XiaoMi-AI文件搜索系统
World File Search System微秒
量子传感与基本物理的超导Qubits
电子邮件：roberto.moretti@mib.infn.it摘要 - Quantum Sensing是一个快速扩展的研究领域，在基本物理实验中找到了其应用之一，例如寻找弱EM耦合的暗物质（DM）候选候选者，NAINELELENEXION和DALK PHOTCON。超导Qubits和制造技术的最新发展对量子传感的推动进展产生了重大贡献，这要归功于它们对AC领域的高灵敏度，并且有可能基于量子非demolition（QND）[1]和直接检测来利用基于量子非demolition（QND）的检测方案。QND包括在量子系统和被困在空腔中的光子之间建立一个纠缠状态，从而使我们能够在不吸收的情况下推断光子的存在，从而实现多个测量值，从而指数抑制了深色计数速率。相反，直接检测方案依赖于共振，低功率，暗物质诱导的交流场，其量子态缓慢地旋转速度状态，该量子态可以在高碳状态的thermons和fluxoniums中衡量。此贡献是INFN QUB-IT协作的一部分，该协作旨在通过量子超导设备来推进微波单光子检测。演示将说明QUB-IT状态以实现数百微秒连贯的时间和工程DM检测设置。这项工作研究了平面transmon量子芯片芯片的建模和设计优化，利用集结振荡器模型（LOM）[3]和能量参与率（EPR）[4] [4]来提取汉密尔顿参数。基于EPR的新型策略是为了增强通过有限元模拟估算两级系统（TLS）损失估算的准确性。还讨论了通过耦合的多Qubit系统提高DM敏感性的可能性，以及在国家标准技术研究所（NIST）制造的单量芯片（NIST）的表征以及模拟和测量的Qubit参数之间的彻底比较，例如弹性频率，Anharmormonity和Anharmormonity和Anharmonicity and coupling Lustertic lofter与读取结构。这项工作中提出的初步结果有望进一步增强量子传感平台的灵敏度和可靠性，这可能会超过当前光DM搜索实验的局限性。
![用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。](/simg/d\d0b24e3de4e984953fcbe1080336ba472eefd4f9.png)
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
细化粗粒度分子拓扑
摘要 分子动力学 (MD) 模拟对于预测不同分子体系的物理和化学性质至关重要。虽然全原子 (AA) MD 提供了高精度，但其计算成本高昂，这促使了粗粒度 MD (CGMD) 的发展。CGMD 将分子结构简化为具有代表性的微珠，以降低成本，但会牺牲精度。像 Martini3 这样的 CGMD 方法，经过实验数据校准后，在各个分子类别中具有良好的泛化能力，但往往无法满足特定领域应用的精度要求。本研究引入了一种基于贝叶斯优化的方法来优化 Martini3 拓扑结构，使其能够适应特定应用，从而确保精度和效率。优化后的 CG 势能适用于任何聚合度，提供与 AA 模拟相当的精度，同时保持与 CGMD 相当的计算速度。通过弥合效率和精度之间的差距，该方法推动了多尺度分子模拟的发展，使各个科学技术领域能够以经济高效的方式发现分子。 1. 引言粗粒度分子动力学 (CGMD) 1,2 已成为材料开发的重要工具，为了解聚合物 3 、蛋白质 4 和膜 5 等复杂分子系统提供了关键信息。CGMD 的主要优势在于它能够在更大长度尺度和更长时间范围内探索分子现象，超越了传统全原子分子动力学 (AAMD) 6–8 模拟的能力，后者通常提供更高的分辨率，因此特别擅长捕捉详细的界面相互作用 9 。具体而言，CGMD 通过将原子团有效地表示为珠子 10–15 来实现这种加速，从而将模拟能力在时间上从皮秒扩展到微秒，在空间上从纳米扩展到微米。因此，粗粒度技术为传统 AAMD 无法获得的复杂分子现象提供了前所未有的洞察，从而能够研究聚合物自组装行为等复杂现象 16 。新兴的CGMD建模工具集依赖于两个关键组件来学习潜在的分子间关系：珠子映射方案和珠子间相互作用的参数化。这些组件的开发主要采用两种方法：自上而下10–12和自下而上13–
AccQOC：加速基于量子最优控制的脉冲生成
