XiaoMi-AI文件搜索系统
World File Search System开源
开源3D荧光显微镜的主动样品稳定
超分辨率显微镜已在纳米尺度分辨率下实现了成像。但是，在不引入可能误导数据解释的文物的情况下达到这种细节水平，需要在整个成像采集中保持样本稳定性。此过程的范围从几秒钟到几个小时，尤其是在将活细胞成像与超分辨率技术相结合时。在这里，我们基于实时跟踪效果标记的3 d主动样品稳定系统。为了确保广泛的可访问性，该系统是使用易于可用的避开功能的光学和光子组件设计的。此外，随附的软件是开源的，并用Python编写，促进了社区的采用和定制。，我们在侧面和轴向方向上在1 nm内实现样品运动的标准偏差，持续时间在小时范围内。我们的方法可以轻松地整合到现有的显微镜中，不仅使延长的超分辨率显微镜更容易访问，而且还可以使共同体和宽阔的现场活细胞成像实验跨小时甚至几天。
原始引文 Thummadi, BV (2021) “人工智能 (AI) 能力、信任和开源软件团队绩效”，收录于 Dennehy, D.、Griva, A.、Pouloudi, N.、Dwivedi, YK、Pappas, I. 和 Mäntymäki, M. (eds) 为道德和包容的数字化社会提供负责任的人工智能和分析。I3E 2021，爱尔兰国立大学高威分校，9 月 1-3 日。计算机科学讲义，第 12896 卷，第 629-640 页。Springer：Cham。doi：10.1007/978-3-030-85447-8_52
尽管人工智能在开源生产中的重要性日益增加，但在如何利用人工智能来提高开源软件（OSS）团队绩效的重要问题上，人们所做的研究却很少[2, 5]。人工智能能力可以被认为是开源团队的一个独特特征，可以衡量开源团队寻求人工智能机会和资源的倾向。例如，人工智能可以以机器人的形式作为OSS团队的基础设施，以简化开源流程，如关闭拉取请求、故障排除、迎接新用户等。同时，OSS团队还可以探索人工智能的新商机，以增加项目的吸引力。由于开源社区以多种方式使用人工智能，因此尚不清楚人工智能能力如何影响OSS团队的绩效[4]。因此，我想问：
比较人类和人工智能医学机器学习中的性能：用于读者研究数据统计分析的开源 Python 库
为了了解人工智能 (AI) 对诊断医学实践的潜在影响，许多调查涉及收集多位人类专家对一组常见病例的解释。为了标准化分析此类研究数据的过程，我们发布了一个开源 Python 库来执行适用的统计程序。该软件实现了行业标准的 Obuchowski-Rockette-Hillis (ORH) 方法，用于多读者多病例 (MRMC) 研究。这些工具可用于将独立算法与读者小组进行比较，或比较以两种模式操作的读者（例如，有和没有算法辅助）。该软件支持非等效性和非劣效性检验。还提供了模拟读者和模型分数的函数，可用于蒙特卡洛功效分析。该代码在我们的 Gitub 存储库中公开提供，网址为 https://github.com/Google-Health/google-health/tree/master/analysis 。
什么是 RHEL AI？人工智能开源之路指南
大规模训练新基础模型极大地推动了生成式人工智能及其对人类的潜在应用。随着基础模型应用于现实世界的用例和应用程序，尤其是在企业内部，在此基础上进一步发展至关重要。然而，这些基础模型的传统训练方法需要大量的数据中心资源，从而导致巨大的资本和运营成本。为了充分实现生成式人工智能的前景，公司必须重新考虑其模型训练过程。对于广泛的人工智能模型部署，微调技术需要不断发展，以更低的成本整合更多特定领域的数据。根据迄今为止展示的结果，IBM 和 Red Hat 的 InstructLab 项目似乎正在朝着这个方向取得重大进展。
带有大型CNC阶段的开源3D可打印显微镜
图2。适应性的光学设置（A）照明系统（顶部）和管镜（底部）。灯由1 W白色的LED提供，该LED可以单独使用或带有磁连接的冷凝器。也可以添加RGB LED环以提供Darkfield照明。显微镜使用标准显微镜镜头，该镜头通过3D打印的管镜安装在覆盆子Pi HQ摄像机上。管镜包括一个光学双线，用于场校正。（b）使用40倍物镜镜头和不同的照明方式示例图像。tardigrade仅用LED（左上），冷凝器（右上角），Darkfield投影仪完全（左下）（左下）或一半的投影仪进行照明，或者是斜胶带的一半，以进行扩散（即克里斯蒂安森照明或伪动物；右下）。（c）使用带有和不带F50双重透镜的40倍物镜镜头获得的图像质量进行比较。没有冷凝器光（通常用于低放大倍数），不需要多余的镜头。使用冷凝器（右下角）时，可以实现图像质量的实质性提高。
开源智能（OSINT）调查和网络...
