XiaoMi-AI文件搜索系统
World File Search SystemStruct
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
b"摘要：Dicke 态是具有汉明权重 k 的 n 个量子比特的叠加，表示为 | D nk \xe2\x9f\xa9 。Dicke 态经常用于为量子搜索算法（例如，Grover 搜索和量子行走）准备输入叠加，这些算法解决具有一定数量 nk 个候选解的组合问题。B\xc2\xa8artschi 和 Eidenbenz 提出了一种具体的量子电路，用于使用多项式量子门构造 Dicke 态 | D nk \xe2\x9f\xa9，并且他们根据汉明权重 k 对该电路进行了推广，以准备 Dicke 态的叠加。随后，Esser 等人提出了另一种量子电路，用于使用多项式门和一些辅助量子比特生成 Dicke 态 | D nk \xe2\x9f\xa9。在本文中，我们推广了 Esser 的状态准备电路以构造一个Dicke 态的叠加。我们对两个广义 Dicke 态准备电路进行了具体的比较。我们使用来自 IBM 量子体验服务 (IBMQ) 的真实量子机器进行噪声模拟和实验。这两个电路都使用噪声中尺度量子 (NISQ) 设备成功构建了广义 Dicke 态叠加，尽管受到噪声的影响。”
离散调制的连续变量量子密钥分布的安全性
连续可变量子密钥与离散调制具有可能使用广泛可用的光学电源和现有的电信基础来提供信息理论安全性的潜力。尽管其实施比基于高斯调制的协议要简单，但证明其针对连贯攻击的有限尺寸安全性带来了挑战。在这项工作中，我们证明了有限尺寸的安全性，以针对涉及四个相干状态和杂化检测的离散调制量子键分配协议的共同攻击。要这样做，与大多数现有方案相反，我们首先将所有连续变量分解为协议期间的所有连续变量。这使我们可以使用熵累积定理，该工具以前已在离散变量的设置中使用，以结构有限尺寸的安全性证明。然后，我们通过半准编程计算相应的有限键速率，并在光子数截止下计算。我们的分析提供了0范围内的渐近率。1-10 - 4位每回合，用于数百公里的差异，而在有限的情况下，对于实际的参数，我们在n〜10 11回合和几十公里的距离之后获得了10 GBITS的秘密钥匙。
不完美引导 RNA (igRNA) 使 CRISPR 单...
CRISPR 碱基编辑技术倾向于编辑目标区域中的多个碱基，这限制了精确恢复疾病相关的单核苷酸多态性 (SNP)。我们设计了一种不完美 gRNA (igRNA) 编辑方法，该方法利用具有一个或多个与目标基因座不互补的碱基的 gRNA 来引导碱基编辑生成单碱基编辑产物。碱基编辑实验表明，与正常 gRNA 编辑相比，使用 CBE 的 igRNA 编辑大大增加了单碱基编辑分数，并且编辑效率更高。使用腺嘌呤碱基编辑器 (ABE) 也获得了类似的结果。在 DNMT3B、NSD1、PSMB2、VIATA hs267 和 ANO5 等基因座上，实现了近乎完美的单碱基编辑。通常，可以使用简单的协议从一组少数 igRNA 中选择具有良好单碱基编辑效率的 igRNA。作为概念验证，本研究使用 igRNA 构建了导致原发性高草酸尿症的疾病相关 SNP 细胞系。这项工作提供了一种使用 ABE 和 CBE 实现单碱基碱基编辑的简单策略，并克服了限制碱基编辑器用于治疗 SNP 相关疾病或创建携带疾病相关 SNP 的细胞系和动物模型的关键障碍。
靶向代谢通量可逆转卵巢癌的转移性转变
