XiaoMi-AI文件搜索系统
World File Search SystemPrafulla
HS26：科学、技术和社会，NPTEL，第 12 周作业 1
a. Prafulla Chandra Ray-化学 b. Birbal Sahni-物理学 c. Srinivas Ramanujan-数学 d. Vikram Sarabhai-空间科学 13. 以下哪种形式的知识产权最常适用于技术
回收资源：弱测量量子隐形传态中共享状态的顺序使用
1 Harish-Chandra 研究所，HBNI，Chhatnag Road，Jhunsi，Allahabad 211 019，印度 2 加尔各答大学应用数学系，92 Acharya Prafulla Chandra Road，加尔各答 700 009，印度 3 耶路撒冷希伯来大学 Racah 物理研究所，耶路撒冷，Ram Givat 1949
AAV - 2025
会员 Smt。 Nandita Bhattacharya，Sc G Shri Vadivelan A，Sc F Smt。 Sangeetha Singhal，Sc F Smt。 Selvanayaki K、Sc F Shri Manu Jain、Sc F Shri Meshram Devendra、Sc F Shri Bineshkumar Kanakan、Sc F Smt。 Chandreyi S Ghosh，理科 F Shri Bheemappa，理科 F Dr. Tarun Uppal，理科 F Smt。 Seema Parmar，Sc F Shri Saugata Tribedi，Sc F Shri Vijay Vittal Nadagouda，Sc F Shri Bipin Kumar Lahkar，Sc F Shri Prafulla Chandra，Sc F Shri Manoj Kumar，Sc F Smt。 Dipti Dongre，Sc E Shri Vijaya Kumar M，Sc E Smt。 Bhavneet，Sc E Shri Subramanya N，Sc E Smt。 Chandrani Dey，Sc E Shri Reddy VSS，TO-D Shri Bheemapa HS Naik，TO-C Shri Nagesha D，TO-C Shri Nagaraja HS，TO-C Shri Prithvi V，TO-A
鉴定在上皮卵巢癌中具有治疗价值的新型RAN GTPase的抑制剂
Singh Singh 1，Catine E. Greeson 2，Misy Fang 3，Yasmin N. Laymon 4，Vishai Khivansara 3，Yavin 3，Yavu T. Dura 1，荷兰人4，荷兰人4，Yixiang li 1，Musannad Abu-Remaleh 1，Abu-Remaleh 1，xinah li 1，xinah li 1，xinah li 1，xinah li 1，xinah li 1，xinah li s.SOL 2，Fraene Frama-Walton 2，Luis Hernandaz 2，Miguel P Balldoero 2，Bryn M. Leant Mean Mean Evely 2，Iolda Venndrell 8，Roman Fiker 8，Kessilla 8，Kessilla 8，Preparla C. Cukhale，Signoretti先知4，Peblo D. Sepolp 2，Earp 2，Earp D. Sepolp D.Sepolp D.
