XiaoMi-AI文件搜索系统
World File Search SystemPrabhakar
产前和产后妇女对 Covid-19 疫苗的接受度 Saju Denishya Prabhakaran 1、Richu Ravikumar 1、Dr. Poornima，C2*，博士马赫斯瓦尔
产前和产后妇女对新冠疫苗的接受度Poornima，C2*，博士Maheswari，S 3，博士S. Latha Maheswari 4 1 MBBS，医学系，PSG 医学科学与研究研究所，Avinashi Rd, Peelamedu, Tamil Nadu 641004，印度 2 MS（妇产科），PSGGlogy，医学科学与研究研究所，Avinashi Rd, Peelamedu, Tamil Nadu 641004，印度 3 MS（妇产科），副教授，妇产科，PSG 医学科学研究所，Avinashi rd,, Elemedu, Coimbatore, Tamil Nadu 641004，印度 4 MD（妇产科），教授兼妇产科系主任，PSG 医学科学与研究研究所，OF, Avinashi Rd, Peelamedu, Coimbatore, Tamil Nadu 641004，印度
数字时代非技术教育者采用 AI 工具的障碍 Rohit Reddy Chananagari Prabhakar cprohit1998@gmail.com 摘要：人工智能工具与教育的结合有望带来显著的益处，从个性化学习到管理效率。然而，非技术教育者面临着阻碍他们采用此类技术的障碍。本文通过混合方法研究了这些障碍，结合文献综述以及对来自不同学术背景的教育者进行的调查和访谈。确定的关键障碍包括缺乏技术培训、抵制变革、基础设施缺陷、对数据隐私的担忧以及对 AI 特定资源的有限访问。还探讨了其他挑战，例如 AI 工具与课程需求不一致、对工作流失的担忧以及 AI 与传统教学法结合的复杂性。该研究的结果强调需要有针对性的专业发展、资源配置和基础设施改进，以促进 AI 工具在教育环境中的有效整合。关键词：人工智能工具采用、非技术教育者、人工智能集成的障碍、教育数字化转型、人工智能驱动的教学法、教育技术、教育者的技术培训、人工智能采用的阻力、教育基础设施挑战、教育数据隐私、传统教学法中的人工智能、教育人工智能的伦理问题、人工智能集成的专业发展、人工智能与数字鸿沟
数字时代非技术教育者采用 AI 工具的障碍 Rohit Reddy Chananagari Prabhakar cprohit1998@gmail.com 摘要：人工智能工具与教育的结合有望带来显著的益处，从个性化学习到管理效率。然而，非技术教育者面临着阻碍他们采用此类技术的障碍。本文通过混合方法研究这些障碍，结合文献综述以及对来自不同学术背景的教育者进行的调查和访谈。确定的关键障碍包括缺乏技术培训、抵制变革、基础设施缺陷、对数据隐私的担忧以及对 AI 特定资源的有限访问。还探讨了其他挑战，例如 AI 工具与课程需求不一致、对工作流失的担忧以及 AI 与传统教学法结合的复杂性。该研究的结果强调需要有针对性的专业发展、资源配置和基础设施改进，以促进 AI 工具在教育环境中的有效整合。关键词：人工智能工具采用、非技术教育者、人工智能集成的障碍、教育数字化转型、人工智能驱动的教学法、教育技术、教育者的技术培训、人工智能采用的阻力、教育基础设施挑战、教育数据隐私、传统教学法中的人工智能、教育人工智能的伦理问题、人工智能集成的专业发展、人工智能与数字鸿沟
Prabhakara（Prabha）Nagareddy，M.Pharm，M.Sc.，Phd，Faha
我实验室中的研究广泛地集中在理解心脏代谢疾病中动脉粥样硬化风险的病理基础上。在这方面，我们一直在研究NLRP3炎性体信号在髓样细胞中的作用，特别是中性粒细胞和巨噬细胞。我们已经确定了某些激活NLRP3炎性体的嗜中性粒细胞衍生的警报分子（即S100A8/A9），并促进促炎细胞因子的释放。这些细胞因子传播到骨髓，与骨髓（BM）中的不同造血茎和祖细胞（HSPC）相互作用，以刺激异常的脊髓脉和血栓形成，从而增加了动脉粥样硬化的风险。因此，我们的重点主要是确定与BM中与HSPC相互作用的炎症提示/信号传导介质以促进全身炎症。我们的短期目标是验证和重新利用某些FDA批准的药物以靶向急性和慢性炎症，以改善心脏代谢结果。长期目标是利用我们的研究和其他人的知识来制定新颖的治疗策略，以减轻心血管和心脏代谢性疾病的整体负担。奖项/荣誉： div>
引用（APA）Arnson，M.，Cinar，G.，Waddington，E.，Ansell，P.J.，Clarke，M.A.，De Vries，R.，Salucci，F.，F.，Prabhakar，N.
