XiaoMi-AI文件搜索系统
World File Search SystemMAR
![arxiv：2503.03273v1 [cond-mat.soft] 5 2025年3月5日](/simg/g:\will\search\icon\source\d\d9ea84bd3a2c4d0940a88abdaea1987c8d2017e6.webp)
arxiv：2503.03273v1 [cond-mat.soft] 5 2025年3月5日
分散对于生活在多孔环境中的众多运动微生物至关重要，但是它如何与运动模式和孔隙空间结构相关。在这里，我们以数值方式研究了跑步的微生物的长期分散，该微生物仍然被困在固体表面上，并通过翻滚而逃脱了。我们发现，分散和平均运行时间是通过普遍关系连接的，该关系适用于各种多孔微观结构和游泳策略。我们解释了这种通用依赖性如何起源于相对于运动模式的平均自由路径的不变性，我们讨论了最大化分散的最佳策略。最后，我们将方法扩展到沿表面移动的微生物。我们的结果提供了一个通用框架，可以量化在运动模式和多孔媒体各种各样的多样性中的分散。
![arxiv：2503.01384v1 [Math.ap] 2025年3月3日](/simg/g:\will\search\icon\source\7\7fdbd93af6ac745a4198ec6a1309689b6e987829.webp)
arxiv：2503.01384v1 [Math.ap] 2025年3月3日
摘要。对于1 此外，由于Struwe及其扩展的基本结果，该分类是稳定的，直至起泡。 在当前工作中，我们研究了任何1 特别是，我们表明，任何解决方案u∈D1，对这种扰动方程的p（r n）都必须在数量上接近气泡。 该结果概括了第一批作者最近的一项作者，以及Figalli和Maggi [15]，其中为P = 2。 但是，我们的分析与他们的分析完全不同，并且基于定量p功能方法。此外，由于Struwe及其扩展的基本结果，该分类是稳定的，直至起泡。在当前工作中，我们研究了任何1 特别是，我们表明，任何解决方案u∈D1，对这种扰动方程的p（r n）都必须在数量上接近气泡。 该结果概括了第一批作者最近的一项作者，以及Figalli和Maggi [15]，其中为P = 2。 但是，我们的分析与他们的分析完全不同，并且基于定量p功能方法。特别是，我们表明，任何解决方案u∈D1，对这种扰动方程的p（r n）都必须在数量上接近气泡。该结果概括了第一批作者最近的一项作者，以及Figalli和Maggi [15]，其中为P = 2。但是，我们的分析与他们的分析完全不同，并且基于定量p功能方法。
![arxiv：2503.02794v1 [q-bio.pe] 2025年3月4日](/simg/g:\will\search\icon\source\b\b0f8cd29e3a2844a5c98582901a717c008bcdda6.webp)
arxiv：2503.02794v1 [q-bio.pe] 2025年3月4日
社会觅食是一种广泛的动物觅食形式，其中一组个人协调他们的决定以利用环境中的资源。动物展示了从平等主义到等级制的各种社会结构。在这项研究中，我们研究了不同形式的社会等级制度觅食决策。我们开发了一种机械性的可分析模型，以研究社会觅食的潜在过程，将微观的个体与宏观群体相匹配。基于随机证据的积累框架，我们开发了一种贴片模型 - 在大型层次组中，带有领导者和跟随个人的决定。在各种信息共享机制中，我们能够分析量化新兴的集体动态。我们发现，通过观察领导者运动的观察或在大多数情况下，通过观察领导者运动的数量来计算个人的数量，这是对以下个人的好处，通过提高其在推断贴片丰富度方面的准确性，这是对以下个人的好处。另一方面，通过对食物奖励或补丁质量的虚假信念的交流，错误的信息表明对以下个人有害，但矛盾的是可能导致群体凝聚力增加。在一个有大量动物觅食数据的时代，我们的模型通过发现社会觅食决策的基础的隐藏机制来概念化和理解这些数据。