扩散模型
[FEL49] William Feller。“关于随机过程的理论，对应用的尤为参考”。：1949年。URL：https：// api。Spenticscholar.org/corpusid:121027442。[SE19] Yang Song和Stefano Ermon。“通过估计数据分布梯度来生成建模”。in：神经信息处理系统的进步32（2019）。[HJA20] Jonathan Ho，Ajay Jain和Pieter Abbeel。“降级扩散概率模型”。in：神经信息处理系统的进步33（2020），pp。6840–6851。[儿子+20] Yang Song等。“通过stochastic微分方程基于得分的生成建模”。in：arxiv预印arxiv：2011.13456（2020）。[DN21] Prafulla Dhariwal和Alexander Nichol。“扩散模型在图像合成上击败了gans”。in：神经信息过程的进步34（2021），pp。8780–8794。[Kin+21] Diederik Kingma等。“变化扩散模型”。in：神经信息处理系统的进步34（2021），pp。21696–21707。[HS22] Jonathan Ho和Tim Salimans。“无分类器扩散指南”。in：arxiv预印术：2207.12598（2022）。[CHI+23] Cheng Chi等。“扩散策略：通过行动扩散进行视觉策略学习”。in：arxiv预印术：2303.04137（2023）。
CK SUMESH 博士
4. Pratik Pataniya、Chetan K. Zankat、MohitTannarana、CK Sumesh、Som Narayan、GK Solanki、KD Patel、VM Pathak、Prafulla K. Jha “由 WSe2 纳米点功能化的纸基柔性光电探测器” ACS Appl. Nano Mater.2,5, 2758-2766 (2019)。5. Abhishek Patel、Pratik Pataniya、GK Solanki、CK Sumesh、KD Patel、VM Pathak “n-VO 2 /n-MoSe 2 异质结二极管的制造、光响应和温度依赖性” Superlattices and Microstructures 130, 160-167 (2019)。 6. CK Sumesh “MX 2（M = Mo，W；X = S，Se）/Si异质结器件的温度相关电子电荷传输特性”材料科学杂志：电子材料；30，4117–4127（2019 年）。7. CK Sumesh “纳米结构太阳能电池中的高效光子管理：2D 层状过渡金属二硫属化物半导体的作用”太阳能材料和太阳能电池 192 16–23（2019 年）。8. CK Sumesh 和 Kinnari Parekh “纳米催化物理化学吸附和有机染料降解”Pramana – 物理学杂志（2019 年）92:87 DOI:10.1007/s12043-019-1760-0（2019 年）。 9. SanniKapatel、CK Sumesh，“两步简便制备 MoS2·ZnO 纳米复合材料作为亚甲蓝（染料）降解的有效光催化剂”15,119–132 (2019)。10. Pratik Pataniya、GK Solanki、Chetan K. Zankat、MohitTannarana、CK Sumesh、KD Patel、VM Pathak，“n-
“锂离子电池技术”
首席赞助人：教授（Dr）羽衣甘蓝，Hon'ble副校长，Savitribai Phule Phule University Patron：Rahul Walkar博士，印度SA总裁）Manohar G. Chan博士，科学与技术Mahesh，Sppu教授Sanjay G. Dhandde，Sicking of Technology，SPU Subhash，Distgued教授，RE RE KIRAN DESHPANDE教授，马哈拉施特拉邦银行（Bank of Maharashtra）主席Si Patel教授，名单上的能源研究中心，SPPU PROF PPU PPU PROF SARNESH JADPT，DEAPT，DEDARN，DEDARN，DEDAR，DEDAR，DEDAR， SPU，SPU教授Arvind D Shaligram教授，SPU-Research Tive，印度能源存储联盟（ISA）主席：Addya Abhyankar博士，能源研究中心，SPPU协调员协调员协调员协调员，SPU协调员：RE进行能源研究：SPU SADITI PATER，SPPU MS ADITI PATHAK，INDIAN SOTOMAL SOTORAS SOTORAS SOTORAS ALOCASE ARMOTAR SOOTARAGE ALLICANCE ALLICANCE ALLICAND ALLICANCE（ISA ALINDAINCE委员会： Somnath Nandi 博士，圣彼得堡国立大学技术系Swapnil Kamble，SPPU 技术系 Yogesh Waghadkar 博士，SPPU 能源研究中心 Asmita Marathe 女士，SPPU 能源研究中心 Niraj Diwatiya 先生，SPPU 能源研究中心 Dilip Gaikwad 先生，SPPU 能源研究中心 Ganesh Lokhande 先生，SPPU 能源研究中心