摘要：在过去的几十年里，我们见证了量子计算的快速发展。在当前的噪声中型量子（NISQ）时代，量子机的能力受到退相干时间、门保真度和量子比特数量的限制。当前的量子计算应用距离真正的“量子至上”还很远，因为物理量子比特非常脆弱，只能纠缠几微秒。最近的研究使用量子最优控制来减少量子电路的延迟，从而有效地增加量子体积。然而，该技术的关键挑战是由于编译时间长而导致的开销大。在本文中，我们提出了 AccQOC，这是一种全面的静态/动态混合工作流程，使用 QOC（量子最优控制）将门组（相当于矩阵）转换为脉冲，并且编译时间预算合理。AccQOC 由静态预编译和加速动态编译组成。在使用考虑串扰的启发式映射算法将量子程序映射到量子电路之后，我们利用静态预编译为常用组生成脉冲，以消除它们的动态编译时间。脉冲是使用 QOC 生成的，并使用二分搜索确定延迟。对于新程序，我们使用相同的策略来生成组，从而避免为“覆盖”的组产生开销。动态编译通过加速脉冲生成来处理“未覆盖”的组。关键的见解是，可以基于相似组的生成脉冲更快地生成组的脉冲。我们建议通过生成有序的组序列来减少编译时间，其中序列中连续组之间的相似度总和最小。我们可以通过构建相似度图来找到序列 - 一个完整的图，其中每个顶点都是一个门组，边的权重是它连接的两个组之间的相似度，然后为 SG 构建最小生成树 (MST)。通过AccQOC方法论，我们达到了编译时间和总体延迟的平衡点，结果表明基于MST的加速编译相对于各组标准编译实现了9.88倍的编译加速，同时相对于基于门的编译平均保持了2.43倍的延迟降低。
Wil Thomason
1。通过基于矢量采样的计划，微秒中的动作。Wil Thomason *，Zachary Kingston ∗和Lydia E. Kavraki。ICRA 2024， *表示同等的贡献。2。随机隐式神经签名的距离功能，用于在感知不确定性下安全运动计划。Carlos Quintero-Peña，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2024。3。通过负担得起的抽象技能的动态基础加速了长马计划。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。 ICRA 2024。 4。 对象通过模拟衍生的可行动作重新配置对象。 Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。ICRA 2024。4。对象通过模拟衍生的可行动作重新配置对象。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2023。5。一种基于统一的采样方法，用于集成任务和运动计划。Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISRR2019。6。社会动量：在动态多机构环境中可清晰导航的框架。Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。HRI2018。7。零射门学习，以识别陌生的手势识别。Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISER2016。ISER2016。
革命6G网络：增强性能的深入强化学习方法
从5G到6G网络的过渡代表了通信技术的开创性步骤，该步骤有望重新定义世界的联系，互动和运作。6G将提供极大的性能飞跃，数据速率预计将达到前所未有的每秒1吨（TBP），而延迟降至低至0.1微秒。这种进化有望实现以前难以想象的应用程序和服务，将6G定位为下一波数字转换浪潮中的核心技术。6G最令人兴奋的方面之一是它为需要超低延迟和高带宽的高级应用提供了潜力。自动驾驶汽车将受益于近乎实用的数据传输，使它们可以相互交流，并实时与基础设施进行通信，以提高安全性和效率。这对于减少事故和实现智能运输系统的发展至关重要。此外，诸如全息沟通，增强现实（AR）和虚拟现实（VR）之类的沉浸式体验将达到6G的新高度，提供完全互动的三维体验，这些体验像生活一样，仅受到想象的限制。6G也将允许Terahertz（Thz（Thz）允许通过大量的型号供应大量的数据，并增强了大量的数据。密度。THZ频谱可以在短距离内更快地传输数据，这使其非常适合在茂密的城市地区和智能城市中的应用，在这些应用程序中，大量设备需要同时进行高速连接。因此，6G设置为支持物联网（IoT）的持续扩展，并实时连接数十亿个智能设备。这个庞大的网络将实现一系列新的服务和应用程序，从智能城市的智能照明和能源管理到行业的预测维护。此外，6G管理巨大的设备密度和数据量的能力将增强关键服务，例如实时远程医疗，远程诊断甚至机器人手术。其接近零的潜伏期和超高可靠性（高达99.9999％），6G将允许医疗专业人员从远处执行复杂的程序，从而扩大获得优质医疗保健的机会。