XiaoMi-AI文件搜索系统
World File Search SystemMohammadreza
聚合物纳米颗粒用于鼻药递送到脑
Biomaterial Group, Department of Biomedical Engineering, Amirkabir University of Technology, Tehran, 15875-4413 Iran Mojtaba Bagherzadeh Department of Chemistry, Sharif University of Technology, Tehran, 11155-3516 Iran Yousef Fatahi Department of Pharmaceutical Nanotechnology, Faculty of Pharmacy, Tehran University of Medical Sciences, Tehran, 14155-6451 Iran Nanotechnology Research Center, Faculty of Pharmacy, Tehran University of Medical Sciences, Tehran, 14155-6451 Iran Universal Scientific Education and Research Network (USERN), Tehran, 15875-4413 Iran Rassoul Dinarvand Department of Pharmaceutical Nanotechnology, Faculty of Pharmacy, Tehran德黑兰医学科学大学，14155-6451伊朗纳米技术研究中心，德黑兰医学科学大学药学学院，德黑兰，14155-6451伊朗穆罕默德雷扎·塔赫里里里，tahriri tahriri tahriri tahriri tahriri the beibee teebe teebee teekee tememe科学，马奎特大学，威斯康星州密尔沃基，美国53233，美国迈克尔·汉布林·韦尔曼摄影医学中心，马萨诸塞州，马萨诸塞州综合医院，美国波士顿，美国皮肤病学系，波士顿，波士顿，美国激光研究中心，美国北部工程学系，北部，北部。大学，马萨诸塞州波士顿，美国02115
生成的AI及其对教育的影响
Nehathmika M和R Suresh doi博士：https：//doi.org/10.33545/26648792.2024.v6.i1f.187摘要此摘要此摘要提供了一项研究，该研究对一项研究进行了一项研究，该研究对生成AI及其对教育的影响进行了研究。人工智能时代（AI）确实取得了各个行业的重大进步和机会，而教育也不例外。本文对最近的文献进行了全面的评论，以阐明AI整合在教育中的多方面含义。通过综合当前的研究，本文对教育中AI的不断发展的景观及其对学生，教育工作者和机构的影响提供了细微的理解。关键字：生成的AI，教育，对学生的影响介绍21世纪在教育实践中经历了迅速变化的景观，这在很大程度上是由于技术的进步（例如人工智能）（Petersen，2021）[22]。这些技术发展已经迎来了学习的新时代，塑造了教育格局，并促使对传统教学方法进行重新评估。生成人工智能（Generative AI）是一种尖端技术，可实现从文本到图像的各种和上下文相关的内容的创建。AI在教育中的整合引入了创新的工具和方法，从而有助于一种更加个性化和适应性的学习方法。AI在教育中的整合引入了创新的工具和方法，从而有助于一种更加个性化和适应性的学习方法。一些作者简要专注于打开AI。文学审查小姐Zhai（2022）[23]在文章中，“ chatgpt用户体验：对教育的影响”。这项研究是通过试行Chatgpt撰写学术论文的，标题为“人工智能的教育”。利用用户体验，纸张反映了Chatgpt的潜在影响以及类似的AI工具对教育的影响。（Baidoo-Anu，2023）[24]本文概述了有关ChatGpt和学术完整性的当前论点，并得出结论，尽管这些技术能够彻底改变学术界，但使用ChatGpt和其他生成AI系统的方式可以肯定地破坏了学术完整性。Enkelejda Kasneci，Kathrin Sessler，Stefan Kuchemann，Maria Bannert（2023）[25]关于教育的大型语言模型的机会和挑战”。本文从学生和教师的角度提出了大型语言模型的教育应用的潜在好处和挑战。他们进行了广泛的文献综述，并使用了该人工智能（AI）软件进行了试验。（JürgenRudolph，2023）[26]。 文章解释说，Chatgpt分析了大量文本数据，并对给出的提示产生了类似人类的文本响应。 SWOT分析讨论了与Chatgpt相关的优势，劣势，机遇和威胁。 他们认为SWOT分析可以对教育中的Chatgpt进行深入分析。 （Mohammadreza Farrokhnia，2023年）[27]。 对个性化和适应性学习经历的需求不断增加。（JürgenRudolph，2023）[26]。文章解释说，Chatgpt分析了大量文本数据，并对给出的提示产生了类似人类的文本响应。SWOT分析讨论了与Chatgpt相关的优势，劣势，机遇和威胁。他们认为SWOT分析可以对教育中的Chatgpt进行深入分析。（Mohammadreza Farrokhnia，2023年）[27]。对个性化和适应性学习经历的需求不断增加。在不断发展的人工智能景观中的需求和相关性，一个了不起的实体已经证明了语言模型的能力-Chatgpt。
