XiaoMi-AI文件搜索系统
World File Search SystemEntropy
NOGEA：一种面向网络的基因熵方法，用于解剖疾病共病和药物重新定位
摘要 高通量技术的快速发展使得人们能够识别越来越多的疾病相关基因（DAG），这对于了解疾病的起始和开发精准治疗至关重要。然而，DAG 通常包含大量冗余或假阳性信息，导致难以量化和优先考虑这些 DAG 与人类疾病之间的潜在关系。在本研究中，提出了一种面向网络的基因熵方法（NOGEA），通过定量计算主基因在有向疾病特异性基因网络上的扰动能力来准确推断导致特定疾病的主基因。此外，我们证实了 NOGEA 识别的主基因对于预测疾病特异性的起始事件和进展风险具有很高的可靠性。主基因还可用于提取不同疾病的底层信息，从而揭示疾病共病的机制。更重要的是，已批准的治疗靶点在相互作用组网络中拓扑定位在主基因的小邻域中，这为预测药物-疾病关联提供了一种新方法。通过此方法，11 种旧药被重新鉴定并预测对治疗胰腺癌有效，然后通过体外实验进行验证。总的来说，NOGEA 有助于识别控制疾病起始和共现的主基因，从而为药物疗效筛选和重新定位提供了有价值的策略。NOGEA 代码可在 https://github.com/guozihuaa/NOGEA 上公开获取。
熵经济：人工智能时代的碳减排和能源效率新范式
摘要 — 我们引入了一种最小化碳排放和最大化能源效率的新范式：熵经济。我们的方法解决了未来十年内计算消耗的能源预计呈指数增长的问题，并提出了能源感知机器学习 (EAML) 与网格架构和分布式高性能计算 (HPC) 基础设施，以共同优化学习、能源效率和废热处理。我们引入了一个“Kolmogorov 学习循环”，可以表征学习循环的效率，并断言人工智能时代要节约的宝贵资源是熵：最大化熵减少（在学习中）同时最小化熵流损失（通过热力学效率低下）以最大限度地减少碳排放，最大限度地提高节能学习，并稳定电网。我们提出了稻草人案例研究和初步的 EAML 结果，展示了熵经济如何在利用机器学习模型质量、能源成本和吞吐量之间的权衡的同时减少碳排放。索引术语 — 熵、节能计算、碳减排
非线性耦合连续变量二分系统的量子经典熵分析
摘要：对应原理在量子力学中起着基础性作用，这自然会促使我们探究是否有可能在相空间中找到或确定量子态的接近经典类似物——这是经典和量子密度统计描述符的共同交汇点。本文通过研究在去除与给定纯量子态相关的 Wigner 分布函数所显示的所有干扰特征后出现的经典类似物的行为来解决此问题。因此，在两个四次振荡器在规则和混沌条件下非线性耦合的情况下，对连续变量二分系统进行线性和冯诺依曼熵的动态演化数值计算，并与相应的经典对应物进行比较。考虑了整个系统的三个量子态：高斯态、猫态和贝尔态。通过比较量子和经典熵值，特别是它们的趋势，表明这些熵不是纠缠产生，而是为我们提供有关系统（量子或经典）离域的信息。这种信息的逐渐丢失意味着量子和经典领域的增长，这与双方自由度之间相关性的增加直接相关，在量子情况下，这通常与纠缠的产生有关。
A-unital 运算和量子条件熵
负量子条件熵状态是信息论任务（如超密集编码、状态合并和单向纠缠蒸馏）的关键要素。在这项工作中，我们提出一个问题：如何检测一个通道是否可用于准备负条件熵状态？我们通过引入 A-unital 通道类来回答这个问题，我们表明它们是条件熵非递减通道中最大的一类。我们还证明了 A-unital 通道正是具有非负条件熵的状态类的完全自由操作。此外，我们研究了 A-unital 通道与资源纠缠理论相关的其他通道类之间的关系。然后，我们证明了 ACVENN 的类似结果：这是一类先前定义的相关状态，并将状态的最大和最小条件熵与其冯诺依曼熵联系起来。A-unital 通道的定义自然有助于确定此类通道的成员资格。因此，我们的工作对于在条件熵的背景下检测资源丰富的通道具有价值。
使用熵检测软件定义网络中的 DDoS 攻击
摘要：软件定义网络(SDN)是近年来最常用的网络架构之一，随着互联网用户数量的大幅度增加，网络安全威胁出现得也更加频繁，这给SDN带来了更多的关注，而分布式拒绝服务(DDoS)攻击是软件定义网络中最危险和最常见的攻击之一，传统的利用熵的攻击检测方法存在攻击检测速度慢、检测效果差等缺陷。为了解决这一问题，提出了一种融合熵的方法，通过衡量网络事件的随机性来检测攻击，该方法具有攻击检测速度快、熵值下降明显的优点，有效利用了信息熵和对数能量熵的互补性。实验结果表明，攻击场景的熵值比正常场景降低了91.25%，与其他攻击检测方法相比具有更大的优势和意义。