这对于医疗专业知识和资源有限的农村和偏远地区尤其具有变革性。超出速度和连接性，可持续性将是6G网络的主要特征。这些下一代网络旨在通过采用先进的能源收获技术和改进的网络管理来优化能源效率。通过智能资源分配，6G网络将最大程度地减少跨基础架构和连接设备的能源消耗。关注可持续性的关注与全球努力减少环境影响并建立绿色技术的努力保持一致，以确保数字连通性的增长并不能以牺牲地球为代价。安全性和隐私增强功能也将是6G的关键组成部分，因为大量的连接设备和生成的数据深度需要强大的保护。总而言之，6G代表不仅代表更快，更广泛的连接性。高级加密，分散的网络体系结构和AI驱动的安全措施将形成安全6G环境的骨干，从而解决了增加连接性的漏洞。这是一个超连接，聪明和可持续的数字未来的基础。通过在医疗保健，运输，工业等方面启用革命性应用，6G将在塑造社会运作，提供便利和创新时发挥关键作用，而
2023
2023 年 2 月 11 日星期六 总统研讨会 上午 8:00 - 下午 12:00 海洋宴会厅 5-12 总统研讨会： 主席：哥伦比亚大学 Elizabeth Olson 本次研讨会旨在传达耳朵的基本奇妙之处，以及耳朵和大脑如何共同提供我们的听觉。了解健康耳朵和听觉大脑的运作是理解声音感知如何失效的关键。会议以物理学家 Christopher Shera 关于耳蜗敏感性思想的历史发展的演讲开始。耳蜗动态处理专家 Karl Grosh 将回顾耳蜗力学。Laurel Carney 将讨论耳蜗动力学如何影响神经对声音（包括语音）的反应。Raymond Goldsworthy 将讨论人工耳蜗的历史如何促成现代设备的出现。患有听力损失的作曲家 Richard Einhorn 将讨论他与听力损失的经历，并分享他对现代助听器和个人声音放大系统的了解。最后，黛巴拉·图西将介绍听力损失对全球的影响以及为改善可及性所做的努力。听力是交流的基础。听力损失的影响以及听力修复的影响是深远的。这次研讨会是对这段历史的一次快速回顾 — — 从历史到基础，再到可以、应该和可以做些什么来解决听力健康问题。耳朵、眼睛和 ARO：不同时代的耳蜗功能 Christopher Shera，南加州大学 内耳的耳蜗将空气传播的压力波转换成神经冲动，大脑将其解释为声音和语音。耳蜗是一种蜗牛形状的电液机械信号放大器、频率分析仪和换能器，具有令人惊叹的性能特性，包括对亚原子位移的灵敏度和微秒级的机械响应时间；跨越三个数量级频率的宽带操作；以及 120 dB 的输入动态范围，对应信号能量的百万倍变化。所有这些并非采用最新的硅技术，而是依靠自我维持的生物组织实现的，而生物组织大部分是咸水。耳朵是如何做到的？本演讲将回顾我们认为了解的一些耳蜗工作原理，以及这些想法和 ARO 是如何随着时间而变化的。耳蜗力学综述 Karl Grosh，密歇根大学 哺乳动物的耳蜗对传入的声学信号进行实时时频分析，并将该信息传输到大脑进行处理。正常听力依赖于该器官的机械、电和声学（流体）域精心协调的三部分响应。哺乳动物耳蜗的外毛细胞 (OHC) 是主动过程的纽带，这些过程产生了非线性、生物学上脆弱的耳蜗响应允许声音的感觉和系统在百万倍的激励水平变化下存活。然而，实现这一结果的生物机电反馈控制算法仍未完全理解。在本次演讲中，我们将回顾耳蜗的基本结构功能关系以及将这些基本构建块（例如 OHC 电动性和 OHC 毛束机电转换）转化为生理驱动的完整数学模型的过程。我们将介绍建模的基本挑战，包括三维线性和非线性模型的有效时域模拟。我们讨论并举例说明（通过数值实验）可以改变和研究生物物理相关的模型元素的方式，以解决耳蜗生物物理学的核心问题，例如躯体运动在耳蜗放大中的作用、声发射中的可能流体路径以及耳蜗中的基本非线性。这些实验的最终目标是确定
激光技术在量子信息科学中的应用
实验物理学的科学进步不可避免地依赖于基础技术的不断进步。激光技术可以实现受控的相干和耗散原子光相互作用，而微光学技术则可以实现标准光学无法实现的多功能光学系统。本论文报告了这两项技术的重要进展，目标应用范围从里德堡态介导的量子模拟和光镊阵列中单个原子的计算到高电荷离子的高分辨率光谱。报告了激光技术的广泛进展：通过引入机械可调透镜支架，外腔二极管激光系统的长期稳定性和可维护性得到显著改善。开发了基于类似透镜支架的锥形放大器模块。二极管激光系统由数字控制器补充，用于稳定激光频率和强度。控制器提供高达 1.25 MHz 的带宽和由商业 STEMlab 平台设定的噪声性能。此外，还开发了针对强度稳定和 Pound-Drever-Hall 频率稳定进行优化的散粒噪声受限光电探测器以及用于 MHz 范围拍音的光纤探测器。