XiaoMi-AI文件搜索系统
World File Search Systemize
光的量子状态无假设
测量光的噪声是在连续变量（CV）图片中提供光谱模式量子状态的信息的主要实验工具，其中使用了涉及电磁场的四足动物的可观察物。然而，由于在测量过程中缺乏相相一致性，因此访问它的常用过程既不提供两种模板光谱量子状态[1，2]的纯量子测量。测量混合物当前将光谱量子状态的忠实重建限制为那些具有光谱均匀能量分布和高斯统计的人，需要使用先验知识才能实现完整的重建[1]。对于这种特定类别的量子状态，可以实现对“有效”单模正交算子的纯量子测量[2]。两种模式光谱态测量已从量子噪声挤压的第一个实验证明中，是对光谱模式的三方纠缠的最新观察结果[3-9]。在最近的一个实验中实现了一个突破[10]，其中二级二阶矩形的四二阶段是通过强度测量与参数扩增相结合的。该方法允许直接观察到跨越55-THZ带宽的挤压。在其他测量情况下，还探索了用于非经典状态生成的参数放大器的这种组合，以及对状态的进一步阅读[11]，在干涉测量[12]中，传送方案[13]或计算提案[13]或计算提案[14]。
因溢流导致城市沿海地区洪水泛滥 - Hal-BRGM
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
MatSci-NLP：使用文本到模式建模评估材料科学语言任务中的科学语言模型
我们提出了 MatSci-NLP，一种自然语言基准，用于评估自然语言处理 (NLP) 模型在材料科学文本上的性能。我们根据公开的材料科学文本数据构建基准，涵盖七种不同的 NLP 任务，包括命名实体识别和关系分类等传统 NLP 任务，以及特定于材料科学的 NLP 任务，例如与创建材料合成程序有关的合成动作检索。我们研究了在 MatSci-NLP 上对不同科学文本语料库进行预训练的各种基于 BERT 的模型，以了解预训练策略对理解材料科学文本的影响。鉴于材料科学领域高质量注释数据的稀缺，我们使用有限的训练数据进行微调实验，以鼓励在 MatSci-NLP 任务中进行泛化。我们在这种低资源训练环境中进行的实验表明，在科学文本上预训练的语言模型优于在一般文本上训练的 BERT。 Mat-BERT 是一种专门针对材料科学期刊进行预训练的模型，通常在大多数任务中表现最佳。此外，我们提出了一种统一的文本到模式的 MatSci-NLP 多任务学习方法，并将其性能与传统的微调方法进行了比较。在对不同训练方法的分析中，我们发现我们提出的受问答启发的文本到模式方法始终优于单任务和多任务 NLP 微调方法。代码和数据集是公开可用的 1 。
当大型语言模型代理遇上6G网络
基于多模态大型语言模型 (LLM) 的抽象 AI 代理有望彻底改变人机交互，并在医疗保健、教育、制造和娱乐等各个领域提供更加个性化的助理服务。在 6G 网络中部署 LLM 代理使用户能够通过移动设备民主地访问以前昂贵的 AI 助理服务，从而减少交互延迟并更好地保护用户隐私。然而，移动设备的有限容量限制了部署和执行本地 LLM 的有效性，这需要在长距离交互期间将复杂任务卸载到边缘服务器上运行的全局 LLM。在本文中，我们为 6G 网络中的 LLM 代理提出了一种分割学习系统，利用移动设备和边缘服务器之间的协作，其中具有不同角色的多个 LLM 分布在移动设备和边缘服务器上，以协作执行用户代理交互任务。在所提出的系统中，LLM 代理分为感知、接地和对齐模块，以促进模块间通信，以满足用户对 6G 网络功能的扩展要求，包括集成传感和通信、数字孪生和面向任务的通信。此外，我们在所提出的系统中引入了一种用于 LLM 的新型模型缓存算法，以提高上下文中的模型利用率，从而降低协作移动和边缘 LLM 代理的网络成本。
un-weyl-ing the clifford层次结构
Gottesman and Chuang（1999）引入的量子组合的传送模型激发了Clif-Ford层次结构的发展。尽管具有量子计算的内在价值，但与该模型密切相关的魔术状态蒸馏的广泛使用强调了理解层次结构的重要性。除了诊断单位的情况外，人们对该等级结构的结构有限有限（Cui等，2017； Rengaswamy等人。2019）。我们通过Weyl（即Pauli）在这些级别上扩展了层次结构的第二和第三层的结构，第一个级别是无处不在的Pauli组。尤其是我们对Pauli Group上标准的操作的支持。自从第三级统一的保利会产生Trace-Lise Hermitian Cli效应以来，我们也表征了他们的Pauli支持。半单位单位在电视模型中节省了Ancilla，我们通过同骨转移探索他们的Pauli支持。最后，我们证明，直到通过clif-ford乘法，每个第三级统一通勤至少都使用一个Pauli矩阵。这可以无力地使用，以表明，直到通过cli的繁殖，每个第三级统一都在保利组的最大交换亚组上进行。另外，可以看出，后者意味着Beigi和Shor（2010）证明的广义半乳房构想。我们讨论了量子误差校正和高空产品设计中的潜在应用。