基于金属有机框架UIO-66-NH 2涂有aptms/5-氨基甲唑/au-nps的有效多孔纳米复合材料，用于制备
Leila Mohammadi*, Mohammadreza Vaezi Department of Nano Technology and Advanced Materials, Materials and Energy Research Centre, Karaj, Iran Abstract: In this paper, a highly efficient and reusable catalyst through step-by-step post-synthesis modification of UiO-66- NH 2 metal-organic framework (MOF) was supported with nitrogen-rich as organic ligand in order to催化剂的合成名为UIO-66-NH 2 @ 5-氨基曲唑/au-nps [1]。这项研究是通过金属有机框架UIO-66-NH 2鉴定新合成的MOF纳米催化剂，其中氨基群（-NH 2）是一种有效的MOF，可通过5-氨基甲唑倍唑和通过Gold-nanoparticles稳定以及有效的Catalyst uio-666-NH 2-apeene @ 5-Aminot @ 5-aminot @ 5-aminot @ 5-aminot @ 5-aminot @ 5-aminot @ 5-aminot @ 5-aminot @ 5--5- amiNPARE。催化剂已应用于已研究的制备propar胺的执行（方案1）。所提出的催化剂代表了促进绿色水生培养基中的制备propargyl胺反应的优质催化性能[2]。在轻度条件下，生产力催化剂的结果以良好至优异的产率完成，这证明了含有金纳米颗粒的优质活性异质催化剂。此外，建议的催化剂代表了出色的可重复性性，而在活动中没有明显损失9个顺序运行。此外，使用不同的分析（例如FTIR，XRD，SEM，EDS，TEM和BET）进行了制备的纳米材料的表征，结果证明了UIO-66-NH 2/APTMS/5-AMINOTERTRAZOLE/AU-AU - AU - AU - Nanocomposite的成功合成。关键字：纳米结构，多孔金属有机框架，propargyl胺，金纳米颗粒
杰森·帕切科
同行评审出版物 [1] E. Mohammadreza、J. Pacheco、W. Li、J. Lee Hu、H. Chen。“使用离散动作空间中的强化学习对静态恶意软件检测器进行二进制黑盒攻击。” IEEE S&P 深度学习和安全研讨会。2021 年 5 月。 [2] SJ Lee、D. Suri、P. Somani、CL Dean、J. Pacheco、R. Stoner、I. Perez-Arriaga、JW Fisher III、J. Taneja。“概率电力需求预测如何加速清洁可靠电力的普遍使用。” 能源促进经济增长。2021 年 [3] S. Zheng、DS Hayden、J. Pacheco、J. Fisher III。“具有可变成本结构的顺序贝叶斯实验设计。”神经信息处理系统进展。 2020 年。[4] DS Hayden、J. Pacheco、J. Fisher III。“使用李群动力学进行非参数对象和部件建模。”计算机视觉与模式识别会议。2020 年。[5] J. Belden、MM Mansoor、A. Hellum、SR Rahman、A. Meyer、C. Pease、J. Pacheco、S. Koziol 和 TT Truscott。“视觉如何控制密集骑行车队的集体行为。”皇家学会界面杂志。2019 年。[6] J. Pacheco 和 J. Fisher III。“序列决策的变分信息规划。”人工智能与统计国际会议。2019 年。[7] S. Zheng、J. Pacheco、J. Fisher III。“一种稳健的序列信息理论规划方法。”机器学习国际会议。 2018。[8] D. Milstein、J. Pacheco、L. Hochberg、J. Simeral、B. Jarosiewicz、E. Sudderth。“皮质内脑机接口的多尺度半马尔可夫动力学。”神经信息处理系统进展。2017。[9] J. Pacheco 和 EB Sudderth。“蛋白质、粒子和伪最大边际：一种子模块化方法。”国际机器学习会议。2015。[10] J. Pacheco、S. Zuffi、MJ Black 和 EB Sudderth。“保留模式和消息
Ranjay Krishna -
