XiaoMi-AI文件搜索系统
World File Search System模拟技术
基于机制的治疗可以实现肥厚型心肌病的个性化治疗
心肌病具有尚未解决的基因型-表型关系，并且缺乏针对疾病的治疗方法。我们在此提供了一个框架，以确定基因型特异性的发病机制和治疗靶点，以加速精准医疗的发展。我们使用人类心脏机电计算机建模和模拟，并通过实验性 hiPSC-CM 数据和建模结合临床生物标志物对其进行验证。我们选择肥厚性心肌病作为这种方法的挑战，并研究导致心脏肌节粗丝（MYH7 R403Q/+）和细丝（TNNT2 R92Q/+、TNNI3 R21C/+）蛋白质突变的基因变异。使用计算机模拟技术，我们表明，在 hiPSC-CM 中观察到的肌球蛋白超松弛不稳定会导致携带 MYH7 R403Q/+ 变体的虚拟细胞和心室患病，而细丝活化的次要影响对于导致细胞松弛减慢和心室舒张功能不全是必不可少的。计算机模拟建模表明，Mavacamten 可纠正 MYH7 R403Q/+ 表型，这与 hiPSC-CM 实验一致。我们的计算机模拟模型预测，细丝变体 TNNT2 R92Q/+ 和 TNNI3 R21C/+ 显示钙调节改变作为中枢病理机制，而 Mavacamten 无法完全挽救这种机制，我们在 TNNT2 R92Q/+ 和 TNNI3 R21C/+ hiPSC-CM 中证实了这一点。我们定义了一种新型细丝靶向化合物的理想特性，并通过计算机模拟展示了其功效。我们证明，基于人类的混合 hiPSC-CM 和计算机模拟研究加速了病理机制的发现和分类测试，改善了遗传变异的临床解释，并指导了合理的治疗针对和设计。
基于内存计算的可扩展可编程神经网络推理加速器
摘要 — 本研究展示了一种可编程的内存计算 (IMC) 推理加速器，用于可扩展执行神经网络 (NN) 模型，利用高信噪比 (SNR) 电容模拟技术。IMC 加速计算并减少矩阵向量乘法 (MVM) 的内存访问，这在 NN 中占主导地位。加速器架构专注于可扩展执行，解决状态交换的开销以及在高密度和并行硬件中保持高利用率的挑战。该架构基于可配置的片上网络 (OCN) 和可扩展内核阵列，将混合信号 IMC 与可编程近内存单指令多数据 (SIMD) 数字计算、可配置缓冲和可编程控制集成在一起。这些内核支持灵活的 NN 执行映射，利用数据和管道并行性来解决跨模型的利用率和效率问题。介绍了一种原型，它采用了 16 nm CMOS 中演示的 4 × 4 核心阵列，实现了峰值乘法累加 (MAC) 级吞吐量 3 TOPS 和峰值 MAC 级能效 30 TOPS/W，均为 8 位操作。测量结果表明模拟计算具有很高的精度，与位真模拟相匹配。这实现了稳健且可扩展的架构和软件集成所需的抽象。开发的软件库和 NN 映射工具用于演示 CIFAR-10 和 ImageNet 分类，分别采用 11 层 CNN 和 ResNet-50，实现了 91.51% 和 73.33% 的准确度、吞吐量和能效、7815 和 581 图像/秒、51.5 k 和 3.0 k 图像/秒/W，具有 4 位权重和激活。
元图启用量子边缘检测
引言光子跨国，工程金属或介电结构的二维超薄阵列是多功能的光学组合，实现了对局部相，振幅，振幅和极化的电磁场操纵的能力（1-4）。这些功能是在古典光学方面的各种应用程序中开发的。量子纠缠是许多应用的量子光学源的重要来源，例如量子密码学（5，6），传送（7-9），超分分辨率计量学（10）和量子成像（11）。特别是在量子成像领域，可以利用光子对之间的空间强度相关性超过成像的经典限制（12-14）。此外，用预示的单光子照亮量子图像处理技术的引入揭示了光子限制成像的优势抗抗抑制能力（15）。最近的努力表明，将元图与纠缠光子相结合的趋势是量子光学元件中各种应用应用的趋势（16-20）。在另一种情况下，边缘检测是图像处理中最常见的操作之一，它试图定义图像中区域之间的边界。它是机器和计算机视觉领域（21）的基本工具，是医学图像操作中自动特征的预处理步骤（22，23），也是自动驾驶汽车的关键组成部分（24，25）。与传统数字方法相比，模拟技术具有高速和节能的优势。由于量子纠缠在测量之前拥有无法区分的信息和Instanta-因此，已经提出了各种模拟边缘检测方法（26-35），包括通过我们的超材料和超额叶（36 - 39）。然而，在量子光学领域从未证明基于紧凑的跨表面的边缘检测。
使用多图正则化核范数最小化预测药物-靶标相互作用
