摘要 —我们考虑两阶段混合协议,将量子资源和经典资源结合起来,以生成由两个独立参与者共享的经典相关性。我们的动机有两个方面。首先,在不久的将来,量子信息处理的规模非常有限,当可用的量子资源不足以完成某些任务时,增强量子方案能力的一种可能方法是引入额外的经典资源。我们分析了这些混合协议的数学结构,并描述了所需量子资源和经典资源数量之间的关系。其次,通信复杂性理论中的一个基本开放问题是描述共享先验量子纠缠相对于共享先验随机性的优势,这仍然是一个开放的问题。事实证明,我们的量子和经典混合协议为这个重要问题提供了新的见解。
摘要标准神经机器翻译(NMT)是关于文档级上下文是独立的。大多数现有的文档级别的NMT方法都充满了全局文档级信息感,而这项工作着重于在内存网络中利用详细的文档级别上下文。从内存中检测到当前句子中最相关部分的内存网络的容量,这是一种自然解决方案,可以对丰富的文档级上下文进行建模。在这项工作中,实现了拟议的文档感知内存网络,以增强变压器NMT基线。对几个任务的实验表明,所提出的方法显着提高了强大变压器基准和其他相关研究的NMT性能。关键词:内存网络,神经机器翻译,文档级上下文
疾病关联的遗传证据经常被用作选择复杂常见疾病的药物靶标的基础。同样,已经证明通过基因或蛋白质相互作用网络传播遗传证据可以准确推断出无法观察到直接遗传证据的基因上的新型疾病关联。然而,缺乏将这些药物发现方法结合的实用性的经验检验。在这项研究中,我们研究了对648个英国Biobank GWAS的分析引起的遗传关联,并评估是否通过历史临床试验数据来衡量,成功的药物靶标是否将被鉴定为直接遗传命中的靶标富含成功的药物靶标。我们发现,由蛋白质复合物和配体 - 受体对等特定功能连接形成的蛋白质网络适用于即使是幼稚的内guin-sysosociation网络传播方法。此外,应用于全球蛋白质 - 蛋白质相互作用网络和途径数据库的更复杂的方法也成功地检索了富含临床成功药物靶标的靶标。我们得出结论,遗传证据的网络传播可用于药物靶标识别。
摘要 16 17 人们普遍认为,疾病关联的遗传证据是选择复杂常见疾病药物靶点的坚实基础,通过基因或蛋白质相互作用网络传播遗传证据可以准确推断出没有直接遗传证据的基因上的新疾病关联。然而,一直缺乏将这些信念结合起来用于药物发现的效用的经验检验。22 23 在本研究中,我们检查了从 648 个英国生物银行 GWAS 分析中产生的遗传关联,并评估根据历史临床试验数据衡量,被确定为直接遗传命中代理的靶点是否富集了成功的药物靶点。26 27 我们发现由特定功能连接(如蛋白质复合物和配体-受体对)形成的蛋白质网络适用于甚至是幼稚的关联网络传播方法。此外,应用于全球 30 蛋白质-蛋白质相互作用网络和通路数据库的更复杂的方法也成功检索了 31 临床成功药物靶标富集的靶标。我们得出结论,遗传证据的网络传播应该用于药物靶标识别。 33 34
b'使命陈述;总体(也称为战略或长期)目标和宗旨;关于任何目标和宗旨如何有助于联邦政府优先目标的描述;关于实现机构目标和宗旨的机构间合作的描述;关于实现机构目标和宗旨所需的战略和资源的描述;关于机构目标和宗旨如何吸收国会磋商的意见的描述;关于机构绩效目标和优先目标与总体目标和宗旨如何关联的描述;识别可能对实现机构目标和宗旨产生重大影响的外部因素;以及用于制定或审查机构总体目标和宗旨的项目评估。'
Marcia Pool 博士是伊利诺伊大学香槟分校 (UIUC) 生物工程系的教学副教授兼本科项目主任。她一直积极致力于改善本科教育,包括开发实验室以提高实验设计技能,并指导学生团队完成顶点设计和顶点设计后的转化课程。在担任主任期间,她与系领导密切合作,管理本科项目,包括:制定课程设置计划、主持本科课程委员会、审查和批准出国留学的课程衔接、担任首席顾问以及代表系参加大学级会议。她还参与大学招生和推广工作;她为参观生物工程的高中生协调了三次暑期体验,并共同协调了为期一周的生物工程夏令营。她自癌症学者计划成立以来一直与其合作,并为 researcHStart 活动提供支持。最近,她被选为 UIUC 工程教育卓越学院 (AE3) 的教育创新研究员 (EIF)。在国家层面,她曾担任生物医学工程荣誉协会 Alpha Eta Mu Beta 的执行董事 (2011-2017),并且是 ABET 评估员 (2018 年至今)。