XiaoMi-AI文件搜索系统
World File Search Systemboth
人工智能和正交性带来的生存风险：我们能两全其美吗？
Armstrong, S. (2014)。比我们更聪明。MIRI。Bostrom, N. (2002)。生存风险：分析人类灭绝情景和相关危害。《进化与技术杂志》，9，1-30。Bostrom, N. (2012)。超级智能意志：高级人工智能中的动机和工具理性。《思维与机器》，22（2 - 特别版“人工智能哲学”编辑。Vincent C. Müller），71-85。Bostrom, N. (2013)。生存风险预防是全球优先事项。全球政策，4 (1)，15–31。https://doi。org/10.1111/1758-5899.12002 Bostrom, N. (2014)。超级智能：路径、危险、策略。牛津大学出版社。Bostrom, N.，& Ćirković, M. M.(Eds.)。(2011)。全球灾难性风险。牛津大学出版社。Cave, S. (2020)。智能问题：其价值历史和人工智能的未来。在 AIES '20：AAAI/ACM 人工智能、伦理和社会会议论文集（第29–35 页）。ACM。Chalmers，D. J.(2010)。奇点：哲学分析。《意识研究杂志》，17 (9–10)，7–65。Drexler，E. K. (2019)。重新定义超级智能：综合人工智能服务作为通用智能。FHI 技术报告，2019-1, 1-210。https://www.fhi.ox.ac.uk/wp-content/uploads/Reframming_Superintelligence_FHI-TR-2019- 1.1-1.pdf Eden, A.、Moor, J. H.、Søraker, J. H. 和 Steinhart, E.(Eds.)。(2012)。奇点假设：科学与哲学评估 (The Frontiers Collection)。Springer。Fischer, J. M., & Ravizza, M. (2000)。责任与控制：道德责任理论。剑桥大学出版社。Fox, J., & Shulman, C. (2010)。超级智能并不意味着仁慈。在 K. Mainzer (Ed.中，ECAP10：第八届欧洲计算与哲学会议 (pp.1–7)。Dr Hut。Good, I. J.(1965)。关于第一台超智能机器的推测。在 F. L. Alt & M. Ruminoff (Eds.) 中，计算机的发展 (Vol.6 ，页31–88)。Academic Press。Häggström, O.(2016)。这里有龙：科学、技术和人类的未来。牛津大学出版社。Häggström, O.(2019)。对 Omohundro-Bostrom 人工智能动机框架的挑战。Foresight ，21 (1)，153–166。https://doi.org/10.1108/FS-04-2018-0039 Häggström, O., & Rhodes, C.(Eds.)。(2019)。对人类的生存风险 (Foresight，Vol.21/1 )。Hofstadter, D. R. (1979)。哥德尔、埃舍尔、巴赫：永恒的金色辫子。基础书籍。康德，I.(1786)。道德形而上学的基础。牛津大学出版社。Kurzweil，R. (1999)。精神机器的时代：当计算机超越人类智能时。企鹅。Kurzweil, R. (2005)。奇点临近：当人类超越生物学时。维京人。Legg, S., & Hutter, M. (2007)。通用智能：机器智能的定义。心智与机器，17 (4)，391–
眼球运动特征反映年轻人和老年人的疲劳发展
长时间使用电脑会导致疲劳，尤其是老年人。本研究调查了眼球运动特征与疲劳发展的关系。20 名年轻人和 18 名老年健康成年人被招募来执行一项长时间的功能性电脑任务，同时记录他们的眼球运动。该任务持续 40 分钟，涉及 240 个周期，分为 12 个部分。每个周期由一系列操作组成，包括记忆一个模式、一个清除期，以及用电脑鼠标复制该模式。参与者在每个部分之后评估他们感觉到的疲劳程度。计算了每个任务部分的眨眼持续时间 (BD) 和频率 (BF)、扫视持续时间 (SCD) 和峰值速度 (SPV)、瞳孔扩张范围 (PDR) 和注视持续时间 (FD) 的平均值以及基于点击速度和准确度的任务表现。对疲劳的主观评价增加表明疲劳正在发展。在年轻人和老年人中，BD、BF 和 PDR 随着时间的推移而增加，而 SPV 和 SCD 则减少。与年轻人相比，老年人的 FD 更长、SCD 更短、任务表现更差。本研究结果提供了一种可行的方法来开发基于眼动测量的计算模型，以跟踪计算机工作期间的疲劳发展。
