«قانون پیشگیری و مقابله با تقلب در تهیه آثار علمی» برای مقابله با تقلب در تهیه آثار علمی دانشگاهی مانند پیشنهاد ه ها، مقاله ها، پایان نامه ها و رساله های دانشجویی در تاریخ1396/06/14 به تصویب مجلس شورای اسلامی رسید. در این قانون برای تخلف و تقلب در تهیه آثار مذکور توسط اشخاص حقیقی و حقوقی جرم انگاری شده و وظایفی برای متولیان اصلی آموزش عالی کشور یعنی وزارتخانه های علوم، تحقیقات و فناوری و بهداشت، درمان و آموزش پزشکی با هدف پیشگیری و مقابله با تخلف و تقلب در تهیه آثار علمی تعیین شده است. در این گزارش عملکرد این دستگاه ها و مؤسسات وابسته به آنها در اجرای این قانون از سال 1396 تا 1400 بررسی شده است. نتایج گزارش نشان می دهد وزارت علوم و دانشگاه ها و مؤسسات آموزش عالی وابسته به آن عملکرد بهتری نسبت به وزارت بهداشت و دانشگاه ها و مؤسسات آموزش عالی وابسته به آن، در اجرای قانون، هم در بخش پیشگیری و هم در بخش مقابله با تقلب بوده اند. همچنین، بیش از 90 درصد آثار علمی متقلبانه کشف شده مربوط به دانشگاه ها و مؤسسات آموزش عالی و پژوهشی غیر دولتی بوده است. علاوه بر این، نتایج نشان می دهد سهم پارساهای (پایان نامه ها و رساله ها) غیرقابل پذیرش (بیش از 30 درصد مشابهت) از سال 1398 تا 1401 بیش از 40 درصد بوده است که وضعیت نامطلوبی به لحاظ توجه به اخلاق علمی است که این وضعیت در دانشگاه های غیردولتی بدتر است. همچنین، سهم اعضای هیئت علمی در پرونده های دانشگاهی مرتبط با تخلف علمی هم در دانشگاه های علوم پزشکی و هم در دانشگاه های وابسته به وزارت علوم بیش از دانشجویان بوده است. به طور کلی سهم پارساهای غیرقابل پذیرش در هر دو مقطع کارشناسی ارشد و دکتری از حدود 47/53درصد در سال 1399 به 41/17 در سال 1401 کاهش پیدا کرده است.

در دهه اخیر مشکلات اقتصادی در زمینه سرمایه گذاری در صنعت نیروگاهی موجب عدم تناسب میان رشد تولید برق نسبت به افزایش فزاینده مصرف آن و ایجاد چالش های فراوان برای صنعت برق شده است. صنعت برق در تأمین منابع مالی برای خروج از این چالش ها با مشکلات گسترده ای از قبیل عدم سرمایه گذاری بخش خصوصی به دلیل نظام ناکارآمد قیمت گذاری برق مواجه است. بورس انرژی در کشف قیمت برق براساس رقابت و برپایه عرضه و تقاضا در ایجاد یک بازار رقابتی که منجر به ایجاد جذابیت برای بخش خصوصی خواهد شد، نقش مؤثری دارد. برنامه ریزی برای راه اندازی بخش برق بورس انرژی ایران از سال 1388 شروع و معاملات در این بخش از اسفندماه سال1391 آغاز شد. در جزء «2» بند «ب» ماده (44) قانون برنامه پنج ساله ششم توسعه نیز وزارت نیرو مکلف به تعیین قیمت خرید برق با توجه به سازوکار بازار در بورس شده است، اما با گذشت بیش از یک دهه از راه اندازی آن، تنها بخش بسیار کمی (در حدود سه درصد) از معاملات برق در این بازار انجام می شود. از مهم ترین چالش هایی که منجر به کم رونق شدن معاملات برق در بورس انرژی در مقایسه با سایر بازارها شده، می توان به عدم جامعیت و یکپارچگی قوانین، عدم اجرای کامل قوانین و مقررات مرتبط با تجارت برق، توقف روند تأمین اعتبار شرکت های توزیع، برخی سازوکارهای قیمت گذاری دستوری و ساختار دولتی و بعضاً انحصاری حاکم بر نهادهای فعال نام برد. اگرچه در بند «ب» ماده (43) لایحه برنامه هفتم توسعه نیز افزایش سهم معاملات برق در بورس انرژی مورد تأکید قرار گرفته است، اما با توجه به چالش های اساسی پیش روی صنعت برق، توسعه تجارت برق نیازمند یک برنامه ریزی آینده نگرانه با رویکردی جامع و به هم پیوسته متناسب با اقتضائات کشور است که در گزارش حاضر با بررسی چالش ها، پیشنهادهایی برای توسعه معاملات برق در بورس انرژی طی سال های اجرای قانون برنامه هفتم توسعه ارائه شده است.

