XiaoMi-AI文件搜索系统
World File Search System变形
使用带有可变形天花板的微设备来探测3D细胞骨料内的刚度异质性
摘要机械生物学领域的最新进展已导致开发了表征单细胞或单层机械性能并将其链接到其功能行为的方法。但是，仍然需要建立三维（3D）多细胞聚集体的联系，从而更好地模拟组织功能。在这里，我们提出了一个平台，以在一个可变形的微设备中启动并观察许多此类骨料。该平台由在3D打印的模具上铸造的单个聚二甲基硅氧烷片组成，并粘合到载玻片或盖玻片上。它由一个包含细胞球体的腔室组成，该腔室与流体独立的空气腔相邻。控制这些空气腔中的气压会导致房间天花板的垂直位移。该设备可以在秒钟到小时的时间尺度上以静态或动态模式使用，并且位移幅度从几µm到几十万微米。此外，我们通过比较不同级别的压缩级别的球体的图像相关性与有限元仿真来展示如何使用压缩方案来获得单个共培养球体内刚度异质性的测量。将细胞的标记及其细胞骨架与图像相关方法结合使用，以将共培养球体的结构与其在不同位置的机械性能相关联。该设备与各种显微镜技术兼容，包括共聚焦显微镜，可用于观察聚集体内单细胞和邻域的位移和重排。现在可以使用完整的实验和成像平台来提供多尺度的测量，这些测量将单细胞行为与聚集体的全局机械响应联系起来。
生物学启发的认知体系结构和生成的预训练的变形金刚是朋友或敌人？
bica*ai是一个悠久的长期研发企业，旨在创建旨在模仿人类水平人工智能的计算体系结构。最近，在其领域非常出乎意料的是，似乎是另一个竞争者 - 一种基于GPT的AI工具，旨在模仿用户友好的自然人类语言的人类计算机对话。正如其设计师所声称的那样，该设备展示了一般AI的迹象。在激动人心而快乐的接待之后，很明显，新竞争对手无法履行其预期的承诺 - 它会返回错误和误导性的回应，欺骗和虚假信息。该问题引发了一波公共反对意见，并要求停止并防止进一步的设备部署。另一方面，设备设计人员声称不完美是暂时的，很快该产品将富裕其备用的品质。不，这永远不会发生！本文的目的是说明最初基于GPT的AI工具设计的方法最初是有缺陷，错误和不合适的，因为它忽略了智能和信息专业人士的基本定义。该论文加入了普遍的意识，即对基于GPT的AI工具的不受限制和自由散布对人类社会构成威胁，类似于粗心的生物武器研究的威胁。
对表示漏洞和工程强大的视觉变形金刚的机械理解
大型语言模型（LLMS）因其在各种任务中具有出色的属性和多功能性而被越来越多地认可。但是，与这些模型相关的高推理成本尚未得到关注，尤其是与现有研究中培训成本的关注相比。响应这一差距，我们的研究在广泛的NLP任务中对LLM推断能量进行了全面的基准测试，我们在其中分析了不同的模型，任务，提示和系统相关因素对推理能量的影响。具体来说，我们的经验揭示了几个有趣的见解，包括将推理能量与输出令牌长度和响应时间的密切相关。此外，我们发现量化和最佳批量大小以及针对性的及时短语可以显着降低能量使用。这项研究是第一个在各种各样的各个方面进行彻底基准的LLM，从而提供了见解并提供了一些提高模型部署能源效率的建议。
贫血对左心室功能的影响和基本高血压患者的变形：心脏磁共振研究
必需高血压（HTN）升级心脏，脑和肾脏事件的风险（1）。2010年，HTN的全球患病率约为14亿，预计到2025年将增加到16亿（2）。htn在全球医疗系统上造成了重大负担，并成为全球心血管疾病（CVD）和总体死亡率的主要修改风险因素（3,4）。贫血影响了全球人口的大约三分之一，导致神经系统发展受损，工作效率降低以及发病率和死亡率提高（5）。贫血减少组织氧递送，引起心血管反应，可能导致损伤，表现为心脏增大，左心室肥大（LVH）和动脉重塑（6）。贫血是HTN患者心血管不良结局的重要危险因素。慢性贫血增加了预紧力，减少后负载并提高心输出量，可能导致适应不良的LVH，这是不良后果和整体死亡率的已知危险因素（7,8）。随着老化的衰老，HTN的发病率上升，使老年患者更容易受到贫血的合并症。尽管这两种情况都可以独立损害心血管系统（6,9,10），但它们的组合可能会恶化心脏功能障碍（11）。尽管它是该人群中死亡率的独立预测指标的重要性（12），但贫血经常被忽视，从而低估了其对心脏健康的影响，尤其是HTN患者的心脏结构和功能。据我们所知，没有研究使用CMR功能跟踪（CMR-FT）技术来研究心脏磁共振（CMR）在心脏病学中对于其独特而错综复杂的成像技术至关重要，通过提供精确测量LV体积和功能，组织表征和疤痕定量，可以进行彻底的评估（13）。CMR对于检测与HTN相关的微妙变化特别有价值，包括使用心肌功能跟踪的早期心肌功能障碍，这可能会彻底改变HTN患者的LV风险评估（14）。多项已发表的研究表明，糖尿病患者，慢性肾脏疾病（CKD）或CVD患者的贫血与LV舒张功能障碍之间存在联系，但发现不一致（15）。
数字图像相关法用于增材制造 316L 薄壁变形模式的微观结构分析
