XiaoMi-AI文件搜索系统
World File Search Systemdistance
基于可分离状态优化的量子 Wasserstein 距离 arXiv.2209.09925
1 巴斯克大学 UPV/EHU，西班牙毕尔巴鄂 2 巴斯克大学 EHU 量子中心，西班牙 3 圣塞瓦斯蒂安多诺斯蒂亚国际物理中心 (DIPC)，西班牙 4 IKERBASQUE，巴斯克科学基金会，西班牙毕尔巴鄂 5 维格纳物理研究中心，匈牙利布达佩斯 6 阿尔弗雷德雷尼数学研究所，匈牙利布达佩斯 7 布达佩斯理工经济大学分析系，匈牙利布达佩斯
乳酸阈值训练以提高长距离跑步表现：叙事评论
Affiliations: 1 Deanship of Quality and Academic Accreditation, Department of Physical Therapy, Imam Abdulrahman Bin Faisal University, Dammam, Saudi Arabia, 2 PPG college of physiotherapy (Affiliated to the Tamilnadu Dr. MGR Medical University), Coimbatore, India, 3 Faculty of Health & Life Sciences INTI International University, Nilai, Negeri Sembilan, Malaysia, 4 CHETTINAD School of Physiotherapy, Chennai, India, 5 Saveetha College of Physiotherapy, Saveetha Institute of Medical and Technical Sciences, Chennai, India, 6 Deanship of Quality and Academic Accreditation, Imam Abdulrahman Bin Faisal University, Dammam, Saudi Arabia, 7 Department of Physical Therapy and Health Rehabilitation, College of Applied Medical Sciences, Jouf萨卡卡大学，沙特阿拉伯Al-Jouf，埃及开罗大学，开罗大学物理治疗学院8号生物力学系，埃及，阿拉伯联合酋长国阿布扎比9 Mediclinic Al Noor医院
距离和熵可区分性量化器的比较用于检测记忆效应
最近，从记忆效应的角度对开放量子系统动力学进行表征引起了广泛关注，人们在这个方向上研究了不同的方法，以解决什么是非马尔可夫量子过程这一问题。1–6 我们在此重点介绍开创性论文中引入的一种策略，7 该策略只需要了解开放系统的简化状态随时间的变化。该方法最初是依靠迹距离来比较不同初始系统状态的演变。后来表明，也可以考虑基于量子相对熵的熵量词。8,9 在本文中，我们想研究这些量词的不同行为，以检查由此获得的非马尔可夫动力学概念是否确实对所考虑的量词具有鲁棒性，前提是它满足一些自然的一般性质。为此，我们研究了参考文献中引入的非马尔可夫性度量。7，
通过归一化压缩距离评估的半球同源物的功能平衡
健康大脑的有效功能取决于两个半球同源区域之间的动态平衡。这种平衡是通过脊间抑制作用促进的，这是大脑组织的关键方面。本质上，一个半球的兴奋性预测激活了其对应物的抑制网络，从而有助于形成周围的侧面网络（Zatorre等，2012; Carson，2020）。这些网络的形成实现了“截然不见”机制在获得神经元皮质水平的新功能方面起着至关重要的作用。它支持运动控制的发展（Mahan和Georgopoulos，2013; Georgopoulos and Carpenter，2015年），并增强了感官感知敏锐度（Kolasinski等，2017; Grujic et al。，2022）。