XiaoMi-AI文件搜索系统
World File Search SystemGeneralized
dnagpt：用于多功能DNA序列分析任务的广义预训练工具
预先训练的大语言模型表明了从DNA序列中提取信息的潜力，但是适应各种任务和数据模式仍然是一个挑战。为了解决这个问题，我们提出了DNAGPT，这是一种对所有哺乳动物的超过2000亿碱基对训练的广义DNA预训练模型。通过使用二进制分类任务（DNA序列顺序）增强经典的GPT模型，一个数值回归任务（鸟嘌呤 - 环胞嘧啶内容预测）以及全面的令牌语言，DNAGPT可以处理多功能DNA分析任务，同时处理序列和数值数据。我们对基因组信号和区域识别，mRNA丰度回归和人工基因组生成任务的评估表明，与为特定的下游任务设计的现有模型相比，DNAGPT的表现优于卓越的性能，受益于使用新设计的模型结构的预培训。
Paulihedral：用于量子模拟内核的通用块编译器优化框架
量子模拟内核是一个重要的子程序，在许多量子程序中以非常长的门序列出现。在本文中，我们提出了 Paulihedral，这是一个分块编译器框架，它可以通过利用高级程序结构和优化机会来深度优化此子程序。Paulihedral 首先采用了一种新的 Pauli 中间表示，它可以维护量子模拟内核中的高级语义和约束。这自然可以实现难以在低门级实现的新型大规模优化。具体而言，我们提出了两种与技术无关的指令调度过程和两种与技术相关的代码优化过程，它们协调了编译器的电路综合、门取消和量子位映射阶段。实验结果表明，Paulihedral 在近期超导量子处理器和未来容错量子计算机的广泛应用中都可以胜过最先进的编译器基础设施。
有条件的概率和干扰有或没有确定因果秩序的广义测量
在广义测量理论的背景下，格里森 - 布希定理确保了相关概率函数的独特形式。最近，在Flatt等人中。物理。修订版a 96，062125（2017），随后的测量值已被衍生而来的案例及其概括（克劳斯更新规则）。在这里，我们调查了随后测量的特殊情况，其中中间测量是两个测量值（A或B）的组成以及未定义因果秩序的情况（A和B或B和A）。在两种情况下都可能出现干扰效应。我们表明，关联的概率不能单一写，并且其参数上的分布属性不能被视为理所当然。两个概率表达式对应于出生规则和经典概率；它们与获得中间测量的定义结果的内在可能性有关。对于有限的因果秩序，还推导了因果不平等。在使用玩具模型的框架内研究了两种情况之间的边界，该框架是带有可移动束分配器的马赫 - 齐汉德干涉仪。
多方 QKD 的广义顺序状态鉴别及其光学实现
顺序状态鉴别是一种针对 N 个分离接收方的策略。由于顺序状态鉴别可以应用于多方量子密钥分发 (QKD)，它已成为量子信息理论中的相关研究领域之一。到目前为止，顺序状态鉴别的分析仅限于特殊情况。在本报告中，我们考虑了顺序状态鉴别的广义化。在这里，我们不限制先验概率以及量子态和接收方的数量。我们表明广义顺序状态鉴别可以表示为优化问题。此外，我们研究了两个量子态的广义顺序状态鉴别的结构并将其应用于多方 QKD。我们证明，当接收方数量不太多时，两个纯态的广义顺序状态鉴别可以适用于多方 QKD。此外，我们表明两个混合状态的广义顺序状态鉴别可以以较高的最佳成功概率进行。这个最佳成功概率甚至高于量子复制和量子广播策略。因此，混合状态的广义顺序状态鉴别足以执行多方 QKD。此外，我们证明了广义顺序状态鉴别可以通过使用线性光学实验实现。最后，我们分析了最佳顺序状态鉴别提供的多方 QKD 安全性。我们的分析表明，即使在低信道效率下，多方 QKD 也能保证非零密钥速率。
通用的神经解码器，用于跨参与者进行转移学习和记录方式
摘要。目的：神经解码的进步使脑部计算机界面能够执行越来越复杂且与临床相关的任务。但是，这些解码器通常是针对特定参与者，天数和记录网站量身定制的，从而限制了其实际的长期使用。因此，一个基本的挑战是开发可以对汇总，多参与者数据进行稳固训练并推广到新参与者的神经解码器。方法：我们介绍了一个新的解码器HTNET，该解码器使用具有两个创新的卷积神经网络：（1）Hilbert Transform在数据驱动的频率下计算光谱功率，以及（2）将电极水平数据投射到预先确定的脑区域上的层。投影层与颅内皮质摄影（ECOG）进行了严格的应用，其中电极位置未标准化，并且在参与者之间差异很大。我们培训了HTNET，使用来自12名参与者中的11名的合并ECOG数据来解码ARM运动，并在看不见的ECOG或脑电图（EEG）参与者上测试了性能；随后对每个测试参与者进行了这些预告片的模型。主要结果：在对看不见的参与者进行测试时，HTNET的表现优于最先进的解码器，即使使用了不同的记录方式。通过对这些广泛的HTNET解码器进行研究，我们实现了最佳量身定制的解码器的性能，其中只有50个ECOG或20个EEG事件。我们还能够解释HTNET训练有素的重量，并证明其提取与生理相关的特征的能力。引人注目：通过将新参与者概括和记录方式，鲁棒处理电极放置的变化以及允许参与者使用最小数据的参与者进行调整，HTNET适用于与当前的现有状态解码的更广泛的新型新型解码应用程序相比。