本文介绍了替代能量飞机设计的综合指南，重点是电池电力和氢燃料电池动力总成。传统的一阶模型（例如Breguet范围方程）被发现不足以预测电动飞机的性能，因为它们无法说明各种电源需求和热管理复杂性。为了解决这些限制，该研究采用了提供的指南，采用了高级飞机尺寸方法。该方法结合了机翼和动力总成，能源尺寸，重量预测，热管理和动力的概念设计阶段分析。提供了电动飞机设计的实际示例，以证明这些准则的应用。使用信息和开源软件可重复的结果突出显示了不同假设导致更优化解决方案的潜力。本文提供了超出常见的特定能源或功率重量比率以外的关键指标和见解，提供了飞机设计师和组件技术人员都可以使用这些信息来开发技术解决方案并在2050年之前为可持续航空的飞机设计优化的详细信息。
Arati Prabhakar 总统科学助理
为应对战略竞争对手对美国研发 (R&D) 企业构成的风险，拜登-哈里斯政府正在实施多项措施，以提高研究安全性，同时保持长期以来使美国研发在全球保持领导地位的开放性，并且不会加剧仇外心理、偏见或歧视。本备忘录为联邦研究机构提供了实施国家安全总统备忘录-33 (NSPM-33) 规定的认证要求的指南。1 具体而言，联邦研究机构必须要求某些研究机构（“涵盖机构”）向资助机构证明该机构已建立并运营研究安全计划，包括以下详细描述的几个具体要素。这些指南是根据 NSPM-33 和公法 117-167（CHIPS 和科学法案）的某些规定发布的。2 白宫科技政策办公室 (OSTP) 与国家科学技术委员会 (NSTC) 研究安全小组委员会、管理和预算办公室 (OMB) 和利益相关者协商，负责制定“标准化要求”，以便在联邦研究机构之间“统一实施”。3 本备忘录描述并阐述了该标准化要求。4 它反映了 NSTC 小组委员会在
引用 Bonne, George、Andrew W. Lo、Abilash Prabhakaran、Kien Wei Siah、Manish Singh、Xinxin Wang、Peter Zangari 和 Howard Zhang (2022)，“基于人工智能的行业同行分组系统”，金融数据科学杂志 4(2)，9–36，已发布 https://doi.org/10.3905/jfds.2022.1.090 出版商 Pageant Media Ltd.
摘要 在这项工作中，作者开发了一个数据驱动的同类分组系统，该系统使用人工智能 (AI) 工具来捕捉市场感知，进而将公司按不同粒度分组。此外，他们还开发了一种连续的公司间相似性度量；使用此度量将公司分组为集群并构建对冲投资组合。在同类分组中，分组在同一集群中的公司具有很强的同质风险和回报状况，而不同集群中的公司则具有不同的风险敞口。作者对这些集群进行了广泛的评估，发现按他们的方法分组的公司比按标准行业分类系统分组的公司具有更高的样本外回报相关性，但稳定性和可解释性较低。作者还开发了一个交互式可视化系统，用于识别基于人工智能的集群和类似的公司。