在制药科学中，识别药物和靶标蛋白之间的潜在相互作用至关重要。在基因组药物发现中，相互作用的实验验证费力且昂贵；因此，需要高效、准确的计算机模拟技术来预测潜在的药物-靶标相互作用，以缩小实验验证的搜索空间。在这项工作中，我们提出了一个新框架，即多图正则化核范数最小化，它从三个输入预测药物和靶标蛋白之间的相互作用：已知的药物-靶标相互作用网络、药物之间的相似性以及靶标之间的相似性。所提出的方法侧重于寻找一个低秩相互作用矩阵，该矩阵由图编码的药物和靶标的接近度构成。先前关于药物靶标相互作用 (DTI) 预测的研究表明，结合药物和靶标的相似性有助于通过保留原始数据的局部几何形状更好地学习数据流形。但是，对于哪种相似性以及哪种组合最能帮助完成预测任务，目前还没有明确的共识。因此，我们建议使用各种药物间相似性和靶标间相似性作为多图拉普拉斯（药物/靶标）正则化项，以详尽地捕获近似值。使用标准评估指标（AUPR 和 AUC）对四个基准数据集进行的大量交叉验证实验表明，所提出的算法提高了预测性能，并且大大优于最近最先进的计算方法。软件可在 https://github.com/aanchalMongia/ MGRNNMforDTI 上公开获取。
根据图状态将量子电路映射到浅深度测量模式
摘要 基于测量的量子计算 (MBQC) 范式始于高度纠缠的资源状态，通过自适应测量和校正在该状态上执行幺正操作以确保确定性。这与更常见的量子电路模型形成对比，在更常见的量子电路模型中，幺正操作在最终测量之前直接通过量子门实现。在这项工作中，我们将 MBQC 中的概念融入电路模型以创建一种混合模拟技术，使我们能够将任何量子电路拆分为经典高效可模拟的 Clifford 部分和由稳定器状态和局部（自适应）测量指令（即所谓的标准形式）组成的第二部分，该部分在量子计算机上执行。我们进一步使用图状态形式处理稳定器状态，从而显著减少某些应用的电路深度。我们表明，可以使用协议中的完全并行（即非自适应）测量来实现相互交换的运算符组。此外，我们还讨论了如何通过调整资源状态来同时测量相互交换的可观测量组，而不是像在电路模型中那样在测量之前执行昂贵的基础变换。最后，我们通过两个具有高度实际意义的例子证明了该技术的实用性——用于水分子基态能量估计的量子近似优化算法和变分量子特征求解器 (VQE)。对于 VQE，我们发现与标准电路模型相比，使用测量模式可以将深度减少 4 到 5 倍。同时，由于我们结合了同时测量，与在电路模型中单独测量泡利弦相比，我们的模式使我们可以将拍摄次数节省至少 3.5 倍。
高维元宇宙平台和虚拟扩展的自我
认知研究传统上使用低维测量和刺激呈现，强调实验室控制，而不是反映日常生活活动和互动的高维（即生态有效）工具。虽然实验室中受控的实验呈现增强了我们对健康和临床队列的认知的理解，但高维可能会扩展现实和认知。高维元宇宙方法使用具有动态刺激呈现的扩展现实 (XR) 平台，将人类和模拟技术结合起来以扩展认知。本文的计划如下：“从低维到高维的认知研究扩展”部分讨论了当前对反映日常认知活动的高维刺激呈现的需求。在“算法设备和认知的数字扩展”部分，介绍了扩展心智的技术，并将元宇宙作为扩展的候选认知过程。接下来，在“理解扩展心智技术的神经认知框架”部分，提出了一个框架和模型，用于理解人类技术耦合的神经关联，包括自动算法过程（边缘-腹侧纹状体环路）、反射认知（前额叶-背侧纹状体环路）和算法处理（岛叶皮层）。人机交互的算法过程可以随着时间的推移成为大脑和技术的自动化和算法耦合。本文最后简要总结并讨论了 Metaverse 可用于研究人们如何在模拟现实世界活动和互动时对高维刺激做出反应的方式。
基于机制的治疗可以实现肥厚型心肌病的个性化治疗
心肌病具有尚未解决的基因型-表型关系，并且缺乏针对疾病的治疗方法。我们在此提供了一个框架，以确定基因型特异性的发病机制和治疗靶点，以加速精准医疗的发展。我们使用人类心脏机电计算机建模和模拟，并通过实验性 hiPSC-CM 数据和建模结合临床生物标志物对其进行验证。我们选择肥厚性心肌病作为这种方法的挑战，并研究导致心脏肌节粗丝（MYH7 R403Q/+）和细丝（TNNT2 R92Q/+、TNNI3 R21C/+）蛋白质突变的基因变异。使用计算机模拟技术，我们表明，在 hiPSC-CM 中观察到的肌球蛋白超松弛不稳定会导致携带 MYH7 R403Q/+ 变体的虚拟细胞和心室患病，而细丝活化的次要影响对于导致细胞松弛减慢和心室舒张功能不全是必不可少的。计算机模拟建模表明，Mavacamten 可纠正 MYH7 R403Q/+ 表型，这与 hiPSC-CM 实验一致。我们的计算机模拟模型预测，细丝变体 TNNT2 R92Q/+ 和 TNNI3 R21C/+ 显示钙调节改变作为中枢病理机制，而 Mavacamten 无法完全挽救这种机制，我们在 TNNT2 R92Q/+ 和 TNNI3 R21C/+ hiPSC-CM 中证实了这一点。我们定义了一种新型细丝靶向化合物的理想特性，并通过计算机模拟展示了其功效。我们证明，基于人类的混合 hiPSC-CM 和计算机模拟研究加速了病理机制的发现和分类测试，改善了遗传变异的临床解释，并指导了合理的治疗针对和设计。
