XiaoMi-AI文件搜索系统
World File Search System高维
高维成分数据的稳健协方差估计及其在微生物群落分析中的应用
现今随着高通量测序技术的飞速发展，微生物群落分析受到越来越多的关注。观测数据具有以下典型特征：高维、成分复杂（处于单纯形状态），甚至由于种类过于丰富而呈现尖峰性和高度偏斜性，这使得传统的相关性分析无法研究微生物种类之间的共现和共排斥关系。在本文中，我们解决了该类数据的协方差估计难题。假设基协方差矩阵位于一类公认的稀疏协方差矩阵中，我们采用文献中称为中心对数比协方差矩阵的代理矩阵，由于维数趋向于无穷大，因此它与真实的基协方差矩阵几乎无法区分。我们为中心对数比协方差矩阵构建了一个均值中位数 (MOM) 估计量，并提出了一种可适应各个条目变化的阈值处理程序。通过施加一个比文献中的亚高斯条件弱得多的有限四阶矩条件，我们推导出谱范数下的最佳收敛速度。此外，我们还为支持恢复提供了理论保证。MOM 估计量的自适应阈值处理程序易于实现，并且在存在异常值或重尾时具有稳健性。进行了彻底的模拟研究，以显示所提出的程序优于一些最先进的方法。最后，我们应用所提出的方法来分析人类肠道中的微生物组数据集。用于实现该方法的 R 脚本可在 https://github.com/heyongstat/RCEC 获得。
高维量子计算模拟器
摘要。使用经典计算机模拟量子计算已成功帮助研究过于复杂而无法进行分析的量子算法和电路。量子计算模拟器的当前实现仅限于两级量子系统。高维量子计算系统的最新进展证明了使用多级叠加和纠缠的可行性。这些进步允许在保持量子纠缠的同时灵活增加系统的维度数，实现更高的信息编码，并使量子算法不易受到退相干和计算错误的影响。在本文中，我们介绍了一种新型的高维云量子计算模拟器 QuantumSkynet。该平台允许模拟基于 qudit 的量子算法。我们还提出了高维量子门的统一泛化，可用于 QuantumSkynet 中的模拟。最后，我们报告了使用 QuantumSkynet 对基于 qudit 的 Deutsch-Jozsa 版本和量子相位估计算法进行的模拟及其结果。
高维神经解码的非线性最大相关信息过滤器
摘要：神经信号解码是脑机界面（BMI）中的一项关键技术，可以解释从瘫痪患者中收集的多神经活动的运动意图。作为一种常用的解码算法，卡尔曼过滤器通常用于从高维神经帧观察中得出运动状态。但是，其性能是有限的，对于具有高维测量的嘈杂的非线性神经系统的有效性较小。在本文中，我们提出了一个非线性最大值相关信息过滤器，目的是在过滤过程中进行更好的状态估计，以实现嘈杂的高维测量系统。我们使用神经网络重建了高维测量和低维状态之间的测量模型，并使用Correntropy标准来得出状态估计，以应对非高斯噪声并消除较大的初始不确定性。此外，还提供了收敛性和鲁棒性的分析。通过将其应用于来自两只大鼠的神经尖峰数据的多个段来评估所提出的算法的有效性，以解释受试者执行两杠杆歧视任务时的运动状态。与其他滤波器相比，我们的结果表现出更好，更健壮的状态估计性能。
纠缠在经典上具有高维度
量子力学是20世纪最大的成就之一，从根本上改变了我们对物理宇宙的思考方式。但是，它也是最神秘的科学理论之一。在这个谜团的核心是所谓的量子。对量子状态的叠加的测量表明，在两个远距离分离的量子系统之间可以存在强大的非经典相关性，从而导致所谓的量子“距离处的怪异动作” 1。这代表了量子力学最引人注目的量子之一，并且是最基本的量子力学资源，在许多量子计算和Quantum Information应用中发挥了重要作用。纠缠曾经在量子上下文中严格讨论。其关键特性之一是非局部性，这意味着一个量子系统的测量似乎会影响一个纠缠量子系统的状态，即一定的距离，看似与特殊的相对性相矛盾。贝尔的措施2对此相关性进行了测试，以拒绝爱因斯坦 - 波多尔斯基 - 罗森（EPR）Paradox 3中所述的局部“隐藏变量”。量子纠缠是量子库和量子信息的基础。然而，这些量子的实现和应用中的缺点包括由于环境而导致的信号水平较低和敏感性降解，因此要求“单击”检测重合“点击”检测。最近，有很大的兴趣使用经典的光场构建纠缠状态，以期保留
创建和控制高维多目标的经典纠缠光
在空间模式和极化下不可分割的抽象矢量梁已成为从通信到成像的许多不同应用中启用工具。通过控制旋转和轨道角动量的复杂激光设计实现了这种适用性，但到目前为止仅限于二维状态。在这里，我们演示了在八个维度上创建和完全控制的第一个矢量结构化的光，这是一种新的最新最新。我们首次将外部调节光束以控制偏执的结构光束中的古典格林伯格 - 霍恩林格（GHz）状态的完整集，类似于具有高维度的多面量子纠缠状态，并引入了一种新的Somagraphy方法，并引入了一种新的验证方法。我们的完整理论框架揭示了一个丰富的参数空间，可进一步扩展自由度和自由度，为经典和量子制度中的矢量结构光提供新的途径。
