XiaoMi-AI文件搜索系统
World File Search SystemTensor
变化量子时间演变，没有量子几何张量
量子状态的实时和想象的时间演变是研究量子动态，准备接地状态或计算热力学可观察物的强大工具。在近期设备上，各种量子时间演变是这些任务的有前途的候选人，因为可以量身定制所需的电路模型以权衡可用的设备功能和近似准确性。但是，即使可以可靠地执行电路，由于量子几何张量（QGT）的计算，变异量子时间演化算法对于相关系统大小而迅速变得不可行。在这项工作中，我们通过利用双重公式来规避对QGT的明确评估来解决这个缩放问题。我们演示了海森伯格汉密尔顿的时间演变的算法，并表明它以标准变化量子时间演化算法的成本的一小部分准确地重现了系统动力学。作为量子假想时间演变的应用，我们计算了Heisenberg模型的热力学观察到的每个位置的能量。
张量脑：感知、记忆和语义解码的统一理论
我们提出了一个关于代理感知和记忆的统一计算理论。在我们的模型中，感知和记忆都是通过符号索引层和亚符号表示层之间振荡交互的不同操作模式实现的。这两层形成一个双层张量网络 (BTN)。索引层对概念、谓词和情景实例的索引进行编码。表示层广播信息并反映认知大脑状态；它是作者所称的“心理画布”或“全局工作空间”的模型。作为感知输入和索引层之间的桥梁，表示层通过其亚符号嵌入实现索引的基础，这些嵌入被实现为连接两个层的连接权重。大脑是一个采样引擎：只有激活的索引才会传达给大脑的其余部分。虽然记忆似乎与过去有关，但其主要目的是支持代理的现在和未来。最近的情景记忆为代理提供了此时此地的感觉。远程情景记忆检索相关的过去经验，以提供有关可能的未来情景的信息。这有助于代理做出决策。基于预期未来事件的“未来”情景记忆指导计划和行动。语义记忆检索当前感知未提供的特定信息，并为未来的观察定义先验。我们的方法解释了情景记忆和语义记忆之间的巨大相似性：语义记忆模拟未来实例的情景记忆。我们分析情景记忆和语义
用于发现药物靶点的知识图谱增强张量分解模型
药物发现和开发过程漫长而昂贵，平均每种药物花费超过 10 亿美元，耗时 10 至 15 年。为了减少整个过程中的高损耗，近十年来，人们对将机器学习方法应用于药物发现和开发的各个阶段的兴趣日益浓厚，尤其是在最早的阶段——识别可用药的疾病基因。在本文中，我们开发了一种新的张量分解模型来预测治疗疾病的潜在药物靶标（基因或蛋白质）。我们使用从 Open Targets 和 PharmaProjects 数据库中提取的数据，创建了一个三维数据张量，包含 1,048 个基因靶标、860 种疾病和 230,011 个证据属性以及将它们联系起来的临床结果。我们利用从面向药物发现的知识图谱中学习到的基因靶标表示丰富了数据，并应用我们提出的方法来预测未知基因靶标和疾病对的临床结果。我们设计了三种评估策略来衡量预测性能，并对几种常用的机器学习分类器以及贝叶斯矩阵和张量分解方法进行了基准测试。结果表明，结合知识图谱嵌入可显著提高预测准确性，并且训练张量分解和密集神经网络的效果优于所有其他基线。总之，我们的框架结合了两种积极研究的机器学习方法来识别疾病目标，即张量分解和知识图谱表示学习，这可能是进一步探索数据驱动药物发现的有希望的途径。
一种模拟开放量子系统的随机张量网络方法
2 基础知识 2 2.1 开放量子系统. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2 张量网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.3 张量网络的数学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.4.1 近似薛定谔方程 . ...
