•材料奖,金属矿物质和材料协会(TMS)2021•杰出校友奖,IIT-BHU全球校友协会2019年•美国国家工程学院美国工程领域(NAE-FOE)Inspitee 2019•陆军研究办公室研究办公室研究办公室计划奖(ARO-y-YIP)奖(ARO-y-YIP)奖,2019年•NANAMATIAL SAWER•ACS NANAMATIALS•ACS AN AN AN AN AN AN AN AN AN AN AN AN AN AN NAN 2018 AN NAN 2018-21•福布斯,30岁以下30岁以下科学2018年•当选为Sigma XI,科学研究荣誉学会,成为正式成员2017年•美国真空学会(AVS)纳米量表科学与技术部早期职业奖2017年•理查德·L·格林奖•实验材料物理学的理查德·格林(Richard L. E. Hilliard研讨会2015年•加利福尼亚理工学院2015 - 17年的Resnick奖,2015 - 17年•2015年材料研究协会(MRS)研究生奖•IEEE DIELECTRIC&ELECTRICAL SISTICAL SICTICAL SOCIACTAUTION SORICICATION研究生研究生奖学金2015年2015 2014年量表科学与技术部学生奖•ASM芝加哥地区分会研究生奖2014•杰出研究员奖,国际纳米技术学院2014•SPIE Optics&Photics&Photonics教育奖学金2014-15
人类将在接下来的25年中发生巨大变化,让人联想到古腾堡(Gutenberg)发明印刷机发明的第一次信息革命发生的事情。印刷机允许广泛地共享艺术,科学和工程学的知识。对这些信息的新发现均鼓励了新的表达和创新,以至于它点燃了一场始于欧洲的工业革命,并在几个世纪后在北美达到顶峰。它广泛地实现了有效和稳定的制造工艺,这些过程有助于用机器制造的商品代替手工生产的商品,减少建筑财富的摩擦,并改善了大多数人的生活水平。一场新的信息革命始于大约60年前(1950年代至1960年代),当时Shockley发明了晶体管 - 巧合的是,大约在美国启动其太空计划的同时。晶体管导致了集成电路的开发,从而促进了较小的计算机的创建,最终为互联网的出现铺平了道路。与Internet的开发并行的是对AI系统的早期探索,其中包括人工神经网络,基于知识的系统,模糊逻辑和进化计算,仅举几例。现代AI研究始于1960年代,直到计算能力急剧增加,并且互联网开始为培训模型生成大量数据,才产生显着的结果。现在,AI系统正在产生惊人的结果,并将永远改变我们的未来。
Rov Deep Discoverer(简称为“ D2”)可以在海面以下最多6,000米(19,685英尺),这意味着它几乎可以探索海洋中的任何地方,除了深沟。D2携带各种相机设备,采样工具和传感器,以收集潜水期间有关深海的尽可能多的信息。其主摄像头可以从3米(10英尺)远的三英寸长生物体放大,并倾斜以捕捉宽阔的视野,从而有助于查看从小生物到深海中大规模栖息地的所有事物。D2的实时视频从海底到船上旅行,然后通过卫星连接到位于岸上的科学家。他们使用实时视频为飞行员提供有关去向地点以及要收集哪些样本的指导。d2的多关节操纵臂非常灵活,使操作员具有操纵和收集生物学和地质样品的能力。飞行员还可以控制操纵器臂下颚的握力,从而使他们轻轻夹住脆弱的珊瑚样品或捡起沉重的岩石或矿物样品。直播ROV视频也被广播到互联网,使任何人都可以参加D2的冒险经历。
关于 2013 年《公司法》;关于第 230 至 232 条(与 2013 年《公司法》其他相关条款一并阅读);关于 Deep Energy Resources Limited ;关于 Savla Oil and Gas Private Limited ;关于 Prabha Energy Private Limited ;关于 Deep Energy Resources Limited 与 Savla Oil and Gas Private Limited 和 Prabha Energy Private Limited 及其各自股东和债权人之间的综合安排计划;Deep Energy Resources Limited ,一家根据 1956 年《公司法》规定成立的公司,现视为根据 2013 年《公司法》成立,其注册办事处位于 12A & 14, Abhishree Corporate Park, Ambli Bopal Road, Ambli, } Ahmedabad - 380058, Gujarat, India。}
DeepFake Technology使用AI来创建操纵媒体,对社交媒体平台上的信息完整性构成了重大威胁。在印度,Deepfake内容的兴起呈指数增长,尤其是在政治和娱乐领域,假新闻和AI生成的视频已经风靡一时,导致了错误的信息。主要目的是开发一个可靠的AI模型,该模型可以准确地检测到社交媒体平台上的深击内容,重点是使用FastText Embeddings识别机器生成的推文。传统方法涉及根据预定义的规则和关键字匹配的社交媒体帖子的人类审核,事实检查机构以及手动过滤。这些方法是耗时的,而且通常不准确,缺乏管理大量在线内容的可扩展性。手动检测深摄影和AI-AI-I-Actuct含量非常低效,容易出现错误,并且无法实时处理大量社交媒体数据。因此,在被识别或删除之前,有害和误导性信息可能会广泛传播。随着社交媒体在塑造公众舆论的日益影响,这项研究背后的动机是打击错误信息和维护在线话语的完整性。特别是深度学习模型可以通过自动化社交媒体内容的分析来显着改善对深击的检测。fastText嵌入将将推文转换为有意义的单词向量,而深度学习模型可以应用于对推文是人类生成还是AI生成的推文。与传统方法相比,这种方法提供了实时检测,提高准确性和可伸缩性。