利用生成式人工智能自动注释化学文档及其评估
[1] Takahiro Arima、Tomoko Okuma 和 Tatsuya Dewa。从技术文档中提取材料信息以探索新应用。自然语言处理协会第 29 届年会论文集，第 512-515 页，2023 年。[2] Annemarie Friedrich、Heike Adel、Federico Tomazic、Johannes Hingerl、Renou Benteau、Anika Marusczyk 和 Lukas Lange。SOFC-exp 语料库和神经方法在材料科学领域的信息提取。在计算语言学协会第 58 届年会论文集，第 1255-1268 页。ACL，2020 年。[3] Shu Huang 和 Jacqueline M. Cole。使用飞行数据提取器自动生成的电池材料数据库。科学数据，第 5 卷7，第1号，第2052-4463页，2020年。[4] Fabrizio Gilardi、Meysam Alizadeh和Maël Kubli。Chatgpt在文本注释任务中的表现优于众包工作者。美国国家科学院院刊，第120卷，第30期，第e2305016120页，2023年。[5] Tom Brown、Benjamin Mann、Nick Ryder、Melanie Subbiah、Jared D Kaplan、Prafulla Dhariwal、Arvind Neelakantan、Pranav Shyam、Girish Sastry、Amanda Askell、Sandhini Agarwal、Ariel Herbert-Voss、Gretchen Krueger、Tom Henighan、Rewon Child、Aditya Ramesh、Daniel Ziegler、 Jeffrey Wu、Clemens Winter、Chris Hesse、Mark Chen、Eric Sigler、Mateusz Litwin、Scott Gray、Benjamin Chess、Jack Clark、Christopher Berner、Sam McCandlish、Alec Radford、Ilya Sutskevser 和 Dario Amodei。语言模型是少样本学习器。载于《神经信息处理系统进展》，第 33 卷，第 1877-1901 页。Curran Associates, Inc.，2020 年。[6] Md Tahmid Rahman Laskar、M Saiful Bari、Mizanur Rahman、Md Amran Hossen Bhuiyan、Shafiq Joty 和 Jimmy Huang。在基准数据集上对 ChatGPT 进行系统研究和全面评估。载于《计算语言学协会研究结果：ACL 2023》，第 1877-1901 页。 431–469。ACL，2023 年 7 月。[7] Bart lomiej Koptyra、Anh Ngo、Lukasz Radli´nski 和 Jan Koco´n。Clarin-emo：使用人类注释和 chatgpt 训练情绪识别模型。在国际计算科学会议上，第 365–379 页。Springer，2023 年。[8] Taiki Watanabe、Akihiro Tamura、Takashi Ninomiya、Takuya Makino 和 Tomoya Iwakura。使用化合物释义进行化学命名实体识别的多任务学习。在 2019 年自然语言处理经验方法会议和第 9 届国际自然语言处理联合会议 (EMNLP-IJCNLP) 的论文集上，第 6244–6249 页。ACL，2019 年。[9] Amalie Trewartha、Nicholas Walker、Haoyan Huo、Sanghoon Lee、Kevin Cruse、John Dagdelen、Alexander Dunn、Kristin A. Persson、Gerbrand Ceder 和 Anubhav Jain。量化领域特定预训练在材料科学命名实体识别任务中的优势。Patterns，第 3 卷，第 4 期，第 100488 页，2022 年。[10] Gupta Tanishq、Zaki Mohd 和 NM Krishnan。Matscibert：用于文本挖掘的材料领域语言模型
现代方法，经典约束
