XiaoMi-AI文件搜索系统
World File Search System开源
人工智能开源方法的挑战和局限性
该文件是应欧洲议会数字时代人工智能特别委员会 (AIDA) 的要求编写的。作者 Alexandra THEBEN，Open Evidence Laura GUNDERSON，Open Evidence Laura LÓPEZ-FORÉS，Open Evidence Gianluca MISURACA，米兰理工大学 Francisco LUPIÁÑEZ-VILLANUEVA，Open Evidence 负责管理员 Matteo CIUCCI Frédéric GOUARDÈRES 编辑助理 Catherine NAAS 语言版本 原文：EN 关于编辑 政策部门提供内部和外部专业知识，支持欧洲议会委员会和其他议会机构制定立法并对欧盟内部政策进行民主监督。如需联系政策部或订阅电子邮件更新提醒，请写信至： 欧洲议会经济、科学和生活质量政策部 L-2929 - 卢森堡 电子邮件：Poldep-Economy-Science@ep.europa.eu 手稿完成日期：2021 年 5 月 出版日期：2021 年 5 月 © 欧盟，2021 本文件可在互联网上获取：http://www.europarl.europa.eu/supporting-analyses 免责声明和版权 本文件中表达的观点由作者全权负责，并不一定代表欧洲议会的官方立场。非商业目的的复制和翻译均获授权，只要注明出处并事先通知欧洲议会并发送副本。出于引用目的，本研究的参考文献应为：Theben, A.、Gunderson, L.、López Forés, L.、Misuraca, G.、Lupiáñez Villanueva, F.，《人工智能开源方法的挑战与局限性》，为数字时代人工智能特别委员会 (AIDA) 进行的研究，经济、科学和生活质量政策部，欧洲议会，卢森堡，2021 年。© 封面图片经 Adobe Stoc 许可使用
Qibolab：一个开源的混合量子操作系统
我们介绍了 Qibolab，一个与 Qibo 量子计算中间件框架集成的量子硬件控制开源软件库。Qibolab 提供在定制的自托管量子硬件平台上自动执行基于电路的算法所需的软件层。我们引入了一组对象，旨在通过面向脉冲的仪器、转换器和优化算法驱动程序提供对量子控制的编程访问。Qibolab 使实验人员和开发人员能够将硬件实现的所有复杂方面委托给库，以便他们能够以可扩展的与硬件无关的方式标准化量子计算算法的部署，使用超导量子比特作为第一个正式支持的量子技术。我们首先描述库中所有组件的状态，然后展示超导量子比特平台的控制设置示例。最后，我们展示与基于电路的算法相关的成功应用结果。
年度技术基准：ATB-Calc 开源工具
• 不断变化的技术导致基于不一致且通常不透明的假设而产生的技术进步报告相互矛盾。 • 需要单一数据集来可靠且透明地评估美国能源技术的不断发展。 • ATB 可以了解能源部门的技术成本和性能，从而为全国电力部门的分析提供信息。
开源 AADL 工具环境 (OSATE) - DTIC
版权所有 2019 卡内基梅隆大学。保留所有权利。本材料基于国防部根据合同编号 FA8702-15-D-0002 与卡内基梅隆大学合作资助和支持的工作，该合同旨在运营由联邦政府资助的研究和开发中心软件工程研究所。本材料中包含的观点、意见和/或发现均为作者的观点、意见和/或发现，除非另有文件指定，否则不应被视为官方政府立场、政策或决定。无担保。本卡内基梅隆大学和软件工程研究所材料按“原样”提供。卡内基梅隆大学不对任何事项做任何明示或暗示的保证，包括但不限于对适用性、适销性、排他性或使用该材料所获得的结果的保证。卡内基梅隆大学不对专利、商标或版权侵权做任何形式的保证。[分发声明 A] 本材料已获准公开发布和无限制分发。非美国政府使用和分发请参阅版权声明。本材料可以完整复制，无需修改，也可以书面或电子形式自由分发，无需正式许可。任何其他用途均需获得许可。许可请求应直接发送给软件引擎
生命科学的开源知识图生态系统
