7。Schmid H,Ribeiro EM,Secker KA等。人类不变的天然杀伤T细胞通过优先凋亡诱导常规树突状细胞促进耐受性。血液学。2022 Feb 1; 107(2):427-436。 doi:10.3324/haematol.2020.267583。pmid:33440919。https://www.ncbi.nlm.nih.gov/pmc/articles/pmc8804566/
研究兴趣 形式化方法与人工智能:安全关键型学习系统 验证:顺序和并发软件的形式化验证、不变式生成 综合:程序代码的自动生成 约束求解:约束逻辑编程、决策程序、自动定理证明 建模:生物系统建模,例如基因调控
1.1.3. 走向概括。到目前为止讨论的流行病学模型假设人口庞大,可能由几个行为不同的群体组成,因此流行病是确定性的。在建模范围的另一端,一些相互作用粒子的概率模型可能被视为流行病的建模。1974 年,哈里斯 [24] 在 Z d 上引入了所谓的接触过程。接触过程是一个连续时间马尔可夫过程,常用作感染传播的模型。图上的节点代表一个种群中的个体。他们可能是被感染的,也可能是健康的。受感染的个体在指数时间后会恢复健康,与配置无关。健康个体的感染率与受感染邻居的数量成正比。接触过程与多群 SIS 方程有许多共同的属性:存在上不变测度、无病不变测度和单调耦合 [35, 36]。这种接近性并不奇怪,因为方程 (2) 可以通过接触过程的平均场近似得到 [47,第 VA 节]。请注意,方程 (2) 也可以作为基于个体的模型的极限获得,参见 [3]。
光子平台在均衡(P),时间反转(T)和二元性(D)下不变,可以支持类似于具有保守自旋的时间反向不变Z 2电子系统中的拓扑阶段。在这里,我们证明了基本的旋转阶段对非省力效应的弹性,尤其是物质耗散。我们确定非热,pd -Ampricric和相互光子绝缘子属于两个拓扑上不同的类别。我们的分析侧重于PD-对称和相互平行的板波导(PPW)的拓扑。我们发现标记拓扑相变的板中的临界损失水平。发现PT D-对称系统的哈密顿量由具有公共带隙的凯恩 - 梅勒型哈密顿量的无限直接总和组成。这种结构导致波导的拓扑充电是由于粒子孔对称性而导致的整数不良总和。该系列的每个组件对应于自旋极化边缘状态。我们的发现提出了拓扑光子系统的独特实例,该实例可以在其带隙中容纳有限数量的边缘状态。
基于确定性和随机过程混合模型,我们使用白色噪声来说明患者在治疗结果中的变异性,使用超参数代表同类群体中的患者异质性,并根据ITO的随机差分方程来构建随机模型,以测试三种不同治疗方案在CAR T Cell Cell Cell治疗中的效率。随机模型具有三个千古不变的度量,对应于确定性系统的三个不稳定的平衡溶液,而在某些条件下,麦芽怪胎不变的测量是吸引人的肿瘤生长。随机系统的稳定动力学反映了治疗的长期结局,瞬态动力学提供了短期治愈的机会。两个停止时间,治愈时间和进步时间,让我们通过随机模型的瞬时动力学进行三种不同的CAR T细胞处理方案进行数值模拟。治愈时间和进步时间的概率分布是不同方案的当前结果细节,这对于当前的CAR T细胞疗法临床研究很重要。
摘要 8 神经群体动态受许多细胞、突触和网络特性的影响。不仅要了解电路参数的协调变化如何改变神经活动,而且要了解动态何时不受此类变化的影响或对此类变化保持不变。计算建模揭示了单个神经元和小电路中的不变性,这些不变性被认为反映了它们对变化和扰动的鲁棒性。然而,将这些见解推广到皮层和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于使用脉冲网络模型对神经回路进行逆向建模,即识别与神经记录中观察到的动态定量匹配的参数配置。在这里,我们提出了神经动力学自动模型推断 (AutoMIND),以有效发现不变的电路模型配置。 AutoMIND 利用具有自适应 16 脉冲神经元和群集连接的机械模型,该模型显示了丰富的时空动态。概率 17 深度生成模型(仅在网络模拟上训练)然后返回与给定目标神经活动观察一致的许多参数配置。应用于多个数据集后,AutoMIND 发现了人类大脑类器官在早期发育过程中同步网络爆发的电路模型 19,以及捕捉小鼠海马和皮层中神经像素记录的复杂频率曲线的模型 20。在每种情况下,我们都获得了 21 数百种配置,这些配置组成一个(非线性)参数子空间,其中种群动态保持不变 22。令人惊讶的是,不变子空间的全局和局部几何形状并不固定,而是因不同的动态而异 23。总之,我们的研究结果揭示了不同 24 种群体动态背后的电路参数的动态相关不变性,同时展示了 AutoMIND 在神经电路逆向建模方面的灵活性。25
摘要8神经种群动力学由许多细胞,突触和网络特性塑造。不仅要9了解电路参数的协调变化如何改变神经活动,而且当动态不受影响的情况下,或不变的变化时,也很重要。计算建模揭示了单个神经元和小11个电路中的不变,这些电路被认为反映了它们对可变性和扰动的稳健性。但是,将这12个见解概括为皮质和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于具有尖峰网络模型的13个神经回路的反向建模,即识别量化对动力学14在神经记录中观察到的动力学14的参数配置。在这里,我们提出了从神经动力学(Automind)的自动化模型推断,以有效发现不变电路模型配置。自动源具有自适应16个尖峰神经元和聚类连接性的机械模型,该模型显示出丰富的时空动力学。概率17深生成模型(仅在网络模拟上进行训练),然后返回许多参数配置,一致18,具有给定的神经活动目标观察。应用于几个数据集,Automind发现了早期发育中人类脑类器官中同步网络爆发的电路模型19,以及捕获小鼠海马和皮质中神经偶像记录的20个复杂频率曲线的模型。在每种情况下,我们都会获得21个组成(非线性)参数子空间的配置,其中人口动态保持22不变。令人惊讶的是,不变子空间的全局和局部几何形状并不固定,但在不同的23个动态方面有所不同。一起,我们的结果阐明了24个种群动态的基础电路参数的动态依赖性不向导,同时证明了自动源对神经回路的反向建模的灵活性。25
o 启动是指将发电机组从冷、暖或热(不同步)温暖状态带入同步状态的过程。o 无负荷成本是指作为商业报价数据的一部分提交的发电机组的运营成本要素,该要素与输出水平不变,并在输出水平大于零时始终产生。
我们将量子资源理论的工具扩展到存在多个量(或资源)的场景,它们的相互作用决定了物理系统的演化。我们推导出这些资源相互转化的条件,这些条件概括了热力学第一定律。我们研究了多资源理论的可逆性条件,发现与理论不变集的相对熵距离在资源的量化中起着根本性的作用。一般多资源理论的第一定律是一个单一关系,它将状态转换过程中系统属性的变化与交换资源的加权和联系起来。事实上,这个定律可以被看作是将不同状态集的相对熵的变化联系起来。与典型的单一资源理论相比,自由状态和不变状态集的概念在多重约束的情况下变得截然不同。此外,亥姆霍兹自由能、绝热和等温变换的推广也应运而生。因此,我们有了一套通用量子资源理论定律,这些定律概括了热力学定律。我们首先在具有多个守恒定律的热力学上测试这种方法,然后将其应用于能量限制下的局部操作理论。