用于计算超越互补金属氧化物半导体的铁电体。双极晶体管和互补金属氧化物半导体 (CMOS) 晶体管的微缩(即减小尺寸或增加总数 1 )取得了巨大成功,但随着半导体工艺的每一代发展,随着器件接近基本尺寸极限 2 ,微缩变得越来越困难。虽然摩尔微缩定律一直在延续,但工作电压的降低速度要慢得多,因为 Dennard 的微缩方案 3 只持续到 2003 年左右。研究人员目前正在探索其他方法,以继续遵循摩尔定律,使器件具有低工作电压(< 100 mV)和相应的低工作能量(每位 1-10 aJ),同时保持可接受的器件开关延迟(< 0.1 ns)。这推动了一系列替代的、超越 CMOS 的计算途径(例如,基于自旋、极化、应变等的途径)4、5 的研究。铁电体可实现非挥发性和低读/写能量,在存储器(例如铁电随机存取存储器)、逻辑或存储器内逻辑(例如铁电场效应晶体管 (FeFET) 应用 6、7 和负电容场效应晶体管)8、9 中引起了越来越多的关注。尽管引起了人们的关注,但问题在于大多数铁电器件都在高电压 6、7 (> 1 V) 下工作,因此与低功率操作不兼容 5。解决这个问题将标志着向前迈出的重要一步,并可能为铁电材料在超 CMOS 器件的出现中开辟道路。
摘要:尽管转基因 (GM) 微生物未经授权进入欧洲市场,但各种商业微生物发酵产品中屡屡出现此类污染报告。其中一些污染与用于合成食品蛋白酶的转基因 Bacillus velezensis 有关,目前该菌株的基因组特征仍不完整,尚不清楚这些污染是否有共同的来源。在本研究中,通过短读和长读全基因组测序 (WGS) 对来自多种食品酶产品的转基因 B. velezensis 分离株进行了表征,表明它们含有携带抗菌素耐药性基因的游离重组 pUB110 衍生质粒。此外,单核苷酸多态性 (SNP) 和全基因组比较分析表明,这些分离株可能来自同一亲本转基因菌株。这项研究强调了混合 WGS 方法对 GMM 的精确基因组表征(例如,转基因构建体的基因组位置)的附加价值,以及基于 SNP 的系统基因组学分析对 GMM 的源追踪的附加价值。
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年1月10日发布。 https://doi.org/10.1101/2023.01.09.523337 doi:Biorxiv Preprint
摘要 - 内存计算(IMC)是机器学习(ML)数据密集型计算加速器的最有希望的候选者之一。用于尺寸降低和分类的关键ML算法是主要成分分析(PCA),它在很大程度上依赖于经典的von Neumann架构未优化的矩阵矢量乘法(MVM)。在这里,我们提供了基于IMC的新PCA算法的实验演示,该算法基于功率迭代和在4 kbit的电阻切换随机访问存储器(RRAM)中执行的放气。威斯康星州乳腺癌数据集的分类准确性达到95.43%,接近浮点的实施。我们的模拟表明,与商业图形处理单元(GPU)相比,能源效率有250倍,因此在现代数据密集型计算中支持IMC的能源有效ML。
a 西班牙格拉纳达大学统计学和运筹学系及 IEMath-GR b 西班牙瓦伦西亚理工大学应用统计和运筹学系及质量系及 UC3M-BS 桑坦德大数据研究所 c 西班牙格拉纳达大学电子与计算机技术系
摘要#1875257 Sarah B Kingan 1、Guilherme De Sena Brandine 1、Jocelyne Bruand 1、Jeff Zhou 1、Valeriya Gaysinskaya 1、Janet Aiyedun 1、Julian Rocha 1、Duncan Kilburn 1、Egor Dolzhenko 1、Zoi Kontogeorgiou 2、Anita Szabo 3, Christina Zarouchlioti 3, Robert Thaenert 4, Pilar Alvarez Jerez 5, Kimberley Billingsley 5, Sonia Lameiras 6, Sylvain Baulande 6, Alice Davidson 3, Georgios Koutsis 7, Georgia Karadima 2, Stéphanie Tomé 8, Michael A Eberle 1 1. Pacific Biosciences (PacBio),门洛帕克,美国、2. 雅典国立卡波迪斯特里安大学,第一神经病学系,希腊雅典,3. 伦敦大学学院,眼科研究所,英国,4. Quest Diagnostics,马尔伯勒,美国,5. 美国国立卫生研究院,阿尔茨海默病和相关痴呆症中心,国家老龄化研究所,贝塞斯达,美国,6. 居里研究所,PSL 研究大学,ICGex 下一代测序平台,法国巴黎,7. 雅典国立卡波迪斯特里安大学,神经遗传学科,第一神经病学系,Eginition 医院,医学院,希腊雅典 8. 索邦大学,法国国家健康与医学研究院,肌肉学研究所,肌肉学研究中心,法国巴黎
。CC-BY-NC-ND 4.0 国际许可,根据 提供(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2023 年 3 月 4 日发布。;https://doi.org/10.1101/2023.03.03.531065 doi:bioRxiv 预印本
取决于基因表达的协调变化,特别是在内侧前额叶皮层的垂直区域(ILPFC; Martin等,2000; Bruel-Jungerman等,2007; Alberini,2009)。近年来,我们和其他人表明,此过程涉及转录机械和表观基因组机制之间的严格控制相互作用(Campbell和Wood,2019年)。DNA在细胞中比RNA,蛋白质或脂质更为持久,因此其调节的机制是理解行为适应的关键(Marshall和Bredy,2016年)。尽管长期以来与神经元的可塑性和记忆长期以来一直与DNA和组蛋白的修饰有关(Vanyushin,2006; Bredy等,2007; Vecsey等,2007; Wei等,2012;Grä虫,2014; li et al。这是因为DNA结构和功能之间的关系主要归因于右手双螺旋,
。CC-BY-NC-ND 4.0 国际许可,根据 提供(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者,此版本于 2020 年 1 月 2 日发布。;https://doi.org/10.1101/2020.01.02.892844 doi:bioRxiv 预印本
量子存储器是任何全球规模量子互联网、高性能量子网络和近期量子计算机的基础。量子存储器的主要问题是从量子存储器的量子寄存器中检索量子系统的效率低。在这里,我们为近期量子设备定义了一种称为高检索效率 (HRE) 量子存储器的新型量子存储器。HRE 量子存储器单元在其硬件级别集成了局部幺正操作以优化读出过程,并利用了量子机器学习的先进技术。我们定义了 HRE 量子存储器的集成幺正操作,证明了学习过程,并评估了可实现的输出信噪比值。我们证明 HRE 量子存储器的局部幺正以无监督的方式实现了读出过程的优化,而无需使用任何标记数据或训练序列。我们表明,HRE 量子存储器的读出过程是以完全盲目的方式实现的,无需任何有关输入量子系统或量子寄存器的未知量子操作的信息。我们评估了 HRE 量子存储器的检索效率和输出 SNR(信噪比)。结果对于门模型量子计算机和量子互联网的近期量子设备特别有用。