上皮性卵巢癌进展过程中的球体形成与腹膜器官定植、疾病复发和不良预后相关。尽管已证明癌症进展与转化细胞内的代谢变化有关并受其驱动，但代谢动力学与转移性形态转变之间的可能关联仍未被探索。为了解决这个问题，我们进行了定量蛋白质组学研究，以确定与高级别浆液性卵巢癌系 OVCAR-3 的三种不同形态（2D 单层和两种几何上独立的三维球体状态）相关的蛋白质特征。将蛋白质状态整合到基因组规模的代谢模型中，使我们能够为 OVCAR-3 细胞系的每个形态阶段构建特定于上下文的代谢模型，并系统地评估它们的代谢功能。我们利用这些模型获得了驱动疾病的代谢反应模块，并阐明了基因敲除策略以减少与疾病进展相关的代谢改变。我们探索了 DrugBank 数据库以挖掘药剂，并评估了药物在抑制癌症进展方面的作用。最后，我们通过实验验证了我们的预测，证实了我们预测的药物之一：神经氨酸酶抑制剂奥司他韦能够破坏转移性球状形态，而不会对未转化的基质间皮单层细胞产生任何细胞毒性作用。
在严肃游戏中使用人工智能技术来发展社会道德推理能力
社会道德推理 (SMR) 是一种社会认知结构，对于决策和社会互动适应至关重要。它通常被定义为“个人如何思考支配日常生活中社会互动的道德情感和惯例”(Beauchamp、Dooley 和 Anderson 2013)。能够预测和诊断一个人的社会道德推理技能水平 (或能力) 是量化人们的社会功能的关键步骤，可用于识别那些有不良社会行为风险的人。这种诊断可以帮助人们获得适当的服务或提供足够的支持来提高这种技能的发展。社会道德推理能力水平 (So-Moral)(Dooley、Beauchamp 和 Anderson 2010) 任务是一种计算机测量的演练，其中向儿童和青少年展示日常生活中的视觉社交困境。然后要求他们用语言描述自己在这种情况下会如何反应，以证明自己的答案。参与者的答案被逐字记录在笔录中，随后由专家使用受科尔伯格道德发展理论 (Kohlberg 1984) 启发的道德成熟度编码方案进行手动评分。逐字记录是包含至少一个句子的短文或长文。每个社会道德推理水平都由专家详细记录。在本文中，我们提出了一种新颖的情绪自适应严肃游戏 (LesDilemmes)，旨在帮助培养 SMR 成熟度。该游戏基于现有的计算机化
准确、高效地重建右心室形状和
从时间分辨的医学图像中精确重建右心几何形状和运动可增强基于图像可视化的诊断工具以及通过计算方法进行的心脏血液动力学分析。由于右心形态和运动的特殊性，常用的分割和/或重建技术仅采用短轴电影 MRI，在右心相关区域（如心室底部和流出道）缺乏准确性。此外，重建过程非常耗时，并且在生成计算域的情况下需要大量的人工干预。本文提出了一种从时间分辨 MRI 中精确高效地重建右心几何形状和运动的新方法。具体而言，所提出的方法利用表面变形来合并来自多系列电影 MRI（如短/长轴和 2/3/4 腔采集）的信息并重建重要的心脏特征。它还通过利用合适的图像配准技术自动提供完整的心脏收缩和放松运动。该方法既适用于健康病例，也适用于病理（法洛四联症）病例，并且比标准程序产生更准确的结果。所提出的方法还用于为计算流体动力学提供重要输入。相应的数值结果证明了我们的方法在计算临床相关血液动力学量方面的可靠性。© 2023 Elsevier BV 保留所有权利。
缩放数据以根据脑信号重建视频
摘要。脑刺激重建领域在过去几年中取得了重大进展，但技术仍然是针对特定主题的，并且通常在单个数据集上进行测试。在这项工作中，我们提出了一种新技术，用于从功能性磁共振成像 (fMRI) 信号重建视频，该技术旨在跨数据集和跨人类参与者进行性能测试。我们的流程利用多数据集和多主题训练，从来自不同参与者和不同数据集的大脑活动中准确地生成 2 秒和 3 秒的视频片段。这有助于我们回归预训练的文本到视频和视频到视频模型的关键潜在和条件向量，以重建与参与者观察到的原始刺激相匹配的精确视频。我们流程的关键是引入一种 3 阶段方法，首先将 fMRI 信号与语义嵌入对齐，然后回归重要向量，最后使用这些估计生成视频。我们的方法展示了最先进的重建能力，并通过定性和定量分析（包括众包人工评估）进行了验证。我们展示了跨两个数据集以及多主题设置的性能改进。我们的消融研究揭示了不同的对齐策略和数据缩放决策如何影响重建性能，并且我们通过分析随着更多主题数据的利用，性能如何演变来暗示零样本重建的未来。
