XiaoMi-AI文件搜索系统
World File Search System特别关注
特别关注非动能反卫星武器
摘要 目的——卫星因其轨迹可预测性和为军事行动提供的基本功能而成为有吸引力的军事目标。在过去的 13 年中，至少有三个国家（即美国、中国和印度）成功进行了动能反卫星 (ASAT) 导弹试验，这大大增加了低地球轨道空间碎片的数量，其中一些碎片仍在轨道上运行并对太空资产构成威胁 (Miglani, 2019, Wolf, 2007)。所有这些反卫星武器试验都是针对进行试验的国家的自有太空资产进行的，因此，这些事件并未触发武装冲突法 (jus in bello) 的适用。然而，这并不意味着对这些试验的法律评估，特别是在战时法方面，在实践中无关紧要，因为技术破坏能力已经存在，使用这些武器的合法性尚不明显。事实上，一些作者已经强调了使动能反卫星武器合法化的困难，或者更准确地说，对太空资产的武装袭击。有人认为，由于无法预测空间碎片的数量以及爆炸产生的空间碎片可能造成的二次附带损害（Stephens and Steer，2016），在某些情况下，动能反卫星攻击很难符合比例原则，甚至在某些情况下，攻击本身可能具有无差别性（Koplow，2009）。可以看出，反卫星武器的合法性值得怀疑，主要是因为动能攻击的影响，但有些武器旨在干扰通信系统或使用定向能量造成故障，而不会产生空间碎片，可能除了一颗非活动轨道卫星。因此，适用于动能反卫星攻击的大多数论点可能不适用于非动能反卫星攻击。在本文中，作者认为，在某些情况下使用非动能反卫星武器很难符合战争法的一般原则，尤其是瞄准规则。本文的目的在于分析在武装冲突中使用非动能反卫星武器是否符合战时法，如果不符合，那么其合法使用的条件是什么。
![征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术](/simg/9/997626a7f59d17e25a28a70110fbadb440a4a51a.png)
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
逐渐减少靶向治疗（bDMARDs 或 JAKis）对 rhe 患者严重感染风险和特别关注的不良事件的影响
材料和方法：基于截至 2019 年 8 月的 PubMed、Embase、Cochrane 以及国际会议相关数据库的系统评价，进行荟萃分析，以评估与继续靶向治疗相比，在逐渐减少（剂量减少或间隔）治疗后，严重感染、严重不良事件、恶性肿瘤、心血管不良事件 (CV AE) 或死亡的发生率密度（95% 置信区间 (95% CI)）的风险差异 (RD)。结果：在最初确定的 1957 项研究中，荟萃分析纳入了 13 项对照试验（9 项 RA 试验和 4 项 SpA 试验）。逐渐减少组 (TG) 研究了 1174 名患者年，而常规治疗组 (UC) 研究了 1086 名患者年。 TG 组严重感染率为 1.7/100 患者年 (py)，而 UC 组为 2.6/100 py（RD (95% CI) 0.01 (0.00 至 0.02)，p = 0.13），TG 组 SAE 率为 7.4/100 py，而 UC 组为 6.7/100 py（RD 0.00 (- 0.02 至 0.02)，p = 0.82）。减量治疗组和常规治疗组之间的恶性肿瘤、心血管不良事件或死亡风险没有差异。亚组分析（RA 和 SpA）未发现两组之间存在显著差异。
专家探讨脑植入技术的进展与挑战，呼吁特别关注伦理和科学问题
神经植入物的特殊技术特征，特别是收集和处理神经元数据的能力，对临床验证和伦理监督提出了进一步的挑战。神经数据被认为特别敏感，需要比其他健康信息更高级别的保护。不安全的数据传输、不充分的数据保护指南和黑客攻击的风险只是在这种情况下需要特别防范的一些潜在漏洞。
评估旋转记忆中包含的关键金属，特别关注PT替代以改善可持续性
