XiaoMi-AI文件搜索系统
World File Search System项目名称
项目名称：开曼群岛大学学院的可再生能源和可持续发展计划
•至少是社会科学，国际发展或相关领域的学士学位。•至少有5年的经验在环境或类似领域的领导和进行评估方面•在环境/可持续性方面的经验•对发展评估方法的深入了解•熟悉基于结果的管理（RBM）方法（RBM）方法（RBM）方法（RBM）方法（RBM）评估•良好的分析写作技巧以及在合成和定量数据中的良好分析能力和综合性或定量性范围•交往或定量的书面或定量•流动性或定量性•流感•流动性•流感•流感•流感•流感•加勒比地区的开发工作。欧盟资助的项目的项目评估/审查经验将是一项资产。•对加勒比海环境的深刻操作理解和敏感性通过在评估加勒比海实施的ODA项目时获得的广泛的第一手经验而获得的。
项目名称：国家运输中心网络安全与弹性（TRACR）
Tracr的基础研究项目致力于开发一个集成硬件和软件安全的系统平台，以保护我们国家的运输基础设施（如图1所示）。一旦部署，TRACR系统平台将用于对任何运输系统或基础架构进行深入的漏洞评估，然后对该系统或基础架构的自定义安全和隐私解决方案进行识别，开发和部署。随着威胁的发展，随着时间的流逝，较新的人出现了，Tracr Systems平台中的方法和工具将不断使用新的防御策略进行更新。系统平台将作为参考架构和设计蓝图，用于开发未来的安全和弹性的运输系统。Tracr还研究了以下四个推力，其产品和结果将支持Tracr Systems平台的开发：
项目名称：利用量子信息洞察力增强原子磁力测量
项目详情：目前，全球范围内正在开发用于量子技术的原子平台，例如原子钟、量子重力仪和加速度计以及原子干涉仪。但测量通常非常耗时且成本高昂，而用于后处理时间序列的最先进的算法在数值上要求很高。尽管过去二十年一直专注于使用测量相位参数的量子干涉仪进行传感，但对于自然界基本理论中出现的大多数可观测量，例如磁场、凝聚态分数和化学势，尚不存在最佳估计理论。最近，安德斯教授的团队开发了全局量子测温法 [1]，这是一种用于温度估计的尺度尊重框架，也是相位估计之外的估计理论的第一个原型。这种现代温度估计策略充分利用了估计参数的对称性，并采用了贝叶斯推理技术。真正的优势在于它可以指导如何在实验测量中选择控制参数，以便在有限的资源下最大限度地获得信息增益。正如 [2] 中利用伯明翰大学进行的钾 (K) 实验的一组预先存在的数据所证明的那样，可以使用全局量子测温框架先验地优化释放-重新捕获冷原子实验的等待时间。最近，安德斯教授及其同事使用诺丁汉大学的冷原子平台将这种新的全局估计技术扩展到完全不同的量——原子数的测量，发现与以前的传感技术相比，精度提高了五倍 [3]。本理论项目将建立使用磁力仪和陀螺仪同时估计磁场和惯性旋转的最佳策略。这些策略将用于减少正在进行的原子实验中准确估计参数所需的数据数量，因为获取大量数据集的成本可能高得令人望而却步。学生的目标之一是推广最近开发的用于估计位置同构参数的框架 [4]。目标是找出可适用于量子技术中除相位之外的任何相关参数的最佳量子估计策略的方程。这将涉及变分法、群对称性和信息几何等分析技术。后续目标是调整理论框架，使其适用于正在进行的原子磁力仪实验 [5]。这还将涉及使用预测的量子估计策略分析原型量子磁力仪产生的时间轨迹。目标是确定此类策略是否能够实际降低磁场和惯性参数估计的不确定性。预计将与目前正在开发量子磁力仪的实验团队合作。[1] J. Rubio、J. Anders、LA Correa，PRL 127，190402 (2021) [2] J. Glatthard 等人，PRX Quantum 3，040330 (2022) [3] 通过自适应对称信息贝叶斯策略将冷原子实验的精度提高五倍，M. Overton 等人，arXiv:2410.10615 (2024)。[4] J. Rubio，Phys. Rev. A 110，
项目名称：用于管理瓣膜心脏病的心血管数字双胞胎
瓣膜心脏病是一种威胁生命的疾病，会影响老年人口的份额增加。在过去十年中，临床界内的新事态发展意味着现在可以用最少的侵入性进行病患心脏瓣膜的修复或更换。另一方面，接受这些手术的200K+患者中，多达50％的心脏功能没有改善。恢复过程中涉及的过程是复杂且多因素的，呈现心血管血流动力学和心肌力学。该项目旨在使用患者心血管系统的数字双（DT）来预测对介入阀程序的反应。我们将建立一个新的DT框架，结合深度学习，多尺度生物物理建模和图像分析技术。将此模型应用于多模式患者数据集，我们将优化预测准确性并在看不见的数据集上进行测试。项目描述
