XiaoMi-AI文件搜索系统
World File Search Systementropy
反 PT 对称量子比特：退相干和纠缠熵
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占的、免版税的许可，可以为了美国政府的目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。
DNA损伤和心脏肥大的核形态变化是由SNRK通过肌动蛋白去聚合
5药物和生物化学系，德国图宾根大学的药物基因组学与药物研究中心，德国Tübingen * *通讯作者的关键字多尺度熵，神经发育，eeg，eeg，eeg，fnirs摘要，自然界的生物学系统，例如人类大脑，包括复杂的动力学和非网络动力学。 量化信号复杂性的一种方法是多尺度熵（MSE），它适用于在不同时间尺度下具有远距离相关的结构。 在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。 在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。 为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。 结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。 此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。 最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。 突出显示生物系统显示复杂和非线性动力学。 使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。5药物和生物化学系，德国图宾根大学的药物基因组学与药物研究中心，德国Tübingen * *通讯作者的关键字多尺度熵，神经发育，eeg，eeg，eeg，fnirs摘要，自然界的生物学系统，例如人类大脑，包括复杂的动力学和非网络动力学。量化信号复杂性的一种方法是多尺度熵（MSE），它适用于在不同时间尺度下具有远距离相关的结构。在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。 在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。 为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。 结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。 此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。 最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。 突出显示生物系统显示复杂和非线性动力学。 使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。突出显示生物系统显示复杂和非线性动力学。使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。EEG中 MSE在胎龄增加，FNIRS中的MSE降低。 eeg功率谱密度和自发活性瞬变有助于MSE。MSE在胎龄增加，FNIRS中的MSE降低。eeg功率谱密度和自发活性瞬变有助于MSE。
用于电催化应用的高熵材料
摘要 高熵材料因其结构的复杂性和性能的优越性已被广泛证实是一种可能的先进电催化剂。人们已做出大量努力来模拟高熵催化剂的原子级细节，以提高自下而上设计先进电催化剂的可行性。在本综述中，首先，我们概述了基于密度泛函理论的各种建模方法的发展。我们回顾了用于模拟不同高熵电催化剂的密度泛函理论模拟的进展。然后，我们回顾了用于电催化应用的高熵材料模拟的进展。最后，我们展示了该领域的前景。缩写：HEMs：高熵材料；CCMs：成分复合材料；DFT：密度泛函理论；LDA：局部密度近似；GGA：广义梯度近似；VASP：维也纳从头算模拟软件包；ECP：有效核势； PAW：投影增强波势；VCA：虚拟晶体近似；CPA：相干势近似；SQS：特殊准随机结构；SSOS：小集有序结构；SLAE：相似的局部原子环境；HEA：高熵合金；FCC：面心立方；BCC：体心立方；HCP：六方密堆积；ORR：氧还原反应；OER：氧化物析出反应；HER：氢析出反应；RDS：限速步骤；AEM：吸附质析出机理；LOM：晶格氧氧化机理；HEOs：高熵氧化物；OVs：氧空位；PDOS：投影态密度；ADR：氨分解反应；NRR：氮还原反应；CO 2 RR：CO 2 还原反应；TMDC：过渡金属二硫属化物；TM：过渡金属； AOR：酒精氧化反应；GOR：甘油氧化反应；UOR：尿素氧化反应；HEI：高熵金属间化合物。
基于转移熵的方法从临床角度分析睁眼和闭眼条件下的信息流
研究正常或病理条件下的大脑动态已被证明是一项具有挑战性的任务，因为对于最佳方法没有统一的共识。在本文中，我们提出了一种基于传递熵的方法来研究健康受试者在睁眼（EO）和闭眼（EC）静息状态下不同大脑半球之间的信息流。我们使用了一个模拟临床环境中技术条件的实验装置，并从 65 Hz 采样率的 24 通道脑电图（EEG）短记录中收集数据集。我们的方法考虑了两种条件下的半球间和半球内信息流分析，并依赖于从 EEG 通道之间的传递熵估计计算出的 4 个指标。这些指标提供有关活动连接的数量、强度和方向性的信息。我们的结果表明，在 EC 条件下，alpha、beta1 和 beta2 频带的信息传递有所增加，但在任何一种条件下，半球间信息移动都没有优先的方向。这些结果与之前报道的以更高采样率进行更密集的 EEG 记录的研究一致。总之，我们的方法表明，在 EO 和 EC 静息状态下，大脑信息传递的动态存在显著差异，这也可以应用于常规临床治疗。