在增材制造中，工艺参数直接影响材料的微观结构，从而影响所制造部件的机械性能。本文旨在通过在扫描电子显微镜 (SEM) 下结合高分辨率数字图像相关 (HR-DIC) 和电子背散射衍射 (EBSD) 图进行原位拉伸试验来表征局部微观结构响应，从而探索这种关系。所研究的样本是从通过定向能量沉积构建的双向打印单道厚度 316L 不锈钢壁中提取的。通过统计分析表征了晶粒的形态和晶体学纹理，并将其与该工艺的特定热流模式相关联。根据晶粒大小将其分为位于打印层内的大柱状晶粒和位于连续层之间界面的小等轴晶粒。原位拉伸实验的加载方向垂直于或沿打印方向进行，并展示不同的变形机制。对每个晶粒的平均变形的统计分析表明，对于沿构建方向的拉伸载荷，小晶粒的变形小于大晶粒。此外，HR-DIC 与 EBSD 图相结合显示，在没有单个或成簇的小晶粒的情况下，应变局部化位于层间界面处。对于沿打印方向的拉伸载荷，应变局部化存在
在致病性变形虫中控制泛素样蛋白下的繁殖和应力反应
1 POITIERS，国家科学研究中心UMR7267，《互动生态与生物学实验室》，TSA51106，86073 POITIERS，法国2学院2帕斯德研究所，生物图像分析单元，国家科学研究中心UMR3691，ParisCité大学，国家科学研究中心elisabeth.labruyere@pastteur.fr（E.L。）; jean-christophe.olivo-marin@pastteur.fr（J.-C.O.-M。）3 Pasteur，蛋白质组学核心设施，生物学质谱单元质谱单元，国家科学中心，2024年2024年，巴黎大学Cité大学，法国75015 Paris，法国，法国，法国75015 Paris； Mariette.matondo@pastteur.fr 4国家科学研究中心药理学与结构生物学研究所UMR 5089，图卢兹大学IIIII-PAUL SABATIER，法国31077，法国图卢兹； Marie.locard-paulet@ipbs.fr 5 Proteomique Profi的国家基础设施-FR2048，2048法国Toulouse 6 C. nguillen@pastteur.fr（n.g。）;这样的。： +33-（0）549454013（A.S.-L。）; +33-（0）145688675（N.G.）
![正交表示用于估计因果量的学习
生成的AI和创造性工作：叙事，价值观和影响
triffid：提高第一响应者效率的自动机器人辅助
微守流：边缘设备的复杂性自我注意力低的视觉变压器
covid- ... 之间的不可思议和争议性溢出
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
对表示漏洞和工程强大的视觉变形金刚的机械理解
arxiv：2502.05610v1 [CS.CL] 2025年2月8日
Goproteingnn：利用蛋白质知识图蛋白表示学习
台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆
arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日
机器人引发的久坐行为的社会控制
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
arxiv：2502.07964v1 [cs.lg] 2025年2月11日
对石墨烯中振荡大声电效应的相干检测
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
将基于物理的建模与锂离子电池的机器学习相结合
Trellis BMA：DNA存储的IDS通道上的编码跟踪重建
arxiv：2502.07650v1 [stat.ml] 2025年2月11日
与Soc- ... 的多间隔能量储备合作](/simg/3/371e53cea55d57b21dc3cec4490fd2d843578c28.webp)
正交表示用于估计因果量的学习 生成的AI和创造性工作：叙事，价值观和影响 triffid：提高第一响应者效率的自动机器人辅助 微守流：边缘设备的复杂性自我注意力低的视觉变压器 covid- ... 