XiaoMi-AI文件搜索系统
World File Search System差分
使用周期误差重建估计误差分布的相干贡献
缓解和校准方案对于最大限度地扩大当今的嘈杂中型量子 (NISQ) 硬件的计算范围至关重要，但这些方案通常专门用于解决相干或退相干误差源。因此，量化这两类误差是在对误差抑制工具进行基准测试时理想的特性。在本文中，我们提出了一种可扩展的以周期为中心的方法，用于详细估计相干对硬计算周期误差分布的贡献。我们建议的协议基于周期误差重建 (CER)，也称为 K 体噪声重建 (KNR)。该协议类似于周期基准测试 (CB)，因为它基于泡利保真度估计提供以周期为中心的诊断 [1]。我们在 CER 中引入了一个额外的超参数，允许硬周期在进行泡利旋转之前折叠多次。对我们添加的超参数的不同值执行 CER 可以通过保真度衰减公式的推广来估计相干误差贡献。我们通过量子模拟器上的数值模拟确认了我们方法的准确性，并在三个 IBM 芯片（即 ibmq_guadalupe 、 ibmq_manila 和 ibmq_montreal ）上进行了概念验证实验。在这三个实验中，我们测量了 Z 中存在显著的相干误差偏差。
用延迟差分分析解码想象的语音
线粒体是细胞最佳功能的关键细胞器。在许多功能中，它们通过自己的蛋白质抑制剂机制维持蛋白质稳态，涉及蛋白酶和伴侣，这些蛋白酶和伴侣调节线粒体内部的蛋白质进口和折叠。在2000年代初期，哺乳动物细胞首先描述了线粒体展开的蛋白质反应（UPR MT）。通过线粒体基质中展开/错误折叠蛋白的积累积累来激活这种应力反应，这导致信号向细胞核传播以增加蛋白酶和伴侣的表达，以解决异常的线粒体蛋白质负载。在发现后，在其他不同复杂性的其他生物体中也描述了这种逆行信号通路，这表明它是一种保守的应激反应。尽管生物体之间存在一些特定的差异，但这种应力反应的机制主要相似，涉及从线粒体传播从线粒体传播到核的核，从而诱导染色质重塑以允许特异性转录因子与伴侣和蛋白酶的启动子和蛋白酶的启动子的结合。在过去的十年中，已经描述了可能与UPR MT调节有关的蛋白质和信号通路，包括Wnt信号通路。此MinireView旨在总结有关UPR MT机制及其调节的知识，该机理在哺乳动物和秀丽隐杆线虫中均具有特定的规定。
通过 ACM 模型实现低功耗 CMOS 差分放大器
摘要 — 统计技术经常用于预测电子系统的性能。工艺变化考虑了制造时材料参数的不确定性，会对模拟集成电路的产量产生不利影响。对由于制造参数变化而导致的模拟电路关键输出参数变化进行统计分析，以预测产量，是模拟芯片制造中必不可少的步骤。在这项工作中，我们使用严格的统计方法来检查典型模拟电路的性能。我们设计了一个 65 nm 技术的两级 CMOS 差分放大器配置，使用 ACM 模型参数来检查工艺变化下的产量。我们采用三种不同的蒙特卡罗模型（均匀、高斯、最坏情况）来检查设计的 CMOS 差分放大器关键性能参数的统计变化。据报道，在典型工艺参数变化 10% 的情况下，关键差分放大器参数、最大增益、增益裕度和相位裕度都会发生变化。在最坏情况分布的情况下，变化最大，而在高斯分布的情况下，变化最小。结果表明，工艺变异对设计的CMOS差分放大器的成品率有显著影响。在高斯分布的情况下，增益裕度（dB）、相位裕度（度）和最大增益（dB）的标准差分别为11、25和24。
量子计算机上的差分密码分析
摘要：随着量子计算的进步，人们进行了广泛的研究以寻找密码学领域的量子优势。将量子算法与经典密码分析方法（如差分密码分析和线性密码分析）相结合，有可能降低复杂性。在本文中，我们提出了一种用于差分密码分析的量子差分查找电路。在我们的量子电路中，明文和输入差分都处于叠加态。实际上，虽然我们的方法无法通过量子计算实现直接加速，但它通过依赖叠加态中的量子概率提供了不同的视角。对于量子模拟，考虑到量子比特的数量有限，我们通过实现 Toy-ASCON 量子电路来模拟我们的量子电路。
方差分析用于度量空间，并应用于空间数据