变化和功能压力的机制
摘要对执行功能（EF）的发展说明（EF）认为，域总类似过程建立了技能的功能层次结构，随着抽象的连续体有所不同，并且随着时间的流逝而变得越来越大。本文首先展示了功能层次结构如何捕获EF发展的重要方面，包括增量主义，部分分化以及从反应性转向主动控制。然后，它通过显示如何以自下而上的增量方式展示如何在类似的EF问题之间形成功能类比来详细介绍这种层次结构的发展。这会导致EF结构，而EF结构却与众不同，这些组件比其他组件更适合于解决某些目标指导问题。发展的发展是，孩子们最终获得了任务将军EF，同时还保留对更广泛的信念，价值，规范，偏好，相关运动，程序性和具体知识敏感的目标技能。讨论了这种方法与现有帐户的相似性和不同，以及它与更广泛的培训和转移问题，小组和个体差异，重叠的EF功能以及领域总学习的关系。根据此算法所提出的发展机制有意利用在其他领域中证明的神经心理学，学习和认知过程，以便EF理论可以从其他地方学到的经验教训中受益，并与其他认知领域更加融合。
用子路线线性近似模型加速图像生成
摘要。扩散模型已在图像，音频和视频生成任务中显着提高了最新技术的状态。但是，它们在实际情况下的应用是由于推理速度缓慢而阻碍。从一致性模型中汲取灵感，我们提出了pproximation m odel（Splam）的s ub-p ath linear，它可以加速扩散模型，同时保持高质量的图像产生。SPLAM将PF-ode轨迹视为一系列的PF-ode子路径除以采样点，并利用子路线线性（SL）ODES沿每个单独的PF-ode子path形成一个预处理且连续的误差估计。此类SL-dodes上的优化允许Splam与累积近似误差较小的构图构图。还开发了一种有效的蒸馏方法，以促进预训练的扩散模型（例如潜在扩散模型）的局限。广泛的实验结果表明，SPLAM达到了显着的训练效率，只需要6个A100 GPU天才能制造出2到4步生成的高质量生成模型。对Laion，MS Coco 2014和MS Coco 2017数据集进行了全面评估，还表明，Splam超过了几步生成任务中现有的加速方法，在FID和生成图像的质量上都实现了最先进的性能。
ISAM-MTL：具有可识别峰值和关联内存网络
EEG中的跨主题变异性降低了当前深度学习模型的表现，限制了脑机构界面（BCI）的发展。本文提出了ISAM-MTL，这是一种基于可识别峰值的多任务学习（MTL）EEG分类模型（IS）代表和关联内存（AM）网络。所提出的模型将每个受试者的脑电图分类视为一项独立任务，并利用跨主题数据训练来促进跨受试者的特征共享。ISAM-MTL由一个尖峰功能提取器组成，该提取器可在受试者和特定主题的双向关联内存网络中掌握共享特征，该功能受HEBBIAN学习训练，以实现高效且快速的主体内部EEG分类。iSAM-MTL将学习的尖峰神经代表与双向缔合记忆进行了交叉主体EEG分类。模型标记引导的变异推断对可识别的尖峰表示，增强了分类精度。在两个BCI竞争数据集上的实验结果表明，ISAM-MTL提高了跨主体EEG分类的平均准确性，同时降低受试者之间的性能差异。该模型进一步表现出少数射击学习和可识别的神经活动的特征，从而实现了BCI系统的快速且可解释的核心。