XiaoMi-AI文件搜索系统
World File Search System依赖的
光遗传学刺激以形态依赖的方式招募皮质神经元
单光子光遗传刺激是神经科学中的关键工具，可以实现精确的、细胞类型特异性的神经回路调节。以完全可植入的宽场刺激器阵列的形式对这种技术进行小型化，可以在长期实验中询问皮质回路，并有望增强脑机接口以恢复感觉和运动功能。然而，对于基础科学和临床应用来说，这种技术必须达到在单列级别选择性激活感觉和运动表征所需的精度。然而，研究报告称，在受刺激的皮质区域内，神经元反应不同，有时甚至相互冲突。虽然循环网络机制会导致复杂的反应，但我们在这里证明，复杂性已经从神经元形态的层面开始。通过在第 2/3 层和第 5 层锥体神经元的详细模型中模拟光遗传反应，我们考虑了不同刺激强度下的真实生理动态，包括阈值、持续和去极化阻滞反应。我们的研究结果表明，皮质表面单个刺激器位置激活的神经元的空间分布可能不均匀，并且会随着刺激强度和神经元形态的变化而变化，这可能解释了早期实验中观察到的反应异质性。我们发现，由于神经元形态，激活会从光源横向扩散到几百微米。为了提高精度，我们探索了两种策略：优先在体细胞中表达通道视紫红质，这只对第 5 层神经元有效，以及缩小刺激光束，这可以提高两层的精度。我们的结果表明，在正确的光学设置下，可以实现单列精度的刺激，并且刺激器的光学增强可能比针对体细胞的基因改造提供更显著的精度改进。
gremlin1破坏肠上皮 - 间质串扰，通过基质重塑诱导Wnt依赖的异位干细胞生态位
。cc-by 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本于2024年4月30日发布。 https://doi.org/10.1101/2024.04.28.591245 doi：biorxiv Preprint
Gofetch：使用数据内存依赖的预摘要
微构造的侧通道攻击动摇了现代处理器设计的基础。针对这些攻击的基石防御是为了确保关键安全计划不会使用秘密依赖数据作为地址。简单：不要将秘密作为地址传递给，例如数据存储器说明。然而，发现数据内存依赖性预定器（DMP）（DMP）（将程序数据直接从内存系统内部转换为地址）质疑该方法是否会继续保持安全。本文表明，DMP的安全威胁要比以前想象的要差得多，并使用Apple M-Series DMP证明了对关键安全软件的首次端到端攻击。对我们的攻击进行了探讨，这是对DMP的行为的新理解，该行为表明Apple DMP将代表任何受害者计划激活，并试图“泄漏”任何类似于指针的缓存数据。从这种理解中，我们签署了一种新型的输入攻击，该攻击使用DMP对经典的经典恒定时间实现（OpenSSL Diffie-Hellman键交换，GO RSA解密）和后Quantum Cryptogragra-Phy（Crystals-kyber-kyber-kyber and Crystals-dilith）进行端到端的键提取。
Gofetch：使用数据内存依赖的预摘要
微构造的侧通道攻击动摇了现代处理器设计的基础。针对这些攻击的基石防御是为了确保关键安全计划不会使用秘密依赖数据作为地址。简单：不要将秘密作为地址传递给，例如数据存储器说明。然而，发现数据内存依赖性预定器（DMP）（DMP）（将程序数据直接从内存系统内部转换为地址）质疑该方法是否会继续保持安全。本文表明，DMP的安全威胁要比以前想象的要差得多，并使用Apple M-Series DMP证明了对关键安全软件的首次端到端攻击。对我们的攻击进行了探讨，这是对DMP的行为的新理解，该行为表明Apple DMP将代表任何受害者计划激活，并试图“泄漏”任何类似于指针的缓存数据。从这种理解中，我们签署了一种新型的输入攻击，该攻击使用DMP对经典的经典恒定时间实现（OpenSSL Diffie-Hellman键交换，GO RSA解密）和后Quantum Cryptogragra-Phy（Crystals-kyber-kyber-kyber and Crystals-dilith）进行端到端的键提取。
平滑肌 - 衍生的外生祖细胞以KLF4依赖的方式指导动脉粥样硬化斑块组成复杂性
