户对开源软件 Xibo（数字标牌）的功能要求进行调整，以便在 Caprabo 超市部署 • 2012：社交初创公司 Voty 的创始人：一款向您的联系人网络发起问题并收集有关它们的答案和评论的应用程序（应用程序使用 Appcelerator Titanium，后端使用 PHP + MySQL） • 2013：创建 5 家作为亚马逊附属机构的电子商务商店，包括使用 Google Analytics 优化导航、在 Google 中创建广告活动AdWords 和 A/B 测试 • 2014 年：将 PL/SQL 的 .NET/Oracle 集成到 Blinker/TNT Express 的 COM 网关 • 2017 年：与 Clarive Software 合作进行物联网研究工作，将软件部署到三星智能手表、Raspberry Pi 并控制 Roomba 吸尘器 • 2018 年：使用 Fitnatura 的 Web 蓝牙 API 将蓝牙心率监测器与 Web 应用程序集成
量子支持向量机应用于黎曼几何的脑电信号分类
有关量子计算的文献表明，与传统计算相比，量子计算在计算时间和结果方面可能更具优势，例如在模式识别或使用有限的训练集时 [14, 5]。一个无处不在的量子计算库是 Qiskit [1]。Qiskit 是一个在 Apache 2.0 下分发的 IBM 库，它同时提供量子算法和后端。后端可以是本地机器，也可以是远程机器，可以模拟它，也可以是量子机器。Qiskit 对您想要使用的机器类型的抽象使量子算法设计变得无缝。Qiskit 实现了支持向量类分类器的量子版本，称为量子增强支持向量分类器 (QSVC) [10]。在分类任务复杂的情况下，QSVC 可能比传统 SVM 更具优势。任务复杂性随着数据编码为量子态、可用数据的数量和数据质量的提高而增加。在 [6] 中，我们提出量子分类可能对依赖脑电图 (EEG) 的脑机接口具有巨大的潜力。基于这个想法，我们研究了 EEG 信号量子分类的可行性 [7]，通过使用 QSVC 结合黎曼几何 -