XiaoMi-AI文件搜索系统
World File Search Systemps
注释的夏季研究计划和实习清单2025
Vélez决定浏览NSF网站上的REU网站列表，以寻找不寻常的计划，即有才华的第一年或第二年学生可以申请的计划。最初，注释列表针对UA学生。在一次国家数学会议之一中，弗兰克·摩根（Frank Morgan）要求韦尔斯（Vélez）进行更广泛的传播。实现这一目标意味着提供带注释的列表更多内容和有关实习的更多信息。我们希望此列表被证明对数学社区有用。
CephFS 快照评估
以及在其上运行的大量应用程序... • HPC 临时空间和集群本地用户主页 • 软件构建和分发（Linux@CERN、Koji、GitLab） • 监控、Web 托管、文档//问题跟踪、群件 • 物理志愿者计算（BOINC）和分析可重复性平台
AFID 与航运：船舶岸电
2020 年 2 月 航运业有多种不同的选择来改善船舶的环境性能，从切换到无碳燃料（如氨或氢），到利用船上电池储存的电力产生推进力。在船舶停泊在港口时，为船舶提供岸上电源（OPS），也称为岸上电力（SSE），这是防止空气污染的有效第一步，因为这样船舶就可以关闭发动机，从电网获取能源，而不是继续燃烧污染空气的燃料。由于大多数船舶的规模，它们的能源需求与卡车或乘用车相比很高。因此需要专用于船舶的基础设施。这还将减少港口内的船舶温室气体排放，根据欧盟 MRV 的数据，2018 年港口内的船舶温室气体排放约为 800 万吨，超过了马耳他、塞浦路斯、拉脱维亚或卢森堡的全国总排放量。AFID 没有为航运设定岸上电力（SSE）的目标——它让 MS 根据需求的可用性和成本效益分析来决定。这就产生了一个先有鸡还是先有蛋的问题，尤其是在需要大规模 SSE 投资来建设船舶接入所需基础设施的情况下。一方面，由于只有少数港口提供 SSE，船东不愿意为他们的船舶改装与 SSE 兼容的技术。另一方面，船东没有自愿使用 SSE 的经济动机，因为它比在泊位使用肮脏的重质燃料油更昂贵；因此，大多数现有船舶不兼容 SSE。因此，在进行成本效益分析时，财政拮据的成员国认为 SSE 成本效益低，导致欧洲港口长期无法提供 SEE 的恶性循环。为了克服这个问题，AFID 将注意力集中在 TEN-T 核心网络港口上，理由是这些港口吸引了大部分海上交通并造成最多的空气污染和温室气体排放，因此应优先考虑这些大型港口。这种逻辑的问题在于，可以立即转换为电池电力和电池混合动力推进的船舶类型是滚装/滚卸 (RoRo) 客船和游轮，而这些船舶类型通常
美国医师协会起诉众议员亚当·希夫 (Adam Schiff) 疫苗审查 柯南·米尔纳，《大纪元时报》 2020 年 1 月 31 日更新：2020 年 1 月 31 日 https://w
美国医师协会起诉众议员亚当·希夫 (Adam Schiff) 疫苗审查 柯南·米尔纳，《大纪元时报》 2020 年 1 月 31 日 更新时间：2020 年 1 月 31 日 https://www.theepochtimes.com/physicians-association-sues-rep-adam-schiff-for-vaccine-censorship_3220485.html 一家全国性医学协会正在起诉众议员亚当·希夫 (Adam Schiff) (加利福尼亚州民主党)。该案指控这位加州众议员滥用职权，声称他胁迫科技公司审查有关疫苗的信息。 2020 年 1 月 20 日，美国医师和外科医生协会 (AAPS) 向华盛顿特区美国地方法院提起诉讼。诉状指出，希夫在 2019 年 2 月和 3 月向谷歌、Facebook 和亚马逊发送了信件，敦促这些公司抹黑或下架任何暗示疫苗可能有害的内容。这些信件表达了希夫对美国疫苗接种率下降的担忧，并要求各公司采取措施阻止他所说的“日益严重的问题”。希夫写道：“如果一位忧心忡忡的父母不断在 YouTube 推荐中看到对疫苗安全性或有效性产生怀疑的信息，他们可能会无视孩子的医生和公共卫生专家的建议，拒绝遵循推荐的疫苗接种时间表。”“重复的信息，即使是虚假的，也常常会被误认为是准确的，而通过社交媒体接触反疫苗内容可能会对用户对疫苗接种的态度产生负面影响。” 封锁信息 希夫的建议很快就见效了。在希夫发布其中一封信后的 24 小时内，亚马逊就从其流媒体平台上删除了热门纪录片《Vaxxed》和《Shoot 'Em Up: the Truth About Vaccines》。几个月后，Twitter 在 AAPS 的一篇讨论疫苗强制令的文章的搜索结果上方添加了免责声明，
生命科学快照2021