用于脑肿瘤分割的全自动深度学习网络
我们开发了一种使用深度学习进行脑肿瘤分割的全自动方法；使用了来自 BraTS2018 数据集的 285 个具有多参数磁共振图像的脑肿瘤病例。我们设计了 3 个独立的 3D-Dense-UNets，将复杂的多类分割问题简化为每个子组件的单独二元分割问题。我们实施了 3 倍交叉验证来推广网络的性能。整个肿瘤 (WT)、肿瘤核心 (TC) 和增强肿瘤 (ET) 分割的平均交叉验证 Dice 分数分别为 0.92、0.84 和 0.80。然后，我们使用 285 个病例中的 265 个重新训练各个二元分割网络，其中 20 个病例用于测试。我们还在来自 BraTS2017 验证数据集的 46 个病例、来自 BraTS2018 验证数据集的 66 个病例和来自独立临床数据集的 52 个病例上测试了该网络。在 20 个保留测试用例中，WT、TC 和 ET 的平均 Dice 分数分别为 0.90、0.84 和 0.80。在 BraTS2017 验证数据集、BraTS2018 验证数据集和临床数据集上，WT、TC 和 ET 的平均 Dice 分数分别为：0.90、0.80 和 0.78；0.90、0.82 和 0.80；以及 0.85、0.80 和 0.77。开发了一种全自动深度学习方法将脑肿瘤分割成其子成分，该方法在 BraTS 数据集和独立临床数据集上实现了高预测准确率。该方法有望应用于临床工作流程。
nav-001，一种高效率抗体 - 药物结合物，靶向间皮素，通过抵消MUC16/CA125抑制作用
肿瘤生产的细胞表面和分泌蛋白的子集可以与IgG 1型抗体IES结合并抑制其免疫效应活性。由于它们影响抗体和补体介导的免疫力，我们称这些蛋白质体液免疫肿瘤（HIO）因子。抗体药物结合物（ADC）使用抗体靶向结合细胞表面抗原，内部ize进入细胞，然后在释放细胞毒性有效载荷后杀死靶细胞。通过HIO因子对ADC抗体成分的结合由于内在化降低而可能会妨碍ADC的功效。 为了确定HIO因子ADC抑制的潜在影响，我们评估了Hio-fractory，间皮素指导的ADC（NAV-001）和HIO结合的间皮素定向ADC（SS1）的功效。 HIO因子MUC16/CA125与SS1 ADC结合对内在化和肿瘤细胞杀死具有负面影响。 MUC16/CA125难治性NAV-001 ADC显示出在单个，sub-mg/kg剂量下在体外和体内表达MUC16/CA125的MUC16/CA125和非表达肿瘤细胞。 此外，包含PNU-159682拓扑异构酶II抑制作用的NAV-001-PNU在体外和体内表现出良好的稳定性，以及在体内的强大旁观者活性，同时保持体内可耐受性的安全性。 单剂量NAV-001-PNU表明，无论MUC16/CA125表达如何，来自不同肿瘤类型的许多患者衍生的异种移植物都具有稳健的肿瘤回归。由于内在化降低而可能会妨碍ADC的功效。为了确定HIO因子ADC抑制的潜在影响，我们评估了Hio-fractory，间皮素指导的ADC（NAV-001）和HIO结合的间皮素定向ADC（SS1）的功效。HIO因子MUC16/CA125与SS1 ADC结合对内在化和肿瘤细胞杀死具有负面影响。MUC16/CA125难治性NAV-001 ADC显示出在单个，sub-mg/kg剂量下在体外和体内表达MUC16/CA125的MUC16/CA125和非表达肿瘤细胞。此外，包含PNU-159682拓扑异构酶II抑制作用的NAV-001-PNU在体外和体内表现出良好的稳定性，以及在体内的强大旁观者活性，同时保持体内可耐受性的安全性。单剂量NAV-001-PNU表明，无论MUC16/CA125表达如何，来自不同肿瘤类型的许多患者衍生的异种移植物都具有稳健的肿瘤回归。这些发现表明，如NAV-001所观察到的ADC格式使用的硬性抗疗法抗体可能会提高治疗疗效，并保证NAV-001-PNU对人类临床试验的发展作为一种单疗疗法，以治疗中皮蛋白蛋白 - 阳性癌症。
尿路上皮癌的骨转移。月亮的黑暗面