由于其独特的属性组合：非挥发性，速度，密度和写入耐力，称为自旋转移磁性磁性随机接入记忆（STT-MRAM）的自旋记忆有望在物联网（IoT）的未来发展中起重要作用（IOT），并且在信息和通信技术中更笼统地发挥作用。这种类型的自旋装置通常是由材料制成的，其中一些可以归类为关键。最近的研究评估了磁随机访问记忆中包含的关键材料[1，2]。但是，在那些情况下，分析的记忆类型属于2000年代初期开发的第一代MRAM。如今，存储器设备被垂直于层平面磁化，并包含合成反铁磁铁（SAF）（SAF），该抗fiferromagnet（SAF）可为STT-MRAM参考层具有较低的流浪场提供高温。此SAF通常由钴（CO）和铂（PT）多层制成，抗铁磁性在薄扁桃（RU）层上耦合。由于铂金属（PGMS）的高体能量引起的，评估这些材料的普遍关注点是与其生产相关的环境风险。在这里首先报道对使用此类多层的环境和经济风险的评估，然后对其供应风险进行讨论。用CO/NI多层替换CO/PT多层替代可以导致与使用这些多层人士使用相关的能量需求或全球变暖潜力（GWP）的3-4个数量级。尽管如此，与PGMS相关的高供应风险仍然是提高意识的原因。基于垂直形状各向异性（PSA）的替代概念也可以在这些量中减少1-2个数量级。然而，对于Stt-Mram的情况，与硅晶片的质量相比，使用了少量的PGM层，这些硅晶片生长了这些类型的设备。因此，发现硅晶片制造的环境和经济影响要比STT-MRAM堆栈中纳入的PGM材料高得多。一个探索的可能性是基于Co/ni多层的SAF结构，其性能相似。还基于上述PSA概念提出了更具挑战性的选择。最后，我们解决了欧洲委员会确定的其他几种金属的案例，这些金属在MRAM（例如W或TA）中使用，最近都包括在2021年1月发布的欧盟冲突矿产法规中[3]。
逐渐减少靶向治疗 (bDMARDs 或 JAKis) 对类风湿关节炎或脊柱关节炎患者发生严重感染和特别关注的不良事件风险的影响
材料和方法：基于截至 2019 年 8 月的 PubMed、Embase、Cochrane 以及国际会议相关数据库的系统评价，进行荟萃分析，以评估与继续靶向治疗相比，在逐渐减少（剂量减少或间隔）治疗后，严重感染、严重不良事件、恶性肿瘤、心血管不良事件 (CV AE) 或死亡的发生率密度（95% 置信区间 (95% CI)）的风险差异 (RD)。结果：在最初确定的 1957 项研究中，荟萃分析纳入了 13 项对照试验（9 项 RA 试验和 4 项 SpA 试验）。逐渐减少组 (TG) 研究了 1174 名患者年，而常规治疗组 (UC) 研究了 1086 名患者年。 TG 组严重感染率为 1.7/100 患者年 (py)，而 UC 组为 2.6/100 py（RD (95% CI) 0.01 (0.00 至 0.02)，p = 0.13），TG 组 SAE 率为 7.4/100 py，而 UC 组为 6.7/100 py（RD 0.00 (- 0.02 至 0.02)，p = 0.82）。减量治疗组和常规治疗组之间的恶性肿瘤、心血管不良事件或死亡风险没有差异。亚组分析（RA 和 SpA）未发现两组之间存在显著差异。
动物源性食品 (ASF)：其对五岁以下儿童的整体营养重要性以及低收入国家（特别关注埃塞俄比亚）的成本蛋白质优势：综述
动物源性食物 (ASF) 营养丰富，富含能量、蛋白质和各种必需的宏量和微量营养素，有助于缓解普遍的营养不良。它们为人类的营养需求提供了很大一部分，以支持正常发育、生理功能和整体健康。一些选定的非洲国家的营养不良表明，它不仅对人们的身体和认知能力产生了不利影响，而且对国家经济也产生了不利影响，导致国内生产总值 (GDP) 下降了 16%。目前，牛奶 (牛奶)、肉类 (牛肉) 和鸡蛋 (鸡蛋) 提供了全球消费能量的约 13% 和蛋白质的 28%；在发达国家，能量和蛋白质的这一比例分别上升到 20% 和 48%。在埃塞俄比亚，大多数日常营养需求都是通过谷物饮食来满足的。这些谷物富含能量，但其他必需营养素（包括蛋白质）含量有限。