项目名称：分布式系统加速器实时边缘人工智能（READS）
简介和动机 在过去十年中，机器学习 (ML) 技术逐渐进入加速器社区。近年来，深度学习的快速发展，特别是用于控制系统应用的强化学习以及深度学习在嵌入式硬件中的可访问性，重新引起了人们的兴趣并催生了大量应用 [ 1 ]。费米实验室加速器综合体（如图 1 所示）已为高能物理 (HEP) 实验提供了近五十年的质子束。该实验室目前的重点是其世界一流的强度前沿实验项目。虽然增加光束强度确实有其自身的挑战，但在很多方面，保持光束大小同时最大限度地减少光束损失（通过与光束真空管相互作用而损失的粒子）才是主要挑战。加速器通过数十万个设备的复杂系统进行控制。使用 ML 方法实现对其参数的微调和实时优化并超越人类操作员基于经验的推理是未来强度升级成功的关键。我们的目标是将 ML 集成到加速器操作中，此外，提供一个可访问的框架，该框架也可被具有动态调整需求的其他广泛加速器系统使用。为了成功最大限度地发挥 ML 的应用优势，我们将考虑以下几点：实时边缘 ML 系统优化：加速器涉及电源、射频和其他控制系统的复杂调节回路阵列。调节回路的增益针对操作进行手动优化和修复。实际上，光束分布和强度是在加速过程中变化的动态量。因此，这些动态系统理想情况下应该以近乎实时的方式重新检查操作条件。这需要一个能够在足够短的毫秒时间尺度上对系统变化做出反应的 ML 模型。快速、智能的分布式系统：由于粒子加速器的物理规模很大，控制系统往往分布在整个设施中。因此，优化每台机器的性能以及综合体的整体性能意味着需要一个快速的数据传输系统，允许子系统、机器和负责运行 ML 算法的计算机资源之间进行实时通信。我们的项目 Accelerator READS 将开发 ML 方法及其在大型加速器系统中的边缘实现。费米实验室在开发用于系统控制的实时嵌入式边缘 ML 设备方面处于领先地位，并利用 ML 提高了 HEP 实验的效率和准确性，例如紧凑型μ子螺线管 (CMS) 实验 [ 2 ]。利用内部实验室指导的研究和开发 (LDRD) 计划，费米实验室已经证明单个 ML 系统可以提高加速器性能。然而，将嵌入式 ML 系统连接在一起以协调分析和控制多个复杂结构尚未实现。将这项技术应用于加速器将使费米实验室加速器设施向快速、分布式和高性能控制和操作迈进。加速器 READS 产生的方法和工具将与各种复杂和分布式控制器的设计相关。我们将通过两个重要的实验来证明我们提案的有效性：Mu2e 溢出调节系统和主喷射器 (MI) 和循环器环 (RR) 光束损耗的去混合。
项目名称：伦敦人工智能无家可归者模型定位：考虑历史，
2020 年 8 月，伦敦市宣布已开发出一种“长期无家可归”人工智能 (AI) 模型，以帮助官员预测哪些人可能成为长期无家可归者。伦敦使用人工智能解决无家可归问题反映了治理方法的更大转变，因为世界各国政府越来越多地转向人工智能和自动化系统，试图利用自动预测系统更好地定位服务、提高效率和降低成本。鉴于政府数据化转型给人们带来了一系列危害，人工智能的前景也伴随着重大风险。该项目将努力将 CHAI 项目置于更广泛的背景下，以便更好地了解 CHAI 的风险/收益权衡，并了解 CHAI 如何为其他地方的类似项目提供信息。该研究将涉及四个综合流程：
伦理审批期限 HREC 编号 项目名称 负责人姓名
EA240702 GenAI 辅助多模式写作对贫困少数民族英语学习者批判性数字素养的影响：一项纵向叙事探究 2025 年 1 月 23 日 2029 年 1 月 22 日 姜连江教授 教育学院
项目名称：通过优化的西岸农业价值链来支持经济增长
用当地农作物培养其未充分利用的农业土地，最高支撑价值为200美元，每个耕作家庭1000美元。这种支持将有助于种子，有机肥料，土壤耕作，害虫和杂草控制等。•通过技术扩展，试点良好实践，转移知识以及使用农民的野外学校和“农民商学院”的方法来提高当地作物生产的技能和实践。有针对性的受益人小规模的男性和女性领导农业家庭愿意并能够在其联合国/未充分利用的农作物中种植农作物，从而用于家庭消费和收入产生。受益人的资格标准