Yaping Wang, 1,2 Yufan Wang, 2 Haiyan Wang, 2 Liang Ma, 2 Simon B. Eickhoff, 5,6 Kristoffer Hougaard Madsen, 1,7,8 Congying Chu, 2, * and Lingzhong Fan 1,2,3,4,9, * 1 Sino-Danish Center, University of Chinese Academy of Sciences, Beijing 100190, China 2 Brainnetome Center, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China 3 CAS Center for Excellence in Brain Science and Intelligence Technology, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China 4 School of Health and Life Sciences, University of Health and Rehabilitation Sciences, Qingdao 266000, China 5 Institute of Neuroscience and Medicine (INM-7: Brain and行为。研究,哥本哈根大学医院-Amager和Hvidovre,2650 Hvidovre,丹麦9铅联系 *通信:chucongying@gmail.com(C.C.),lingzhong.fan@ia.ac.cn(l.f.)https://doi.org/10.1016/j.celrep.2024.113770
。cc-by-nc 4.0国际许可(未获得同行评审证明),他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该预印本版本的版权持有人,该版本发布于2021年10月29日。 https://doi.org/10.1101/2021.10.26.466019 doi:biorxiv Preprint
最近,利用功能基因组学方法取得的进展已生成一种用于调节 CFTR 基因表达的细胞类型选择性模型。本次演讲将介绍有关顺式调控元件、转录因子和结构特征的新数据,这些数据是协调呼吸道和肠道上皮分泌细胞中 CFTR 表达所必需的。该模型为基因编辑疗法的开发提供了宝贵的信息。
版权所有©2021 Seak等。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章,该条款允许在任何媒介中不受限制地使用,分发和复制,前提是原始工作是正确归因的。
对于通用量子计算,实际实施需要克服的一个主要挑战是容错量子信息处理所需的大量资源。一个重要方面是实现由量子纠错码中的逻辑门构建的任意幺正算子。通过组装从一小组通用门中选择的逻辑门序列,可以使用合成算法将任何幺正门近似到任意精度,这些通用门在量子纠错码中编码时可容错执行。然而,目前的程序还不支持单独分配基本门成本,许多程序不支持扩展的通用基本门集。我们使用基于 Dijkstra 寻路算法的穷举搜索分析了标准 Clifferd+T 基本门集的成本最优序列,并将其与另外包括 Clifferd 层次结构更高阶的 Z 旋转时的结果进行了比较。使用了两种分配基本门成本的方法。首先,通过递归应用 Z 旋转催化电路将成本降低到 T 计数。其次,将成本指定为直接提炼和实现容错门所需的原始(即物理级)魔法状态的平均数量。我们发现,使用 Z 旋转催化电路方法时,平均序列成本最多可降低 54 ± 3%,使用魔法状态提炼方法时,平均序列成本最多可降低 33 ± 2%。此外,我们通过开发一个分析模型来估计在近似随机目标门的序列中发现的来自 Clifford 层次结构高阶的 Z 旋转门组的比例,从而研究了某些基本门成本分配的观察局限性。
美国北卡罗来纳州罗利市北卡罗来纳州立大学电子邮件:staghiy@ncsu.edu b tompkins Fulfimment Services,北卡罗来纳州罗利市,美国北卡罗来纳州电子邮件:dclengacher@gmail@gmail.com C北卡罗莱纳州立大学,北卡罗莱纳州立大学asahebi@ncsu.edu e北卡罗来纳州立大学,美国北卡罗来纳州罗利市电子邮件:rbhandfim@ncsu.edu