既见森林又见树木：使用 transformer 构建个体和集体动态的表示
复杂的时变系统通常通过从单个组件的动态中抽象出来，从一开始就构建种群水平动态模型来研究。然而，在构建种群水平描述时，很容易忽略每个个体以及每个个体对大局的贡献。在本文中，我们提出了一种新颖的 Transformer 架构，用于从时变数据中学习，该架构构建了个体和集体种群动态的描述。我们不是一开始就将所有数据组合到模型中，而是开发了一种可分离的架构，该架构首先对单个时间序列进行操作，然后再将它们传递下去；这会产生置换不变性，可用于在不同大小和顺序的系统之间进行传输。在证明我们的模型可以成功恢复多体系统中的复杂相互作用和动态之后，我们将我们的方法应用于神经系统中的神经元群体。在神经活动数据集上，我们表明我们的多尺度 Transformer 不仅具有强大的解码性能，而且还提供了令人印象深刻的传输性能。我们的结果表明，有可能从一种动物大脑中的神经元中学习，并将模型转移到另一种动物大脑中的神经元上，并且可以解释不同集合和动物之间的神经元对应关系。这一发现开辟了一条从大量神经元集合中进行解码和表示的新途径。
怀孕期间建议接种的疫苗有助于保护您和您的宝宝。
如果您在怀孕期间患上流感，您更有可能出现并发症，从而影响您的怀孕和正在发育的婴儿。怀孕期间您的免疫、心脏和肺功能的变化会使您更容易因流感而患上重病。婴儿也更有可能因流感而病得很重，接种流感疫苗有助于保护您的婴儿。
sumoylation调节酵母和胰腺导管腺癌细胞中的EIF5A活性
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在伴侣的信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：// creativecommons.org/licenses/4.0/。
具有非线性选择器和电阻切换行为的双功能TA/TAOX/RU设备
由于简单的金属/绝缘子/金属（MIM）结构，快速速度，低功耗和高积分密度，因此已被认为是非易失性记忆的有前途的候选日期。1 - 3横梁阵列体系结构是一种非常有效且简单的手段，可实现高密度积分，较小的存储器大小为＆4 f 2。4,5由于通过欧姆和基尔chhoQ的定律直接完成点产品，因此Memristor Crossbar阵列非常适合某些特定的C应用，例如，神经形态计算系统。6 - 11然而，最先进的备忘录的神经形态计算中的阵列大小很小，从而限制了回忆计算系统的实际应用。为了实现大规模阵列，稳定且均匀的电阻开关设备是基本要求。12此外，Sneak Path问题是由阵列中未指定的单元引起的泄漏电流造成的严重挑战，这会导致阵列大小的限制并读取/写入错误。要克服潜行路径问题，选择设备（选择器），例如二极管，13
抗 CD25 靶向疗法作为免疫调节剂和癌症靶向药物的新兴作用
图 1. 受刺激 T 细胞中的 IL2R 激活途径表示。IL2R 的不同构象会影响其对 IL2 的亲和力（低亲和力 CD25 或高亲和力三聚体受体）。IL2 还可以通过 CD122/CD132 二聚体影响信号传导。此外，形成受体的 CD25 分子是来自相邻细胞（反式）还是同一细胞（顺式）决定了高亲和力异三聚体受体的命名惯例。途径的激活由 Janus 激酶 1 和 3（JAK1 和 JAK3）磷酸化启动，进而刺激 STAT5 二聚化，或磷酸肌醇 3 激酶 (PI3K) 和大鼠肉瘤病毒致癌基因同源物 (Ras) 途径，最终磷酸化效应激酶 p70 S6K 和 MAPK。
自适应景观平坦化允许设计两种酶：底物结合和催化能力
