XiaoMi-AI文件搜索系统
World File Search SystemZhu
George Zhuo Tan，博士 - 休斯顿大学工业工程系
生物大分子、制造工艺杂志、增材制造、材料科学与工程 C、生物医学材料、半导体加工材料科学、材料快报、ACS 应用材料与界面、分离与净化技术、膜水处理、生命科学工程、
EE515：量子传感：机器学习、推理……
EE515：量子传感：机器学习，推理和信息单位：4时间：星期一，星期一2：00-3：50pm，位置：KAP 165讲师：Quntao Zhuang Office：PHE 606办公室：TBA办公时间：QZHUANG@USC.EDU CATALOG量子，量子信息，量子的基础，量级机械，量子的基础，量子的基础，量子的基础，量子的基础，量子，量子，量子，量子，量子，量子，量子，量子，量子量，量子量，量子和机器的基础，量子和机器的量度，量子和机器的量度为基础。课程描述是介绍量子传感的基础知识的4个单元课程---推理，信息和机器学习的量子理论。量子信息科学和工程在在计算，沟通和传感方面取得优于古典性能方面表现出了巨大的希望。传感是一个竞技场，量子技术可以在短期内实现用于实际应用的经典感应技术的优势。量子传感和计量学研究非经典资源来增强各种传感应用的测量表现。作为一个突出的例子，激光干涉仪重力波观测站（LIGO）将非经典挤压光注射到其米歇尔森干涉仪中，以超过由于激光射击噪声而超过标准量子限制（SQL）。除了LIGO外，量子计量学还在目标检测，显微镜，生物传感和相跟踪中得到了利用。最近，量子传感已在机器学习任务中发现了应用，例如使用智能量子传感器网络。本课程将介绍量子传感的理论基础，并在不同的实践感应场景中提供量子优势的规范示例。课程始于基本的量子力学，包括量子系统和以谐波振荡器建模的量子光学系统。然后，我们将涵盖经典推理和古典机器学习的基础知识，这是对此之后的量子版本的初步。最后，我们将讨论一些用于量子传感的物理系统。本课程将介绍基本的工具和方法，以建模和分析量子传感协议，并将其应用于现实示例。针对具有复杂线性代数知识的学生，本课程为学生提供了最新的量子传感概述，并为他们做好准备以进一步研究该主题。学习目标结束时，学生将能够
引用张C，刘J，吴J，兰扬·K，Cui X，王X，张D和Zhu S（2024），人类细胞对辐射的关键分子DNA损伤反应。 fron
（LOX），一氧化氮合酶（NOS）和环氧合酶（COX）。这些自由基和氧化应激分子会导致直接或间接的氧化DNA损伤，从而导致各种细胞存活调节机制，例如有丝分裂灾难，衰老，凋亡和自噬（Wei等，2019）。在抗肿瘤疗法中，IR不仅诱导压力诱导的调节性细胞死亡，而且还通过影响肿瘤相关的细胞因子或特定抗原而促进抗肿瘤免疫反应，从而诱导免疫原性细胞死亡（Zhu等，2021）。在内皮细胞和造血系统中，IR和ROS破坏细胞膜完整性，导致局部钙插入，溶酶体融合，并通过生物物理机制诱导细胞死亡（Ferranti等，2020）。辐射还可以裂解二硫键并改变蛋白质构象，破坏蛋白质的正常生物学功能并影响细胞活性（Fitzner等，2023）。在DNA上，IR诱导了自由基阳离子（孔）的产生，导致DNA-蛋白交联（DPCS）（Wen等，2023）。此外，IR通过瞬时瞬时分子共振的快速衰减而引起了显着量的单链和DSB，该共振位于基本DNA成分上（Boudaïffa等，2000）。
引用li g，sun y and zhu l（2024），机器学习的应用与种群药代动力学相结合以改善V
反应（Ye等，2016）。然而，万古霉素药代动力学参数的选择仍然存在争议，包括槽浓度，清除等（Ghasemiyeh等人，2023年）。种群药代动力学（PPK），将经典的药代动力学建模与种群统计建模相结合。万古霉素一直是成年人中许多PPK研究的主题（Aljutayli等，2020； Lindley等，2023）。已经表明，可以在中国成年患者中对万古霉素的种群药代动力学建模（He等，2014； Gao等，2018）。PPK研究万古霉素对于指导临床剂量很重要。但是，PPK模型可能不足以预测单个药代动力学参数。机器学习（ML）是一种数据驱动的方法，它使用培训数据来学习如何通过各种算法完成任务，然后就特定事件做出决策和预测。在药代动力学中，机器学习允许进行分析和预测（Ota和Yamashita，2022； Wang等，2023）。机器学习和人口药代动力学的结合是药物研发的新工具（Zhu等，2022； Damnjanovic等，2023）。据报道，机器学习与PPK方法相结合可以改善对新生儿六种药物的单个清除率的预测（Tang等，2021）。但是，在成年患者中很少有类似的研究。如今，在机器学习的领域，生产了许多模型。 额外的树回归模型（Geurts等，2006），是一种综合学习如今，在机器学习的领域，生产了许多模型。额外的树回归模型（Geurts等，2006），是一种综合学习决策树回归模型（Kaminski等，2018）是一种回归算法，它使用决策树作为基本模型，该算法通过将输入变量划分为多个特征并根据这些功能构建决策树来拟合数据。梯度提升决策树（Si等，2017）是一种基于集成学习的算法，它通过将多个决策树模型集成在一起来拟合数据。极端梯度提升（Chen and Guestrin，2016）是一种有效的梯度增强算法，它通过使用贪婪算法来选择用于拆卸的最佳功能来最大程度地减少损失函数。
Meixin Zhu的学术目的CV
