💻 آکادمی هرم | Pyramid!

🔺 میزان پیشرفت و تغییرات دنیای پژوهش خیلی زیاده، با گسترش ابزارها و بهبود کیفیت هوش مصنوعی‌ها، این سرعت بیشتر هم شده و همین موضوع به افزایش پوزیشن‌های کاری مربوطه هم انجامیده.

✅ ما در هرم از دنیای ریسرچ، ابعاد مختلف و کاربردی اون، پژوهش‌های مقاطع مختلف و لبه‌ی تکنولوژی و علم صحبت می‌کنیم. این‌جا سعی می‌کنیم درباره‌ی مقالات کنفرانس‌های برتر، ژورنال‌های با اعتبار بالا و skillهای مختلف مربوط به ریسرچ حرف بزنیم و اون‌ها رو آموزش بدیم.

🌐 بررسی مقالات فیلدهای پزشکی و مهندسی
🌐 آموزش ریسرچ
🌐 معرفی اپلای و اینترنشیپ
🌐 ارتباط با اساتید معتبر ایران و جهان

برای پیدا کردن پست مدنظر خودتون، کافیه از این هشتگ‌ها استفاده کنید:

🔗 #آموزش
🔗 #معرفی
🔗 #پزشکی
🔗 #مهندسی
🔗 #هوش‌مصنوعی
🔗 #ماشین‌لرنینگ
🔗 #مقاله
🔗 #اپلای
🔗 #دکتری
🔗 #ارشد
🔗 #کارشناسی
🔗 #ارائه
🔗 #سوال
🔗 #متفرقه

✅ روابط عمومی کانال:
✈️ @Pyramid_Research_Support

😊 ما رو به دوستانتون معرفی کنین 😉
با آرزوی موفقیت در سال جدید ❤️

🔅 «آکادمی هرم | @Pyramid_Research»

📕 ۵ اشتباه رایج در نوشتن چکیده مقاله (Abstract) که باعث ریجکت شدن می‌شه!

🔺 نوشتن چکیده (Abstract) یکی از مهم‌ترین بخش‌های مقاله است، چون اولین چیزی‌ست که داور و reviewer می‌بینن. اما خیلی‌ها این اشتباهات رو انجام می‌دن:

❌ ۱. اطلاعات اضافی یا نامرتبط
چکیده باید فقط شامل مهم‌ترین نتایج و روش تحقیق باشه، نه توضیحات کلی یا اطلاعاتی که در متن مقاله گفته می‌شه.

❌ ۲. استفاده از جملات مبهم و کلی
جملاتی مثل «نتایج نشان می‌دهد که روش ما بهتر است» بدون اعداد و شواهد علمی، اعتبار مقاله رو پایین میاره. حتماً نتایج کمی و کیفی رو ارائه بدید.

❌ ۳. عدم ذکر روش تحقیق
ذکر روش تحقیق (مثلاً نوع شبکه عصبی استفاده‌ شده یا تعداد داده‌های بررسی‌شده) ضروری‌ست. داوران به شفافیت روش‌شناسی حساس‌اند.

❌ ۴. طول بیش از حد یا خیلی کوتاه
هر ژورنال محدودیت کلمات خاصی داره (مثلاً ۱۵۰-۲۵۰ کلمه). چکیده طولانی یا خیلی کوتاه، تأثیر بدی روی تصمیم داور می‌ذاره.

❌ ۵. عدم تطابق با متن مقاله
چکیده باید یک خلاصه واقعی از مقاله باشه. اگر در متن اصلی، عددی رو آوردید، در چکیده هم باید همون مقدار باشه.

✅ راه‌حل:
قبل از ارسال، چکیده را چند بار مرور کنین، از ابزارهای خلاصه‌سازی کمک بگیرید و حتماً با یک فرد دیگر چک کنید.

📌 اگر این نکات برات مفید بود، پست رو برای دوستات بفرست! 🚀

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 مدل جدید o3 و رکوردشکنی‌های این مدل در بنچمارک‌ها

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

مدل جدید OpenAI به اسم o3 حسابی سروصدا کرده و نتایج اون خیلی زیاد جلب توجه کردند. عملکردش از مدل‌های قبلی به طرز قابل توجهی خیلی بهتر بوده و خب بیاید ببینیم چیکار کرده:

🔺 ARC-AGI (بنچمارک Reasoning)
این بنچمارک عملاً هوش و استدلال (reasoning) مدل رو تو حل مسائل پیچیده می‌سنجه، یک جورایی مثل تست هوش واسه AIها هست.
● مدل o3: امتیاز 87.5% (high-compute) | o1: امتیاز 32%
● مدل o3 با رکورد بالای 85% حتی از آدم‌های معمولی هم بهتر عمل کرده!

🔺 استدلال ریاضی (AIME، Frontier Math)
● AIME 2024: امتیاز 96.7% (تقریباً بی‌نقص)
● Frontier Math: امتیاز 25.2% | مدلای قبلی: زیر 2%

🔺 کدنویسی (SWE-Bench، Codeforces Elo)
● SWE-Bench (رفع باگ): 71.7 | o1: 48.9 (22.8 امتیاز بالاتر)
● Codeforces Elo: 2,727 (نزدیک به سطح کدنویسای حرفه‌ای)

🔺 بنچمارک GPQA
● مدل o3: امتیاز 87.7% | o1: امتیاز 78%
● این یکی نشون می‌ده چقدر مدل اطلاعات داره و چقدر خوب می‌تونه جواب بده. o3 دقتش بیشتر شده و کمتر چرند می‌گه (hallucination کمتر).

