谱超图稀疏化是将众所周知的谱图稀疏化扩展到超图的一种尝试,在过去几年中得到了广泛的研究。对于无向超图,Kapralov、Krauthgamer、Tardos 和 Yoshida (2022) 证明了最佳 O ∗ ( n ) 大小的 ε -谱稀疏器,其中 n 是顶点数,O ∗ 抑制了 ε − 1 和 log n 因子。但对于有向超图,最佳稀疏器大小尚不清楚。我们的主要贡献是第一个为加权有向超图构造 O ∗ ( n 2 ) 大小的 ε -谱稀疏器的算法。我们的结果在 ε − 1 和 log n 因子范围内是最优的,因为即使对于有向图也存在 Ω(n2) 的下限。我们还展示了一般有向超图的 Ω(n2/ε) 的第一个非平凡下界。我们算法的基本思想借鉴了 Koutis 和 Xu (2016) 提出的基于 spanner 的普通图稀疏化。他们的迭代采样方法确实有助于在各种情况下设计稀疏化算法。为了证明这一点,我们还提出了一种类似的无向超图迭代采样算法,该算法实现了最佳大小界限之一,具有并行实现,并且可以转换为容错算法。
摘要 — 药物间相互作用 (DDI) 可能会妨碍药物的功能,在最坏的情况下,它们可能导致药物不良反应 (ADR)。预测所有 DDI 是一个具有挑战性且至关重要的问题。大多数现有的计算模型整合了来自不同来源的以药物为中心的信息,并将它们作为机器学习分类器中的特征来预测 DDI。然而,这些模型失败的可能性很高,尤其是对于所有信息都不可用的新药。本文提出了一种新的超图神经网络 (HyGNN) 模型,该模型仅基于适用于任何药物的简化分子输入线输入系统 (SMILES) 药物串来解决 DDI 预测问题。为了捕捉药物化学结构的相似性,我们从从 SMILES 字符串中提取的药物化学子结构创建了一个超图。然后,我们开发了 HyGNN,它由一个基于注意力机制的新型超图边缘编码器组成,以获得药物作为超边的表示,以及一个解码器来预测药物对之间的相互作用。此外,我们进行了大量实验来评估我们的模型,并将其与几种最先进的方法进行比较。实验结果表明,我们提出的 HyGNN 模型可以有效预测 DDI,并且令人印象深刻地超越基线,最大 F1 得分、ROC-AUC 和 PR-AUC 分别为 94.61%、98.69% 和 98.68%。最后,我们表明我们的模型也适用于新药。索引术语 — 药物-药物相互作用、图神经网络、超图、超图神经网络、超图边缘编码器
摘要 — 在容错量子计算机中,量子码有望实现保护量子信息和允许容错门操纵量子信息的相互冲突的目的。我们引入了一种对此类门施加限制的新技术,并将该技术应用于包含在垂直扇区内的一类称为超图乘积码的量子码。这些代码由一对经典线性代码输入构成,并推广了 Kitaev 曲面代码,它是经典重复代码的超图乘积。我们为这些输入代码提供了一个必要条件,在此条件下,得到的超图乘积代码具有限制于 Clifford 群的横向门。我们推测所有 [ n, k, d ] Gallagher 码(d ≥ 3 且 k ≤ n/ 2)都满足此条件。这项工作是对 Bravyi 和 K¨onig 提出的论证的概括,并且我们还推测这是对 Jochym-O'Connor 等人提出的最新不相交概念的细化。
B'Abstract Aharoni和Howard,以及独立的Huang,Loh和Sudakov提出了以下彩虹版本的ERD \ XCB \ XCB \ X9DOS匹配猜想:用于正整数N,K,M,使用N \ Xe2 \ X89 \ X89 \ X89 \ XA5 km(如果每个人)f 1,f 1,f 1,f 1,f 1,如果。。,f m \ xe2 \ x8a \ x86 [n] k的大小大于最大{n k \ xe2 \ x88 \ x92 n \ x92 n \ xe2 \ x88 \ x88 \ x92 m +1 k,km \ xe2 \ xe2 \ x88 \ x88 \ x92 1 k},然后存在Emubse em subse et emsetse。。。,e m,以至于所有i \ xe2 \ x88 \ x88 [m] e i \ xe2 \ x88 \ x88 f i。我们证明存在一个绝对常数n 0,因此该彩虹版本适用于k = 3和n \ xe2 \ x89 \ xa5 n 0。我们将这个彩虹匹配的问题转换为特殊的HyperGraph H上的匹配问题。然后,我们将几种现有技术结合在均匀超图中的匹配中:\ xef \ xac \ x81nd h中的吸收匹配m;使用Alon等人的随机化过程与\ Xef \ Xac \ x81nd几乎是H \ Xe2 \ X88 \ X92 V(M)的几乎常规子图; \ xef \ xac \ x81nd在H \ xe2 \ x88 \ x92 V(m)中几乎完美匹配。要完成该过程,我们还需要证明在3-均匀的超图中的匹配项上获得新的结果,这可以看作是Luczak和Mieczkowska结果的稳定版本,并且可能具有独立的利益。
我们引入了超图的概念来描述具有概率多光子源的量子光学实验。每个超边代表一个相关光子源,每个顶点代表一条光输出路径。这种通用的图形描述为产生复杂的高维多光子量子纠缠态提供了新的见解,超越了通过自发参数下转换对创建所施加的限制。此外,可以通过实验研究超图的性质。例如,确定超图是否具有完美匹配的 NP 完全问题可以通过在量子实验中通过实验检测多光子事件来回答。通过在超图中引入复数权重,我们以图形方式展示了一般的多粒子量子干涉和操纵纠缠。我们的工作为多光子高维状态生成的发展铺平了道路,并可能激发使用超图映射的量子计算的新应用。
引言超图是一种广泛的写作趋势,有时会加上过度狂热和非典型性,完成了Waxman和Geschwind在1975年在颞叶癫痫患者的发作阶段中描述的综合征。然而,与精神分裂症精神病相比,通常在右半球中,任何颞骨病变都可能引起。客观对临床肿瘤病变的横向显着性审查,强调了(联合国)特定的超图,此前案例报告了患有超毛和精神分裂症精神病患者的病例报告。方法分析患者的临床记录和PubMed评论,使用超毛病,癫痫和精神病作为关键字。结果,我们报告了一名74岁男性因敏捷而被录取。患者在20多岁的脑损伤中患有脑外伤,左颞癫痫。他生活在psy-Chiatric Asylum中,近40年,诊断为精神分裂症,表现出极大的非典型性行为。被跨机构化为社区护理所在地后,他解脱了脑膜脑炎,导致药物变化和行为复发。他表现出粘度,间接性,独白,正式情绪和正常认知。他写了大量的文章,例如列出了著名神职人员和政治的各种类别和信件的列表。他的日记是出于说明目的的扫描。披露利息的作者尚未提供其竞争利益的声明。结论超毛病是一种罕见但容易发现的症状,值得临床医生的关注,尤其是在精神分裂症精神病和颞癫痫之间的鉴别诊断中。