因此，同源半球区域之间的相互作用调节控制人体段的网络的抑制 - 激发平衡，这对于自适应可塑性和学习过程至关重要（Das和Gilbert，1999; Graziadio等，2010）。在诸如疲劳之类的慢性疾病中，半球间的平衡至关重要（Cogliati dezza等，2015； Ondobaka等，2022），它会影响中风的严重程度（Deco和Corbetta，2011; Pellegrino，2011; Pellegrino et al。，2012; Zappasodi et al。 Al。，2013）。尤其是，已经观察到旨在缓解疲劳的神经调节干预措施恢复了原发性运动区域的生理同源性（Porcaro等，2019）和皮质脊柱（Bertoli等，2023年）。
基于椭圆曲线密码学，生物识别和锤距离的低复杂性智能网格安全协议
1 School of Computer Sciences, Universiti Sains Malaysia, USM, Gelugor, Penang, Malaysia, 2 IT and Communications Center, University of Basrah, Basrah, Iraq, 3 Department of Computer Science and Software Engineering, Jaramogi Oginga Odinga University of Science & Technology, Bondo, Kenya, 4 Department of Computer Science, College of Education for Pure Sciences, University of Basrah, Basrah, Iraq, 5巴斯拉大学计算机科学与信息技术学院计算机科学系，巴斯拉大学，巴斯拉，伊拉克，6个大数据和互联网学院，深圳科技大学，深圳，中国深圳，7个国家大数据系统计算技术实验室，深圳大学，申赞大学，申赞，中国，伊拉克大学，伊拉克大学8号计算机工程学院
CRISPR/HDR编辑与慢病毒转导的影响对恒河猕猴中HSPC的长期植入和克隆动力学的影响
复制蛋白A（RPA）是单个链DNA（ssDNA）结合蛋白，可协调各种DNA代谢过程，包括DNA复制，修复和重组。RPA是一种异三聚体蛋白，具有六个功能性寡糖/寡核苷酸（OB）结构域和柔性接头。 灵活性使RPA能够采用多种配置，并被认为可以调节其功能。 在此，使用单分子共焦荧光显微镜与光学镊子和粗粒细粒的分子动力学模拟结合使用，我们研究了在张力下ssDNA上单个RPA分子的扩散迁移。 在3 pn张力和100 mM KCl时，扩散系数D是最高（20,000个核苷酸2 /s），当张力或盐浓度增加时，则显着降低。 我们将张力效应归因于段转移，这受到DNA拉伸和盐效应的阻碍，降低了RPA-SSDNA的结合位点大小和相互作用能量的增加。 我们的综合研究使我们能够估计通过通过RPA上多个结合位点在DNA上的遥远位点的短暂桥接发生的细胞分段转移事件的大小和频率。 有趣的是，RPA三聚芯的删除仍然允许大量的ssDNA结合，尽管降低的接触面积使RPA的移动性增加了15倍。 最后，我们表征了RPA拥挤对RPA迁移的影响。 这些发现揭示了如何重塑高亲和力RPA-SSDNA相互作用以产生访问，这是多个DNA代谢过程中的关键步骤。RPA是一种异三聚体蛋白，具有六个功能性寡糖/寡核苷酸（OB）结构域和柔性接头。灵活性使RPA能够采用多种配置，并被认为可以调节其功能。在此，使用单分子共焦荧光显微镜与光学镊子和粗粒细粒的分子动力学模拟结合使用，我们研究了在张力下ssDNA上单个RPA分子的扩散迁移。在3 pn张力和100 mM KCl时，扩散系数D是最高（20,000个核苷酸2 /s），当张力或盐浓度增加时，则显着降低。我们将张力效应归因于段转移，这受到DNA拉伸和盐效应的阻碍，降低了RPA-SSDNA的结合位点大小和相互作用能量的增加。我们的综合研究使我们能够估计通过通过RPA上多个结合位点在DNA上的遥远位点的短暂桥接发生的细胞分段转移事件的大小和频率。有趣的是，RPA三聚芯的删除仍然允许大量的ssDNA结合，尽管降低的接触面积使RPA的移动性增加了15倍。最后，我们表征了RPA拥挤对RPA迁移的影响。这些发现揭示了如何重塑高亲和力RPA-SSDNA相互作用以产生访问，这是多个DNA代谢过程中的关键步骤。
