XiaoMi-AI文件搜索系统
World File Search Systemdec
![arxiv：2207.14236v3 [cond-mat.supr-con] 2024年12月11日](/simg/a\a80a48a5c9f1d85c4f5d31f68869721667321d0d.webp)
arxiv：2207.14236v3 [cond-mat.supr-con] 2024年12月11日
niobium超导射频（SRF）用于高能加速器应用的腔体已通过诸如氮掺杂等技术的质量因子Q大大改善。但是，Q的指导改进仍未完全理解。最近，Fermilab的SRF组在过渡温度附近的N掺杂SRF Niobium腔的频移中测量了异常。在这里，我们根据超导性的显微镜理论报告了我们对这些结果的理论分析，该理论结合了SRF空腔筛选区域中超导间隙和不均匀疾病的各向异性。我们能够计算频率移动异常非常接近KHz分数的t c。我们的频移和Q的结果与Bafia等人报告的所有四个N-Doped NB SRF腔报告的实验数据非常吻合。我们还将我们的理论与以60 GHz测量的NB样本进行的早期报告进行了比较。此外，我们还表明，理论上计算的质量因子具有上凸的峰值，在中等水平的疾病中，最大的Q具有最大的Q。强障碍，即肮脏的极限，在存在障碍的情况下对破裂和筛选电流限制了Q。
![arXiv:2501.06192v1 [cs.AI] 2024 年 12 月 20 日](/simg/1\18a616a2c6c485cd3f76d85f5dd2d11d4fdbb1f1.webp)
arXiv:2501.06192v1 [cs.AI] 2024 年 12 月 20 日
在计算和神经科学领域，关于实现学习、记忆、抽象和行为等关键认知功能的基础计算仍有许多未知之处。本文提出了一种学习和记忆的数学和计算模型，该模型基于一小组生物上可行的功能，包括巧合检测、信号调制和奖励/惩罚机制。我们的理论方法提出，这些基本功能足以建立和调制一个可进行计算的信息空间，从而生成可用于推理和行为的信号梯度。用于测试这一点的计算方法是一个结构动态的细胞自动机，具有连续值的细胞状态和一系列在无向图上传播的递归步骤，其中记忆功能完全嵌入在图边的创建和调制中。实验结果表明：玩具模型可以在一次训练运行后做出近乎最优的选择来重新发现奖励状态；它可以避免复杂的惩罚配置；信号调制和网络可塑性可以在稀疏的奖励环境中产生探索性行为；该模型生成与上下文相关的记忆表征；并且由于其最小的单次训练要求以及灵活的上下文记忆表征，它表现出很高的计算效率。
![arXiv:2311.07315v3 [q-bio.NC] 2024 年 12 月 18 日](/simg/f\fa12d45892a678180981c2009dc1166bb09b7759.webp)
arXiv:2311.07315v3 [q-bio.NC] 2024 年 12 月 18 日
图 E 1 强化学习问题和悬崖世界环境。 (A) 代理（这里是小鸟）与世界互动以最大化奖励。 这涉及探索可能有趣的新状态（例如在新田野中寻找食物）与利用已知可产生高奖励的状态（例如昨天有很多虫子的田野）之间的平衡。 在给定的时间点，小鸟处于某个状态 st ，它可以从该状态 st 采取行动 at ，不同行动的概率由代理控制的“策略”π（a | st）决定。 然后，at 会导致环境根据不可控环境动态 st + 1 , rt ∼ p（s，r | st，at）发生变化。 这里，rt 是代理收到的经验“奖励”，其目标是收集尽可能多的累积奖励。强化学习问题通常分为“情节”，代理在多次重复接触环境的过程中进行学习。例如，这可能包括鸟类在多天内学习哪些田地可能富含食物，同时尽量减少行进距离和暴露于捕食者。（B）“悬崖世界”环境，将用于展示本研究中一系列强化学习算法的性能和行为。代理从左下角（位置 [0, 0]）开始，当遇到“悬崖”（深蓝色）或目标（黄色；位置 [9,0]）时，情节结束。如果代理走出悬崖，它将获得 -100 的奖励。如果它找到目标，它将获得 +50 的奖励。在任何其他状态下，它将获得 -1 的奖励。这种对“中性”行为的负面奖励通常用于鼓励代理尽快实现其目标。箭头表示“最佳”策略，该策略让代理通过避开悬崖的最短路线到达目标。
![arxiv：2412.19197v1 [Math.ap] 2024年12月26日](/simg/7\7f2af545e341d1ea82b5aa4511a1d0f05d37869f.webp)
arxiv：2412.19197v1 [Math.ap] 2024年12月26日