设计酶具有基础和技术意义。实验定向进化仍然有很大的局限性，计算方法是一条补充途径。设计的酶应满足多个标准：稳定性、底物结合、过渡态结合。这种多目标设计在计算上具有挑战性。最近的两项研究使用自适应重要性抽样蒙特卡罗重新设计蛋白质以进行配体结合。通过首先平坦化载脂蛋白的能量景观，他们获得了结合状态的正设计和非结合状态的负设计。我们现在已将该方法扩展到设计一种酶以进行特定的过渡态结合，即其催化能力。我们考虑了甲硫氨酰-tRNA 合成酶 (MetRS)，它将甲硫氨酸 (Met) 附着到其同源 tRNA 上，从而建立密码子身份。此前，MetRS 和其他合成酶已通过实验定向进化重新设计，以接受非规范氨基酸作为底物，从而导致遗传密码扩展。在这里，我们通过计算重新设计了 MetRS，使其能够结合多种配体：Met 类似物叠氮亮氨酸、甲硫氨酰腺苷酸 (MetAMP) 以及形成 MetAMP 生成过渡态的活化配体。通过设计计算恢复了已知具有叠氮亮氨酸活性的酶突变体，并对预测结合 MetAMP 的 17 种突变体进行了实验表征，发现它们均具有活性。预测具有低活化自由能的突变体在 MetAMP 生成中被发现具有活性，并且预测的反应速率与实验值非常吻合。我们建议本方法应成为计算酶设计的范例。
在半夜上升？还是像灯一样出去？研究发现
“您每24小时有几个小时的睡眠？“：从英国生物银行数据库中要求这个问题向近一体38-73岁的成年人。这项研究中的研究人员随后将他们分类为那些睡得不到七个小时的人，也就是“卧铺短暂的”，以及那些睡觉超过七个小时的人，又称“长卧铺”。然后检查他们的睡眠习惯与他们的健康结果，遗传信息和脑成像数据一起检查。
土壤和种子都会影响大麻sativa幼苗的微生物组中的细菌多样性
内生菌是生活在植物组织中的微生物。由于他们与宿主的亲密关联，他们可以对植物生理产生强大的影响（Hardoim等，2008； Johnston-Monje和Raizada，2011; Hardoim等，Hardoim等，2012； Hardoim等，2015; Truyens等，2015）。内生菌可以通过提供养分，增加营养摄取，调节和分泌植物素的养分来促进植物生长，并防御植物的病原体（Hu等，2003； Johnston-Monje和Raizada，2011; Mousa et al。，2016; Shehata等，2017，2017年）。植物似乎选择了特定的内生菌，尤其是在幼苗出现期间，这些内生植物可能由种子跨几代人培养，以保护幼苗免受环境压力的影响（Truyens等，2015; Pitzschke，2016; 2016; Shahzad et al。例如，少年玉米植物中内生菌种的显着部分是种子来源的，并从其含种子的父母继承（Johnston-Monje等，2014； Johnston-Monje等，2016）。与植物相关的微生物群可以源自环境和父母，尽管每个人的相对贡献并不总是很清楚（Aleklett和Hart，2013年）。一些微生物内生菌似乎在被子植物，与土壤环境无关，甚至在无菌底物上生长时都广泛保守。这表明至少某些植物相关的微生物是种子衍生的（Johnston-Monje等，2014，Johnston-Monje等，2021）。此外，发现杆菌的特异性细菌被发现是所有研究的所有大麻基因型的内生细菌。此外，有些植物似乎具有“核心”微生物群，这些植物对物种的大多数人来说都是共有的（Sánchez-lóPez等，2018）（Johnston-Monje等，2014; Truyens等，2015; Walitang et al。，2018）。最近第一次证明了大麻中种子传播微生物遗传的这种现象（Dumigan和Deyholos，2022年）。这项研究表明，在加拿大西部的多个位置生长的大麻和药物大麻品种载体生物活性和抗真菌性内生细菌，再到下一代幼苗。然而，这项先前的研究仅限于可培养的微生物，并且是在轴原条件下进行的，因此未测试土壤对内生微生物组的影响。用于加拿大医疗和娱乐市场的药物大麻植物通常在Soilless培养基中生长。这为种植者提供了对可以从土壤转移的病原体的更多控制。然而，它还限制了可能是土壤的潜在有益的微生物，并可能无意中改变了大麻植物的微生物组。一个重要的问题来自这个很大程度上未研究的主题：土壤和种子衍生因素对大麻幼苗内生菌社区组成的相对影响是什么？在当前的研究中，我们假设土壤将对大麻幼苗endosphere的微生物组产生显着影响，而大麻幼苗的胚芽细菌的组成部分将来自种子 - 生物元素细菌，与土壤条件无关。我们使用基于16S的扩增子宏基因组学测试了这一假设，以比较两种土壤类型的作用，无论是否有或没有灭菌，对三种不同的大麻基因型中的endosphere微生物组组成。