这项研究是为了分析OSINT和网络反情绪在研究网络间谍活动中使用高级持续威胁（APT）的使用。印度尼西亚是澳大利亚进行的网络间谍活动的受害者之一，提高了防止网络间谍活动的紧迫性。这项研究的目的是回答有关OSINT在预防网络间谍活动中的利用以及网络反情报如何防止网络间谍活动的问题。这项研究使用了一种定性方法，该方法对与中国有关联的APT群体进行了案例研究。通过网络反情报的努力和通过dorking技术进行的网络反情绪和调查来对网络间谍案例进行分析的结果，这些案例随后通过dorking技术进行了调查，可以找到一张网络间谍活动的全面图片，包括I-Soon进行的I-SOON进行的i-Soon进行的操作习惯，包括cyberiver cyeriver cyeriver cyeriver cyerive cyertive cymertive cymertive。网络间谍活动，笨拙，Osint
临床试验中用于综合临床和翻译数据管理的开源SQL数据库架构
摘要在肿瘤学中解锁个性化医学的力量，以融合临床试验数据与翻译数据的整合（即生物测试衍生的分子信息）。这种组合分析使研究人员可以为患者独特的生物构成量身定制治疗。但是，英国临床试验单元中的当前做法带来了挑战。虽然以标准化格式保存临床数据，但翻译数据是复杂的，多样的，需要专门存储。这种格式的差异为旨在有效策划，整合和分析这些数据集的研究人员带来了重大障碍。本文提出了一种新颖的解决方案：专门为学术试验单元需求而设计的开源SQL数据库架构。受到英国癌症研究的启发，由南安普敦临床试验单元的确认试验（超过150,000个临床数据点）开放数据共享和举例说明，该模式在原始数据与昂贵的安全数据环境/可信赖的研究环境之间提供了具有成本效益且实用的“中间立场”。通过充当临床和翻译数据的中心枢纽，该模式促进了无缝数据共享和分析。研究人员获得了对试验的整体观点，从而探索了临床观察与治疗反应的分子基础之间的联系。提供了用于设置数据库的详细说明。开源性质和直接设计可确保易于实施和负担能力，而强大的安全性措施可以保护敏感数据。我们进一步展示了研究人员如何利用像R这样的流行统计软件来直接查询数据库。这种方法促进了学术发现社区内的合作，最终加速了进度的个性化癌症疗法。
QOSST：用于实验性连续变量量子密钥分发的高度模块化开源平台
量子密钥分发 (QKD) 使两个远程方之间能够进行密钥交换，其信息论安全性植根于量子物理定律。将密钥信息编码为连续变量 (CV)，例如光相干态的正交分量的值，使实现更接近标准光通信系统，但这是以低信噪比操作所需的数字信号处理技术的复杂性为代价的。在这项工作中，我们希望通过提供高度模块化的开源软件来降低与此困难相关的 CV-QKD 实验的进入门槛，该软件原则上与硬件无关，可用于多种配置。我们使用带有本地生成的本地振荡器、频率复用导频和 RF 异差检测的实验装置对这款名为 QOSST 的软件进行了基准测试，并在渐近极限下获得了城域距离上 Mbit/s 数量级的最先进的密钥速率。我们希望 QOSST 可用于促进 CV-QKD 的进一步实验进展，并由社区改进和扩展，以在各种配置中实现高性能。
NREL OpenPATH：一个开源、可配置的旅行行为数据收集平台
NREL OpenPATH 使社区和项目能够收集全面的多式联运旅行日记，深入了解旅行方式的选择和模式，并尝试各种选项来支持与当地相关的可持续出行目标。为了评估实际案例，可以将跟踪配置为仅记录配备蓝牙低功耗信标的车辆的行程。
加强国际合作，提高开源人工智能的安全性
人工智能 (AI) 有潜力解决一些世界上最紧迫的挑战并加速科学进步。开源人工智能可以通过增强人工智能的可及性、实现开放式协作和促进包容性创新来促进这些巨大的利益。然而，增加人工智能的可及性也带来了独特的风险，需要来自世界各地的不同视角，包括政府、学术界、工业界和民间社会，仔细考虑。此外，确保开源人工智能的安全开发和部署需要全球协作与合作，因为没有一个国家能够独自解决这些风险。通过合作，各国可以建立信任和理解，共享知识，并为所有人的利益创造安全的开源人工智能，即使在复杂的全球环境中也是如此。