XiaoMi-AI文件搜索系统
World File Search SystemScratch
大规模人工智能训练
大规模 AI 训练需要尖端技术来最大限度地发挥 GPU 的并行计算能力，以处理数十亿甚至数万亿个 AI 模型参数，这些参数需要使用呈指数级增长的海量数据集进行训练。利用 NVIDIA 的 HGX™ H100 SXM 8-GPU/4-GPU 和最快的 NVLink™ 和 NVSwitch™ GPU-GPU 互连（带宽高达 900GB/s），以及最快的 1:1 网络到每个 GPU 进行节点集群，这些系统经过优化，可在最短的时间内从头开始训练大型语言模型。通过全闪存 NVMe 完成堆栈以实现更快的 AI 数据管道，我们提供带有液体冷却选项的完全集成机架，以确保快速部署和流畅的 AI 训练体验。
微生物组扩展
欢迎参加生物编码俱乐部课程。该课程的目标是为教育工作者提供与生物学相关的成功进行学生驱动的编码项目所需的所有工具，并通过使科学变得有趣，以增强学生对STEM的兴趣。Broad Institute与马萨诸塞州剑桥市的普特南大道高中（Putnam Avenue Upper School）合作，创建了生物编码俱乐部，作为一项课后计划，以教授6 - 8年级的学生有关生物学和编码。俱乐部每周开会75分钟。一组专业科学家，来自广泛研究所的所有志愿者，都是导师。俱乐部会议通常从小吃开始，讨论生物学主题。学生然后参加了动手活动，然后继续使用编码语言刮擦练习编码（scratch.mit.edu）。
有害野生动物控制操作员 - DEEP
如果人类接触了可能患有狂犬病的野生动物，应告知人们用肥皂和水清洗接触部位，并立即联系医生或急救诊所和当地卫生官员。如果接触了家养动物，应告知人们在接触宠物时要戴上手套，并将宠物与其他宠物和人隔离至少几个小时。然后，该人应联系兽医和当地动物管制官员。接触是指咬伤、抓伤或开放性伤口或粘膜（眼睛、鼻子、嘴巴）被可疑动物的唾液或神经组织污染。可从以下号码获取更多信息：
量子的机遇与挑战...
背景：量子计算 (QC) 是一种新兴技术，有可能彻底改变我们未来解决计算力学问题的方式。然而，与传统高性能计算相比，QC 的潜在优势并非毫无代价，而是需要从头开始重新设计解决方案，即利用量子力学原理（如态叠加、纠缠和量子并行）的量子或混合量子经典算法。它还需要重新考虑整个问题的公式，因为如果用户试图提取量子 CFD 计算的完整解场，那么潜在的计算优势很容易被破坏，这将需要多达指数级的计算。
研究会议
为了评估 P2X7 敲低对乳腺癌 (BC) 细胞行为的影响，我们设计了一种新型合成的可电离脂质 (SIL)，以便能够有效转染小鼠 4T-1 细胞中靶向 P2X7 受体 (siP2X7) 的 siRNA-LNP。合成并表征了 SIL。通过 HPLC-ELSD 评估 LNP 稳定性 (残留脂质) 并使用 MTT 测定法确定 SIL 和 siP2X7-LNP 的毒性后，使用共聚焦显微镜可视化 siP2X7-LNP 的细胞摄取。在 LNP 表征后，分别用划痕测定法和流式细胞术分析了 siRNA 封装、剂量、孵育时间、迁移抑制和凋亡诱导。最后，使用蛋白质印迹法测量 P2X7R 的总表达蛋白。
胸腺醌纳米颗粒通过调节乳腺癌细胞系中的Sumoylation过程基因
背景：由于乳腺癌的异质性，大多数晚期患者都对治疗具有抵抗力。Sumoylation的破坏是一种翻译后修饰，与乳腺癌有关。目的：这项研究旨在评估甲喹酮纳米颗粒（脂质体-TQ）的影响，一种抗癌药物，结合阿霉素（DXR），是用于治疗乳腺癌的最有效的化学治疗药物（DXR），这是治疗乳腺癌的最有效的化学治疗药物，对SENP2和SENP2和SENP6的表达，两种主要成分，两种主要成分，涉及和癌症的两种主要组成部分。材料和方法：MCF7细胞系，乳腺癌细胞系和MCF10（一种非肿瘤上皮细胞系）分别用脂质体-TQ和DXR处理。使用MTT和刮擦测试评估细胞活力和细胞迁移。使用膜联蛋白-V/PI染色进行凋亡分析。SENP2和SENP6的基因表达分析是使用定量实时PCR（RT-QPCR）进行的。此外，刮擦测试还评估了脂质体-TQ的抗细胞迁移效应。结果：从RT-QPCR分析获得的发现表明，与MCF7中的对照组相比，TQ和DXR处理组中SENP2和SENP6基因的表达显着增加，但在MCF10细胞系中没有显着增加（p值<0.05）。同样，与对照组和脂质体组（P值<0.0001）相比，在用脂质体-TQ进行24小时治疗MCF7和MCF10细胞后，晚期凋亡细胞显着增加，并且与对照组相比，DXR和脂质体-TQ都大大降低了乳腺癌细胞的迁移能力。结论：我们的研究表明，脂质体-TQ促进乳腺癌细胞中的凋亡并抑制细胞迁移能力。这些发现增强了我们对脂质体-TQ在SENP2和SENP6在乳腺癌的Sumoylation途径中的致癌活性中的作用的理解。
K-12教育中的人工智能（AI）学习工具
摘要人工智能（AI）素养是教育中的全球战略目标。，对如何教授AI知之甚少。在本文中，审查了46个有关Aca-demic会议和期刊的研究，以调查K-12环境中AI扫盲教育中的教学策略，学习工具，评估方法以及学生的学习成果。The investigation reveals that the promotion of AI lit- eracy education has seen significant progress in the past two decades.这种高灯，包括Google的可教机，学习ML和儿童的机器学习，是K-12环境中AI扫盲教育的适合年龄的工具。幼儿园的学生可以从诸如弹出机器人之类的学习工具中受益，而诸如Scratch和Python之类的软件设备可以帮助开发AI算法的计算思维，也可以将其引入中小学。研究表明，基于项目的人类计算机集体学习以及基于游戏和游戏的方法以及建构主义的方法已在AI扫盲教育中经常应用。认知，兴趣和行为学习成果，课程满意度和软技能的获取已得到报道。本文向教育工作者提供了适当的学习工具，Peda-Go-Go-Go-Go-Go-Go-go-gogical策略，AI扫盲教育中的评估方法以及学生的学习成果。还讨论了K-12环境中的研究含义和未来的研究方向。
Alexa Skills Inventor - 第 1 课：语音 AI 简介
课程概述：本课程面向 13 岁以上的学生，使用 MIT App Inventor 进行实际编码体验，介绍 AI 世界。学生将探索 AI 在日常生活中的影响，并通过话语和意图揭示 AI 工作原理的基础知识。首先，学生执行和修改宇宙问题示例，其中选择一个关于太空的随机事实并提供给用户。然后，学生继续创建一个额外的意图，他们可以要求宇宙问题提供有关特定行星的事实。课程以课堂讨论和期末调查结束。除了我们的课程之外，还提供资源，以便学生可以围绕自己的主题或背景从头开始制定自己的解决方案。
