XiaoMi-AI文件搜索系统
World File Search System蒋静波
ENFL 2024 职业生涯中期奖刘静波
2024 年 ENFL 中期职业奖的获得者是来自德克萨斯 A&M 大学金斯维尔分校 (TAMUK) 化学系的 Jingbo Louise Liu 教授，她也是德克萨斯 A&M 能源研究所的附属教员。她当选为文理学院续任、终身教职和晋升委员会主席以及 TAMUK 教职参议员秘书。刘教授领导的研究小组专注于设计和评估用于储能的新型材料。这包括用于燃料电池、二氧化碳捕获和转化、锂电池、超级电容器和环境应用的材料，与现有设计相比，这些材料具有更高的存储或捕获能力。她将工作拓展到了其他方向，通过与美国空军萨姆休斯顿堡、赖特帕特森空军基地和空军学院的合作，她引入了新的医疗、消毒应用和法医科学手段。刘博士撰写/合著了 160 多本多书和书籍章节，以及同行评审的期刊文章。她在专业会议、大学和其他场所发表了 180 多场演讲。
儿科脑电图的过去、现在和未来
4) Scheffer IE、Berkovic S、Capovilla G 等。ILAE 癫痫分类：ILAE 分类和术语委员会立场文件。癫痫 2017；58：512-21。5) Gibbs FA、Gibbs EL。脑电图图集。第 1 卷：方法和对照。马萨诸塞州雷丁：Addison-Wesley，1951 年。6) Yoshida Harumi。应用等电位脑电图对小儿脑电图发育的研究。 脑电图和肌电图 1984 ; 12 : 248-60。7) Yoshinaga H, Koutroumanidis M, Kobayashi K, et al. Panayiotopoulos 综合征的脑电图偶极子特征。癫痫 2006 ; 47 : 781-7。8) Seeck M, Koessler L, Bast T, et al. IFCN 的标准化脑电图电极阵列。临床神经生理学 2017 ; 128 : 2070-7。9) Otsubo H, Sharma R, Elliott I, Holowka S, Rutka JT, Snead OC 3rd. 通过侵入性监测硬膜下电极确认患有右额中央癫痫的青少年的两个脑磁图癫痫灶。癫痫1999；40：608-13。10) Shiraishi H、Ahlfors SP、Stufflebeam SM 等。比较三种用脑磁图定位发作间期癫痫样放电的方法。J Clin Neurophysiol 2011；28：431-40。11) Kobayashi K、Akiyama T、Oka M、Endoh F、Yoshinaga H。West 综合征患者在高峰失常期间出现快速（40-150 Hz）振荡风暴。Ann Neurol 2015；77：58-67。12) Kobayashi K、Watanabe Y、Inoue T、Oka M、Yoshinaga H、Ohtsuka Y。儿童睡眠诱发的电癫痫持续状态中头皮记录的高频振荡。癫痫2010；51：2190-4。13) Cao J，Zhao Y，Shan X，等。基于脑电图记录的大脑功能和有效连接：综述。Hum Brain Mapp 2022；43：860-79。14) Willett FR，Avansino DT，Hochberg LR，Henderson JM，Shenoy KV。通过手写实现高性能的脑到文本通信。Nature 2021；593：249-54。15) Jing J，Sun H，Kim JA，等。脑电图解释过程中癫痫样放电专家级自动检测的开发。JAMA Neurol 2020；77：103-8。16) Kobayashi K，Shibata T，Tsuchiya H， Akiyama K. 基于人工智能的儿科头皮脑电图癫痫放电检测：一项初步研究。Acta Med Okayama 2022；76：617-24。17）Scheffer LK、Xu CS、Januszewski M 等。成年果蝇中枢脑的连接组和分析。Elife 2020；9：e57443。18）Cutsuridis V、Cobb S、Graham BP。海马 CA1 微电路模型中的编码和检索。海马 2010；20：423-46。19）Kobayashi K、Akiyama T、Ohmori I、Yoshinaga H、Gotman J。动作电位导致用远离神经元的电极记录的癫痫高频振荡。临床神经生理学2015；126：873-81。
生成式人工智能鸿沟：大学生的背景如何影响他们的生成式人工智能素养
蒋静波 邵爱群 摘要：在教育领域，生成式人工智能影响深远，主要体现在个性化学习、自动化作业评测、内容生成、开放教育资源等领域。然而，一些学者开始讨论这项技术是否可能导致新的不平等。因此，本研究旨在通过实证研究探索用户背景如何影响生成式人工智能技术的表现，同时关注生成式人工智能时代可能出现的潜在教育不平等。研究发现，生成式人工智能素养与年级、机构层级和学科相关，年级较高、来自名牌大学、就读应用科学和自然科学的学生表现更佳。
波1 ...