贝叶斯张量反应回归及其在脑激活研究中的应用
摘要。本文提出了一种新的贝叶斯回归实现，该回归具有标量协变量的多维数组（张量）响应。最近，各个学科中出现了复杂的数据集，迫切需要设计具有张量值响应的回归模型。本文考虑了一种这样的应用，即在存在张量值大脑图像和标量预测因子的情况下，在 fMRI 实验中检测神经元激活。此应用的总体目标是识别由外部刺激激活的大脑空间区域（体素）。在此类应用和相关应用中，我们建议将所有细胞（或大脑激活研究中的体素）的响应一起回归为标量预测因子的张量响应，以考虑张量响应中固有的结构信息。为了估计具有适当细胞特定收缩的模型参数，我们提出了一种新的张量结构化回归系数多向断棍收缩先验分布，从而能够识别与预测因子相关的细胞。本文的主要创新之处在于，当细胞数量增长速度快于样本大小时，对张量响应回归中提出的收缩先验的收缩特性进行了理论研究。具体而言，在温和的假设下，张量回归系数的估计值在 L2 意义上逐渐集中在真实稀疏张量周围。各种模拟研究和脑激活数据分析从经验上验证了所提出的模型在细胞级参数估计和推断方面的良好性能。
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。
通过潜在张量重建建模药物组合效应
动机：结合疗法已成为一种有力的治疗方式，以克服耐药性并提高治疗效果。然而，随着个人药物的数量，可能的药物组合数量的增加非常迅速，这使得在实践中无法进行全面的实验性筛查。机器学习模型提供了时间和成本良好的手段来帮助这一过程，以优先考虑最有效的药物组合，以进一步进行临床前和临床验证。然而，多种药物剂量和不同细胞环境中潜在相互作用模式的复杂性对药物组合效应的预测建模构成了挑战。结果：我们介绍了学习复杂的，高度时间柔性的方法，用于描述各种剂量和癌细胞膜的治疗剂组合的响应。该方法基于通过强大潜在张量重建的多项式回归。它结合了推荐的系统式功能，在不同上下文中索引响应值的数据张量以及化学和多摩s特征作为输入。我们证明，在预测性能和运行时间方面，Comboltr优于最先进的方法，并且即使在具有挑战性和实用的推理场景中也会产生高度准确的结果，在没有任何可用的组合和单层响应响应测量中，可以预测所有剂量 - 反应矩阵，并且在任何训练细胞系中都可以进行全新药物组合。可用性和实现：Comboltr代码可在https://github.com/aalto-ics-kepaco/comboltr上找到。联系人：tianduanyi.wang@aalto。fin或juho.rousu@aalto。补充信息：补充数据可在BreioNformatics Online获得。
量子电路表示的基于张量的网络决策图
摘要 - 数十年来，已成功应用于量子物理系统的模拟网络。最近，它们也用于量子计算的经典模拟，特别是随机量子电路。本文提出了一个名为TDD（张量决策图）的决策模式数据结构，以实现张量网络的更多原则和方便的应用。这种新的数据结构为量子电路提供了紧凑而规范的表示。通过利用电路分区，可以有效地计算量子电路的TDD。此外，我们表明，张量网络在其应用中必不可少的操作（例如加法和收缩）也可以在TDD中有效地实现。提出了TDD的概念验证实施，并在一组基准量子电路上评估了其效率。预计TDD将在与量子电路有关的各种设计自动化任务中发挥重要作用，包括但不限于等效检查，错误检测，合成，仿真和验证。
微波光谱揭示拓扑约瑟夫森物质的量子几何张量
引言。目前，人们对拓扑非平凡系统中的凝聚态物理学有着浓厚的兴趣。在过去的二十年里，人们做出了巨大的努力来寻找新型拓扑量子物质，如拓扑绝缘体[1,2]、拓扑半金属[3]或拓扑超导体[4]。拓扑相通常与两个能带相交的能带结构中的孤立奇点有关[5,6]。在拓扑超导体的情况下，零能量的Bogoliubov准粒子（称为Majorana零模式）可用于拓扑保护的量子计算[4]。此类系统中零能量模式的存在受到拓扑保护[7]，最近已在超导三端结实验中得到证实[8]。实际上，超导弱链接中的安德烈夫束缚态 (ABS)（也称为约瑟夫森结）也被提议用于实现量子比特 [9,10]。如果将结嵌入射频超导量子干涉装置 (SQUID)，则可以轻松调整 ABS，并且可以通过微波 [11 – 14]、隧穿 [15] 和超电流谱 [16] 进行实验访问和相干操控。最近，据预测，由传统超导体制成的多端约瑟夫森结 (MJJ) 将表现出四 [17 – 22] 和三 [23 – 27] 引线的非平凡拓扑。在这样的系统中，不需要奇异的拓扑材料，尽管多端拓扑纳米线也已被讨论过 [27]。在 MJJ 中，两个终端之间的量化跨导是整数值陈数的表现形式 [17,20,21,27]。或者，弗洛凯在周期驱动的约瑟夫森系统中陈述，其连通性比