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 خطر بسته شدن آزمایشگاه‌ها در آمریکا پس از کاهش بودجه‌های تحقیقاتی ترامپ

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مقاله
🔗 #پژوهش

🔺 اخیرا مقاله‌ای در نشریه Nature منتشر شده که به کاهش بودجه‌های تحقیقاتی ایالات متحده آمریکا تحت مدیریت دونالد ترامپ و تاثیر این موضوع بر روی محققان و آزمایشگاه‌ها پرداخته. بسیاری از محققانی که عمدتاً برای تأمین حقوق خود وابسته به بودجه‌های تحقیقاتی هستن، حالا خیلی زیاد نگران آینده‌ی خود هستن و برخی از اون‌ها، در فکر بستن آزمایشگاه‌های خود فرو رفتن.

🔹 یکی از محققان به نام جرمی اسپریگمن که تحقیقات خودش رو در دانشگاه پنسیلوانیا انجام می‌ده، گفت که پس از لغو بیش از نیمی از گرنت‌های فدرال خود، دیگه امیدی به ادامه‌ی تحقیقات نداره. محققان بسیاری همچون اسپریگمن و کریستا هریسون در دانشگاه کالیفرنیا، سان فرانسیسکو، نگران هستن که پروژه‌های تحقیقاتی اون‌ها در صورت قطع حمایت‌های مالی از سوی دولت، متوقف خواهد شد و ممکنه نتونن به راحتی به research ادامه بدن.

🔺 این تغییرات به‌ویژه بر محققانی که حقوق خودشون رو از بودجه‌های تحقیقاتی (نقدهای نرم یا همان "soft money") تأمین می‌کنن، تأثیر زیادی داره. این تیپ محققان به شدت تحت تأثیر کمبود بودجه‌های فدرال قرار دارن و باید نگرانی‌هایی جدی در مورد آینده شغلی خود داشته باشن.

🔖 لینک این مقاله:
🔗 https://www.nature.com/articles/d41586-025-00924-4

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 گسترش اشتباهات علمی ایجاد شده از سمت AI

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مقاله
🔗 #پزشکی

🔺 همیشه درباره‌ی hallucination یا توهم زدن AI صحبت زیادی می‌شه، درباره‌ی این‌که هوش مصنوعی خیلی وقت‌ها صرفا خروجی‌های بی‌ربط و منطق می‌ده و استناد به اون‌ها کار درستی نیست، اما خب معمولا این موضوع باعث تغییر در روند کار دانشمندان نمی‌شد.

🔺 امسال، محققان متوجه شدن عبارتی عجیب به نام «میکروسکوپی الکترونی گیاهی» در مقالات زیادی استفاده شده در حالی که پیش‌زمینه‌ی درستی نداره. این عبارت که به نظر می‌رسه تکنیکال باشه، در واقع هیچ معنی علمی نداره و به نوعی به یک «فسیل دیجیتال» تبدیل شده که در سیستم‌های هوش مصنوعی به اشتباه ثبت و تقویت شده و تقریبا غیرقابل حذف هستن.

🔺 این اشتباه از یک فرآیند اسکن بد و اشتباه در ترجمه نشأت می‌گیره. در ابتدا، دو مقاله قدیمی از دهه ۱۹۵۰ به اشتباه این عبارت رو به وجود آوردن. سپس در چند مقاله ایرانی به دلیل شباهت‌های جزئی کلمات فارسی برای "vegetative" و "scanning" این عبارت ظاهر شد.

🔹 مشکل زمانی جدی‌تر شد که مدل‌های هوش مصنوعی مانند GPT-3 و دیگر مدل‌ها به این اشتباه «آشنا» شدن و در تحلیل‌های بعدی، این عبارت رو به طور اشتباهی در پیش‌بینی‌های خود وارد کردن. این نشون می‌ده که این اشتباه می‌تونه به صورت دائمی در پایگاه‌های داده AI جا خوش کنه.

🔺 در نهایت، این مسئله مطرح می‌کنه که چطوری اشتباهات به سرعت در سیستم‌های علمی گسترش می‌یابن و به چالش‌هایی در فرآیندهای بررسی علمی و تحقیقاتی دامن می‌زنن. برای رفع این اشتباهات، شفافیت بیشتر در داده‌های آموزشی و نظارت دقیق‌تر بر تحقیقات ضروری‌ست.

🔖 لینک این مقاله:
🔗 A weird phrase is plaguing scientific papers

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 همایش نوروساینس | همگرایی علوم اعصاب و هوش مصنوعی

🚨 زمان مطالعه: ۱۵ ثانیه

🔗 #معرفی
🔗 #ارائه

🔺 ۳ اردیبهشت، همایشی در زمینه‌ی Neuroscience در دانشگاه علوم‌پزشکی اصفهان توسط مرکز تحصصی هوش مصنوعی آیتک و با همکاری انجمن علوم اعصاب دانشگاه علوم‌پزشکی برگزار خواهد شد.

🔹 در پایان همایش، به شرکت‌کنندگان، certificate حضور در این برنامه اهدا می‌گردد.