报告的评估是由威尔士公共卫生的招标过程资助的。由斯旺西大学（Swansea University）领导的斯旺西，阿伯里斯特威斯大学（Aberystwyth）和班戈大学（Aberystwyth）和班戈大学（SABU）的研究联盟被授予该合同。合同开始日期是2022年1月和2023年3月结束日期。本报告和支持幻灯片集代表了2023年6月与资助人一致的最终可交付成果。作者负责所有数据收集，分析和解释以及写作工作。作者参加了与AWDPP团队和威尔士公共卫生研究与评估部门成员的月度会议，目的是报告评估的进度。临时调查结果仅在2023年3月提出的报告的初稿中提供给筹款人和AWDPP团队。威尔士公共卫生和AWDPP的代表在两轮审查中对这份报告以及我们的公共贡献者发表了评论。我们要感谢审稿人对这些迭代草案的建设性评论，作者已经阅读了这些迭代，并在此最终报告的制作中适当容纳了这些迭代。该最终报告代表了作者对所有威尔士糖尿病预防计划（AWDPP）的独立评估。本报告中表达的观点和观点是作者的观点，不一定反映了AWDPP团队和组成委员会的观点和观点，NHS WALES大学健康委员会或威尔士公共卫生。利益声明。SABU财团作者宣称他们没有竞争利益。报告中提供的任何逐字行情都是参与评估的参与者的观点和观点，不一定代表NHS威尔士大学健康委员会或公共卫生委员会的作者，AWDPP团队和组成委员会的观点和意见。L Kosnes（直到01.10.2022），P Anderson，S Harris和D Fitzsimmons是健康和护理经济学Cymru（HCEC）的成员，他支持这些人写原始招标（LK，PA，PA，SH和DF）的时间（LK，PA，SH和DF），并支持写作（PA，SH，SH，SH，DF）。HCEC由威尔士的健康和护理研究由威尔士政府资助。致谢我们要感谢以下时间给我们的评估的时间和支持：
医学®
结果：TMT A 部分期间，右额叶、左中央、左枕叶、左下额叶、右颞中叶、右后颞叶和中顶叶区 delta 波的脑电图功率水平显著高于静息态期间（P < .05），左后颞叶区 alpha 波的脑电图功率水平显著低于静息态期间（P = .006），左顶叶区（P = .05）和左枕叶区（P = .002）高 γ 波的脑电图功率水平显著低于静息态期间（P = .041），左额极区、右额叶和右下额叶区低 γ 波的脑电图功率水平显著高于静息态期间（P < .05）。在集中注意力任务中，δ波的功率水平增加，α波的功率水平降低；在交替注意力任务中，β波和γ波的功率水平均增加。δ波与整个大脑有关，α波和高γ波与左后叶有关，β波和低γ波与两个额叶有关。
用于空间光通信的连续波单横模偏振...