qudits和高维量子计算
Qudit是一种多级计算单元的替代品，可替代2级量子。与Qubit相比，Qudit提供了更大的状态空间来存储和过程信息，因此可以降低电路复杂性，简化实验设置以及算法效率的实现。本评论提供了基于Qudit的量子计算的概述，涵盖了从电路构建，算法设计到实验方法的各种主题。我们首先讨论了Qudit Gate的通用性和各种Qudit门，包括Pi/8 Gate，交换门和多级别控制的门。然后，我们介绍了几种代表性量子算法的QUDIT版本，包括Deutsch-Jozsa算法，量子傅立叶变换和相位估计算法。最后，我们讨论了用于QUDIT计算的各种物理实现，例如光子平台，铁陷阱和核磁共振。
qudits和高维量子计算
qudit是传统2级值的多级计算单元替代品。与Qubit相比，Qudit提供了更大的状态空间来存储和过程信息，因此可以降低电路复杂性，简化实验设置以及算法效率的增强。本评论提供了基于Qudit的量子计算的概述，涵盖了从电路构建，算法设计到实验方法的各种主题。我们首先讨论Qudit门通用性和各种Qudit门，包括Pi/8 Gate，交换门和多级别控制的门。然后，我们介绍了几种代表性量子算法的QUDIT版本，包括Deutsch-Jozsa算法，量子傅立叶变换和相位估计算法。最后，我们讨论了用于QUDIT计算的各种物理实现，例如光子平台，铁陷阱和核磁共振。
一种脑启发的高维计算方法，用于分类癌症的大量DNA甲基化数据
摘要：癌症基因组学的最新进展置于聚光灯DNA甲基化之下，这是一种调节基因组功能的遗传修饰，其修饰在肿瘤发生和肿瘤抑制中具有重要作用。由于下一代测序中的最后进步产生的高维和大量基因组数据，有效地利用DNA甲基化数据在诊断应用中，例如在健康VS患病样本中，有效地利用DNA甲基化数据。此外，最先进的技术不足以快速产生可靠的结果或有效地管理大量数据。因此，我们建议通过分析其DNA甲基化数据来分析肿瘤与非肿瘤样本的HD分类器，这是一种基于内存认知的高维（HD）监督机学习算法。该方法从人的大脑能够通过采用过度向量而没有单个数值值来记忆和区分简单概念的灵感。完全按照大脑的工作，这允许编码复杂的模式，这使整个架构都可以通过嘈杂的数据来解决故障和错误。我们设计和开发一种算法和一个能够使用HD方法执行监督分类的软件工具。我们对不同类型癌症的三个DNA甲基化数据集进行了实验，以证明我们的算法的有效性，即乳腺浸润性癌（BRCA），肾脏肾脏乳头状细胞癌（KIRP）和甲状腺癌（THCA）。，我们在准确性和计算时间方面获得了出色的结果，其计算资源量较低。此外，我们通过将其（i）与BigBiocl进行比较，该方法基于一个基于随机森林的软件，用于对分布式计算环境中的大型OMICS数据集进行分类，（ii）支持向量机（SVM）和（iii）与决策树的最新分类方法。最后，我们在GitHub上自由发布数据集和软件。
高维奇偶校验中的量子信息动力学......
具有宇称时间 ( PT ) 对称性的非厄米系统会产生具有特殊性质的特殊点 (EP)，这些特殊性质是由于特征向量的合并而产生的。此类系统已在经典领域得到广泛探索，其中已提出或实现了二阶或更高阶的 EP。相比之下，PT 对称系统的量子信息研究仅限于具有二维希尔伯特空间的系统。在这里，通过使用单光子干涉装置，我们模拟了四维 PT 对称系统跨四阶特殊点的量子动力学。通过跟踪系统在 PT 对称未破损和破损区域中密度矩阵的相干、非幺正演化，我们观察到了整个系统以及增益和损失子系统的熵动态。我们的设置可扩展到更高维的 PT 对称系统，我们的结果指向丰富的动态和临界性质。
具有高维光学空间模式的可编程相干线性量子操作
光子学为探索非经典计算资源提供了一个出色的平台[1]，因为纠缠可以通过光学非线性效应方便地产生[2-4]，而线性操控协议可在多个自由度上实现[5-7]。人们做出了巨大的努力来产生和操控高维纠缠态，既用于量子力学的检验[8]，也用于量子技术的应用[9]。人们致力于增加单个光子上编码的信息量[10]，并实现高维通用线性运算，以扩展量子处理的能力，增强量子计算和模拟的多功能性[11]。高维量子编码已在光路域[12]、频域[4]、时间模域[13,14]和横向空间模域[15–17]中得到演示。对于第一个域，Reck等人[5]展示了如何使用由相位调制器和耦合器组成的级联基本块实现任意幺正算子。利用Reck等人的方案，在路径域中报道了维数从6到26的可编程矩阵算子和投影仪[9,12,18,19]。然而，仅实现了6×6的任意变换矩阵，而由于移相器和定向耦合器的排列复杂性不断增加，其他演示都是固定的或部分可调的。在频域，量子