XiaoMi-AI文件搜索系统
World File Search System低维
生物医学应用的抗氧化低维碳材料的最新进展
作为许多组织损伤和疾病的主要原因，活性氧（ROS）和反应性氮种（RN）众所周知，对包括脂质，蛋白质和DNA在内的细胞中的各种生物学成分非常有害。已经过人工设计并合理地合成了许多抗氧纳米材料，以保护细胞免受活性氧/反应性氮物种引起的氧化损伤。最近的研究表明，低维碳抗氧化纳米材料由于其微小的纳米级和独特的物理化学特性而受到了很多关注。因此，简要概述了抗氧化剂低维碳材料的最新进展。通常，碳纳米材料根据其纳米结构尺寸进行分类，这些尺寸为零维度，一维和二维。最后但并非最不重要的一点是，还讨论了这些高性能低维材料和生物医学领域的挑战和观点。
FYST79 物理学：低维结构和量子器件的物理学
Landauer 形式主义 • 一维散射现象 • 基于量子现象和库仑阻塞的装置。课程设计教学包括讲座、计算练习、实验课和研究项目。必须参加实验课和项目工作以及与之相结合的其他教学。课程的讲座部分完成后，学生将在研究小组中开展为期约 1.5 周的项目工作。评估考试在课程期间以书面形式以实验报告的形式进行，在课程期间以书面和口头形式以项目演示的形式进行，并在课程结束时以书面考试的形式进行。未通过常规评估的学生将在之后不久获得另一次评估机会。
执行和想象的抓握动作可以从分布式非运动脑区的低维表示中解码
中尺度区域，不能捕捉到运动系统的全部信息内容。在这项工作中，我们记录了 8 名癫痫患者的颅内脑电图，包括除中央沟内或相邻电极接触外的所有电极接触。我们表明，执行运动和想象运动可以从非运动区域解码；将所有非运动接触组合成一个低维表示形式，为黎曼解码器提供了足够的信息，使其达到 0.83 ± 0.11 的曲线下面积。此外，通过在执行运动上训练我们的解码器并在想象运动上进行测试，我们证明这两种情况之间存在在 beta 频率范围内共享的分布信息。通过将来自所有区域的相关信息组合成一个低维表示形式，解码器能够在没有初级运动皮层信息的情况下实现较高的解码结果。这种表示形式使解码器对扰动、信号非平稳性和神经组织退化更具鲁棒性。我们的结果表明，超越运动皮层可以为更强大、更多功能的脑机接口开辟道路。
顺序非线性编码：一种低维回归算法，用于基于EEG的驱动疲劳检测
摘要。对现实世界数据的回归分析并不总是一件容易的任务，尤其是当输入向量以非常低的维空间呈现时。基于EEG的疲劳检测涉及低维问题，并且在降低致命事故的风险中起着重要作用。我们提出了一种内核投影追踪回归算法，该算法是一种针对低维问题（例如疲劳检测）量身定制的两步非线性。以这种方式，可以从两个不同的角度研究数据非线性：通过将数据转换为高维中间空间，然后将其样条估计应用于允许数据层次展开的输出变量。种子VIS数据库的实验结果说明了大脑的时间和后区域的平均RMSE值分别为0.1080％和0.1054％。我们的方法是通过对帕金森氏病预测进行的一些实验来验证的，这进一步证明了我们方法的效率。本文提出了一种新型回归算法，以解决高度复杂的低维数据的编码问题，该问题通常在生物神经学预测任务中遇到，例如基于EEG的驱动疲劳检测。
通过对齐低维潜在表征来比较高维神经记录
神经科学中的许多问题都涉及对大量神经元反应的理解。然而，当处理大规模神经活动时，解释变得困难，并且在两种动物之间或不同时间点之间的比较变得具有挑战性。我们在现代神经科学中面临的一个主要挑战是对应性，例如，我们不会在完全相同的时间记录完全相同的神经元。如果没有某种方法将两个或多个数据集联系起来，那么比较不同的神经活动模式集合就变得不可能。在这里，我们描述了利用神经记录中共享的潜在结构来解决这一对应性挑战的方法。我们回顾了将两个数据集映射到可直接比较的共享空间的算法，并认为对齐是比较跨时间、神经元子集和个体的高维神经活动的关键。
一种受大脑启发的低维计算分类器，用于微型设备推理
通过模仿类似大脑的认知并利用并行性，超维计算 (HDC) 分类器已成为实现高效设备推理的轻量级框架。尽管如此，它们有两个根本缺点——启发式训练过程和超高维度——导致推理精度不理想且模型尺寸过大，超出了资源受限严格的微型设备的能力。在本文中，我们解决了这些根本缺点并提出了一种低维计算 (LDC) 替代方案。具体而言，通过将我们的 LDC 分类器映射到等效神经网络，我们使用原则性训练方法优化我们的模型。最重要的是，我们可以提高推理精度，同时成功地将现有 HDC 模型的超高维度降低几个数量级（例如 8000 对 4/64）。我们通过考虑不同的数据集在微型设备上进行推理来进行实验以评估我们的 LDC 分类器，并且在 FPGA 平台上实现不同的模型以进行加速。结果表明，我们的 LDC 分类器比现有的受大脑启发的 HDC 模型具有压倒性优势，特别适合在微型设备上进行推理。