摘要。我们对基于度量空间中数据进行测试组差异的一些最近类似方差分析的程序进行了审查，并提出了新的此类程序。我们的统计量来自经典的莱文测试，以检测分散差异。它仅使用数据点的成对距离，并且可以在数据空间中barycenters（“广义均值”）计算的情况下快速，精确地计算出来，只有通过近似值甚至不可行）很慢。它也满足渐近正态性。我们根据1向ANOVA设置中的空间点模式和图像数据讨论了各种过程的相对优点。作为应用程序，我们在矿物质漏斗过程中的数据集和马德里的局部害虫计数的数据集上执行1-和2向方差分析。关键词和短语：方差分析，图像，莱文测试，度量空间，空间点模式。
在感染低多样性下单细胞CRISPR屏幕的强大差分表达测试
带有单细胞读数的汇总CRISPR屏幕（例如wisturb-seq [1]）已成为一种可扩展，灵活和强大的技术，可将遗传扰动连接到分子表型，其应用从基本分子生物学到医学遗传学和癌症研究。[2]在此类筛选中，通过CRISPR指南RNA（GRNA）将遗传扰动的库转染到一个细胞群中，然后进行单细胞测序，以识别出存在的扰动并测量每个细胞的富分子表型。扰动可以靶向基因[1]或非编码调节元件，[3，4，5]抑制[1]或激活[6]这些目标；分子读数可以包括基因表达，[1]蛋白表达，[7，8，9]或表观遗传性含量（如染色质访问性）。[10]通常，在低多重感染（MOI）下引入扰动，每个细胞一个扰动。在预期扰动的情况下
签名的图形神经差分方程用于建模连续时间动力学
建模连续时间动力学构成了基础挑战，并且在复杂系统中发现组件相关性具有增强动态建模的效率的希望。具有普通微分方程的Ingrating Graph神经网络的流行方法表现出了有希望的性能。但是，他们无视图表上关键的签名信息潜力，阻碍了他们准确捕获现象的能力并导致了差异。为了回应，我们引入了一种新颖的方法：签名的图形神经顺序差分方程，熟练地解决了误乘签名的信息的局限性。我们提出的解决方案具有灵活性和效率。为了证实其效率，我们将设计的策略无缝地整合到三个杰出的基于图的动态建模框架中：图形神经常规微分方程，图形神经控制的微分方程和图复发的神经网络。严格的评估包括来自物理和生物学的三种动态场景，以及四个真实现实世界流量数据集的审查。的经验结果非常优于基准的三重奏，强调了我们所提出的方法促进的实质性增强。我们的代码可以在https://github.com/beautyonce/sgode上找到。
用户级差分私有随机凸优化
我们在用户级别的隐私下研究了差异化私有随机凸优化（DP-SCO），每个用户可以持有多个数据项。用户级DP-SCO的现有工作要么需要超多项式运行时[Ghazi等，2023b]，要么要求用户数量在问题的维度上以额外的严格影响[Bassily and Sun，Sun，2023]在问题的维度上生长。我们为用户级DP-SCO开发了新的算法，这些算法在多项式时间内获得了凸面和强烈凸功能的最佳速率，并要求用户数量仅在维度上对数增长。我们的算法是第一个在多项式时间内获得非平滑函数的最佳速率。这些算法基于多通道DP-SGD，与集中数据的新型私人平均估计程序合并，该过程在估算梯度的平均值之前对较高的删除步骤进行了分类。
差分相多样性电气调节器取消纤维分散和激光噪声
带宽和噪声是所有通信和信号处理系统中的基本考虑。光学纤维的组速度分散在其频率响应中产生零，从而限制了带宽，从而限制了通信和信号处理系统的时间响应。强度噪声通常是数据通信中半导体激光器的主要光学噪声源。在本文中，我们提出并演示了一类电容调节剂，能够缓解这两个问题。调制器，用薄膜锂锂制造，同时达到相位多样性和差异操作。前者弥补了纤维的分散性惩罚，而后者克服了强度噪声和其他常见模式弹性。在时间拉伸数据采集和光学通信中，所谓的四相电型调制器的应用。
有限差分时间域方法†
†本文接受的手稿版本：F。L. Teixeira，C。Sarris，Y。Zhang，D.-Y.na，J.-P。 Berenger，Y。Su，M。Okoniewski，W。C. Chew，V。Backman和J. J. Simpson，“有限差分时间域方法”，Nat。修订版方法引物3，75（2023）。doi：10.1038/s43586-023-00257-4记录的最终版本，网址为：https：//www.nature.com/articles/s43586-023-00257-4