XiaoMi-AI文件搜索系统
World File Search System劳伦斯伯克利
劳伦斯·伯克利国家实验室
c纳米级物理研究实验室，伯明翰大学物理与天文学学院，伯明翰大学，埃德巴斯顿，伯明翰伯明翰B15 2TT，英国 *通讯作者：Peter Ercius电子邮件：percius@lbl.gl.gov邮政地址：1 Cyclotron Road：1 Cyclotron Road，MS 72-150，MS 72-150，MS 72-150，CA 94720 USA
劳伦斯伯克利国家实验室
免责声明 本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会或其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。
劳伦斯伯克利国家实验室
Na Qin 1* , Cheng Chen 2* , Shiqiao Du 1* , Xian Du 1 , Xin Zhang 3 , Zhongxu Yin 1 , Jingsong Zhou 1 , Runzhe Xu 1 , Xu
劳伦斯伯克利国家实验室
* 通信作者：cjtsai@uga.edu † 资深作者。‡ 现地址：GreenVenus, LLC, Wimauma, Florida 33598, USA § 现地址：SoundHound Inc., Boulder, Colorado 80302, USA C.-JT 和 WPB 构思了研究并设计了实验；WPB 进行了所有实验并分析了数据；SAH 提供了生理和代谢分析方面的指导；JR、TWH 和 RZ 提供了生物信息学支持；BNV 和 NJ 进行了 SEM 分析；JWJ、KWB、RJS、YY、SS、JG 和 JS 贡献了 Populus tremula x P. alba INRA 717-1B4 草图基因组；NLE 和 TJT 进行了蜡成分分析； WPB 和 C.-JT 撰写了该文章，并得到了 SAH 的参与。根据《作者须知》（https://academic.oup.com/plphys/pages/general-instructions）中所述的政策，负责分发与本文所述研究结果相关的材料的作者是：Chung-Jui Tsai (cjtsai@uga.edu)。
劳伦斯伯克利国家实验室
定义当前电力市场“规则”的机构、政策和经济学对于塑造电力行业的结果与技术进步同样重要。EMP 旨在通过严格分析支持成功过渡到清洁、高效、可靠和负担得起的电力行业的政策、经济和技术问题来产生影响。为此，我们采用了一系列适合当前主题的跨学科方法和工具，包括原始数据、经济和统计分析；建模；以及基于调查和访谈的研究。我们通过直接技术援助、出版物和演示文稿向公共和私人决策者提供见解和信息，并将我们的工作公开，以帮助和告知所有感兴趣的利益相关者。
劳伦斯·伯克利国家实验室
1案例西部储备大学生物医学工程系，俄亥俄州克利夫兰，俄亥俄州，44106，2 2号神经外科系，斯坦福大学，斯坦福大学，斯坦福大学，加利福尼亚州斯坦福大学94035，3史坦福大学，斯坦福大学，斯坦福大学，加利福尼亚州斯坦福大学，CA 94035，44035，44035，44035，44035，44035 RI 02912, 6 Robert J. and Nancy D. Carney Institute for Brain Sciences, Brown University, Providence, RI 02912, 7 VA RR&D Center for Neurorestoration and Neurotechnology, Providence, RI 02912, 8 Department of Neurological Surgery, University Hospitals Cleveland Medical Center, Cleveland, OH 44106, 9 Department of Neurological Surgery, Case Western Reserve School of Medicine School俄亥俄州克利夫兰，俄亥俄州克利夫兰44106，大学医院神经病学系10，克利夫兰医学中心，俄亥俄州克利夫兰医学中心，俄亥俄州克利夫兰，44106，11 11，布朗大学，普罗维登斯，RI 02912，12912，12 02114, 14 Department of Bioengineering, Stanford University, Stanford, CA 94035, 15 Department of Neurobiology, Stanford University, Stanford, CA 94035, 16 Howard Hughes Medical Institute at Stanford University, Stanford, CA 94035, 17 Wu Tsai Neuroscience Institute, Stanford University, Stanford, CA 94035, and 18 Bio-X Program,斯坦福大学，斯坦福大学，加利福尼亚州94035
劳伦斯伯克利国家实验室
免责声明 本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息，但美国政府及其任何机构、加利福尼亚大学董事会或其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文表达的作者的观点和意见不一定表明或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。
劳伦斯·伯克利国家实验室
我们提出Mistiqs，这是一种用于时间相关的量子模拟的乘法软件。mistiqS提供了端到端功能，用于模拟由多个量子计算平台跨时间依赖的海森伯格·汉密尔顿（Heisenberg Hamiltonians）模拟系统的量子多体动力学。它提供了高级编程功能，用于生成量子电路的中间表示，可以将其转化为各种行业标准表示。此外，它提供了电路汇编和优化方法的选择，并促进了当前基于云的量子计算后端的量子电路的执行。mistiqs是一个可访问且高度灵活的研究和教育平台，使更广泛的科学家和学生可以对当前量子计算机进行量子多体动力学模拟。©2021作者。由Elsevier B.V.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。
劳伦斯伯克利国家实验室
直接从神经信号解码行为、感知或认知状态对于脑机接口研究至关重要，也是系统神经科学的重要工具。在过去十年中，深度学习已成为从语音识别到图像分割等许多机器学习任务的最新方法。深度网络在其他领域的成功引发了神经科学领域新一轮的应用浪潮。在本文中，我们回顾了深度学习的神经解码方法。我们描述了用于从从脉冲到 fMRI 的神经记录模式中提取有用特征的架构。此外，我们探索了如何利用深度学习来预测包括运动、语音和视觉在内的常见输出，重点是如何将预训练的深度网络作为复杂解码目标（如声学语音或图像）的先验。深度学习已被证明是一种有用的工具，可用于提高广泛任务中神经解码的准确性和灵活性，我们指出了未来科学发展的领域。