一种受大脑启发的低维计算分类器，用于微型设备推理
通过模仿类似大脑的认知并利用并行性，超维计算 (HDC) 分类器已成为实现高效设备推理的轻量级框架。尽管如此，它们有两个根本缺点——启发式训练过程和超高维度——导致推理精度不理想且模型尺寸过大，超出了资源受限严格的微型设备的能力。在本文中，我们解决了这些根本缺点并提出了一种低维计算 (LDC) 替代方案。具体而言，通过将我们的 LDC 分类器映射到等效神经网络，我们使用原则性训练方法优化我们的模型。最重要的是，我们可以提高推理精度，同时成功地将现有 HDC 模型的超高维度降低几个数量级（例如 8000 对 4/64）。我们通过考虑不同的数据集在微型设备上进行推理来进行实验以评估我们的 LDC 分类器，并且在 FPGA 平台上实现不同的模型以进行加速。结果表明，我们的 LDC 分类器比现有的受大脑启发的 HDC 模型具有压倒性优势，特别适合在微型设备上进行推理。
原创研究胰岛素降低维莫非尼和曲美替尼对黑色素瘤细胞的疗效
背景：尽管转移性黑色素瘤的临床治疗取得了进展，但患者对治疗的反应仍无法完全预测，大多数黑色素瘤患者产生的内在或获得性耐药性值得进一步研究。除了遗传因素外，还应考虑微环境因素来解释黑色素瘤患者对治疗反应的多样性。在本研究中，我们评估了胰岛素对患者来源的 BRAF V600E 黑色素瘤细胞的影响，这些细胞未经治疗或用维莫非尼或曲美替尼（BRAF V600 和 MEK1/2 的抑制剂）治疗。方法：在无血清条件下培养细胞，有或没有胰岛素。通过蛋白质印迹法评估 MAPK/ERK 和 PI3K/AKT 通路的活性，通过流式细胞术评估细胞活力和 Ki-67 和 NGFR 阳性细胞的百分比。使用 qRT-PCR 分析转录水平，通过免疫印迹和共聚焦显微镜分析 γ-H2AX 水平。使用基于发光的测定法测量谷胱甘肽含量。结果：虽然胰岛素不影响 MAPK/ERK 通路活性，但它对黑色素瘤细胞有很大影响，其中该通路被维莫非尼或曲美替尼抑制。在胰岛素存在的情况下，这两种药物在 1) 抑制增殖和降低 Ki-67 阳性细胞百分比，以及 2) 诱导黑色素瘤细胞凋亡和组蛋白 H2AX 磷酸化方面的效率要低得多。胰岛素也减弱了维莫非尼和曲美替尼引起的谷胱甘肽稳态和 DNA 修复基因表达的变化。此外，胰岛素削弱了靶向药物和阿霉素在黑色素瘤细胞中的联合作用。除了胰岛素诱导的 PI3K/AKT 活性（根据细胞系的不同，这种活性可能是短暂的，也可能是可持续的）之外，胰岛素引发的 NGFR（神经嵴干细胞样细胞的标志）表达细胞百分比增加也可能导致药物疗效降低。结论：我们的研究结果表明，胰岛素在降低维莫阿非尼和曲美替尼疗效方面发挥了作用。这需要临床评估。关键词：BRAF V600、NGFR、靶向治疗
通过调整神经活动的低维空间来实现脑机接口的稳定
1 美国宾夕法尼亚州匹兹堡卡内基梅隆大学电气与计算机工程系。2 美国宾夕法尼亚州匹兹堡大学生物工程系。3 美国宾夕法尼亚州匹兹堡认知神经基础中心。4 美国宾夕法尼亚州匹兹堡大学脑研究所。5 美国宾夕法尼亚州匹兹堡大学系统神经科学中心。6 美国宾夕法尼亚州匹兹堡卡内基梅隆大学机器学习系。7 美国弗吉尼亚州阿什本霍华德休斯医学研究所 Janelia 研究园区。8 美国宾夕法尼亚州匹兹堡大学医学院神经生物学系。9 美国宾夕法尼亚州匹兹堡大学神经外科系。 10 美国宾夕法尼亚州匹兹堡大学物理医学与康复系。11 美国宾夕法尼亚州匹兹堡大学麦高恩再生医学研究所。12 美国宾夕法尼亚州匹兹堡卡内基梅隆大学神经科学研究所。13 美国宾夕法尼亚州匹兹堡卡内基梅隆大学生物医学工程系。14 以下作者贡献相同：Alan D. Degenhart、William E. Bishop。15 以下作者共同指导了这项工作：Steven M. Chase、Aaron P. Batista、Byron M. Yu。ᅒ 电子邮件：byronyu@cmu.edu
低维铁电 ABO 3 钙钛矿中对称性变换的光致发光检测
可再生能源的未来依赖于发现用于高密度储能的新材料。1 由于其多功能性、高极化电位和介电常数，铁电 (FE) ABO 3（A、B = 各种金属离子）钙钛矿是电容器技术中一类受欢迎的材料。2、3 PbTiO 3 和类似的钙钛矿基电容器由于 A 位 (Pb) 与 O 的偏心杂化而表现出出色的能量存储密度。3 然而，Pb 的毒性限制了它们的商业使用，因此需要无铅 FE 替代品。4 遗憾的是，由于 BO 6 八面体旋转/倾斜的反铁电畸变 (AFD) 畸变，导致中心对称 Pnma 空间群的优先稳定，室温下无铅 ABO 3 钙钛矿中的 FE 不稳定性受到抑制。 5 缺陷工程（Ca 掺杂、氧空位等）已被有效利用，通过修改 ABO 3 钙钛矿中的局部 A/B 位对称性来克服这些 AFD 畸变。6 传统上，