biot5+：通过IUPAC整合和多任务调整
计算双学学的最新研究趋势越来越集中于整合文本和生物实体建模，尤其是在分子和蛋白质的背景下。，以前的努力（例如Biot5）在跨越各种任务的概括方面面临着挑战，并且缺乏对分子结构的细微理解，尤其是在其文本代表中（例如，IUPAC）。本文介绍了Biot5+，这是Biot5框架的扩展，该框架是为了增强生物学研究和药物发现而定制的。biot5+结合了几种新颖特征：IUPAC名称的集成，用于分子理解，包括Biorxiv和PubChem等来源的扩展生物文本和分子数据，用于跨任务的多任务中的多任务指定调整，以及用于数值的数字处理的数值数据。这些增强功能允许Biot5+弥合分子表示之间的差距及其文本描述，从而提供了对生物实体的更全面的理解，并在很大程度上改善了对生物质量和生物序列的基础推理。该模型经过预先训练和微调，并通过大量实验，包括3种类型的问题（分类，回归，一代），15种任务和21种基准数据集，在大多数情况下表现出了显着的性能和现状的结果。biot5+因其在生物学数据中捕获复杂的关系船的能力而脱颖而出，从而有助于生物信息学和计算生物学。我们的代码可从https：//github.com/qizhipei/biot5获得。
使用网络药理学系统地推断出选择性核酸隔室抑制剂ML246
研究人员通过分析一组访谈数据探索了混合方法研究设计。Saldana的模型用于完成开放编码数据和主题编码数据。三个主题被认为支持合作学习模型。其中包括：a）通过经过事件和环境的了解，b）实施和行动，以及c）由合作学习模型（CLM）组成的观点和看法。术语和短语的频率由证据变量组成。广义线性模型（GELM）用于检查三个主题与合作学习模型之间的关系。GELM分析报告了CLM与三个主题之间的关系。这是一种将Saldana的定性数据分析和凝胶整合到一种混合方法设计中的新实践。
强化学习基于通用干扰的非线性系统的输出稳定控制
摘要 - 本文提出了一种新的干扰观察者（DO）基于无线性干扰的非线性系统的基于基于（RL）的控制方法。虽然非线性干扰观察者（NDO）用于测量植物的不确定性，但植物中可能通过与控制信号的障碍存在障碍；从理论上讲，所谓的不匹配的障碍很难在系统状态的渠道内衰减。通过消除输出通道的不确定性影响来解决不确定性取消问题，以解决不确定性取消问题。con-目前，通过求解与补偿系统有关的理想价值函数的综合参与者RL方案，通过求解与补偿系统有关的理想价值函数，以求解汉密尔顿 - 贾科比·贝尔曼（HJB）方程的在线和同时进行流量。稳定性分析验证了所提出的框架的收敛性。仿真结果以说明拟议方案的有效性。
使用麦克斯韦方程的广义边界条件对光分子效应进行建模
我们最近通过水凝胶和单个空气水接口的实验证明了光分子效应：光子直接在可见的光谱中直接裂解水分子簇，其中大量水具有可忽略的吸收。为了模拟单个接口实验，在这里，我们通过假设跨界面的电磁场的过渡区域来重新启用麦克斯韦方程的广义边界条件，从而自然而然地导致了以前用于描述表面光电电和表面等离子体对金属的表面光电和表面等离子体效应的FEIBELMAN参数。这种概括导致了菲涅尔系数的修改和表面吸收的表达，可以合理地解释我们的单界实验数据中有关光束偏转的角度和极化依赖性的趋势。我们的工作为光分子作用的存在提供了进一步的支持，表明许多材料中应该存在表面吸收，并为评估基于麦克斯韦方程的这种表面吸收的影响奠定了基础。
罗扎诺利珠单抗治疗全身性重症肌无力患者的长期安全性结果：汇总分析
