XiaoMi-AI文件搜索系统
World File Search System谱方法
一种模拟随机过程的量子谱方法及其在蒙特卡罗中的应用
随机过程在物理学、数学、工程学和金融学中起着基础性的作用。量子计算的一个潜在应用是更好地近似随机过程的性质。例如，用于蒙特卡罗估计的量子算法将随机过程的量子模拟与振幅估计相结合，以改进均值估计。在这项工作中，我们研究了与蒙特卡罗方法兼容的模拟随机过程的量子算法。我们引入了一种新的随机过程“模拟”量子表示，其中时间 t 时的过程值存储在量子态的振幅中，从而能够以指数方式高效编码过程轨迹。我们表明，这种表示允许使用高效量子算法来模拟某些随机过程，这些算法使用这些过程的光谱特性与量子傅里叶变换相结合。特别是，我们表明我们可以使用门复杂度为 polylog(T) 的量子电路来模拟分数布朗运动的 T 个时间步，该电路可以连贯地准备布朗路径上的叠加。然后，我们表明这可以与量子均值估计相结合，以创建端到端算法，用于估计时间 O (polylog(T)ϵ − c) 内过程的某些时间平均值，其中 3 / 2 < c < 2 是分数布朗运动的某些变体，而经典蒙特卡洛运行时间为 O (Tϵ − 2)，量子均值估计时间为 O (Tϵ − 1)。在此过程中，我们给出了一种有效的算法，以相干方式加载具有不同方差的高斯振幅的量子态，这可能是独立的兴趣所在。
二元响应隶属度分析的可识别等级谱方法
隶属等级 (GoM) 模型是用于多变量分类数据的流行个体级混合模型。GoM 允许每个主体在多个极端潜在概况中拥有混合成员身份。因此，与限制每个主体属于单个概况的潜在类别模型相比，GoM 模型具有更丰富的建模能力。GoM 的灵活性是以更具挑战性的可识别性和估计问题为代价的。在这项工作中，我们提出了一种基于奇异值分解 (SVD) 的谱方法来进行具有多元二元响应的 GoM 分析。我们的方法取决于以下观察：在 GoM 模型下，数据矩阵的期望具有低秩分解。对于可识别性，我们为期望可识别性概念开发了充分和几乎必要的条件。对于估计，我们仅提取观测数据矩阵的几个前导奇异向量，并利用这些向量的单纯形几何来估计混合成员分数和其他参数。我们还在双渐近状态下建立了估计量的一致性，其中受试者数量和项目数量都增长到无穷大。我们的谱方法比贝叶斯或基于可能性的方法具有巨大的计算优势，并且可以扩展到大规模和高维数据。广泛的模拟研究表明我们的方法具有卓越的效率和准确性。我们还通过将我们的方法应用于人格测试数据集来说明我们的方法。
使用相位检索单个球体的折射率...
图 6. 球体的加权噪声 LSP（SNR = 3）与模拟 LSP 的比较。后者的特性是通过谱法和非线性回归获得的，并在图例中呈现。谱方法的 MSE 和 log(MSE) 分别为 0.493 和 −0.307 ，而回归方法的 MSE 和 log(MSE) 分别为 0.198 和 −0.703 。
分析师
早期的光谱电化学研究已形成了一个包含多种光谱方法的领域。如今，已有许多关于光谱电化学的综述。例如，Dunsch 在 2011 年发表的工作涵盖了多种光谱电化学技术。3 2013 年，Oberacher 等人发表了一篇关于电化学池中质谱方法的论文。4 Wain 和 O'Connel 在 2017 年撰写了一篇关于表面增强振动光谱电化学的论文。5 同样在 2017 年，Tong 发表了关于核磁共振光谱电化学的研究，重点关注挑战和前景。6 León 和 Mozo 于 2018 年发表的著作详细描述了如何设计光谱电化学池。7 2018 年，Zhai 等人发表了一篇关于电化学池中质谱方法的论文。撰写了一篇综述，其中描述了光谱电化学的最新进展。8 最后，在 Gazor-Ruiz 等人 2019 年的研究中，描述了光谱电化学的最新趋势和挑战。9
量子多谱方法在低光子速率下对闪烁量子发射器的动力学进行研究，无需分箱：让每个光子都发挥作用
量子发射器的闪烁统计及其相应的马尔可夫模型在生物样本的高分辨率显微镜以及纳米光电子学和许多其他科学和工程领域中发挥着重要作用。目前用于分析闪烁统计的方法，如全计数统计和维特比算法，在低光子速率下会失效。我们提出了一种评估方案，它消除了对最小光子通量和通常的光子事件分箱的需求，而这限制了测量带宽。我们的方法基于测量记录的高阶光谱，我们在最近引入的量子多光谱方法中对其进行了建模，该方法来自连续量子测量理论。通过这种方法，我们可以确定半导体量子点在比标准实验低 1000 倍的光级下的开启和关闭速率，比使用全计数统计方案实现的低 20 倍。因此，建立了一种非常强大的高带宽方法，用于单光子隐马尔可夫模型的参数学习任务，并可应用于许多科学领域。
医学中的人工智能 (AI) - Otus
回顾主要类型的生物数据（基因组、转录组、蛋白质组、代谢组）、它们在生物医学研究中的作用和意义；基因组结构、测序方法、基因组序列数据库、基因组数据在医学中的应用示例；获取转录组数据的方法、基因表达分析、使用转录组数据进行生物标志物识别；质谱方法、蛋白质组学数据分析、蛋白质组学数据在蛋白质研究中的应用示例；代谢组学的基础知识、获取和分析代谢组学数据的方法、临床应用的例子； “-omic”数据的综合分析。
药物物质中的亚硝胺杂质 / LCMSTM-9030
引言自2018年起，美国FDA和其他国家的监管机构已警告某些原料药和产品中存在N-亚硝胺杂质。亚硝胺（NSA，见表1）是有毒化学物质，其中一些例如NDMA和NDEA被归类为可能的人类致癌物。NDMA和NDEA首次发现存在于血管紧张素II受体阻滞剂（ARB），如氯沙坦等原料药和产品中。在雷尼替丁和二甲双胍药品中发现了NDMA，由于NDMA含量超过可接受摄入量限值（AI，96 ng/天），因此产品被召回。利用高灵敏度和选择性的GC-MS、LC-MS/MS [1]和LC-HRMS [2-4]质谱方法，可以对药品中痕量NDMA和其他有关亚硝胺进行检测和定量。
张量主成分分析的经典算法和量子算法
N 。那么，从理论上讲，当λ远大于 N (1 − p ) / 2 [ 2 , 3 ] 时，可以恢复信息。然而，尚无已知的多项式时间算法能够达到这一性能。相反，最著名的两种算法是谱算法和平方和算法。谱算法最早在参考文献 [ 2 ] 中提出。其中，由 T 0 形成一个矩阵（如果 p 为偶数，则矩阵为 N p/ 2 × N p/ 2 ，其元素由 T 0 的元素给出），并且该矩阵的主特征向量用于确定 v sig 。对于偶数 p ，此方法适用于远大于 N − p/ 4 的λ ，并且推测它的变体对奇数 p 具有类似的效果。基于平方和的方法也具有与谱方法类似的效果。针对该问题，平方和法 [ 4 , 5 ] 产生了一系列算法 [ 6 , 7 ]，这些算法可以在小于 N − p/ 4 的 λ 下进行恢复，但运行时间和空间成本在 polylog( N ) N − p/ 4 /λ 中呈指数增长。在参考文献 [ 1 ] 中，展示了一系列具有类似性能的谱算法。