之间的不可思议和争议性溢出 arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日 对表示漏洞和工程强大的视觉变形金刚的机械理解 arxiv：2502.05610v1 [CS.CL] 2025年2月8日 Goproteingnn：利用蛋白质知识图蛋白表示学习 台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆 arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日 机器人引发的久坐行为的社会控制 增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控 arxiv：2502.07964v1 [cs.lg] 2025年2月11日 对石墨烯中振荡大声电效应的相干检测 arxiv：2502.09316v1 [CS.CL] 2025年2月13日 将基于物理的建模与锂离子电池的机器学习相结合 Trellis BMA：DNA存储的IDS通道上的编码跟踪重建 arxiv：2502.07650v1 [stat.ml] 2025年2月11日 与Soc- ... 的多间隔能量储备合作
表示学习被广泛用于观察数据的因果量（例如，有条件的平均治疗效应）。尽管现有的表示学习方法具有允许端到端学习的好处，但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性，例如Double Ro-Busberness和Quasi-Oracle效率。此外，这种表示的学习方法通常采用诸如平衡之类的规范约束，甚至可能导致估计不一致。在本文中，我们提出了一类新型的Neyman-Ottrodonal学习者，以在代表水平上定义的因果数量，我们称之为或称为校友。我们的旅行者具有几个实际的优势：它们允许基于任何学习的表示形式对因果量进行一致的估计，同时提供了有利的理论属性，包括双重鲁棒性和准门的效率。在多个实验中，我们表明，在某些规律性条件下，我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知，我们的或学习者是第一批提供代表学习方法的统一框架，而Neyman-ottrol-ottrodenal学习者进行因果量估计。
机械刺激后软骨微细胞的复杂变形促进了软骨细胞基因表达
抽象的背景关节软骨（AC）的主要功能是抵抗应力的机械环境，而chon-drocytes正在响应该组织的发育和稳态的机械应力。然而，目前关于响应机械刺激的过程的知识仍然有限。这些机制是在工程软骨模型中进行研究的，其中软骨细胞包含在外生的生物物质中与其自然细胞外基质不同。本研究的目的是更好地了解机械刺激对间充质基质细胞（MSC）衍生的软骨细胞的影响。方法，使用了一种流体定制装置，用于机械刺激通过在软骨培养培养基中培养从人类MSC获得的软骨微粒，持续21天。将六个微粒放在设备室的孔孔中，并用不同的正压信号（振幅，频率和持续时间）刺激。使用一个摄像机记录每个微细胞的沉没到它们的锥体中，并使用有限元模型分析了微孔变形。微粒。结果在刺激过程中使用平方压力信号的刺激中观察到中等微粒的变形，因为平均von mises菌株在6.39至14.35％之间，估计幅度为1.75–14 kPa的幅度叠加在幅度50％的基础压力上。在变形过程中观察到的压缩，张力和剪切不会改变微粒微结构，如组织学染色所示。在单个30分钟的刺激下，在1 Hz的最小压力上叠加了3.5 kPa振幅的平方压信号，在1 hz的最小压力上叠加了30分钟的刺激后，测量了Chon-Drocyte标记（SOX9，AGG和COL2B）的表达迅速而瞬时的增加。使用平方压力信号而不是恒定压力信号时，周期性变形的1％变化会诱导软骨基因表达2至3的倍数变化。此外，除了Col X外，纤维球杆菌（Col I）或肥厚软骨（Col X，MMP13和ADAMTS5）的表达没有显着调节。结论我们的数据表明，通过基于流体的压缩的软骨微细胞的动态变形调节了负责产生类似软骨样的软骨细胞基因的表达。
surfnet：通过耦合的差异变形重建皮质表面
图1：用于耦合皮质表面重建的表面。将MRI脑图像，皮层色带分割图和中期表面的签名距离图组合在一起，Surfnet学习了三个不同的形态变形，以同时优化初始的中间表面，以与目标表面中的中置和中置型中的中置型置于跨度的中间和中间的偏移型模型（并置于中等范围）的模型（DDM），并置于中等范围。表面S G和WM表面S W分别具有另外两个DDM。采用循环约束，以与非阴性皮质厚度的实施结合使用变形轨迹，以确保生物学上的合理性。
自动面部变形检测的性能 - NIST 页面
背景技术 人脸变形及其检测能力是照片证件签发机构、公司和使用人脸识别进行身份验证的组织高度感兴趣的领域。人脸变形是一种图像处理技术，将两个或多个拍摄对象的脸部变形或混合在一起，在照片中形成一张脸部。变形后的照片可以看起来非常逼真地像所有参与变形的拍摄对象。变形很容易做到，几乎不需要任何技术经验，因为互联网和移动平台上有大量的工具可供使用，而且成本很低甚至免费。例如，如果一张变形的照片出现在身份证件上，那么变形的所有组成部分（如果不是全部的话）都可以使用同一个身份证件。变形可以用来欺骗人类 [ 1 ] [ 2 ] 和现有的人脸识别系统 [ 3 ]，这对当前的身份验证过程造成了漏洞。