高度可逆钠储存的高渗透金属 - 有机框架
最近，将高熵引入各种用于不同应用的材料引起了研究人员的兴趣越来越大，并促进了一系列单相多层（等极）材料的快速发展。[1-4]在无序的多组分系统中，大型构型熵被认为可以稳定晶体结构，从而传递高渗透效果（HE）效应，即，熵驱动的施加效果以及相关的“鸡尾酒”效应由阳离子混合以及化学和结构多样性产生。[1,4,5] Within the past few years, a large number of high-entropy materials (HEMs), represented first by high-entropy alloys (HEAs) [1,5–8] and later by high- entropy oxides (HEOs), [3,9–13] have been utilized in a broad range of applications, including environmental protection, elec- trochemical energy storage, and thermo- electric and catalytic applications.在电池材料中，最近的几份报告表明，高熵的引入可以大大改善循环性能，例如，在HEO和高渗透氧气中（HEOFS）。[9,10,14–24] In a previous study by our group, rock-salt (Co 0.2 Cu 0.2 Mg 0.2 Ni 0.2 Zn 0.2 )O was proposed as a promising anode material for lithium-ion batteries (LIBs), with a unique entropy- stabilized Li-storage mechanism, guaranteeing the reversible conversion reaction and leading to improved cycling stability and Coulombic efficiency.[25,26]另一个针对电化学应用的限制是，据报道，HEO在电化学循环期间会经历不利的相位，这可以使其成为[9]此外，HU和同事在层状O3型HEO上报道了钠离子电池（SIBS）的互嵌型阴极[10]，表现出良好的长期可环性和速率性能，并促进宿主矩阵的熵稳定。然而，高注册材料的缺点是它们的制备通常涉及具有高能量成本的程序，例如（高能量）球磨碎或高温处理（> 900°C），并且可以容易容易出现相位分离（例如，对于多物质纳米属粒子）。
逻辑熵简介及其与...的关系
1 在一些较早的文献中，偏序被写成相反的形式，即“不细化”，因此顶部和底部以及连接和相遇互换（[1]；[2]）。 2 在范畴论中，子集的概念推广到子对象或“部分”的概念，“部分”的对偶概念（通过反转箭头获得）是划分的概念。” [5，第 85 页]
熵，压力，吉布斯通道和通用特性
m k l（v）ρl（v）†dµ（v）。T。Benoist，M。Fraas，Y。Pautrat和C. Pellegrini的最新论文是我们的起点。他们认为L是身份的情况。在量子通道φL的一些温和假设下，我们分析了φL的特征值性质，并为这种通道定义了熵。对于固定µ（先验度量）和给定的Hamiltonian H：M K→M K，我们提供了Ruelle定理的版本：与Ruelle操作员的特征值问题有关的压力变异原理（与此类H相关）。我们介绍了吉布斯频道的概念。我们还表明，对于固定的µ（支撑中有超过一个点），L的集合是φ-erg（也不可约），对于µ是一个通用集。我们描述了一个相关的过程x n，n∈N，在投射空间p（c k）上取值，并分析不变概率的存在问题。我们还考虑了一个关联的过程ρN，n∈N，d k上的值（d k是一组密度运算符）。通过Barycenter，我们将上述不变概率与x的密度算子相关联。