ICLR 2025交织的场景图，用于交织的文本和图像生成评估。Dongping Chen，Ruoxi Chen，Shu Pu，Zhaoyi Liu，Yanru Wu，Caixi Chen，Caixi Chen，Benlin Liu，Yue Huang，Yao Wan，Pan Zhou，Ranjay Krishna International International In In Machine Learning，Machine Learning，2025 ICLR 2025 ICLR 2025 AHA：一个视觉语言的人，以实现失败的竞争，并合理地覆盖了竞争者，并合理地覆盖了杂物。众包工作流的技术。Madeleine Grunde-McLaughlin，Michelle S. Lam，Ranjay Krishna，Daniel S. Weld，Je Q rey Heer Heer ACM ACM Transactions on Computer-Human互动Neurips Neurips Neurips 2024 Dist Me Night Me。Jieyu Zhang, Weikai Huang, Zixian Ma, Oscar Michel, Dong He, Tanmay Gupta, Wei-Chiu Ma, Ali Farhadi, Aniruddha Kembhavi, Ranjay Krishna Advances in neural information processing systems, 2024 NeurIPS 2024 Visual Sketchpad: Sketching as a Visual Chain of Thought for Multimodal Language Models .Yushi Hu*，Weijia Shi*，Xingyu Fu，Dan Roth，Mari Ostendorf，Luke Zettlemoyer，Noah A Smith*，Ranjay Krishna*神经信息处理系统的进步，2024年Neurips 2024 Neurips 2024多语言多样性多样性多样性的多样性改善视觉语言表现。Thao Nguyen, Matthew Wallingford, Sebastin Santy, Wei-Chiu Ma, Sewoong Oh, Ludwig Schmidt, Pang Wei Koh, Ranjay Krishna* Advances in neural information processing systems, 2024 Spotlight Paper award (awarded to top 5%) NeurIPS 2024 The Unmet Promise of Synthetic Training Images: Using Retrieved Real Images Per- forms Better .Scott Geng，Cheng-Yu Hsieh，Vivek Ramanujan，Matthew Wallingford，Chun-Liang Li，Pang Wei Koh*，Ranjay Krishna*神经信息处理系统的进步，2024 Neurips，Neurips 2024 2024 ActionAtlas：Actionatlas：a Videoqa-benchmark for Videoqa Benchmark for-Frain grave grave grave vrained Capention conterition。Mohammadreza Salehi, Jae Sung Park, Aditya Kusupati, Ranjay Krishna , Yejin Choi, Hannaneh Hajishirzi, Ali Farhadi Advances in neural information processing systems, 2024 NeurIPS 2024 NaturalBench: Evaluating Vision-Language Models on Natural Adversarial Samples .Wenxuan Peng，Baiqi Li，Zhiqiu Lin，Jean de Dieu Nyandwi，Zixian MA，Simran Khanuja，Deva Ramanan，Ranjay Krishna，Graham Neubig在神经信息处理系统中的进步，2024 Neurips 2024 Neurips 2024 Neurips 2024 Superpuse Supperections singleferess singleferess inderfection in Deciatsions nicledere nitferations in Deciatsions niclederiate bulyse nitferiations in Deciatsions anderfelions in Deciatsions：多个世代。Ethan Shen，Alan Fan，Sarah M Pratt，Jae Sung Park，Matthew Wallingford，Sham M Kakade，Ari Holtzman，Ari Holtzman，Ranjay Krishna，Ali Farhadi，Aditya Kusupati在神经信息处理系统中的进步，2024