XiaoMi-AI文件搜索系统
World File Search SystemTractable
发现自组装小分子作为疫苗...
摘要：免疫增强剂，称为辅助，触发早期的先天免疫反应，以确保疫苗的强大和持久的适应性免疫反应产生。在这里，我们提出的研究利用了一个自组装的小分子库来开发新型疫苗佐剂。基于的基于细胞的筛选和随后的结构优化，导致发现了一个简单的，化学上可拖延的脱氧乙酸衍生物（分子6，也称为Cholicamide），其定义明确的纳米组装良好地引起了巨噬细胞和树突状细胞中的先天免疫反应。 功能和机械分析表明，类似病毒的组装被细胞内部吞没，并通过Toll样受体7（TLR7）刺激先天免疫反应，这是一种检测单链病毒RNA的内体TLR。 作为小鼠中的流感疫苗佐剂，分子6与临床使用的辅助药物一样有效。 此处描述的研究为一种新方法铺平了道路，以发现和设计针对包括新兴病毒在内的病原体的小分子佐剂。的基于细胞的筛选和随后的结构优化，导致发现了一个简单的，化学上可拖延的脱氧乙酸衍生物（分子6，也称为Cholicamide），其定义明确的纳米组装良好地引起了巨噬细胞和树突状细胞中的先天免疫反应。功能和机械分析表明，类似病毒的组装被细胞内部吞没，并通过Toll样受体7（TLR7）刺激先天免疫反应，这是一种检测单链病毒RNA的内体TLR。作为小鼠中的流感疫苗佐剂，分子6与临床使用的辅助药物一样有效。此处描述的研究为一种新方法铺平了道路，以发现和设计针对包括新兴病毒在内的病原体的小分子佐剂。
![arXiv:2001.01577v1 [cs.AI] 2020 年 1 月 6 日](/simg/g:\will\search\icon\source\c\c540f901a2b09ee65c6df18aad932233961fdfea.png)
arXiv:2001.01577v1 [cs.AI] 2020 年 1 月 6 日
强化学习 (RL) 近年来已成为一个日益活跃的研究领域。尽管有许多算法可以让代理有效地解决任务，但它们往往忽略了与当前任务相关的先前经验可能存在的可能性。对于许多实际应用而言，代理从头学习如何解决任务可能不切实际，因为这通常是一个计算量很大的过程；然而，在实践中可以利用先前的经验使这些问题变得易于处理。在本文中，我们提出了一个通过学习可重复使用的选项来利用现有经验的框架。我们表明，在代理学习了解决少量问题的策略后，我们能够使用从这些策略生成的轨迹来学习可重复使用的选项，从而使代理能够快速学习如何解决新的和相关的问题。
用于量子信息科学的捕获离子
利用量子力学帮助研究人员进行某些计算的前景是一个令人兴奋的机会（至少对于那些面临似乎可以用这种方法解决的问题的人来说）。目前正在制作多种物理设备的原型，这些设备可能能够利用这种量子优势，每个平台都有其优点和缺点。我将介绍使用捕获的原子离子进行量子处理，其中每个原子中的两个长寿命状态用于定义一个量子位。然后，共同捕获的离子能够通过它们在陷阱中共享的正常运动模式总线参与条件量子逻辑。虽然这个想法的扩展必然涉及添加越来越多的原子，但我还将讨论一个可能被忽视的可能性，即每个原子使用两个以上的能级来提高当前捕获原子处理器的计算能力。
属性引导的复合聚合物 -
图1：聚合物拓扑的变分自动编码器的策略。在训练阶段（顶部），用于计算一组聚合物的分子动力学（MD）模拟来计算一组聚合物的计算典型典型的抄本，例如平均平方循环半径⟨r 2 g⟩。使用人工神经网络（ANN）和图神经网络（GNN），将有关拓扑描述符和聚合物图的信息编码为低维的潜在空间。潜在空间被解码以完成重建，回归和分类任务。这些编码的特征被串联以形成降低的潜在空间，分解器从中重新构造了聚合物结构。在搜索阶段（底部）中，从潜在空间到供应聚合物进行采样，这些聚合物预测将展示目标⟨r 2 g⟩且指定的拓扑。根据MD模拟评估了这些谓词，并在验证后进行了系统分析，可以对拓扑影响如何影响其他特性，例如粘度。
经济代理人是不完善的问题解决者
我们开发了一种对最佳政策功能有限认知感知的有限认知的模型，代理人使用昂贵的推理工作来更新有关经济状态最佳映射到行动中的信念。一个关键结果是，当观察常规（不寻常的）状态，产生与状态和历史有关的行为时，代理人的原因较少（更多）。我们的应用程序是一个标准的不完整市场模型，其前式代理没有任何apriori行为偏见。由此产生的行动和信念分布的特征是“学习陷阱”，在该地区，财富的本地稳定动态产生了状态空间的“熟悉”区域，在该区域中，行为似乎遵循了过去经验的启发式方法。我们在定性和定量上表现出这些陷阱在经验上是理想的特性：消费的边际倾向更高，手到口状态更频繁，更持久，并且比标准模型中的财富不平等更多。