[16][17] Z. Cui，M。Tsai，M。Zhu，H。Yang，C。Liu和Y. Wang，“交通绩效评分2.0：衡量城市流动性和在线预测近期的交通等近期交通，如天气预报，”第101届年度年度交通研究委员会，华盛顿特区，美国华盛顿特区，1月2022日，2022年。
引用：Lyu JB，Zhu T，Zhou Y，Chen ZM，Pi Yz等。材料各向异性及其应用
逆设计着重于识别光子结构以优化光子设备的性能。常规的基于标量的逆设计方法不足以设计各向异性材料（例如Lithi-Um Niobate（LN））的光子设备。据我们所知，这项工作首次提出了Aniso-Tropic材料的反设计方法，以优化基于各向异性的光子学设备的结构。具体而言，伴随方法中包括各向异性材料的定向性特性，该方法在此类材料中提供了更精确的光传播预测。所提出的方法用于设计X-CUT薄膜锂锂（TFLN）平台中的超紧凑型波长分裂多路复用器。通过通过基于经典标量的逆设计将我们方法的设备性能进行基准测试，我们证明了该方法正确解决了X-CUT TFLN平台中材料各向异性的批评问题。这种提出的方法填补了基于各向同性材料的光子设备的反向设计的空白，该空格在TFLN平台和其他基于各向异性的光子积分平台中找到了突出的应用。
在石墨烯josephson连接Zhujun Huang 1，Bassel Heiba Elfeky 2，Takashi Taniguchi 3，Kenji Wata
Observation of half-integer Shapiro steps in graphene Josephson junctions Zhujun Huang 1 , Bassel Heiba Elfeky 2 , Takashi Taniguchi 3 , Kenji Watanabe 4 , Javad Shabani 2 , Davood Shahrjerdi 1 1 Electrical and Computer Engineering, New York University, Brooklyn, New York 11201, USA 2 Center for Quantum Information纽约大学物理系物理学，纽约10003，美国3国际材料纳米构造学院，国家材料科学研究所，1-1 Namiki Tsukuba，Ibaraki，Ibaraki，Ibaraki 305-0044，日本4，日本4，日本4研究中心，美国国家材料研究所，国家材料研究所，NINGAL SCOCY SCICACH，1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1。 jshabani@nyu.edu，davood@nyu.edu，我们研究六角硼硝化硼的AC Josephson效应封装石墨烯（BGB）Josephson交界器（JJS）。我们的实验揭示了具有高电子载体密度的N型状态中半级shapiro步骤的出现。我们将这种观察结果归因于石墨烯连接的栅极可调透明度。由于高连接透明度，我们的数值模拟与半智能夏皮罗步骤的外观一致，从而导致当前相位关系偏斜和高阶谐波的存在。
引用Zhu J-L，Xu X-M，Yin H-Y，Wei J-R和Lyu J（2023），《预测住院时间超过14 da
心室间隔缺陷（VSD）是先天性心脏病的最常见形式，约占先天性心脏病病例的40％（Penny and Vick，2011年）。VSD导致血液分流，从而导致肺部血管的肺部血液循环体积和病理变化增加，这使得患有VSD的儿童特别容易发生肺部感染。随着疾病的发展，当肺循环压力高于全身循环压力时，血液从右侧到左心室的流动会增加左心室的预紧力，从而很容易导致心力衰竭。年轻婴儿的肺泡发育不是完美的，呼吸系统不成熟，并且肺泡II型上皮细胞的合成功能是有效的，导致肺泡表面活性剂的产生较少，因此呼吸功能不成熟。肺动脉症和感染都可能导致氧动脉部分压力降低，这进一步导致呼吸率变化。感染的发生可能是VSD患者长时间住院的危险因素。延长医院可能会进一步增加医院感染的可能性。肺部感染可能会导致肺间隙水肿，导致肺通风和低氧血症减少，最终导致呼吸迅速。某些情况的感染诊断尚不清楚，因此很难确定住院是否延长。因此，我们将本研究的结果设定为住院时间超过14天。但是，呼吸率（RR）是一个易于监控的指标，其测量精度很高，因此它可能具有住院时间的预测价值。一项研究发现，入院率高的呼吸率与疗养院接纳的患者的院内死亡率的增加有关（Myint等，2011）。我们旨在开发一个列图，以评估小儿VSD患者的住院风险超过14天。我们希望临床医生能够根据戒号模型中风险因素的变化进行及时调整治疗方案，以减少小儿VSD患者住院治疗。
这是预发布版本。以下出版物 Wang, J., Guo, X., Du, X., Liang, J., Wu, J., Zhao, G., ... & Zhu, Y. (2022)。揭示
这是预发布版本。以下出版物 Wang, J., Guo, X., Du, X., Liang, J., Wu, J., Zhao, G., ... & Zhu, Y. (2022). Revealing the complex lithiation pathways and kinetics of core-shell NiO@ CuO electro- Energy Storage Materials, 51, 11-18 可在 https://doi.org/10.1016/ j.ensm.2022.06.022 上找到。