🔖 لینک پست اصلی همایش:
🔗 https://news.1rj.ru/str/aitechinstitute/154

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 استفاده از LLMها در ریسرچ

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

🔺 مدل‌های بزرگ زبانی (LLMها) مثل ChatGPT دارن کم‌کم ریسرچ رو متحول می‌کنن و تاثیرشون رو زیاد می‌تونیم ببینیم. این مدل‌ها هم کار رو راحت‌تر کردن، هم یک سری چالش جدید پیش آوردن. مطالعات جدید نشون می‌دن که این تغییرات چقدر جدی هستن.

🔹 تاثیر آماری
در 17.5% از مقاله‌های CS و موضوعات اطرافش و 16.9% از peer reviewها، ردپای این LLMها هست. مخصوصاً از وقتی ChatGPT اومده، یک سری کلمات خاص بیشتر استفاده شدن.
در ژورنال‌های رشته‌های دیگه مثل ریاضی، استفاده از AI حدود 6.3% بوده.

🔹 این LLMها کجاها به کار میان؟
پیش‌نویس اولیه رو ساده‌تر می‌کنن و به ریسرچرها کمک می‌کنن متن‌های واضح‌تری آماده کنن.
متن رو برای کسایی که زبان انگلیسی، زبان اصلی‌شون نیست، واضح‌تر می‌کنند تا حرف‌شون راحت‌تر منتقل بشه.

🔹 چالش‌ها و خطرات
شفافیت (transparency): خیلی از ژورنال‌ها هنوز سیاست مشخصی برای AI ندارن، واسه همین بعضی وقت‌ها استفاده از AI به درستی گزارش نمی‌شه.
تکیه کردن بیش از حد به AI ممکنه سخت‌گیری peer review رو کاهش بده و عمق مشارکت انسانی رو تو جایی که لازمه، نداشته باشه.

🔺 با این تغییرات، مهمه که یک تعادل خوب بین استفاده از LLMها و مسئولیت انسانی باشه. اگه از این ابزارها درست استفاده بشه، می‌تونن حسابی به پیشرفت ریسرچ‌ها کمک کنن.

🔽 لینک بلاگ:
🔗 How Much Research Is Being Written by Large Language Models?

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 مقالات review با همدیگه چه فرقی دارن؟

🚨 زمان ویدیو: ۴ دقیقه

🔗 #آموزش
🔗 #پزشکی

🔺 اخیرا سوال کرده بودین که تفاوت انواع مختلف مقالات ریویو چی هست.

به طور کلی ما انواع بسیار مختلف مقالات ریویو رو داریم که می‌تونین تفاوت‌شون رو در قالب جدول این پست ببینین. با این حال سه نوع از مقالات ریویو هستن که حتما بیشتر از بقیه دیدین‌شون و کاربردی‌تر هستن و ویدئو زیر هم توضیحات مختصر و مفیدی درباره همین سه نوع مقاله ارائه می‌ده:

۱. سیستماتیک ریویو (Systematic)
۲. نریتیو ریویو (Narrative)
۳. اسکوپینگ ریویو (Scoping)

🔽 لینک ویدیو:
🔗 https://youtu.be/rEHI5AW9FpQ?si=nYqykzt4VbEf4gTi

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

مقایسه انواع مختلف مقالات review

🔗 #آموزش
🔗 #پزشکی

🔺 در ادامه‌ی ویدیوی پست قبل درباره‌ی مقالات review، در عکس این پست، مشخصات مختلف مقالات ریویو و مثالی از اون‌ها رو می‌تونید مشاهده کنید.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

🔻 چرا جایزه‌های نوبل اخیرا بیشتر به دانشمندان کامپیوتر می‌رسه؟

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مهندسی

🔺 امسال در نوبل، دیگه مرزهای بین علوم کامپیوتر، فیزیک و شیمی مثل قبل واضح نیستن. این جوایز برای جفری هینتون، جان هاپفیلد و سازندگان آلفافولد (دمیس حسابیس و جان جامپر) فقط یه جشن برای هوش مصنوعی نیست، بلکه این جایزه‌ها دارن یک چیزی بهمون می‌گن؛ این که چرا هوش مصنوعی داره اساس علم رو عوض می‌کنه!

🔹 نوبل فیزیک: وقتی شبکه‌های عصبی با فیزیک ماده چگال گره می‌خورن
هینتون و هاپفیلد با کارشون نشون دادن که فیزیک فقط در مورد ذرات و نیروها نیست؛ بلکه شامل چیزهای انتزاعی مثل تشخیص الگو هم می‌شه. شبکه‌های حافظه انجمنی هاپفیلد، که از فیزیک ماده چگال الهام گرفتن، می‌تونن الگوهای پیچیده رو ذخیره و یادآوری کنن. این یعنی ایده‌های پایه فیزیک می‌تونن تو شبکه‌های عصبی استفاده بشن. از طرف دیگه، مفهوم بک‌پراپگیشن هینتون، که قبلاً خیلی انتزاعی به نظر می‌رسید، الان پایه یادگیری ماشین شده. این تغییر نشون می‌ده که هوش مصنوعی فقط یک ابزار نیست؛ بلکه یک راه برای درک اینه که مغز چطوری اطلاعات رو پردازش می‌کنه.