骨转移在泌尿生殖器癌中很常见，但是它们被低估了，研究不足。同步骨转移发生在1.39–5.5％的膀胱癌患者中，而30-40％的病例是常规的。骨形态发生蛋白（BMP）在调节转移性尿路上皮癌（MUC）骨转移骨微环境中肿瘤细胞的增殖，迁移和侵袭中起关键作用。骨转移酶代表了较差的预后因素，因为高发病率和死亡率与骨骼相关事件（SRE）相关。膀胱，肾脏骨盆和输尿管癌的发病率从39％至68％。放射疗法是SRE最常见的治疗方法。早期使用骨骼靶向疗法（BTT），唑来膦酸和denosumab，改善了SRES的发病率和发病率，并且似乎可以改善总体生存率（OS）。迄今为止，几种新药物（免疫疗法和靶向药物）在MUC中表现出效率。然而，由于在分析骨骼样本，非病变病变和由于SRE导致的SRES延迟的SRE限制了临床试验中骨MUC患者入学时，通常无法获得骨转移的亚组分析。包括UC患者（包括UC患者）的较大的实体瘤研究是管理骨转移患者管理的主要数据来源。对于这些患者，应首选跨学科方法，包括骨科，放射线疗法和康复，以改善结果和生活质量。2021由Elsevier GmbH出版。新的前瞻性试验应具有骨转移患者的临床和分子特征，以及新药对这个预后不良的转移性部位的影响。这是CC BY-NC-ND许可证（http：//creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
![arxiv：2108.04933v1 [Physics.optics] 2021年8月10日](/simg/g:\will\search\icon\source\e\eb1330fa813fd7c8310fa2877b83d160213b1f31.webp)
arxiv：2108.04933v1 [Physics.optics] 2021年8月10日
遗传编码的光遗传学执行器和荧光指标已成为脑活动相互作用的强大工具，因为它们能够控制和成像具有高细胞型特异性特异性和单细胞空间分辨率的神经元[1-3]。今天的光遗传学和功能性荧光想象的光学系统，例如多光子显微镜和可植入的光学材料，通常是由堆积的组件构建的，并且物理上大且复杂[4]。然而，硅（SI）集成光子学的进步导致纳米级波导和设备密集整合到达到毫米尺度的电路中，从而实现了综合功能[5，6]。因此，可以利用SI光子技术来创建微型神经生物学光学系统的纳米光子工具，并以批量操作性不可能的方式将光输送到脑组织中。一种方法是实现可植入的芯片尺度光子设备，这些设备在无法通过自由空间光学元件无法访问的深度（即超出光学衰减长度之外）的深度内传递和控制图案化的插图。沿着这些线路，纳米光量波导带有纤维耦合器（GC）光发射器[7-10]和微光发射二极管（µ LED）[11] [11]已集成到可植入的SI探针上。在脑组织中，由于光主要向前散射[12]，因此可以在200-300 µm的距离内从GC中发出低差异束[7，8]。此外，正如Si光子束形成的最新进步所证明的[5,14,15]，复杂的光栅和光子电路设计可以精确地与µ LED相对，基于纳米量波导的探针不会产生超过光本身引起的热量，可以更精确地量身定制光学发射功能，与晶圆尺度的铸造制造[9，13]兼容[9，13]，并且可以达到高光源。
零排放公交车推广计划
1) Big Blue Bus 经历了一些创业挑战，包括资金和零排放巴士技术的发展性质。我们发现零排放巴士的价格比我们之前购买的 CNG 巴士高出约 20 万美元，这还不包括购买和安装充电基础设施的额外成本。另一个挑战是技术的性质。由于这个行业相对较新，公司已经制造了具有独特或专有操作和充电方法的巴士。这通常意味着机构在可以采购的充电系统方面受到制造商的限制。充电系统的设备制造商数量也有限。该行业尚未成熟，导致支持重型应用快速充电的系统数量很少。几个有前途的系统正在等待认证。a. 为零排放巴士和充电系统购买提供额外资金或免税可以帮助弥补向零排放过渡的资金缺口。 CARB 可以帮助推动该行业采用标准化充电接口，为交通机构提供更多灵活性。 2) 未来能源成本方面存在重大未知数，这对 BBB 来说是一个财务风险，因为它正努力将其车队过渡到 100% 零排放技术。目前的融资机会主要集中在为购买和安装设备提供资金，但没有资金来抵消电动公交车队带来的任何运营能源成本的增加。BBB 还发现，目前的电动公交车续航里程不足以一对一地取代 CNG 公交车。使用现有技术，大规模部署零排放汽车将需要增加车队规模、改变公交车时刻表、沿途充电和/或转向氢燃料电池技术。这些选项中的每一个都有各自的风险和挑战，可能需要额外的资金来解决。