فرایند کشف و تشخیص اشیای پنهان از طریق دستگاه های تصویربرداری موج میلی متری در فرودگاه ها و مراکز حساس امنیتی که توسط اپراتور انسانی بررسی می شوند، از چالش برانگیزترین مسائل امنیتی به شمار می روند. دستگاه بادی اسکنر موج میلی متری با استفاده از نوع خاصی از امواج الکترومغناطیسی، تصویر حالت فردی که در باکس بازرسی قرار دارد را از جلو و پشت به کمک امواج از طریق دو فرستنده چرخشی تولید و به اپراتور ارسال می کند. استفاده از هوش مصنوعی و پردازش تصویر شخصی سازی شده مربوط به این تصاویر از بدیع ترین راهکارهای فناورانه برای رفع این چالش امنیتی است. برای ساخت دیتاست های تخصصی تر، یکی از چالش های مهم استفاده از خبرگان امر امنیت که تجربه زیادی در شیوه های پنهان سازی دارند، می باشد. این افراد می توانند جزئیات پنهان سازی و استفاده از مواد مختلف جهت فریب دادن سیستم هوش مصنوعی را به داده های آموزش اضافه کنند. در این طرح، با کمک افراد دارای تجربه در امنیت فیزیکی فرودگاه ها دیتاستی شامل 3، 500 داده مجزا جمع آوری شد. سپس فرایند برچسب گذاری همه 3، 500 داده انجام شد. طراحی معماری شبکه های عصبی عمیق مبتنی بر ناحیه (segmented)، R-CNN سریع شده و Mask R-CNN به همراه کد آن ها که دقت بالای 90 درصد را نشان داد، تحویل داده شد. به علاوه، آموزش شبکه های عصبی، پیاده سازی روی GPU با قابلیت تشخیص خودکار، قابلیت ارتباط با FPGA و سخت افزار نیز صورت پذیرفت.

"برخی از بنیادی ترین مسائل در حوزه علوم اعصاب، کشف مکانیزم های مختلف یادگیری در مغز و همچنین بررسی روند تکامل مغز و بخش های مختلف آن است. درصورتیکه درک واضح و صحیحی از روند توسعه و تحول شبکه مغز و اتصالات میان اجزای آن وجود داشته باشد، می توان به پرسش های متنوعی پاسخ داد. به عنوان مثال درصورتی که مکانیزم یادگیری به صورت کامل مشخص شود، می توان با ارائه روش هایی غیرتهاجمی نظیر بازی های شناختی، اثرات یک بیماری را که ناشی از اختلال در ساختار مغز است، درمان کرد یا دست کم دامنه آن را محدود نمود. به بیان دیگر، درصورتی که مکانیزم های یادگیری و چگونگی تحول و پیشرفت مغز مشخص شود، امکان تغییر ساختار اتصالات به نحوی که اثر مورد نظر در بافت های هدف پدیدار گردد، فراهم می شود. در این پروژه، یک یا چند بافت مغزی در محیطی خارج از بدن جانور نگه داری شده و سپس با استفاده از روش Multi-electrode array، فعالیت الکتریکی بخش های مختلف بافت با دقت بسیار بالای زمانی و مکانی، ثبت گردید. سپس با تحلیل داده های ثبت شده در طول روزهای مختلف، تغییر و تحولات شبکه اتصالات و رفتار آن بافت در دوره مد نظر مورد بررسی قرار گرفت. در میان مطالعاتی که در حوزه بررسی رشد بافت های نورونی انجام شده است، پژوهش های کمی در حوزه ایجاد یادگیری در چنین بافت هایی منتشر شده است و خلأ بسیار بزرگی در ادبیات این حوزه احساس می شود. سیستمی که با استفاده از آن، بتوان در یک بافت نورونی، یادگیری را بصورت مصنوعی ایجاد کند از اصلی ترین اهداف این پروژه بود که با موفقیت به نتیجه رسید. به بیان دیگر، هدف آن بود که بافت نورونی به گونه ای رشد یابد که به ازای ورودی های معین، فعالیت مطلوب در آن بافت ایجاد شود که در این پروژه، روشی برای دستیابی به چنین بافتی ارائه شد. "

"در سال های ابتدایی پس از تولد و حتی پیش از آن، عوامل محیطی، تاثیر بسیاری در رشد فیزیکی، شناختی و عصبی افراد دارد. هدف از این طرح، مطالعه بر روی اختلالات و مشکلات در بین کودکان زیر 5 سال، با رویکرد استفاده از پرسشنامه سنین و مراحل در راستای شناسایی عوامل موثر، تشخیص اختلالات و مداخله زودهنگام بوده است. در این پروژه با بررسی چند هزار پرونده ی روانشناسی مربوط به مراجعین مرکزی درمانی در شهر تهران، مجموعه داده ای به حجم 1، 400 مورد، متشکل از پاسخ پرسشنامه سنین و مراحل، نتایج چک لیست رفتاری کودکان، اطلاعات جمعیت شناسی و برخی ویژگی های مربوط به تولد، تحول و پزشکی جمع آوری شد. سپس با استفاده از تحلیل ها و آزمون های آماری پارامتری و ناپارامتری به کشف روابط موجود بین این دادگان و نتایج حاصل از چک لیست رفتاری کودکان پرداخته شد. از جمله مهم ترین ویژگی های موثر کشف شده در بروز برخی از این اختلالات، می توان به شاغل بودن مادر، جنسیت، تحصیلات پدر و مادر و همچنین حیطه های پرسشنامه ی سنین و مراحل اشاره نمود. در ادامه این کار با استفاده از روش های یادگیری ماشین، به همراه استفاده از روش های کاهش بعد و انتخاب ویژگی ها، یادگیری مشخصات شناختی موجود، به تشخیص هر کدام از این اختلالات پرداخته شد. در نهایت به پیاده سازی نتایج این پژوهش به عنوان یک سیستم پیشنهاددهنده در اپلیکیشن مربوطه پرداخته شد. در این سیستم با گرفتن اطلاعات پروفایل شناختی کودکان و نتایج آزمون های روانشناسی ذکر شده، بر اساس مدل های مبتنی بر هوش مصنوعی و بر پایه ی دادگان جمع آوری شده تشخیص و پیش بینی 15 اختلال و یا مشکل روانشناسی میسر شد. "