🔹 نوبل شیمی: هوش مصنوعی و دقت در پیش‌بینی ساختارهای مولکولی
سازندگان آلفافولد فقط از هوش مصنوعی تو شیمی استفاده نکردن؛ اون‌ها یک مشکل قدیمی رو حل کردن که ده‌ها سال بیوشیمی‌دان‌ها رو گیج کرده بود. آلفافولد با پیش‌بینی دقیق پیچ‌وخم‌های پروتئین‌ها، مفهوم شیمی تو برخورد با مسائل پیچیده و چندبعدی رو تغییر داده. این ابزار می‌تونه ساختارهای پروتئینی رو به‌طور دقیق محاسبه کنه، و همین یعنی کشف داروهای جدید و حتی زیست‌شناسی مصنوعی سرعت بیشتری می‌گیره.

🔺 چرا اخیرا پژوهش‌های بین‌رشته‌ای بیشتر جایزه می‌برند؟
این جوایز نوبل نشون می‌دن که شبکه‌های عصبی می‌تونن اصول فیزیکی رو به شکل‌های جدید و خلاقانه به کار بگیرن و از چیزهایی مثل ترمودینامیک، مکانیک آماری و زیست‌شناسی الهام بگیرن. این موفقیت‌ها یه یادآوریه که عمیق‌ترین پیشرفت‌ها تو همین مرزهای گنگ بین رشته‌ها اتفاق می‌افتن، جایی که علم‌های مختلف برای حل مسائل نشدنی کنار هم میان.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

📕 یافتن بهترین ترکیب دارویی برای درمان سرطان پانکراس

🚨 زمان ویدیو: ۲ دقیقه

🔗 #مقاله
🔗 #پزشکی
🔗 #هوش‌مصنوعی

🔺 در این مقاله سال ۲۰۲۵، محقق‌ها از هوش مصنوعی و یادگیری ماشین برای پیدا کردن ترکیب‌های دارویی هم‌افزایی که می‌تونن درمان سرطان پانکراس رو مؤثرتر کنن، استفاده کردند. سرطان پانکراس یکی از خطرناک‌ترین سرطان‌ها و مقاوم به درمان‌های معمولی هست، بنابراین شناسایی داروهایی که بتونن همدیگه رو تقویت کنن، خیلی مهمه.

🔺 برای این کار، داده‌هایی که از آزمایش ۴۹۶ ترکیب دارویی روی سلول‌های سرطانی پانکراس به‌دست اومده بود (که به‌طور خاص از خط سلولی PANC-1 گرفته شده، یک مدل آزمایشگاهی از سرطان پانکراس انسان) استفاده کردند. این داده‌ها وارد مدل‌های یادگیری ماشین شدن تا بتونن پیش‌بینی کنن کدوم ترکیب‌ها مؤثرتر هستن.

🔺 سه گروه تحقیقاتی از رویکردهای مختلف استفاده کردند؛ نتیجه این شد که هر گروه ترکیب‌های مختلفی رو پیشنهاد داد. جالب این‌که فقط دو ترکیب از ۹۰ ترکیب پیشنهادی توسط سه گروه، با هم مشترک بود. از بین ۸۸ ترکیب که در مرحله بعدی تست زیستی قرار گرفتند، ۵۳ تا (حدود ۶۰٪) اثر هم‌افزایی داشتند و جواب دادند.

🔹 در نهایت مدل GCN (Graph convolutional networks) از همه بهتر عمل کرد و حدود ۸۳٪ ترکیب‌های موفق رو شناسایی کرد، در حالی که مدل Random Forest دقت و موفقیت کمتری در پیش‌بینی ترکیب‌های هم‌افزا داشت.

🔹 این تحقیق نشون می‌ده که هوش مصنوعی می‌تونه کمک کنه تا ترکیب‌های دارویی هم‌افزا، سریع‌تر و دقیق‌تر پیدا بشن، به‌خصوص در درمان بیماری‌هایی مثل سرطان پانکراس که درمان‌های موجود خیلی مؤثری ندارند.

🔖 لینک DOI مقاله:
🔗 https://doi.org/10.1038/s41467-025-56818-6

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

🔻 ۵ دلیل که چرا پژوهش می‌تواند مسیر درستی برای شما باشد.

⌛ زمان مطالعه: دو دقیقه

🔹 #پژوهش

🔺 چند وقتی‌ست این چالش مطرح شده که چرا افراد به جای رفتن به سمت صنعت و کار و درآمدزایی ساده‌تر و حتی بیشتر، باید به سمت دنیای پژوهش، ریسرچ و مقالاتی بیایند که لزوما در زندگی روزمره‌ی افراد نیز تغییر ایجاد نمی‌کنند. در این پست راجع به این موضوع بیشتر صحبت می‌کنیم و ۵ تا از دلایل اصلی این‌که پژوهش می‌تونه مسیر درستی برای آینده‌ی شما باشه رو مطرح می‌کنیم.

🔹 یک حرفه پژوهشی ذهن شما را گسترش می‌دهد
جامعه پژوهشی به طور طبیعی تعاملی است و با ملاقات و ارتباط با سایر پژوهشگران، می‌تونید درک بهتری از مزایای کلی پژوهش به دست بیارید. انجام پژوهش نه تنها دیدگاه شما را گسترش می‌ده، بلکه دانش محتوایی شما رو هم افزایش می‌ده. شما با مشکلات و فرضیه‌هایی مواجه می‌شید که شما را به چالش می‌کشن تا فرضیات خود رو زیر سوال ببرید و نتایج جدیدی تولید کنید. در واقع ذهن شما دیدگاه بازتری نسبت به مسائل خواهد داشت پس از تجربه‌ی کنجکاوی دنیای ریسرچ و مهارت‌های کار تیمی.