随着空间数据流量的不断增加，空间光通信受到越来越多的关注，作为持续开发高速光学空间网络努力的一部分，尼康和JAXA一直在开发用于调制连续波信号的单横模10 W保偏Er/Yb共掺光纤（EYDF）放大器。我们已经完成了工程模型（EM）的开发，并计划在2024年作为国际空间站光通信系统的一部分演示该放大器。EM放大器具有三级反向泵浦结构，带有抗辐射的EYDF。它还包括泵浦激光二极管和功率监控光电二极管以避免寄生激光，这两者都已被证实具有足够的抗辐射能力，以及控制驱动电路。整体尺寸为300毫米×380毫米×76毫米，重6.3公斤。在标准温度和压力条件（STP：室温，1 个大气压）下，当信号输入为 -3 dBm 时，EM 放大器在总泵浦功率为 34 W 时实现了 10 W 的光输出功率。总电插效率达到 10.1%。在 STP 下，放大器在 10 W 下实现了 2000 小时的运行时间。我们进行了机械振动测试和工作热真空测试，以确保放大器作为太空组件的可靠性。在工作温度范围的上限和下限 ± 0 和 + 50 °C 下，输出功率和偏振消光比 (PER) 分别为 > 10 W 和 > 16 dB，而放大增益或 PER 没有任何下降。
静息态大脑动态
早期生活压力 (ELS) 和重度抑郁症 (MDD) 具有共同的神经网络异常。然而，尚不清楚 ELS 和 MDD 如何单独和/或共同与大脑网络相关，以及患有和不患有 ELS 的抑郁症患者之间是否存在神经差异。此外，先前的研究评估了静态与动态网络属性，这是一个关键的空白，因为大脑网络会随着时间的推移显示协调活动的变化。71 名未接受药物治疗的女性，有或没有童年性虐待 (CSA) 史和/或 MDD，完成了静息状态扫描和压力任务，其中收集了皮质醇和情感评分。检查了重复的功能网络共激活模式 (CAP)，并计算了 CAP 中的时间（每个 CAP 表达的次数）和转换频率（不同 CAP 之间的转换）。检查了 MDD 和 CSA 对 CAP 指标的影响，并将 CAP 指标与抑郁和压力相关变量相关联。结果表明，MDD 与 CAP 指标相关，但 CSA 与 CAP 指标无关。具体而言，与 HC（N = 36）相比，患有 MDD（N = 35）的个体在后默认模式 (DMN)-额顶网络 (FPN) CAP 中花费的时间更多，并且在后 DMN-FPN 和原型 DMN CAP 之间转换的频率更高。在各个组中，在后 DMN-FPN CAP 中花费的时间越多，DMN-FPN 和原型 DMN CAP 转换频率越高，反刍的频率就越高。DMN 和 FPN 之间的不平衡似乎是 MDD 的核心，可能导致与 MDD 相关的认知功能障碍，包括反刍。出乎意料的是，CSA 并没有调节此类功能障碍，这一发现需要在未来样本量更大的研究中进行复制。
静息状态下的脑电波活动
神经反馈训练 (NFT) 为现代医学界做出了有益的贡献。NFT 是基于操作性条件作用原理的生物反馈的一个子集。它是一种建立行为与效果之间关系的学习方法，可获得奖励和惩罚 (Cherry, 2020; Engelbregt 等人, 2016; Strehl, 2014)。从理论上讲，生物反馈是自动神经系统 (ANS) 的生物学见解。在其起源之前，“实时生理镜像”一词在第二次世界大战期间就已存在 (Sattar & Valdiya, 2017)。它仅限于心率、血压、皮肤温度、消化、呼吸和性唤起等生理过程。所有示例都是非自愿的，由 ANS 控制。在 1950 年代，一个反对的科学家团队不赞成 ANS 可能影响人类生理和心理状态的想法，这些状态也会对生物过程起作用 (Jones, 2016)。它在操作性条件、信息处理或技能学习方面仍存在疑问。此外，该假设不足以作为药物治疗的基础（Sattar & Valdiya，2017；Jones，2016）。研究人员在 20 世纪 60 年代发现，ANS 功能可能会发生类似于操作性环境的改变。因此，这是一个将生物反馈转变为可用于医疗实践的适当治疗方法的机会。