查找数据集的一组嵌套分区对于在不同尺度上发现相关结构很有用,并且经常处理与数据有关的方法。在本文中,我们引入了一种基于模型的分层聚类的一般两步方法。将集成的分类可能性标准视为目标函数,此工作适用于该数量可以处理的每个离散潜在变量模型(DLVM)。该方法的第一步涉及最大程度地提高相对于分区的标准。解决了通过贪婪的山坡攀岩启发式方法发现的已知局部最大最大最大最大值问题时,我们基于遗传算法引入了一种新的混合算法,该算法允许有效地探索解决方案的空间。所得算法小心地结合并合并了不同的解决方案,并允许簇数K的共同推断以及簇本身。从这个自然分区开始,该方法的第二步是基于自下而上的贪婪程序来提取簇的层次结构。在贝叶斯语境中,这是通过考虑dirichlet群集比例的先验参数α作为控制聚类粒度的正规化项来实现的。标准的新近似值被推导为α的对数线性函数,从而实现了合并决策标准的简单函数形式。第二步允许在更粗的尺度上探索聚类。将所提出的方法与现有的模拟和实际设置的策略进行了比较,结果表明其结果特别相关。本工作的参考实现可在论文1随附的r软件包贪婪中获得。
晶格热导率(κL)是晶体固体的一个重要特性,对热管理、能量转换和热障涂层具有重要意义。基于密度泛函理论(DFT)的计算工具的进步使得能够有效利用基于声子准粒子的方法来揭示各种晶体系统的潜在物理原理。虽然高阶非谐性通常用于解释晶体中的异常传热行为,但DFT中的交换关联(XC)函数对描述非谐性的影响却在很大程度上被忽视了。XC 函数对于确定 DFT 描述固体和分子中电子/离子之间相互作用的准确性至关重要。然而,固体物理中大多数XC泛函主要侧重于计算只需要原子偏离平衡态很小位移(在谐波近似内)的性质,如谐波声子和弹性常数,而非谐性则涉及较大的原子位移。因此,对于XC泛函来说,在非谐性水平上准确描述原子相互作用更具挑战性。本研究采用多种XC泛函,如局部密度近似(LDA)、Perdew-Burke-Ernzerhof(PBE)、固体和表面的修正PBE(PBEsol)、优化的B86b泛函(optB86b)、修正的Tao-Perdew-Staroverov-Scuseria(revTPSS)、强约束和适当范数泛函(SCAN)、正则化SCAN(rSCAN)和正则化恢复SCAN(r2SCAN)以及不同的扰动阶数,包括谐波近似内的声子(HA)加三声子散射(HA+3ph)、用自洽声子理论计算的声子(SCPH)加三声子散射(SCPH+3ph)、SCPH声子加三声子和四声子散射,系统地研究了16种具有岩盐和闪锌矿结构的二元化合物的室温κL。 (SCPH+3,4ph)。结果表明,XC 函数与扰动阶表现出强纠缠,计算出的 κ L 的平均相对绝对误差 (MRAE) 受 XC 函数和扰动阶的强烈影响,导致误差抵消或放大。在 HA+3ph 级别的 revTPSS (rSCAN)、在 SCPH+3ph 级别的 SCAN (r 2 SCAN) 和在 SCPH+3,4ph 级别的 PBEsol (rSCAN) 中实现了最小 (最大) MRAE。在这些函数中,PBEsol 在最高扰动阶下表现出最高的精度。SCAN 相关函数表现出中等精度,但存在数值不稳定性且计算成本高的问题。此外,所有 XC 函数都识别出了四次非谐性对岩盐和闪锌矿结构中 κ L 的不同影响,这归因于这两种结构中不同的晶格非谐性。这些发现对于选择合适的泛函来描述非谐声子提供了有价值的参考,并为高阶力常数计算提供了见解,有助于开发更精确的固体材料XC泛函。
大脑信号不可逆性已被证明是研究神经动力学的一种有前途的方法。然而,尚不完全了解与皮质层次结构的关系以及不同电生理特征的影响。在这项研究中,我们使用植入雪貂中的自定义微皮层图(μECOG)阵列记录了自发行为(包括清醒和睡眠期)的本地田间电位(LFP)。与人类相比,在整个睡眠效果周期中,雪貂在每个状态中的时间保持较小。我们部署了各种指标,以衡量不同行为状态的复杂性水平。尤其是,大脑不可逆性是由信号的箭头捕获的非平衡动态的标志,揭示了雪貂皮层的分层组织。我们发现在三种不同的大脑状态(主动清醒,安静的清醒和深度睡眠)的不可逆性和功能性层次结构的不同签名,与另一个相比,在深度睡眠阶段的不可逆性水平较低。不可逆性也使我们能够在此过程中解散不同皮质区域和频带的影响,显示顶叶皮层和theta带的占主导地位。此外,当通过隐藏的马尔可夫模型检查嵌入式动态时,深度睡眠阶段被发现具有较低的开关速率和较低的熵产生。这些结果表明组织中的功能层次结构可以通过热力学特征和信息理论指标来揭示。