🔹 یک حرفه پژوهشی چالش‌برانگیز است
دستیابی به پیشرفت‌های اخیر پژوهشی ایرلند نشان‌دهنده درخشش پژوهشگران و پیچیدگی علوم طبیعی و انسانی است که اسرار خود رو به راحتی فاش نمی‌کنن. برای تبدیل شدن به یک پژوهشگر خوب، نیاز به توجه دقیق به جزئیات، مهارت‌های حل مسئله پیچیده، ابتکار و پافشاری برای اعتبارسنجی کار خود دارین.


🔹 یک حرفه پژوهشی می‌تواند تفاوت ایجاد کند
نتایج پژوهش شما می‌تواند در بسیاری از زمینه‌های جامعه تاثیرگذار باشد، از پرداختن به مسائل اجتماعی، فرهنگی و بهداشتی تا پیشرفت‌های علمی و تکنولوژیکی که می‌تونن در سطح بین‌المللی مفید باشن تا پرداختن به مسائل انسانی که می‌تونن برنامه‌ی روزمره‌ی افراد رو بهبود بدن.

🔹 یک حرفه پژوهشی می‌تواند سرگرم‌کننده باشد
کار سخت است و استانداردها دقیق هستن، اما اکثر پژوهشگران موافقن که کارشون پاداش‌دهنده‌ست و از کاری که انجام می‌دن لذت می‌برن. پژوهش به شما امکان می‌ده ایده‌های جدید رو امتحان کنین، با فناوری‌های پیشرفته کار کنین، با افراد جالبی ملاقات کنین و در بحث‌های جذاب شرکت کنین.

🔹 یک حرفه پژوهشی متنوع است
شامل علوم طبیعی و زندگی، مهندسی، و همچنین زمینه‌هایی مانند هنرها، علوم انسانی و علوم اجتماعی است. پژوهش می‌تونه از تحلیل‌های آماری تا تحقیقات جمعیتی مثل تأثیر فناوری بر شمول اجتماعی یا استثناها رو در بر بگیره. همچنین ممکنه شامل تحلیل‌های دقیق از اهمیت فلسفی یا تاریخی باشه. پروژه‌های پژوهشی دیگر ممکنه بررسی کنن که چگونه زبان و ارتباطات، توسعه یافته و بر زندگی ما تاثیر می‌گذارن. مشترک بین تمام زمینه‌ها، شخصیت میان‌رشته‌ای پروژه‌های پژوهشی‌ست که همکاری‌های بین رشته‌ای رو تقویت می‌کنه. توانایی گفتن اینکه شما یک پژوهشگر هستید به خودی خود پاداش‌دهنده است، به‌ویژه اگر کار مناسبی انجام دهید تا اون گفته‌ی شما رو تایید کنه.

⭐ منبع:
🔗 https://gradireland.com/careers-advice/postgraduate-study/5-reasons-why-research-could-be-right-you

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

📕 ابزار Zotero

🚨 زمان مطالعه: ۴۵ ثانیه

🔗 #معرفی

🔺 ابزار zotero، یک ابزار قدرتمند و open-source برای مدیریت رفرنس‌هاس که مخصوصاً برای ساده‌تر کردن فرآیند research طراحی شده هست. این ابزار به دانشگاهی‌ها و ریسرچرها کمک می‌کنه تا منابع‌شون رو به راحتی جمع‌آوری، سازمان‌دهی، استناد و به اشتراک بذارن.

🔺 برخلاف ابزارهای پایه‌ای مدیریت citation، ابزار Zotero امکانات پیشرفته‌ای داره که دقیقاً نیازهای workflowهای کاری ریسرچ امروزی رو برآورده می‌کنه.

با زوترو می‌تونید:
🔹 جمع‌آوری خودکار رفرنس: رفرنس‌ها رو از پایگاه‌های داده و وب‌سایت‌های مختلف جمع‌آوری کنین.
🔹 سازمان‌دهی: از tagها، collectionها و جستجوهای ذخیره‌شده برای مرتب کردن دقیق کتابخانه‌تون استفاده کنین.
🔹 کتابخونه‌های مشترک: کتابخانه‌ها رو با همکاران‌تون به اشتراک بذارین و به‌صورت همزمان روش کار کنین.
🔹 مدیریت PDF‌ها: PDFها رو مستقیم تو Zotero حاشیه‌نویسی، هایلات و مرتب کنین.

🔺 در پست‌های بعدی، خیلی جزئی‌تر درباره‌ی هر کدوم از این قابلیت‌ها صحبت می‌کنیم.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

📕 نحوه‌ی استفاده از قابلیت‌های ابزار Zotero

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #معرفی

🔺 جمع‌آوری خودکار رفرنس:
افزونه‌های مرورگر زوترو (برای کروم، فایرفاکس و سافاری موجوده) به شما اجازه می‌دن تا اطلاعات citation رو از هر صفحه وبی با یک کلیک جمع‌آوری کنید. چه در حال خوندن مجلات علمی، کاتالوگ‌های کتابخانه‌ای یا حتی سایت‌های خبری باشید، زوترو متادیتا رو شناسایی کرده و مستقیماً به کتابخانه‌تون اضافه می‌کنه، که دیگه نیاز نیست دستی منابع رو وارد کنید.