![arxiv：2503.00289v1 [physics.bio-ph] 2025年3月1日](/simg/g:\will\search\icon\source\8\8a7edae2917ddf2b6be5c2c146c4bc62338cf57a.webp)
arxiv：2503.00289v1 [physics.bio-ph] 2025年3月1日
应用于蛋白质多序列比对（MSA）数据集的最新生成学习模型包括简单且基于可解释的物理的POTTS协方差模型和其他机器学习模型，例如MSA-Transformer（MSA-T）。最佳模型准确地重现了蛋白质内的生物物理约束引起的MSA统计数据，从而提出了哪种功能形成最佳模型的问题。POTTS模型通常是由有效的电位（包括成对残基 - 残基相互作用项）所指出的，但有人建议MSA-T可以捕获由效能电位引起的效应，这些电势包括成对相互作用和隐式相互作用以及MSA中的系统发育结构。在这里，我们比较了POTTS模型和MSA-T的能力，重建了反映复杂生物学序列约束的高阶序列统计。我们发现，模型性能在很大程度上取决于序列之间系统发育关系的处理，这可以诱导MSA中的非生物物理突变协方差。在使用系统发育依赖性的明确校正时，我们发现Potts模型在检测生物物理起源的上皮相互作用方面优于MSA-T。
![arxiv：2503.04572v1 [physics.soc-ph] 2025年3月6日](/simg/g:\will\search\icon\source\4\45394e8068ae0b08b94635d9f852e4df72c1b4d9.webp)
arxiv：2503.04572v1 [physics.soc-ph] 2025年3月6日
在疫苗预防疾病（例如麻疹和水痘）的疫苗接种覆盖范围下，随着Vacincine犹豫不决的日益增长，它们使他们令人惊讶的复出并构成了巨大的公共卫生挑战。疫苗的回退和拒绝通常是由对疫苗e FF的感知和夸大风险的看法的信念所推动的。在这里，我们量化了竞争信念的影响 - 抗疫苗与疫苗不中性 - 对疫苗接种的社会模仿动态以及不缓解传播的流行病学动态。这些信念可能是现有的，固定的，或者是共同发展的态度。信念，行为和疾病动态之间的这种相互作用表明个人不是完全理性的。相反，他们将疫苗采用决定基于信念，个人经验和社会影响。我们发现，一小部分固定疫苗不良信念的主张会大大加剧疫苗接种困境，从而使滞后循环中的临界点对个人的感知成本变化和疫苗E FF的可感知成本的变化更加敏感。但是，在竞争信念与疫苗接种行为同时扩散的情况下，它们的双刃影响可以导致疫苗与行为和行为之间的自我纠正和对齐。结果表明，疫苗信念和行为的共同进化使种群对疫苗成本和疫苗成本的突然变化更为敏感，而不是没有案情的情况。我们的工作提供了有价值的见解，以利用即使是疫苗不中心态度的社会传染，以克服疫苗的犹豫。
![arxiv：2503.04566v1 [Quant-ph] 2025年3月6日](/simg/g:\will\search\icon\source\1\18dfd6f3f24f42815ba8e2417257c56b04563282.webp)
arxiv：2503.04566v1 [Quant-ph] 2025年3月6日
在多体量子系统中了解非稳定器（又称量子魔法），特别是它与纠缠的相互作用，代表了量子计算和多体物理学的重要追求。从研究物质和纠缠的量子阶段的研究中汲取自然动机，我们系统地研究了远程魔术（LRM）的概念，该概念被定义为无法通过恒定深入的局部回路来消除的非稳定器。通过建立有关易于断层逻辑门的限制的Bravyi – konig定理的联系，我们表明某些拓扑稳定器代码状态的家属展示了LRM。然后，我们表明，拓扑稳定器代码无法实现的拓扑顺序的所有接地状态，例如斐波那契拓扑顺序，展示了LRM，可以将其视为“没有最低能量的琐碎魔法”的结果。基于我们对LRM的考虑，我们讨论了例如准备和学习观点，并提出了“没有低能的琐碎魔法”（NLTM）猜想，该猜想在量子PCP上下文中具有关键动机。我们还将两点相关与LRM连接，通过相关性证明了某些LRM状态家族。我们的大多数证明技术并不取决于几何区域，并且可能会扩展到具有一般连通性的系统。我们的研究利用并为量子资源，编码和容错理论，复杂性理论和多体物理学之间的相互作用提供了新的启示。