指导股票市场网络的热力学基序分析
我们通过从具有稳定器表示的AME状态构建整个QMDS代码的全部QMDS代码来解决绝对最大纠缠（AME）状态和最大距离可分离（QMD）代码之间的关系。我们为AME状态的稳定器表示的发电机集引入了通用还原友好的形式，可以从中获得所有QMD的稳定器形式。我们的方法将用于相关的高维代码以及基于量子的代码。然后，我们将其与单向量子中继器的最佳代码联系起来，通过最大程度地降低短期基础设施成本以及此类量子中继器的长期运行成本。这将允许我们获得从AME父状态得出的最佳QMDS代码，该代码可用于此类量子中继器。
使用 Wasserstein 距离对颞叶癫痫脑网络进行统一拓扑推理
持久同源性为从脑网络中提取隐藏的拓扑信号提供了一种强大的工具。它捕获了跨多个尺度的拓扑结构的演变，称为过滤，从而揭示了在这些尺度上持续存在的拓扑特征。这些特征总结在持久性图中，并使用 Wasserstein 距离量化它们的差异。然而，Wasserstein 距离不遵循已知的分布，这对现有参数统计模型的应用构成了挑战。为了解决这个问题，我们引入了一个以 Wasserstein 距离为中心的统一拓扑推理框架。我们的方法没有明确的模型和分布假设。推理以完全数据驱动的方式进行。我们将这种方法应用于从两个不同地点收集的颞叶癫痫患者的静息态功能磁共振图像 (rs-fMRI)：威斯康星大学麦迪逊分校和威斯康星医学院。重要的是，我们的拓扑方法对由于性别和图像采集而导致的变化具有鲁棒性，无需将这些变量视为干扰协变量。我们成功定位了对拓扑差异贡献最大的大脑区域。本研究中所有分析使用的 MATLAB 包可在 https://github.com/laplcebeltrami/PH-STAT 上找到。
连续学习中的量子分类和量子距离估计
抽象的量子机器学习最近由于量子计算机在解决经典计算机上棘手的机器学习问题方面的承诺而获得了突出。尽管如此，关于经典计算算法仍然具有挑战性的问题的一些研究正在出现。其中之一是根据持续学习范式对连续传入的数据实例进行分类，该范式通过结合经典和量子技术的混合计算解决方案在本文中进行了研究。混合方法代表了在实际应用中使用量子计算的当前方法之一。在本文中，我们展示了如何使用量子力学的属性来平等地解决持续学习的典型问题，直到通常提供更好的结果为止。我们提出了量子分类和量子距离估计的联合使用，以在处理新的数据实例时更新分类功能。实验是在带有量子模拟器的实际数据集上进行的。
长距离海上唤醒
自1970年代的构想以来，海上风能的利用在涡轮设计，材料和制造技术方面的进步驱动下，其构想的利用已经显着增长，从而使更大，更强大的涡轮机的发展，从而增加了越野风场风场的尺寸和容量。然而，离岸风电场面临的挑战是风力涡轮机之间的空气动力相互作用，其中从风中提取能量会导致风速降低和湍流增加，从而影响相邻的涡轮机的效率和生产力，从而导致实质性能量损失。为了应对这些挑战，已经开发了数值模型来量化和预测涡轮的相互作用效果，这些因素考虑了大气湍流，风速，风向和唤醒恢复等因素。但是，在风电场设计中使用的传统单曲模型过分简化了物理学，忽略了关键的身体影响，从而限制了它们对更大且更复杂的风电场的适用性。最近的研究强调了对高保真建模方法的需求，例如计算流体动力学（CFD）模拟以及中尺度大气建模（WRF），这些模拟（WRF）提供了更现实的涡轮相互作用效应的表示。这些高保真模型考虑了涡轮机与大气之间的耦合相互作用，并且验证研究表明它们在繁殖在操作风电场中观察到的功率生产模式方面的准确性。通过结合大气稳定性和远距离唤醒传播，这些模型提供了改进的预测，尤其是对于更大且更复杂的风电场配置。随着海上风能行业继续扩展，涵盖了前所未有的规模的项目，因此采用更高的涡轮互动模型至关重要，以确保对能源生产的准确评估并减轻与大型项目相关的风险。采用这些先进的建模方法，使海上风能行业可以优化风电场布局，最大化能源生产，并推动过渡到更可持续和更绿色的能源未来。