🔺 سازمان‌دهی:
زوترو فراتر از پوشه‌های ساده، یه سیستم tagging خوب و collectionهای بهینه داره. با tagها می‌تونید منابع رو بر اساس موضوعات، متدولوژی‌ها یا هر معیار دیگه‌ای که دوست دارید دسته‌بندی کنید. جستجوهای ذخیره‌شده مثل مجموعه‌های هوشمندی عمل می‌کنن که با اضافه شدن منابع جدید مطابق با معیارهاتون، به‌طور خودکار به‌روزرسانی می‌شن و کتابخانه‌تون همیشه مرتب می‌مونه بدون اینکه هر بار نیاز باشه دستی تنظیم کنید.

🔺 کتابخونه‌های مشترک:
زوترو امکان همکاری از طریق کتابخونه‌های گروهی رو فراهم کرده. می‌تونید گروه‌های خصوصی یا عمومی بسازید و همکارهاتون رو دعوت کنید تا منابع مشترک رو مدیریت و به‌اشتراک بذارن. این ویژگی مخصوصاً برای پروژه‌های تیمی خیلی کاربرد داره و مطمئن می‌شه که همه اعضا به یک مجموعه یکپارچه و به‌روز از منابع دسترسی دارن.

🔺 مدیریت پیشرفته PDF‌ها:
مدیریت PDFها با زوترو خیلی ساده شده. PDF reader داخلیش به شما اجازه می‌ده تا داکیومنت رو مستقیم تو برنامه حاشیه‌نویسی کنید. می‌تونید بخش‌های مهم رو هایلایت کنید، یادداشت بذارید و نشانه‌گذاری‌های لازم رو اضافه کنید و این تغییرات روی همه دستگاه‌هاتون همگام‌سازی می‌شه. علاوه بر این، زوترو می‌تونه متادیتا رو به‌صورت خودکار از PDFها استخراج کنه، که مطمئن می‌شید کتابخانه‌تون کامل و مرتب باقی می‌مونه.

🔹 در نهایت، زوترو فقط یه مدیر رفرنس و منابع ابتدایی نیست؛ درواقع یه ابزار ریسرچی فوق‌العاده‌ست که هر مرحله از workflow ریسرچ‌تون رو بهبود می‌بخشه. قابلیتش توی خودکارسازی کارهای خسته‌کننده، همراه با امکانات قدرتمند سازمان‌دهی و همکاری، زوترو رو به یک ابزار ضروری تبدیل کرده برای ریسرچرهایی که می‌خوان پروداکتیویتی‌شون رو زیاد کنن و داکیومنتیشن دقیقی نگه دارن.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

📕 تو و ریسرچت: درس‌هایی از Richard Hamming

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔺 در یک لکچر خیلی معروف به اسم You and Your Research، ریچارد همینگ درباره این صحبت می‌کنه که چی باعث می‌شه بعضی از آدم‌های توی علم، واقعاً تاثیر بذارن، در حالی که خیلیای دیگه یک عمر کار می‌کنن و آب از آب تکون نمی‌خوره. اینم چندتا از اون نکته‌های مهمیه که گفته:

🔹 برو دنبال مسائل مهم
همینگ دیده بود که خیلی از محقق‌ها سرشون گرم حل کردن مسئله‌هایی‌ست که خودشونم می‌دونن چیز خاصی از توش درنمیاد. تاکیدش این بود که باید با چشم باز بگردی دنبال مسئله‌هایی که واقعاً ارزش وقت گذاشتن دارن و یک راه منطقی هم برای رفتن سراغ‌شون هست.

🔹 دگم نباش و در رو نبند
درسته که وقتی درِ اتاقت باز باشه، ممکنه حواست پرت شه، ولی همینگ می‌گفت کسایی که در رو باز می‌ذارن، معمولاً بیشتر درگیر بحث‌های اتفاقی و ایده‌های خفن می‌شن. خلاصه اینکه یک جوری سعی کن درِ ذهنت باز باشه واسه همکاری و ایده‌های نو.

🔹 بلد باش حرفتو بزنی
ایدهٔ خفن داشتن یک چیزه، رسوندنش یک چیز دیگه‌ست. همینگ تاکید می‌کرد که اگه نتونی کارت رو خوب ارائه بدی—چه با نوشتن مقاله، چه با ارائه، یا حتی توی گپ‌های دوستانه—ممکنه کارت اصلاً دیده نشه. باید بتونی به بقیه حالی کنی که چی کشف کردی.

🔹 بلند پرواز باش
اگه بخوای کار معمولی بکنی، خب معمولی می‌مونی. ولی اگه دنبال هدفای بزرگ بری، حتی اگه همیشه بهشون نرسی، تبدیل می‌شی به یک آدم قوی‌تر. همینگ می‌گفت هدف‌دار بودن و پافشاری، خودش یه جور رشد شخصیه.

حرفای همینگ هنوزم برای هر کسی که می‌خواد توی زمینهٔ خودش تأثیر بذاره، کلی نکته داره.