加工引起的残余应力综述
收稿日期：2022年3月15日；接受日期：2022年5月22日摘要由于摩擦、切屑形成和切削区域产生的热量，通过机械加工生产的零件具有残余应力。机械加工过程引起的残余应力对机加工零件的疲劳寿命有很大影响，从而缩短其使用寿命。为了提高机加工零件在实际应用中的性能，例如疲劳寿命、耐腐蚀性和零件变形，应研究和尽量减少残余应力。因此，预测和控制机械加工引起的残余应力对于提高机加工零件的质量非常重要。本文回顾了机械加工引起的残余应力的最新成果，以便进行分析和降低。对残余应力测量的不同方法进行了回顾和比较，包括破坏性方法、半破坏性方法和无损检测 (NDT) 方法，以便进行开发。为了最大限度地减少机加工部件中的残余应力，本研究考察了加工工艺参数、高速加工条件、冷却液、切削刀具磨损、边缘和半径对残余应力的影响。回顾了残余应力的分析和半分析建模、数值和 FEM 模拟技术，包括残余应力建模方法的先进方法，以预测机加工部件中的残余应力。研究了各种合金（如铝合金、生物医学植入材料、难切削材料（如镍基合金、钛基合金、英科乃尔基合金和不锈钢合金）中的残余应力，以提供有效的机加工部件残余应力最小化方法。人们已经意识到，评估和分析已发表论文的最新进展将有助于发展该研究领域。关键词：残余应力；加工操作
元图启用量子边缘检测。
引言光子跨国，工程金属或介电结构的二维超薄阵列是多功能的光学组合，实现了对局部相，振幅，振幅和极化的电磁场操纵的能力（1-4）。这些功能是在古典光学方面的各种应用程序中开发的。量子纠缠是许多应用的量子光学源的重要来源，例如量子密码学（5，6），传送（7-9），超分分辨率计量学（10）和量子成像（11）。特别是在量子成像领域，可以利用光子对之间的空间强度相关性超过成像的经典限制（12-14）。此外，用预示的单光子照亮量子图像处理技术的引入揭示了光子限制成像的优势抗抗抑制能力（15）。最近的努力表明，将元图与纠缠光子相结合的趋势是量子光学元件中各种应用应用的趋势（16-20）。在另一种情况下，边缘检测是图像处理中最常见的操作之一，它试图定义图像中区域之间的边界。它是机器和计算机视觉领域（21）的基本工具，是医学图像操作中自动特征的预处理步骤（22，23），也是自动驾驶汽车的关键组成部分（24，25）。与传统数字方法相比，模拟技术具有高速和节能的优势。由于量子纠缠在测量之前拥有无法区分的信息和Instanta-因此，已经提出了各种模拟边缘检测方法（26-35），包括通过我们的超材料和超额叶（36 - 39）。然而，在量子光学领域从未证明基于紧凑的跨表面的边缘检测。
计算化学和药物输送技术如何支持新型抗癌药物的开发
尽管在开发新的治疗方法方面取得了巨大进步，但癌症仍然是全世界的主要死亡原因之一；每年有数百万人被诊断出患有肿瘤疾病 [ 1 ]，其中一半以上会死于肿瘤 [ 2 ]。小分子有机药物仍然是抗癌疗法的主要来源，2019 年美国食品药品管理局批准了 6 种新的化学实体 [ 3 ]。同时，虽然肽在开发肿瘤疾病的创新疗法和新诊断工具中的作用仍然很小，但值得注意的是，2018 年约有 35 种肽处于临床试验的不同阶段，2000 年至 2016 年期间已有 4 种分子获批用于临床 [ 4 ]。合成和随后的生物学测试是抗癌药物开发过程的核心，然而另外两个看似相距甚远的研究领域，如计算化学和药物输送，也可以为新治疗策略的成功做出重大贡献。计算方法，例如综合模拟技术，如分子动力学 (MD)、对接、自由能计算、化学信息学和机器学习算法，主要用于：i）设计能够与给定靶标结合的新化学实体；ii）提高已知命中化合物或先导化合物的选择性[5-13]。也可以使用相同计算方法的组合来提高分子穿透细胞或抵抗代谢的能力[14-19]。关于靶向药物输送 (TDD)，它代表了一种有前途的方法，通过将施用的药物输送到目标组织来改善治疗结果，同时消除或