[1] Jimmy Lei BA，Jamie Ryan Kiros和Geoffrey E. Hinton。层归一化。2016。Arxiv：1607.06450 [Stat.ml]。[2] Nanxin Chen等。Wavegrad：估计波形产生的梯度。2020。Arxiv：2009.00713 [Eess.as]。[3]凯瑟琳·克罗森（Katherine Crowson）。在CIFAR-10上训练扩散模型。在线。2024。URL：https：//colab.research.google.com/drive/1ijkrrv-d7bosclvkhi7t5docryqortm3。[4]凯瑟琳·克罗森（Katherine Crowson）。v-diffusion。在线。2024。URL：https： / / github。com/crowsonkb/v-diffusion-pytorch/blob/master/diffusion/utils.py。[5] Ekin D. Cubuk等。randaugment：实用的自动化数据增强，并减少了搜索空间。2019。Arxiv：1909.13719 [CS.CV]。 [6] Yann N. Dauphin等。 通过封闭式卷积网络进行语言建模。 2017。Arxiv：1612.08083 [CS.CL]。 [7] Mostafa Dehghani等。 通用变压器。 2019。Arxiv：1807.03819 [CS.CL]。 [8] Yilun Du和Igor Mordatch。 基于能量的模型中的隐性产生和概括。 2020。Arxiv：1903.08689 [CS.LG]。 [9] Ian J. Goodfellow等。 生成对抗网络。 2014。Arxiv：1406.2661 [Stat.ml]。 [10] Dan Hendrycks和Kevin Gimpel。 高斯错误线性单元（Gelus）。 2023。Arxiv：1606.08415 [CS.LG]。 [11] Jonathan Ho，Ajay Jain和Pieter Abbeel。 剥离扩散概率模型。 2020。Arxiv：2006.11239 [CS.LG]。2019。Arxiv：1909.13719 [CS.CV]。[6] Yann N. Dauphin等。通过封闭式卷积网络进行语言建模。2017。Arxiv：1612.08083 [CS.CL]。[7] Mostafa Dehghani等。通用变压器。2019。Arxiv：1807.03819 [CS.CL]。 [8] Yilun Du和Igor Mordatch。 基于能量的模型中的隐性产生和概括。 2020。Arxiv：1903.08689 [CS.LG]。 [9] Ian J. Goodfellow等。 生成对抗网络。 2014。Arxiv：1406.2661 [Stat.ml]。 [10] Dan Hendrycks和Kevin Gimpel。 高斯错误线性单元（Gelus）。 2023。Arxiv：1606.08415 [CS.LG]。 [11] Jonathan Ho，Ajay Jain和Pieter Abbeel。 剥离扩散概率模型。 2020。Arxiv：2006.11239 [CS.LG]。2019。Arxiv：1807.03819 [CS.CL]。[8] Yilun Du和Igor Mordatch。基于能量的模型中的隐性产生和概括。2020。Arxiv：1903.08689 [CS.LG]。[9] Ian J. Goodfellow等。生成对抗网络。2014。Arxiv：1406.2661 [Stat.ml]。[10] Dan Hendrycks和Kevin Gimpel。高斯错误线性单元（Gelus）。2023。Arxiv：1606.08415 [CS.LG]。[11] Jonathan Ho，Ajay Jain和Pieter Abbeel。剥离扩散概率模型。2020。Arxiv：2006.11239 [CS.LG]。[12] Jonathan Ho和Tim Salimans。无分类器扩散指南。2022。ARXIV：2207.12598 [CS.LG]。[13]安德鲁·霍华德（Andrew Howard）等人。搜索MobilenetV3。2019。Arxiv：1905.02244 [CS.CV]。[14] Andrew G. Howard等。 Mobilenets：用于移动视觉应用的有效卷积神经网络。 2017。Arxiv：1704.04861 [CS.CV]。 [15] Forrest N. Iandola等。 squeezenet：较小的参数和€0.5MB型号的Alexnet级准确性。 2016。Arxiv：1602.07360 [CS.CV]。 [16] Imagenet 64x64基准（图像生成）。 用代码的论文，2024。URL：https：//paperswithcode.com/sota/image-generation-generation-en-on-imagenet-64x64。 [17] Sergey Ioffe和Christian Szegedy。 批次归一化：通过减少内部协变性转移来加速深层网络训练。 2015。Arxiv：1502.03167 [CS.LG]。 [18] Diederik P. Kingma和Jimmy Ba。 亚当：一种随机优化的方法。 2017。Arxiv：1412.6980 [CS.LG]。 [19] Diederik P. Kingma和Ruiqi Gao。 将扩散目标理解为具有简单数据增强的ELBO。 