✅ اگه خواستی کل متن اصلی رو بخونی، اینم لینکش:
🔗 https://www.cs.utexas.edu/~dahlin/bookshelf/hamming.html

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

📕 فرصت‌های تحصیلی هوش مصنوعی در پزشکی

🚨 زمان مطالعه: ۳۰ ثانیه

🔗 #هوش‌مصنوعی

🔺 «هوش مصنوعی در پزشکی» یکی از حوزه‌های جدید و مهم این روزهاست که در سطح بین‌المللی توجه‌های زیادی رو به خودش جلب کرده و افراد زیادی علاقه‌مند این زمینه شده‌اند.

🔹 در بین این افراد اما کمتر کسانی هستند که در جریان تازه‌ترین و مهم‌ترین فرصت‌ها و موقعیت‌های مرتبط باشند و یکی از کانال‌هایی که می‌تونه در این زمینه به شما کمک کنه، MedAI Opportunities هست که توسط پژوهشگران و فعالین این حوزه راه افتاده و تازه‌ترین فرصت‌ها مثل کنفرانس‌ها، اینترنشیپ‌ها، مدارس تابستانه و ... رو به علاقه‌مندان معرفی می‌کنند.

🔗 https://news.1rj.ru/str/MedAI_Opportunities

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

📕 خرید خانه در کلگری و رفت‌وآمد هفتگی به ونکوور | صرفه‌جویی در هزینه‌های زندگی دانشجویی

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #اپلای

🔺 یکی از دغدغه‌های زندگی دانشجویی در کشورهای آمریکا و کانادا، هزینه‌های سرسام‌آور ایالت‌های گرون‌قیمت و فاندهای نه‌چندان زیاد دانشگاه‌ها هست. در این متن، درباره‌ی تجربه‌ی یک دانشجوی چینی از صرفه‌جویی در هزینه‌ها با یک راهکار جالب صحبت می‌کنیم.

🔹 «تیم چن»، دانشجوی ۲۱ ساله اهل چین، از قیمت سرسام‌آور اجاره‌ی مسکن در ونکوور خسته شده بود. او متوجه شد که میانگین قیمت اجاره‌ی آپارتمان تک‌خوابه در ونکوور بیش از ۱,۷۰۰ دلار کانادا در ماه است، در حالی که هزینه اجاره‌ی یک خانه متوسط در کلگری کمتر از ۷۰۰ دلار است. تیم یک واحد مسکونی در محله‌ای آرام و خوش‌قیمت در کلگری اجاره کرد؛ قسط ماهیانه او در نهایت معادل کمتر از نصف هزینه اجاره یک آپارتمان معمولی در ونکوور شد.

✅ او دو روز در هفته در کلاس‌های دانشگاه حضور دارد. به همین خاطر، هر صبح با پروازهای ارزان‌قیمت «WestJet» یا «Air Canada» از فرودگاه کلگری راهی ونکوور می‌شود و بعد از اتمام کلاس‌هایش، همان روز عصر بازمی‌گردد. مجموع هزینه هفتگی بلیط‌های رفت‌وبرگشت تیم چن حدود ۱۰۰ تا ۱۵۰ دلار کانادا است؛ رقمی که در مقایسه با اجاره ماهانه ونکوور، صرفه‌جویی قابل‌توجهی را برای او به همراه داشت.

🗯 با این روش، تیم نه تنها از فشار هزینه‌های سنگین مسکن در بریتیش کلمبیا رهایی یافت، بلکه زندگی در شهری با کیفیت زندگی بالا و دسترسی به طبیعت آلبرتا را تجربه می‌کند.

🔗 منبع:
🔗 https://www.youtube.com/watch?v=s2aIQeIt65E

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

⚡️ Once you find out what’s coming, you’ll say just one thing: Wait… this is real?!

👐 🔤🔤🔤🔤🔤🔤🔤

✈️ @MedAISummit
🌐 LinkedIn | 🔗 Twitter

📕 تاثیر یوگا بر کنترل التهاب

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #پزشکی
🔗 #مقاله

🔺 مقاله سیستماتیکی که براتون آوردیم، روی تاثیرات یوگا بر بیان ژن صحبت می‌کنه و در سال ۲۰۲۵ منتشر شده. هدف این مطالعه تحلیل تأثیرات یوگا بر تغییرات مولکولی مرتبط با التهاب، استرس و پیری هست.

🔹 مطالعه، ۱۱ کارآزمایی تصادفی کنترل‌شده (RCT) بین سال‌های ۲۰۱۵ تا ۲۰۲۴ رو بررسی کرده که در مجموع بیش از ۷۰۰ بزرگسال در اون‌ها شرکت داشتن. نتایج نشون داد که یوگا بیان ژن‌های مرتبط با التهاب مثل IL-6، TNF-a و NF-KB رو کاهش داده و بیان ژن‌های تنظیم‌کننده سیستم ایمنی مانند TGF-ß، FoxP3، sHLA-G و IL-10 رو افزایش داده. علاوه بر این، یوگا باعث بهبود مکانیسم‌های ترمیم DNA (مثل OGG1)، عملکرد میتوکندری (AMPK و SIRT-1)، و تنظیم اپی‌ژنتیک (کاهش متیلاسیون TNF و افزایش miR-133B) شده.

🔺 این تغییرات مولکولی مزایای بالینی هم داشتن، از جمله کاهش شدت بیماری در بیماران مبتلا به آرتریت روماتوئید (RA)، بهبود کنترل قند خون در مبتلایان به دیابت نوع ۲ (T2D) و افزایش کیفیت زندگی بازماندگان سرطان پستان.