作者披露：John Vissing 曾担任 Amicus Therapeutics、Arvinas、Biogen、Fulcrum Therapeutics、Genethon、Horizon Therapeutics（现为 Amgen）、Lupin、ML Biopharma、Novartis、Regeneron Pharmaceuticals、Roche、Sanofi Genzyme（现为 Sanofi）、Sarepta Therapeutics 和 UCB Pharma 顾问委员会的顾问。他曾获得 Alexion Pharmaceuticals、argenx、Biogen、Edgewise Therapeutics、Fulcrum Therapeutics、Lupin、Sanofi Genzyme（现为 Sanofi）和 UCB Pharma 的研究、差旅支持和/或演讲者酬金。他是 Alexion Pharmaceuticals、argenx、Genethon、Horizon Therapeutics（现为 Amgen）、Janssen Pharmaceuticals（现为 Johnson & Johnson Innovative Medicine）、ML Biopharma、Novartis、Regeneron Pharmaceuticals、Roche、Sanofi Genzyme（现为 Sanofi）和 UCB Pharma 临床试验的首席研究员。Julian Grosskreutz 曾担任 Biogen、Alexion Pharmaceuticals 和 UCB Pharma 的顾问，他的机构获得了 Boris Canessa 基金会的研究支持。Ali A. Habib 曾获得 Alexion Pharmaceuticals、argenx、Cabaletta Bio、Genentech/Roche、Immunovant、Regeneron Pharmaceuticals、UCB Pharma 和 Viela Bio（现为 Amgen）的研究支持。他曾获得 Alexion Pharmaceuticals、Alpine Immune Sciences、argenx、Genentech/Roche、Immunovant、Inhibrx、Regeneron Pharmaceuticals、NMD Pharma 和 UCB Pharma 的酬金。Kimiaki Utsugisawa 曾担任 argenx、Chugai Pharmaceutical、HanAll Biopharma、Janssen Pharmaceuticals（现为 Johnson & Johnson Innovative Medicine）、Merck、Mitsubishi Tanabe Pharma、UCB Pharma 和 Viela Bio（现为 Amgen）的付费顾问；他还曾获得 Alexion Pharmaceuticals、argenx、日本血液制品组织和 UCB Pharma 的演讲酬金。 Tuan Vu 是 MG 临床试验的 USF 首席研究员，该临床试验由 Alexion Pharmaceuticals、Amgen、argenx、Cartesian Therapeutics、Dianthus Therapeutics、Immunovant、Johnson & Johnson、Regeneron Pharmaceuticals 和 UCB Pharma 赞助，并曾担任 Alexion Pharmaceuticals、argenx 和 CSL Behring 的发言人。他为 Alexion Pharmaceuticals、argenx、Dianthus Therapeutics、ImmunAbs 和 UCB Pharma 提供咨询服务。Marion Boehnlein、Maryam Gayfieva、Bernhard Greve、Thaïs Tarancón 和 Franz Woltering 是 UCB Pharma 的员工和股东。 Vera Bril 是 Akcea、Alexion Pharmaceuticals、Alnylam、argenx、CSL、Grifols、Ionis、Immunovant、Janssen Pharmaceuticals（现为 Johnson & Johnson Innovative Medicine）、Momenta（现为 Johnson & Johnson）、Novo Nordisk、Octapharma、Pfizer、Powell Mansfield、Roche、Sanofi、Takeda Pharmaceuticals 和 UCB Pharma 的顾问。她曾获得 Akcea、Alexion Pharmaceuticals、argenx、CSL、Grifols、Ionis、Momenta（现为 Johnson & Johnson）、Octapharma、Takeda Pharmaceuticals、UCB Pharma 和 Viela Bio（现为 Amgen）的研究支持。