另一方面，过去三年来，这些营养丰富的饮食在亚的斯亚贝巴市场上的价格一直在飙升。在此期间，牛奶价格平均上涨了 100%（50-100ETB/升），牛肉价格上涨了 33.3%（600-800ETB/公斤），鸡蛋价格上涨了 43%（7-10ETB/鸡蛋）。这些产品价格的持续上涨，加上社会大多数人的购买力较差，导致这些产品的购买量下降。受影响最大的社会阶层是成长中的儿童、育龄和哺乳期妇女以及农村人口。另一方面，这些不断上涨的价格、有限的获取途径和负担能力导致人们在购买一种牲畜产品而不是另一种牲畜产品时做出错误的决策。因此，这项审查研究旨在根据五岁以下儿童和其他相关受益者的蛋白质相对成本作为基准，确定一种牲畜产品优于另一种牲畜产品。该研究重点关注五岁以下儿童正常生物和身体功能的营养需求。然而，该结果可以适用于所有出于类似目的消费 ASF 的个体。当前平均价格数据取自亚的斯亚贝巴
西尼罗河病毒在欧洲传播的生物气候建模，特别关注乌克兰
药物发现AI数据集和基准传统上不包括单细胞分析生物标志物。虽然单细胞分析中的基准努力最近发布了单细胞任务的集合，但他们尚未全面释放数据集，模型和基准测试，这些数据集，模型和基准分析以细胞类型的特异性生物标志物进行整体的各种治疗性发现任务。Therapeutics Commons（TDC-2）介绍了将特定于细胞类型的上下文特征与跨治疗剂的ML任务相结合的数据集，工具，模型和基准。我们介绍了单细胞分辨率的上下文学习的四个任务：药物目标提名，遗传扰动反应预测，化学扰动响应预测和蛋白质肽相互作用预测。我们为这四个任务介绍数据集，模型和台上标记。最后，我们详细介绍了驱动TDC-2实施的机器学习和生物学的进步和挑战，以及如何在其体系结构，数据集和基准和基础模型工具中反映它们。
CRISPR屏幕在IPSC衍生的神经元中揭示了tau proteostasis 的原理 人类诱导的多能干细胞的扰动细胞图集 多态串联重复在免疫景观上形状的单细胞基因表达 蛋白质生成进化扩散 注释冷冻卷：机器学习挑战 胎盘猪中的胎盘HIGF1纳米颗粒基因治疗在肝脂质和葡萄糖代谢相关的信号通路中以胎儿性别特异性方式改善胎儿生长限制相关的变化 西尼罗河病毒在欧洲传播的生物气候建模，特别关注乌克兰 单元格中的信号：用于治疗的多模式和上下文化的机器学习基础 SPAMTP：空间代谢组学和转录组学数据的综合统计分析和可视化 使用捕获的离子迁移率和DDAP 通过成对的细胞表面和病毒1 增强了慢病毒基因递送到哺乳动物细胞 坏死性到凋亡信号轴是炎症性肠病的基础 Devider：多种单倍型的长阅读重建 pyr1生物传感器驱动的全基因组CRISPR筛选，用于改善Kluyveromyces Marxianus的单甲苯样产生 果糖-2,6-双磷酸盐恢复TDP-43病理 - bean（psophocarpus tetragonolobus）
蛋白质tau的抽象聚集定义了tauopathies，其中包括阿尔茨海默氏病和额颞痴呆。特定的神经元亚型有选择地容易受到tau聚集的影响，随后的功能障碍和死亡，但潜在的机制尚不清楚。系统地揭示了控制人类神经元中Tau聚集体积累的细胞因子，我们在IPSC衍生的神经元中进行了基于基因组CRISPRI的修饰筛网。屏幕发现了预期的途径，包括自噬，以及意外的途径，包括ufmylation和GPI锚构成。我们发现E3泛素连接酶CUL5 SOCS4是人类神经元中tau水平的有效修饰符，泛素化tau，与小鼠和人类中的auopanty的脆弱性相关。线粒体功能的破坏会促进tau的蛋白酶体错误处理，从而产生tau蛋白水解片段
值得特别关注的 COVID-19 疫苗和不良事件：
该项目由美国卫生与公众服务部 (HHS) 疾病控制与预防中心 (CDC) 资助，是总额为 10,108,491 美元的财政援助奖的一部分，其中 100% 由 CDC/HHS 资助。内容为作者本人所有，并不一定代表 CDC/HHS 或美国政府的官方观点或认可。