✅ این نتایج نشون می‌ده که یوگا پتانسیل بالایی به عنوان یک روش درمانی مکمل برای مدیریت التهاب و بیماری‌های مرتبط با پیری داره، اما پژوهش‌های گسترده‌تر و بلندمدت با استانداردسازی بهتر پروتکل‌ها ضروریه تا مزایای اون به‌طور علمی اثبات شه و مکانیسم‌های دقیقش مشخص بشن. این مقاله نشان می‌ده که یوگا نه تنها بر سلامت جسمی تأثیرگذاره، بلکه در سطح مولکولی نیز تغییرات قابل توجهی ایجاد می‌کنه.

🔗 لینک مقاله:
🔗 https://www.cureus.com/articles/356812-effects-of-yoga-on-gene-expression-a-systematic-review-of-randomised-controlled-trials#!/metrics

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم 💎 @Pyramid_Research»

📕 گوگل اسکالر قابل دستکاری‌ست؟

🚨 زمان مطالعه: ۲ دقیقه

🔗 #مقاله

🔺 اخیرا مقاله‌ای درباره‌ی دست‌کاری گوگل اسکالر منتشر شده که به بررسی آسیب‌پذیری این پلتفرم در برابر دستکاری تعداد ارجاعات می‌پردازه. این تحقیق با توجه به اهمیت روزافزون تعداد ارجاعات به عنوان شاخصی برای ارزیابی پژوهشگران و فعالیت‌های علمی آن‌ها انجام شده.

🔺 محققان در این پژوهش، مجموعه داده‌ای شامل تقریباً ۱.۶ میلیون پروفایل در گوگل اسکالر رو گردآوری و تحلیل کردن تا موارد احتمالی تقلب در ارجاعات رو شناسایی کنند. علاوه بر این، نظرسنجی‌ای از اعضای هیئت علمی دانشگاه‌های برجسته نشون داده که گوگل اسکالر به طور گسترده‌ای در فرآیندهای ارزیابی علمی مورد استفاده قرار می‌گیره.

🔺 نکته‌ی قابل توجه در این تحقیق، شناسایی یک سرویس فعال در زمینه‌ی افزایش ساختگی تعداد ارجاعات هست. پژوهشگران با معرفی خود به عنوان یک نویسنده‌ی فرضی، با این سرویس ارتباط برقرار کرده و موفق به خرید ۵۰ ارجاع برای آثار خود شدن.

🔹 یافته‌های این مطالعه شواهد قطعی ارائه می‌دهد که امکان خرید ارجاعات به صورت انبوه وجود داره. این امر لزوم بازنگری در اتکای صرف به تعداد ارجاعات به عنوان یک معیار سنجش علمی رو برجسته می‌کنه و به اهمیت توجه به جوانب کیفی و باقی شاخص‌های ارزیابی تاکید می‌ورزه.

🔺 در نهایت، شاید در دنیایی که در اون در حال زندگی هستیم، بزودی دیگه هیچ آماری هم اعتبار نداشته باشه و برای هر کدوم از اون‌ها، یک process جهت verify کردن‌شون نیاز باشه.

🔖 لینک این مقاله:
🔗 https://arxiv.org/abs/2402.04607

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 سوگیری‌های شناختی در مدل‌های زبان بزرگ!

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #هوش‌مصنوعی
🔗 #مقاله

🔺 مدل‌های زبان بزرگ (LLMs) مانند GPT-4 به‌طور گسترده‌ای در پردازش زبان طبیعی استفاده می‌شن، اما ممکنه که دچار سوگیری‌های شناختی بشن. این مطالعه به بررسی سوگیری‌های اعتماد به نفس در مدل‌های زبانی بزرگ و مقایسه اون‌ها با انسان‌ها می‌پردازه.

🔹 در این مقاله، محققان، مسائل منطقی طراحی کردن و از مدل‌ها خواستن تا سطح اطمینان خودشون رو درباره پاسخ‌ها اعلام کنن.

✅ نتیجه چی بود؟

1. سوگیری بیش از حد:
   • مدل‌ها تمایل داشتند به پاسخ‌های نادرست اعتماد زیادی داشته باشن.

2. عدم توانایی در شناسایی عدم قطعیت:
   • مدل‌ها به ندرت عدم قطعیت پاسخ‌ها رو بیان می‌کردن.

3. سوگیری تأیید:
   • مدل‌ها اطلاعات هم‌خوان با پاسخ‌های قبلی رو بیشتر قبول می‌کردن و اطلاعات متضاد رو نادیده می‌گرفتن.

4. عدم تطابق اعتماد و دقت:
   • میزان اطمینان مدل‌ها با دقت واقعی پاسخ‌ها هم‌خوانی نداشت.

🔖 نتیجه‌گیری:
مدل‌های زبانی بزرگ مثل GPT-4 دچار سوگیری‌های شناختی مشابه انسان‌ها هستن که می‌تونه منجر به تصمیم‌گیری‌های نادرست بشه، و خب در نتیجه، نیاز به توسعه روش‌های جدید برای آموزش و ارزیابی این مدل‌ها احساس می‌شه!

🔖 لینک این مقاله:
🔗 https://arxiv.org/abs/2505.02151

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»