引言动脉粥样硬化是一种复杂的炎症状况，是心血管疾病的主要驱动力，这是一系列疾病，导致大约32％的全球死亡（1，2）。治疗动脉粥样硬化的方法包括降脂和抗炎药。不幸的是，他汀类药物无法完全解决CVD风险，尽管降低了脂质的强烈降低，但许多患者仍有残留的风险。此外，由于成本和长期使用的需求，抗炎治疗具有局限性，这会增加感染和败血症的风险。因此，需要其他治疗方法来直接靶向侵蚀性病变中的血管壁细胞（3-8）。令人惊讶的是，很少有任何疗法将重点放在居民血管细胞的病理机制上，这可以为未来的治疗提供当前护理以外的未来治疗的见解。从历史上看，动脉粥样硬化领域的研究集中在血管最内层的内心层的作用上，在通过内皮功能障碍，脂质降解/氧化和巨噬细胞浸润中推动动脉粥样硬化进展（1，3-5）。最近，鼠模型和人动脉粥样硬化组织中的谱系追踪研究定义了重要作用血管平滑肌细胞
使用多尺度时间依赖的深度学习框架对锂离子电池的4D排放进行建模
Los Alamos国家实验室是一项平权行动/均等机会雇主，由Triad National Security，LLC经营，为美国能源部国家核安全管理局根据合同89233218CNA000001运营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
IRF8 突变型 B 细胞淋巴瘤通过 CD74 依赖的 MHC CII 复合物中抗原加工和呈递的失调来逃避免疫
1. 血液学和肿瘤内科，梅斯癌症中心，德克萨斯大学健康科学中心圣安东尼奥，德克萨斯州圣安东尼奥，78229，美国。2. 生物化学和结构生物学系，德克萨斯大学健康科学中心圣安东尼奥，德克萨斯州圣安东尼奥，78229，美国。3. 南德克萨斯退伍军人医疗保健系统，奥迪墨菲退伍军人医院，德克萨斯州圣安东尼奥，78229，美国。 * 同等贡献 # 联系人：Ricardo Aguiar，医学博士，哲学博士 血液学和肿瘤内科 UT 健康圣安东尼奥分校 电子邮件：aguiarr@uthscsa.edu
人工智能辅助决策中人类信任和依赖的建模：马尔可夫方法
人工智能 (AI) 技术与人类工作流程的日益融合，带来了人工智能辅助决策的新范式，即人工智能模型提供决策建议，而人类做出最终决策。为了最好地支持人类决策，定量了解人类如何与人工智能互动和依赖人工智能至关重要。先前的研究通常将人类对人工智能的依赖建模为一个分析过程，即依赖决策是基于成本效益分析做出的。然而，心理学的理论模型表明，依赖决策往往是由情感驱动的，比如人类对人工智能模型的信任。在本文中，我们提出了一个隐马尔可夫模型来捕捉人工智能辅助决策中人机交互背后的情感过程，通过描述决策者如何随着时间的推移调整对人工智能的信任并基于他们的信任做出依赖决策。对从人类实验中收集的真实人类行为数据的评估表明，所提出的模型在准确预测人类在人工智能辅助决策中的依赖行为方面优于各种基线。基于所提出的模型，我们进一步深入了解了人类在人工智能辅助决策中的信任和依赖动态如何受到决策利害关系和交互经验等情境因素的影响。
探索以人为本的人工智能解释对信任和依赖的影响
透明度被广泛认为对于人工智能 (AI) 在现实世界中的负责任部署至关重要，也是建立对 AI 的信任的必要先决条件。实现透明度的方法有很多种，其中一种很有前途的尝试是以人为本的解释。然而，很少有研究关注以人为本的解释对最终用户信任的有效性。现有实证研究的比较之所以复杂，是因为信任的衡量方式不同。一些研究人员使用问卷来衡量主观信任，而另一些研究人员则衡量客观的信任相关行为，如依赖。为了弥合这些差距，我们研究了两种有前途的以人为本的事后解释——特征重要性和反事实——对信任和依赖的影响。我们在决策实验 (N = 380) 中将这两种解释与控制条件进行了比较。结果表明，以人为本的解释可以显著增加依赖性，但决策类型（提高价格还是降低价格）的影响更大。这挑战了透明度在涉及人工智能的人类决策中相对于其他因素（例如潜在的启发式和偏见）的假定重要性。我们得出结论，信任并不一定等同于依赖，并强调了适当、经过验证和商定的指标对于设计和评估以人为本的人工智能的重要性。
一分钱一分货：军费开支、工业实力和经济依赖的循环
军事支出占美国可自由支配支出的绝大部分，军人占美国政府人力的绝大部分，而军事工业又是美国经济的主导力量。结果，美国政府和民用经济的其他要素和能力被削弱，而军事工业获得了政治权力。数十年的高额军事支出改变了美国政府和社会——增强了其作战能力，同时削弱了其履行其他核心职能的能力。例如，对基础设施、医疗保健、教育和应急准备的投资都因军事支出和工业的挤占而受到影响。流向军队的资源增加进一步提高了军事工业的政治权力，确保了经济依赖的循环持续下去——经济的军事化部门的资金和人力不断增加，而其他人的需求却得不到满足。