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
摘要对于某些受限制的计算任务,量子力学在任何可能的经典实现方面都提供了可证明的优势。使用了基于测量的量子计算(MBQC)的框架证明了其中几个结果,其中非局部性和更常见的上下文性已被确定为某些量子计算的必要资源。在这里,我们通过在允许的操作和可访问量子的数量上完善其资源需求,从而更详细地考虑MBQC的计算能力。更确切地说,我们确定可以在非自适应MBQC中计算哪些布尔函数,其本地操作包含在Clifford层次结构中的有限级别内。此外,对于限制于某些子理论(例如稳定器MBQC)的非自适应MBQC,我们计算计算给定布尔函数所需的量子数量最少。我们的结果指出了资源的层次结构,这些层次结构更敏锐地描述了MBQC的力量,而不是上下文性与非上下文性的二进制。
CRISPR 扰动是研究基因组功能效应的宝贵工具。然而,现有方法在研究非编码元件和遗传相互作用方面的效用有限。在这里,我们开发了一个双向表观遗传编辑系统 (CRISPRai),其中正交激活 (CRISPRa) 和抑制 (CRISPRi) 扰动同时应用于同一细胞的多个基因座。我们开发了双 gRNA 捕获单细胞 Perturb-seq 来研究两种造血谱系转录因子 SPI1 和 GATA1 之间已建立的相互作用,并发现了共同调节基因的新型上下文特定调控模式。将 CRISPRai 扩展到非编码元件,我们解决了多个增强子如何相互作用以调节 T 细胞中共同靶基因白细胞介素-2 的表达。我们发现增强子功能主要是附加的并能够对基因表达进行微调,但在基因表达控制强度方面,增强子之间存在明显的层次结构。启动子在控制基因表达方面比大多数增强子占主导地位;然而,一小部分增强子表现出强大的功能效应或守门人功能,尽管启动子被激活,但仍可以关闭基因。将这些功能数据与组蛋白 ChIP-seq 和 TF 基序富集相结合,表明存在多种增强子介导的基因调控模式。我们的方法 CRISPRai 用于双向表观遗传编辑,提供了一种识别新遗传相互作用的方法,这些相互作用在没有双向扰动的情况下进行研究时可能会被忽视,并且可以应用于基因和非编码元件。
通过利用多长度尺度结构层次结构的增强能力,合成的Hy-Drogels具有巨大的前景,是一种低成本和丰富的材料,用于应用非预言机械鲁棒性的应用。但是,将高冲击电阻和高水含量整合到单个水凝胶材料中的较高柔软度仍然是一个巨大的挑战。在这里,我们报告了一种简单而有效的策略,涉及双向冻结和压缩退火,从而导致层次结构化的水凝胶材料。的合理的2D层状结构,良好的纳米晶体结构域和层次之间的鲁棒界面相互作用,协同促进了创纪录的弹道能量吸收能力(即合理的2D层状结构,良好的纳米晶体结构域和层次之间的鲁棒界面相互作用,协同促进了创纪录的弹道能量吸收能力(即2.1 kJ m -1),不牺牲其高水量(即85 wt。 %)和出色的柔软度。 以及其低成本和非凡的能量耗散能力,我们的水凝胶材料是用于武装样的保护环境的常规水凝胶材料的耐用替代品。85 wt。%)和出色的柔软度。以及其低成本和非凡的能量耗散能力,我们的水凝胶材料是用于武装样的保护环境的常规水凝胶材料的耐用替代品。