摘要。众所周知，对于3D Patlak-keller-segel系统，无论它们是抛物线纤维纤维化还是抛物线抛物线形式，对于最初质量的任意小值，可能会发生有限的时间爆破。在本文中，当初始质量小于移动的Navier-Stokes流动的稳定效果时，首次证明人们可以防止有限的时间爆炸。In details, we investigate the nonlin- ear stability of the Couette flow ( Ay, 0 , 0) in the Patlak-Keller-Segel-Navier-Stokes system with ( x, y, z ) ∈ T × R × T and show that if the Couette flow is sufficiently strong (A is large enough), then solutions for Patlak-Keller-Segel-Navier-Stokes system are global in time as long as the initial速度足够小，初始细胞质量小于24
![arXiv:2312.15252v1 [q-bio.BM] 2023 年 12 月 23 日](/simg/f\ff46232bb704c4d3dff958375a56735191bb04a2.webp)
arXiv:2312.15252v1 [q-bio.BM] 2023 年 12 月 23 日
准确而稳健地预测药物-靶标相互作用 (DTI) 在药物发现中起着至关重要的作用。尽管人们在预测新型 DTI 方面投入了大量精力，但现有方法仍然存在标记数据不足和冷启动问题。更重要的是，目前缺乏阐明药物和靶标之间作用机制 (MoA) 的研究。区分激活和抑制机制对于药物开发至关重要且具有挑战性。在这里，我们介绍了一个称为 DTIAM 的统一框架，旨在预测药物和靶标之间的相互作用、结合亲和力以及激活/抑制机制。DTIAM 通过自监督的预训练从大量无标记数据中学习药物和靶标表示，从而准确提取药物和靶标的子结构和上下文信息，从而有利于基于这些表示的下游预测。DTIAM 在所有任务中都比其他最先进的方法实现了显着的性能提升，尤其是在冷启动场景中。此外，独立验证证明了 DTIAM 强大的泛化能力。所有这些结果表明，DTIAM 可以提供一种实用的工具来预测新型 DTI 并进一步区分候选药物的作用机理。DTIAM 首次提供了一个统一的框架，可以准确、稳健地预测药物-靶标相互作用、结合亲和力以及激活/抑制机制。
![arXiv:2110.11371v2 [quant-ph] 2022 年 12 月 19 日](/simg/9\92a79c5bcc9765588ca494bdb2c7a6e81b0d23c0.webp)
arXiv:2110.11371v2 [quant-ph] 2022 年 12 月 19 日
量子复杂性正逐渐成为多体系统（包括黑洞、拓扑材料和早期量子计算机）的一个关键特性。状态的复杂性量化了从简单张量积准备状态所需的计算门的数量。状态与最大复杂性或“不复杂性”的距离越大，该状态作为量子计算的输入就越有用。另外，资源理论（受约束的代理的简单模型）正在量子信息理论中蓬勃发展。我们将这两个领域结合起来，证实了 Brown 和 Susskind 的猜想，即可以定义不复杂性的资源理论。允许的操作（模糊操作）是代理选择的两量子比特门的略微随机的实现。我们形式化了两个操作任务，即不复杂性提取和支出。它们的最佳效率取决于我们设计的反映复杂性的熵。我们还提出了两个单调性非复杂性度量，它们在特定情况下在模糊操作下单调下降。这项工作将量子信息理论中的资源理论工具包应用于多体复杂性。
![arXiv:2111.13218v2 [quant-ph] 2022 年 12 月 10 日](/simg/9\99955b53a2371ca68409f58952f3b9fba3f036dc.webp)
arXiv:2111.13218v2 [quant-ph] 2022 年 12 月 10 日
量子计算机有望比传统计算机实现显著的加速。然而，识别出实现这些加速的固有量子特性却是一项挑战。在连续变量设置中——实现通用、可扩展和容错量子计算的有前途的范例——语境性和维格纳负性被视为两种截然不同的资源。在这里，我们表明它们实际上是连续变量量子计算的标准模型的等价物。虽然我们的结果为量子加速提供了连续变量资源的统一图景，但它们也为连续变量语境性的实际演示铺平了道路，并阐明了负概率在量子力学相空间描述中的重要性。
![arXiv:2212.05662v1 [cs.LG] 2022 年 12 月 12 日](/simg/c\cd906256fae927303a3df7cebdb6365f86b23a67.webp)
arXiv:2212.05662v1 [cs.LG] 2022 年 12 月 12 日
a 首尔国立大学化学与生物工程学院，首尔市冠岳区冠岳路 1，邮编 08826，韩国。b 梨花女子大学化学工程与材料科学系，首尔市 03760，韩国 c 梨花女子大学系统健康科学与工程研究生课程，首尔市 03760，韩国 d 釜庆国立大学化学工程系，釜山市 48513，韩国
