XiaoMi-AI文件搜索系统
World File Search System海因茨
心血管疾病动物模型中受过训练的先天免疫力
1分子心脏病学研究所，医学院，大学医院，海因里希海大学，德国40225杜塞尔多夫； patricia.kleimann@uni-duesseldorf.de（p.k.）; floegel@uni-duesseldorf.de（U.F.）2辐射肿瘤学，医学院，大学医院，海因里希海因大学，德国40225杜塞尔多夫； lisa-marie.irschfeld@med.uni-duesseldorf.de 3转化药理学研究所，医学院医院，海因里希 - 海因大学，40225杜塞尔多夫，德国； maria.grandoch@uni-duesseldorf.de 4心血管研究研究所杜塞尔多夫（Carid）（Carid），大学医院，40225杜塞尔多夫，德国5 5düsseldorf，5 5düsseldorf，5 5 d d d d ddüselliversity的大学医院麻醉学系，大学医院，40225Düseldorf，dermany * sebastian.temme@uni-duesseldorf.de;电话。： +49-221-05100
通讯 - 德国航空航天中心
德国航天中心计划建造一颗地球同步通信卫星：德国希望通过以 19 世纪重要物理学家海因里希·赫兹命名的“海因里希·赫兹”卫星，展示其在卫星平台和有效载荷领域的国家实力。 “海因里希·赫兹”主要用于测试国家资助计划开发的技术。该卫星计划于2014年发射，在轨验证成功后将运行15年。该卫星项目为科研机构和工业界提供了开展各种实验的机会。这使得科学家和工程师在开发新通信技术和服务方面具有明显的优势。此外，“海因里希·赫兹”还为下一代通信卫星的空间技术的进一步发展做出了贡献。
不同 CBDC 制度对具有异质家庭部门的经济体的宏观经济影响
∗ 我们感谢 FIW 研究会议 2023 在维也纳和 IMK 研讨会 2022 在杜塞尔多夫的参与者，以及海因里希海涅大学杜塞尔多夫和 MAGKS 博士生座谈会的研讨会参与者提供的有益评论和意见。† 通讯作者，海因里希海涅大学杜塞尔多夫，经济学系，Universit¨atsstraße 1，40225 杜塞尔多夫，德国，电子邮件：jana.magin@hhu.de。‡ 海因里希海涅大学杜塞尔多夫，经济学系，Universit¨atsstraße 1，40225 杜塞尔多夫，德国，电子邮件：ulrike.neyer@hhu.de。 § 杜塞尔多夫海因里希海涅大学，经济学系，Universit¨atsstraße 1，40225 D¨ussel-dorf，德国，电子邮箱：daniel.stempel@hhu.de。
数字林茨节目
林茨市在林茨的数字生态系统中发挥着核心作用。它确保公民社会、企业、研究和教育、员工和创新社区的利益平衡，为有意义和有益的数字化奠定基础。林茨生态系统的所有参与者齐心协力，致力于一个共同的目标：利用数字技术、商业模式和媒体，尽可能控制自己的数据，以对生活的各个领域产生最大的影响。众所周知，林茨人认为这座城市是大家共同发展的东西。在团队中，人们通常比独自一人更有效率、更成功。数字化的复杂性和相关的转型需要一个拥有最佳创意、最佳实施者和所有在林茨生活和工作的人们最专业技能的团队来成功管理它。参与式方法和持续的项目开发基于明确的林茨数字化原则，是该计划的核心要素。“数字林茨”计划是一个实验空间，也是数字化下一步行动的活生生的试验场。林茨正在为数字化铺平道路，以人为本，结合本地专业知识和国际交流，继续成为数字化欧洲的现代创新城市。
阿尔茨海默病
摘要 阿尔茨海默病 (AD) 是老年期最常见的痴呆症。除了脑淀粉样蛋白的积聚，还有多种因素导致 AD 病理，包括血管改变、全身炎症、遗传/表观遗传状态和线粒体功能障碍。目前，人们在神经炎症方面投入了大量精力。然而，抗炎药物和许多其他疗法（主要针对 β-淀粉样蛋白）均未能对 AD 显示出有效的作用。时机、适当的患者选择以及多靶点方法的必要性似乎是当前治疗努力的主要弱点。如果有有效的生物标志物，治疗的疗效可以得到更好的评估。我们在此建议在 AD 中应用精准医疗原则，根据个性化的生物标志物指导的靶向疗法同时验证治疗的疗效和特定生物标志物的可靠性。有患 AD 风险或处于疾病早期阶段的人应根据以下标准进行分层：(1) 神经心理学测试； (2) 载脂蛋白 E (ApoE) 基因分型；(3) 血浆和脑脊液 (CSF) 生化分析；(4) MRI 和正电子发射断层扫描；(5) 通过整合血浆、脑脊液中的各种遗传和生化参数以及微生物组成分析来评估其炎症特征。应在随机、纵向、安慰剂对照研究中使用特设特征（例如血管特征、线粒体特征等）对选定人群进行抗淀粉样变性和抗炎药物治疗。如果这些标准被广泛采用并共享结果，则可能迅速开发出创新和个性化的药物治疗方案，并且更有可能真正有效。
人工智能与劳动力市场
我们感谢 Bledi Taska 的详细评论和提供 Burning Glass 数据的访问权限；感谢 Joshua Angrist、Andreas Mueller、Rob Seamans 和 Betsey Stevenson 提供的非常有用的评论和建议；感谢 Jose Velarde 和 Zhe Fredric Kong 提供的专业研究协助；感谢 David Deming 和 Kadeem Noray 分享他们的代码和数据。Acemoglu 和 Autor 感谢埃森哲律师事务所、IBM 全球大学、Schmidt Futures 和 Smith Richardson 基金会的支持。Acemoglu 感谢谷歌、美国国家科学基金会、斯隆基金会和图卢兹信息技术网络的支持，Autor 感谢卡内基研究员计划、海因茨家庭基金会和华盛顿公平增长中心。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
公平算法：研究减少金融领域人工智能偏见的方法
主席 Waters、排名成员 McHenry、委员会成员们，感谢你们今天主持这次重要的听证会，并给我机会提交这份证词。我叫 Rayid Ghani，是卡内基梅隆大学机器学习系和海因茨信息系统与公共政策学院的杰出职业教授。我曾在私营部门、学术界以及美国和全球的政府机构和非营利组织广泛工作，致力于开发和使用机器学习和人工智能系统，以公平公正的方式解决卫生、刑事司法、教育、公共安全、人力服务和劳动力发展等社会和公共政策问题。人工智能（或机器学习）1 在帮助解决当今社会面临的关键问题方面具有很大的潜力，从通过降低儿童铅中毒风险来改善儿童健康 2 ，到降低需要心理健康服务的人的再犯罪率 3 ，再到