2015年，Massbio创建了一种衡量生命科学就业的方法。 3 Massbio将生命科学就业视为药品制造和医疗测试实验室中的所有就业，科学研发（R＆D）服务（R＆D）服务的84％，医院就业的4.5％和大学就业的1.9％。 燃烧玻璃是在线职位发布的汇总者，将生物技术工作定义为需要了解科学领域的知识，例如生物化学和遗传学，诸如色谱和临床研究等实验室技术，以及/或具有结合生物传感器和生物传感器等生物学过程的经验。 BPDA研究将这些定义结合在一起，以此为目的。 我们将所有就业从事制药，医学测试实验室以及科学研究与发展服务作为生命科学就业。 对于医院和大学员工，我们只带燃烧的玻璃被认为是“生物技术工作”的职业的工人。 42015年，Massbio创建了一种衡量生命科学就业的方法。3 Massbio将生命科学就业视为药品制造和医疗测试实验室中的所有就业，科学研发（R＆D）服务（R＆D）服务的84％，医院就业的4.5％和大学就业的1.9％。燃烧玻璃是在线职位发布的汇总者，将生物技术工作定义为需要了解科学领域的知识，例如生物化学和遗传学，诸如色谱和临床研究等实验室技术，以及/或具有结合生物传感器和生物传感器等生物学过程的经验。BPDA研究将这些定义结合在一起，以此为目的。我们将所有就业从事制药，医学测试实验室以及科学研究与发展服务作为生命科学就业。对于医院和大学员工，我们只带燃烧的玻璃被认为是“生物技术工作”的职业的工人。4
Dempster-Shafer 可信 AI 方法及其在胎儿脑部 MRI 分割中的应用
摘要 — 对于病理病例和在不同中心获取的图像（而不是训练图像），用于医学图像分割的深度学习模型可能会意外且严重地失败，其标记错误违反了专家知识。此类错误破坏了用于医学图像分割的深度学习模型的可信度。检测和纠正此类故障的机制对于安全地将这项技术转化为临床应用至关重要，并且很可能成为未来人工智能 (AI) 法规的要求。在这项工作中，我们提出了一个值得信赖的 AI 理论框架和一个实用系统，该系统可以使用基于 Dempster-Shafer 理论的回退方法和故障安全机制来增强任何骨干 AI 系统。我们的方法依赖于可操作的可信 AI 定义。我们的方法会自动丢弃由骨干 AI 预测的违反专家知识的体素级标记，并依赖于这些体素的回退。我们在最大的已报告胎儿 MRI 注释数据集上证明了所提出的可信 AI 方法的有效性，该数据集由来自 13 个中心的 540 个手动注释的胎儿大脑 3D T2w MRI 组成。我们值得信赖的 AI 方法提高了四个骨干 AI 模型的稳健性，这些模型适用于在不同中心获取的胎儿脑部 MRI 以及患有各种脑部异常的胎儿。我们的代码可在此处公开获取。
10月20日，F -22A，Nellis AFB，NV AIB报告-IB AIB报告-IAR Force Jag Corps
执行摘要F-22A，T/N 06-4109 NELIS空军基地，内华达州，2020年10月30日，2020年10月30日，大约在当地时间0930年，Mishap飞机（MA），F-22A，F-22A，尾巴号（T/N）06-4109，在Auxiliary Power Eutition（Apu）的尾气单元（APU）的尾气过度。MA被分配到NELIS空军基地（AFB），内华达州（NV）的422D测试和评估中队，总部位于佛罗里达州Eglin AFB。MA由第757架飞机维护中队，第57翼，Nellis AFB，NV。估计更换受损零件并修复MA的估计成本为2,690,000美元。2020年6月26日，MA开始进行广泛的修改，为操作测试任务做准备。 2020年10月28日，为了促进MA修改的故障排除，删除了APU混合排气管（AMED），在此期间未拉动和扣紧时间，在此期间，未对MA的结构或MA的数字形式提出警告，并根据维护成员（MXM）（MXM）1。2020年6月26日，MA开始进行广泛的修改，为操作测试任务做准备。2020年10月28日，为了促进MA修改的故障排除，删除了APU混合排气管（AMED），在此期间未拉动和扣紧时间，在此期间，未对MA的结构或MA的数字形式提出警告，并根据维护成员（MXM）（MXM）1。此外，这些错误未通过验证MXM1工作的现场7级主管MXM2纠正。2020年10月30日，MA需要通过航空航天地面设备（年龄）对飞机门进行防护和重新配置，但决定使用APU。在不幸的那天，APU紧急开关（AES）被错误地设置为“正常”。在术前检查中，MXM3在对MA表格的审查和通过视觉检查中未能识别，并在APU操作之前需要AMED安装。APU开始后，烟雾开始从Apu排气舱开始散发到左主登陆齿轮轮。MXM3延迟了紧急APU关闭，以查看故障报告代码（错误）的数字表格。附近的维护成员接近MA，并将AES设置为“紧急情况”，并手动关闭APU。事故调查委员会主席（BP）发现，大量证据表明，事故的原因是不当维护程序，导致APU开始时，在删除了AMED。BP还通过大量证据发现的四个其他因素，这些因素实质上导致了不幸的问题：（1）事故单位的培养物，包括对CB项圈的使用有限和对警告的使用不一致； （2）MA上测试仪器的设计，该仪器掩盖了对适用的CBS的访问； （3）MA修改的广泛性质； （4）由未成年人当天的几个非标准事件引起的干扰。
ETH AI中心博士奖学金指南
ETH AI中心汇集了所有部门和学科的AI基础，应用和影响的研究人员。从110多个教授职位，其自己的前提和奖学金计划的参与开始，该中心在研究这一关键技术方面就加强了ETH的强大立场。中心与欧洲及以外的最佳AI研究机构合作，以加速进步，支持初创企业和行业合作，并培养下一代AI研究人员，变革型领导者和企业家。