* 作者按字母顺序排列,并对本文做出同等贡献。摘要:“层次结构”概念是系统神经科学中最常见的组织原则之一。然而,到目前为止,它还没有得到太多的哲学分析。这很不幸,因为层次结构的一般概念涵盖两种具有不同经验承诺的方法,其概念关系仍不清楚。我们将第一种方法称为“表征层次结构”观点,该观点假定前馈、反馈和横向连接的解剖层次结构构成输入-输出关系信号处理层次结构的基础。因为表征层次结构观点认为单峰感觉表征随后会被阐述为更具范畴性和基于规则的表征,所以它致力于沿着层次结构增加抽象程度。第二种观点,我们称之为“拓扑层次结构”,并不致力于不同级别的不同表征功能或抽象程度。相反,拓扑方法认为,大脑某一部分的层次取决于它在系统中连接模式中的重要性。根据目前的证据,我们认为这两种方法之间可能存在三种概念关系:拓扑层次结构可以证实传统的表征层次结构,与之相冲突,或有助于理解大脑组织所需的多种方法。通过阐明每一种可能性,我们的分析试图打开一个概念空间,在这个空间中可以进行关于神经层次结构的进一步神经科学和哲学推理。关键词:层次结构、系统神经科学、表征、拓扑、抽象
人工智能是一门跨多个学科的科学领域,包括计算机科学、数学、哲学、心理学、神经科学、电子工程、语言学和信息理论。机器学习常常被描绘成人工智能,但智能比统计学习更广泛、更复杂。后者也过于依赖大量手工标记的训练集和大量的计算,因此不能算作智能。在人工智能的四个主要组成部分中,也许没有比知识表示和推理更重要、更困难或更容易被误解的了。因为要成为人工智能,应用程序需要代理。经过训练可以从标记的训练集中识别狗和猫的分类器是一个大规模的计算傀儡。能够在现实世界中做出决策的自动驾驶汽车是一个能够推理和理解因果关系的代理。因此,在大多数人工智能学术定义中都引用了代理,这一点并不奇怪,其中最出名的就是 Shane Legg 的“未知可计算环境中代理的优化行为”。但要拥有代理,人工智能应用程序必须“了解”我们生活的世界,并能够对其进行推理(特别是在因果关系方面)。我们所感知的现实是一个俄罗斯套娃式的结构,由低级符号聚集成高级符号。亚原子粒子聚集成原子,原子聚集成细胞,细胞聚集成器官,器官聚集成生物体等。能够理解这种结构,能够将每个符号簇抽象为另一个更抽象、更高阶的符号,并推理它们之间的关系,这需要智能。知识表示的作用就是:构建基于机器的逻辑,将低级数据(数字、一组像素、一组单词)抽象为符号(对象、情感、概念、镜头、场景、故事),然后可以将其表达出来形成知识。这就是为什么知识表示是人工智能的本质。
©2019。此手稿版本可在CC-BY-NC-ND 4.0许可下提供http://creativecommons.org/licenses/by-nc-nc-nd/4.0/
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。
神经元是典型的生物信息处理器。然而,神经信息处理的理论模型,尤其是概念模型,越来越落后于我们对神经元作为电兴奋细胞的不断发展的经验理解。例如,过去二十年的实验工作已经明确证实,树突会经历活动依赖性重塑 [1, 2, 3],特别是树突棘位置、密度和功能的改变 [4],即使在成年人中也是如此。这种个体发生过程在功能上类似于树突结构和位置多样性的进化,因为它们已经适应了一系列功能角色 [5],例如通过突触可塑性实现深度学习 [6, 7]。因此,神经元不是静态结构,而是可以被视为在整个生命周期中不断发育。这一动态过程对神经元级和生物体级功能都有重大影响。例如,在大脑发生剧烈重塑和重建的生物体(如毛毛虫转变为蝴蝶或飞蛾)中,它们学到的一些记忆会保留下来并经受住这一过程 [8]。在其他情况下,记忆可以印刻在从其他组织再生的新大脑上 [9, 10],这凸显了大规模神经结构及其存储信息的可塑性。重塑的这些影响不仅仅是所谓的低等动物的问题,因为再生医学的应用很可能很快就会产生人类患者,他们的部分大脑已被幼稚干细胞的后代所取代,以治疗退行性疾病或脑损伤。
•在1990年代开发的决策过程,以帮助通过复杂的优先级方案进行工作;在军事,政府,私营部门和学术界中广泛使用。•基于支持决策过程而不是直觉的知识来鼓励决策。•通过一次比较两个标准(即成对比较)来简化过程,以确定哪些对决策目标更重要。•采用以客观,加权标准和替代方案为中心的多层次(分层)结构。