空间置换熵区分静止的大脑状态
我们使用顺序分析和空间置换熵来区分眼睛睁开和闭眼的静息脑状态。为此，我们分析了来自109名健康受试者的64个电极记录的脑电图数据，在两个一分钟的基线运行下：一只眼睛睁开，另一个闭着眼睛。我们使用空间序数分析来区分这些状态，其中评估了置换熵，考虑到每次时电极的空间分布。我们分析了仅考虑Alpha波段频率（8 - 12 Hz）的原始和后处理数据，这对于大脑中的静息状态很重要。我们得出的结论是，空间序数分析捕获了有关不同电极中时间序列之间相关性的信息。这允许在原始数据和过滤数据中闭上眼睛和眼睛打开静止状态。过滤数据仅放大状态之间的区别。重要的是，我们的方法不需要EEG信号预处理，这对于实时应用来说是一个优势，例如大脑计算机接口。
合成DNA数据存储的熵编码器的旋转标记
摘要 - 过去几年，数据存储需求的不断增长的趋势激发了对替代数据存储系统的研究。由于其生化特征，合成DNA分子被认为是新存储范式的潜在候选者。由于这种趋势，在过去几年中提出了几种编码解决方案，以将数字信息存储到DNA中。尽管是一个有前途的解决方案，但DNA存储仍面临两个主要障碍：合成的巨大成本和测序过程中引入的噪声。此外，当未尊重生化定义的编码约束时，这种噪声会增加：避免均聚物和模式以及平衡GC含量。本文描述了一种新颖的熵编码器，该编码器可以嵌入到任何基于块的图像编码模式中，并旨在鲁棒化解码结果。我们提出的解决方案在生成的第四纪流中引入了可变性，减少了均聚物和重复模式的量，以降低发生错误的可能性。在限制代码以更好地满足约束的同时会降低压缩效率，但在这项工作中，我们提出了一种替代方法，以进一步稳健地稳健地稳健不存在的代码而不会影响压缩率。为此，我们将提出的熵编码器集成到了四个现有的JPEG启发的DNA编码器中。然后，我们通过提供特定的评估指标来评估所有不同方法的编码数据的质量。
任务引起的大脑熵变化
由人类连接组项目，Wu-Minn Consortium（主要研究人员：David Van Essen和Kamil Ugurbil; 1U54MH091657）提供了成像和行为数据，由16个NIH Institutes and Centers资助，由NIH IHIH研究所和中心资助。以及圣路易斯华盛顿大学麦当劳系统神经科学中心。用于制备本手稿的数据和/或研究工具是从国家心理健康研究所（NIMH）数据档案（NDA）获得的。nda是美国国立卫生研究院（National Institutes of Health）创建的合作信息系统，旨在提供国家资源，以支持和加速心理健康研究。数据集标识符：[NIMH数据存档数字对象标识符10.15154/1526336]。本手稿反映了作者的观点，可能不会反映NIH或提交者的意见或观点，将原始数据提交给NDA。作者感谢Human Connectome项目的开放访问其数据。
来自布洛赫电子的量子几何和熵的动量空间引力
量子几何是区分晶体中电子和真空中电子的关键量。对量子几何的研究继续为量子材料提供见解，揭示发现量子材料的新设计原则。然而，与贝里曲率不同，对量子度量缺乏直观的理解。在这里，我们表明布洛赫电子的量子度量导致动量空间引力。特别是，通过将电子动力学的半经典公式扩展到二阶，我们发现所产生的速度被测地线项修改，并成为弯曲空间中洛伦兹力的动量空间对偶。我们计算了魔角扭曲双层石墨烯的测地线响应，并表明具有平带的莫尔系统是观察这种效应的理想候选者。将这种与重力的类比进一步扩展，我们发现爱因斯坦场方程的动量空间对偶对于纯态仍然无源，而对于混合态，它获得一个取决于小熵的冯·诺依曼熵的源项。我们将该应力能量方程与广义相对论的弱场极限进行比较，得出冯·诺依曼熵是引力势的动量空间对偶的结论。因此，混合态的动量空间测地线方程被一个类似于熵力的项所修改。我们的研究结果强调了量子几何、动量空间引力和量子信息之间的联系，促使人们进一步探索量子材料中的这种对偶引力。
基于相对小波包熵脑网络和改进的套索
运动成像（MI）脑电图（EEG）信号具有较低的信噪比，这在特征提取和具有高分类精度的特征选择方面带来了挑战。在这项研究中，我们提出了一种方法，该方法将改进的套索与缓解f结合起来，以提取小波数据包熵特征和大脑功能网络的拓扑特征。用于信号降解和通道过滤，根据r 2映射对原始MI EEG进行过滤，然后使用小波软阈值和一对一的多级多级得分公共空间模式算法。随后，提取了大脑网络的相对小波数据包熵和相应的拓扑特征。在特征融合后，杂种类和浮雕法被应用用于特征选择，然后分别是三个分类器和一个集合分类器。实验是在两个公共脑电图数据集（BCI竞争III数据集IIIA和BCI竞争IIA IIA）上进行的，以验证此提出的方法。结果表明，大脑网络拓扑特征和特征选择方法可以更有效地保留脑电图的信息并降低计算复杂性，并且两个公共数据集的平均分类精度均高于90％。因此，该算法适用于MI-BCI，并且在康复和其他领域具有潜在的应用。
点状缺陷下重介子的量子信息熵
塞阿拉联邦大学 (UFC)，物理系，Pici 校区，福塔莱萨-CE，60455-760，巴西。 b 马来西亚玻璃市大学工程数学研究所，02600 Arau，玻璃市，马来西亚。 c 马来西亚玻璃市大学电子工程技术学院，马来西亚。 d 尼日利亚卡拉巴尔十字河科技大学物理系。 e 先进通信工程 (ACE) 卓越中心，马来西亚玻璃市大学，01000 Kangar，玻璃市，马来西亚。 f 哈利法大学数学系，阿布扎比 127788，阿拉伯联合酋长国。