翻译研究需要生物组织多个尺度的数据。测序和多摩学技术的进步提高了这些数据的可用性，但研究人员面临着重大的整合挑战。知识图（kgs）用于对复杂现象进行建模，并存在自动构造它们的方法。但是，解决复杂的生物医学整合问题需要在知识建模的方式上灵活。此外，现有的KG施工方法提供了强大的工具，以固定或有限选择的成本在知识表示模型中。pheknowlator（表型知识翻译器）是一个语义生态系统，用于自动化公平（可访问，可访问，可互操作和可重复使用的）本体理学基础KGS的构建，具有完全可定制的知识表示。生态系统包括kg施工资源（例如，数据准备API），分析工具（例如，SPARQL端点资源和抽象算法）和基准（例如，预构建KGS）。我们通过系统地将其与现有的开源kg施工方法进行了系统的比较，并分析其计算性能时，我们评估了生态系统。具有灵活的知识表示，Pheknowlator可以完全自定义的KG，而不会损害性能或可用性。
PLLAMA：植物科学的开源大语言模型
大型语言模型（LLM）在理解和与自然语言跨各个部门互动方面具有显着的能力。然而，由于在这些领域缺乏特定的专业知识，因此在需要高度咨询的专业领域中，它们的有效性受到限制。本文介绍了PLLAMA，这是一种从Llama-2演变而来的开源语言模型。通过一个全面的数据库增强了它，其中包括超过150万个植物科学学术文章。这一发展大大丰富了PLLAMA，具有广泛的植物和农业科学知识和熟练程度。我们的初始测试涉及与植物和农业有关的特定数据集，表明PLLAMA显着提高了其对植物科学相关主题的理解。此外，我们组成了一个国际专业人士小组，包括植物科学家，农业工程师和植物育种者。该团队在验证PLLAMA对各种学术询问的反应的准确性方面起着至关重要的作用，从而确保其在该领域的有效和可靠的应用。为了支持进一步的研发，我们使该模型的检查站和源代码可供科学界访问。这些资源可在https://github.com/xianjun-yang/pllama上下载。
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。
开源人类在循环的BCI研究框架
大脑计算机界面（BCIS）将大脑活动转化为数字命令，以与物理世界互动。该技术在几个应用领域具有巨大的潜力，从医疗应用到娱乐业，并为认知神经科学的基础研究创造了新的条件。当今的BCIS，仅对用户当前心理状态的原油在线分类，而对精神状态的更复杂的解码取决于耗时的offline数据分析。本文通过利用一组分析管道的改进来直接解决此限制，从而为下一代在线BCI铺平了道路。特别是我们引入了一个开放源研究框架，该框架具有模块化和可定制的硬件设计。此框架促进了人类在循环（HIL）模型培训和再训练，实时刺激控制，并使转移学习和云计算用于脑电图（EEG）数据的在线分类。刺激和研究人员的诊断。使用实验室流层标准和Websocket发送消息。实时信号处理和分类以及机器学习模型的培训，由开源Python包装时间频率促进。框架在Linux，MacOS和Windows上运行。虽然在线分析是BCI-HIL框架的主要目标，但可以通过MNE，EEGLAB或FIELDTRIP（例如Python，Matlab和Julia）对EEG数据进行OfflINE分析。本文描述并讨论了人类在BCI研究平台的理想特性。BCI-HIL框架是根据MIT许可发布的，其示例为：bci.lu.se/bci-hil（或at：github.com/bci-hil/bci-hil）。
在快速支付系统的背景下开源技术
©2025国际重建与发展银行 /世界银行1818 H街NW华盛顿特区20433电话：202-473-1000 Internet：www.worldbank.org，此卷是世界银行工作人员的产物。本卷中表达的发现，解释和结论并不一定反映了世界银行或其代表的政府的执行董事的观点。世界银行不能保证本工作中包含的数据的准确性。本工作中任何地图上显示的边界，颜色，教派和其他信息并不意味着世界银行关于任何领土的法律地位，认可或接受此类界限的任何判断。权利和权限本出版物中的材料均具有版权。由于世界银行鼓励他们的知识传播，因此，只要给出全部归因，就可以全部或部分复制这项工作。
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。