![arxiv：2503.04137V1 [CS.LG] 2025年3月6日 div>](/simg/g:\will\search\icon\source\4\4c3f55801d995e756b2d4cc9371cda01b66db8e1.webp)
arxiv：2503.04137V1 [CS.LG] 2025年3月6日 div>
糖尿病是一种普遍存在的慢性疾病，全世界具有重大的健康和经济负担。早期的预测和诊断可以帮助有效地管理和预防并发症。本研究探讨了使用机器学习模型根据生活方式因素进行基于生活方式因素预测糖尿病的使用，该数据使用行为风险面对面监视系统（BRFSS）2015调查的数据。数据集由21种生活方式和与健康相关的特征组成，包括体育锻炼，饮食，心理健康和社会经济状况等方面。实施并评估了三种分类模型 - 决策树，K-Nearest邻居（KNN）和逻辑回归 - 以确定其预测性能。使用平衡的数据集对模型进行了训练和测试，并根据准确性，精度，召回和F1得分对其性能进行评估。结果表明，决策树，KNN和逻辑回归的精度分别为74％，72％和75％，在精确和召回方面具有不同的优势。这些发现突出了糖尿病预测中机器学习的潜力，并通过特征选择和合奏学习技术提出了改进。
![arxiv：2405.16674v3 [cs.lg] 2025年3月1日](/simg/g:\will\search\icon\source\d\d85c999e8c53c7731a2b3ec4d2b00cf30d0b1dc1.webp)
arxiv：2405.16674v3 [cs.lg] 2025年3月1日
尽管取得了成功，但深度学习模型与需要综合推理和功能组成的任务斗争。我们对此类任务中结构化状态空间模型（SSM）和变压器的局限性进行了理论和实证研究。我们证明，如果没有不切实际的状态尺寸，即使在链链的提示中，一层SSM无法有效地在大域上表现函数组成，它们也需要许多步骤，以使功能组成的复杂性不利地扩展。另外，有限精确的SSM的语言在普通语言类别中。我们的实验证实了这些理论发现。评估模型，包括各种功能组成设置，多位数乘法，动态编程和爱因斯坦的难题，即使使用高级提示技术，我们也会发现大量的性能下降。模型通常诉诸捷径，导致复合错误。这些发现突出了植根于其计算能力的当前深度学习体系结构内的基本障碍。我们强调了创新解决方案的需求，以超越这些联系并实现可靠的多步推理和组成任务解决，这对于迈向通用人工智能至关重要。
![arxiv：2503.03142v1 [cs.lg] 2025年3月5日](/simg/g:\will\search\icon\source\8\8fcd56268fa422828971d1fed512e1dac169f271.webp)
arxiv：2503.03142v1 [cs.lg] 2025年3月5日
摘要。对环境生态系统进行建模对于有效的资源管理，可持续发展和理解综合生态过程至关重要。然而，传统方法经常与此类系统的固有复杂性，互连性和有限的数据相提并论。基础模型及其大规模的预训练和普遍表示形式，通过包含各种数据源，捕获时空依赖性并适应广泛的任务来提供变革的机会。本调查介绍了环境学科中基础模型应用的概述，强调了跨领域的远期预测，数据生成，数据同化，缩减，模型结合和决策的进步。我们还详细介绍了这些模型的开发过程，涵盖了数据收集，体系结构设计，培训，调整和评估。通过展示这些新兴方法，我们旨在促进跨学科的合作，并促进尖端机器学习在环境科学领域的可持续解决方案。
![arxiv：2503.01414v1 [cond-mat.soft] 3月3日2025年3月](/simg/g:\will\search\icon\source\c\c942e0103d16115060a85b4e661f23da9c8680a3.webp)