Maehlmann -thesis.pdf-媒体Suub Bremen
图形类别不使用一阶逻辑和顶点颜色编码所有线性订单的类，而图表类是稳定的。这包括许多稀疏的类，例如平面图，有限度，有界的树宽度和无处的茂密类，但也包括地图图等密集的类。更一般地，如果不编码所有图的类，则类别是单声学依赖的（也称为Monadainedally nip）。这包括上述稳定的类别，以及有限的集团或双宽度类别。起源于模型理论，主要研究了无限结构的稳定性和依赖性。在本论文中，我们结合了组合学和逻辑的工具，以开发一种有限图的稳定和依赖的有限图类别的理论，该类别非常适合其算法处理。我们获得以下结构/非结构二分法。在结构方面，我们通过两个称为翻转和折断性的Ramsey理论特性来征服Monadic稳定性和Monadic依赖性。这产生了一个更大的框架：自然限制流动式和翻转性能是无处浓密的，有限的集团和树宽，以及灌木和树的深度。在非结构方面，我们通过明确列出了很少的禁止诱导的子图的家庭来表征monadic的稳定性和monadic依赖性。我们通过证明了一阶模型检查问题的新障碍和硬度结果来显示我们特征的算法适用性。给定图G和一阶公式φ，我们想检查g是否满足φ。可以猜想的是，遗传图类允许固定参数可拖动的模型检查是否且仅及时依赖它。建立在翻文上，我们证明了一种名为Flipper Game的Monadic稳定性的游戏特征。使用flipper游戏的游戏树作为输入图的分解，我们表明一阶模型检查都是可在每个可乐稳定的图形类中固定参数。这证实了模型检查猜想的障碍侧的重要情况。使用对依赖性类别的禁止诱导的子图表进行表征，我们完全解决了硬度方面：我们表明，在每个无依赖性依赖的遗传图类别上，一阶模型检查是AW [∗] - hard。
在量子耗散动力学中加强物理约束
量子传输3、DNA中的质子隧穿4和光合作用系统中的能量传递。5作为多体问题，由于希尔伯特空间维数呈指数增长且环境自由度数量巨大，开放量子系统的精确表征并不可行。然而，通过追踪环境自由度TrE（$）或在经典相空间内处理环境6和/或系统，该问题变得更容易处理。7,8为了研究开放量子系统，迄今为止已开发出多种方法，从完全经典的9,10到完全量子方法。11 – 18虽然每一种方法都取得了成功，但它们受到许多限制的阻碍，例如无法考虑量子效应，或者由于稳定性约束需要采用非常小的离散化步骤而需要大量计算资源。此外，环境影响的综合集成，特别是在高度非马尔可夫场景中，对计算开销有很大影响。
基于 IMU 的人体下肢运动学估计及...
在过去的二十年中，使用可穿戴惯性测量单元 (IMU) 来替代传统的人体光学运动捕捉 (OMC) 技术引起了越来越多的关注。与传统的 OMC 相比，IMU 的侵入性较低，并且可以在感兴趣的环境中进行测量，而不仅仅是在人为的实验室空间中。这项工作的主要目标是通过提高 IMU 得出的人体骨骼关节角度的准确性，同时尽量减少使用基于 IMU 的人体运动捕捉系统所需的校准，来推进人机 IMU 运动建模和估计技术。这项工作的次要目标是展示基于 IMU 的运动捕捉系统在特定感兴趣的领域的实际应用：太空服设计和操作。在这个领域，IMU 提供了一种易于理解的方法来理解该领域适合或不适合的人体运动学。在相关环境中捕捉这些运动学可以让工程师更好地设计和维护太空服，以及模拟未来人类行星际太空飞行的操作范例。
模块化架构的时间分片量子电路划分
当前的量子计算机设计无法扩展。为了超越小型原型进行扩展，量子架构可能会采用模块化方法，其中量子比特集群紧密连接，集群之间的连接更稀疏。我们利用这种集群和量子程序的静态已知控制流来创建易于处理的分区启发式方法，将量子电路一次一个时间片地映射到模块化物理机器。具体来说，我们为每个时间片创建优化的映射，考虑从上一个时间片移动数据的成本，并使用可调的前瞻方案来降低移动到未来时间片的成本。我们将我们的方法与传统的静态映射所有者计算模型进行了比较。我们的结果显示，与静态映射基线相比，我们有了严格的改进。在最佳情况下，我们将非本地通信开销减少了 89.8%，平均减少了 60.9%。与许多精确求解器方法不同，我们的技术在计算上是易于处理的。