2023。Arxiv：2303.00848 [CS.LG]。 [20] Diederik P. Kingma等。 变化扩散模型。 2023。Arxiv：2107.00630 [CS.LG]。 [21] Zhenzhong Lan等。 albert：一个精简版的语言表示学习。 2020。Arxiv：1909.11942 [CS.CL]。 [22] Ilya Loshchilov和Frank Hutter。 重量衰减正则化。[14] Andrew G. Howard等。Mobilenets：用于移动视觉应用的有效卷积神经网络。2017。Arxiv：1704.04861 [CS.CV]。 [15] Forrest N. Iandola等。 squeezenet：较小的参数和€0.5MB型号的Alexnet级准确性。 2016。Arxiv：1602.07360 [CS.CV]。 [16] Imagenet 64x64基准（图像生成）。 用代码的论文，2024。URL：https：//paperswithcode.com/sota/image-generation-generation-en-on-imagenet-64x64。 [17] Sergey Ioffe和Christian Szegedy。 批次归一化：通过减少内部协变性转移来加速深层网络训练。 2015。Arxiv：1502.03167 [CS.LG]。 [18] Diederik P. Kingma和Jimmy Ba。 亚当：一种随机优化的方法。 2017。Arxiv：1412.6980 [CS.LG]。 [19] Diederik P. Kingma和Ruiqi Gao。 将扩散目标理解为具有简单数据增强的ELBO。 2023。Arxiv：2303.00848 [CS.LG]。 [20] Diederik P. Kingma等。 变化扩散模型。 2023。Arxiv：2107.00630 [CS.LG]。 [21] Zhenzhong Lan等。 albert：一个精简版的语言表示学习。 2020。Arxiv：1909.11942 [CS.CL]。 [22] Ilya Loshchilov和Frank Hutter。 重量衰减正则化。2017。Arxiv：1704.04861 [CS.CV]。[15] Forrest N. Iandola等。squeezenet：较小的参数和€0.5MB型号的Alexnet级准确性。2016。Arxiv：1602.07360 [CS.CV]。[16] Imagenet 64x64基准（图像生成）。用代码的论文，2024。URL：https：//paperswithcode.com/sota/image-generation-generation-en-on-imagenet-64x64。[17] Sergey Ioffe和Christian Szegedy。批次归一化：通过减少内部协变性转移来加速深层网络训练。2015。Arxiv：1502.03167 [CS.LG]。[18] Diederik P. Kingma和Jimmy Ba。亚当：一种随机优化的方法。2017。Arxiv：1412.6980 [CS.LG]。[19] Diederik P. Kingma和Ruiqi Gao。将扩散目标理解为具有简单数据增强的ELBO。2023。Arxiv：2303.00848 [CS.LG]。[20] Diederik P. Kingma等。变化扩散模型。2023。Arxiv：2107.00630 [CS.LG]。[21] Zhenzhong Lan等。albert：一个精简版的语言表示学习。2020。Arxiv：1909.11942 [CS.CL]。[22] Ilya Loshchilov和Frank Hutter。重量衰减正则化。2019。Arxiv：1711.05101 [CS.LG]。[23] Preetum Nakkiran等。深度下降：更大的模型和更多数据损害。2019。Arxiv：1912.02292 [CS.LG]。[24] Alex Nichol和Prafulla Dhariwal。改进了扩散概率模型。2021。Arxiv：2102.09672 [CS.LG]。[25] Aaron van den Oord，Nal Kalchbrenner和Koray Kavukcuoglu。像素复发性神经网络。2016。Arxiv：1601.06759 [CS.CV]。[26] Prajit Ramachandran，Barret Zoph和Quoc V. Le。搜索激活功能。2017。Arxiv：1710.05941 [CS.NE]。 [27] Danilo Jimenez Rezende和Shakir Mohamed。 差异推断与归一化流量。 2016。Arxiv：1505.05770 [Stat.ml]。2017。Arxiv：1710.05941 [CS.NE]。[27] Danilo Jimenez Rezende和Shakir Mohamed。差异推断与归一化流量。2016。Arxiv：1505.05770 [Stat.ml]。