通过分析用于波长为 780 nm 的 85 Rb 激光冷却的激光系统的性能，证明了所提出技术的能力。参考激光系统稳定到由调制传输光谱提供的光谱参考。分析该光谱方案以发现高调制指数下的最佳操作。使用紧凑且经济高效的模块产生合适的信号。实现了一种基于光学锁相环的激光偏移频率稳定方案。来自参考激光系统的所有频率锁定均提供 60 kHz（FWHM）的 Lorentzian 线宽以及 10 天内 130 kHz 峰峰值的长期稳定性。基于声光调制器与数字控制器相结合的强度稳定允许在微秒时间尺度上进行实时强度控制，并辅以响应时间为 150 纳秒的采样保持功能。对激光系统的光谱特性提出了很高的要求，以实现量子态的相干激发。在本论文中，通过引入一种用于二极管激光器的新型电流调制技术来增强主动频率稳定的性能。实现了从 DC 到 100 MHz 的平坦响应和低于 90 ◦ 的相位滞后，最高可达 25 MHz，从而扩展了可用于激光频率稳定的带宽。将该技术与快速比例微分控制器相结合，实现了两个激光场，相对相位噪声为 42 mrad rms，用于驱动铷基态跃迁。通过双光子方案进行相干里德堡激发的激光系统通过从 960 nm 倍频提供 780 nm 和 480 nm 的光。从单模光纤获得的 480 nm 输出功率为 0.6 W。两个激光系统的频率都稳定在高精细度参考腔中，导致 960 nm 处的线宽为 1.02 kHz（FWHM）。数值模拟量化了有限线宽对里德堡拉比振荡相干性的影响。开发了一种类似于 480 nm 里德堡系统的激光系统，用于高电荷铋的光谱分析。先进的光学技术也是微光学镊子阵列的核心，它提供了前所未有的系统尺寸可扩展性。通过使用优化的透镜系统与自动评估程序相结合，演示了具有数千个点且阱腰小于 1 µm 的镊子阵列。使用增材制造工艺生产的微透镜阵列实现了类似的性能。微透镜设计针对制造工艺进行了优化。此外，还分析了由于抑制谐振光导致的偶极阱散射率，证明了使用锥形放大器系统生成偶极阱的可行性。
toehold介导的链位移的单分子力光谱
toehold介导的链位移的单分子力光谱Andreas Walbrun 1，*，Tianhe Wang 2，*，Michael Matthies 2，Petršulc2,3，Friedrich C. Simmel 2，+ Matthias Rief，Matthias Rief 1慕尼黑技术大学生物科学系综合蛋白质科学中心（CPA），Ernst-Otto-Fischer-STR。8，85748德国Garching。 电子邮件：matthias.rief@mytum.de 2。 慕尼黑技术大学，TUM自然科学学院，生物科学系，AM COULOMBWALL 4A，85748 GARCHING，德国。 电子邮件：simmel@tum.de 3。 亚利桑那州立大学生物设计学院的分子科学和分子设计与生物仪中心，美国亚利桑那州南卡利斯特大街1001号，美国亚利桑那州坦佩市85281，美国 *这些作者同样贡献：安德烈亚斯·沃尔布伦（Andreas Walbrun） （TMSD）在动态DNA纳米技术中广泛使用，并且是多种基于DNA或RNA的反应电路的基础。 以前的研究通常依赖于散装荧光测量值来研究TMSD的动力学，该动力学仅提供有效的，散装平均的反应速率，并且无法在单个分子甚至碱基对的水平上解决该过程。 在这项工作中，我们使用单分子力光谱（SMF）探索单分子水平的链位移过程的动力学，并具有由最先进的粗粒元模拟支持的光学陷阱。 此外，我们使用力研究了DNA入侵RNA的动力学，这一过程很少发生力。8，85748德国Garching。电子邮件：matthias.rief@mytum.de 2。慕尼黑技术大学，TUM自然科学学院，生物科学系，AM COULOMBWALL 4A，85748 GARCHING，德国。电子邮件：simmel@tum.de 3。亚利桑那州立大学生物设计学院的分子科学和分子设计与生物仪中心，美国亚利桑那州南卡利斯特大街1001号，美国亚利桑那州坦佩市85281，美国 *这些作者同样贡献：安德烈亚斯·沃尔布伦（Andreas Walbrun） （TMSD）在动态DNA纳米技术中广泛使用，并且是多种基于DNA或RNA的反应电路的基础。 以前的研究通常依赖于散装荧光测量值来研究TMSD的动力学，该动力学仅提供有效的，散装平均的反应速率，并且无法在单个分子甚至碱基对的水平上解决该过程。 在这项工作中，我们使用单分子力光谱（SMF）探索单分子水平的链位移过程的动力学，并具有由最先进的粗粒元模拟支持的光学陷阱。 此外，我们使用力研究了DNA入侵RNA的动力学，这一过程很少发生力。亚利桑那州立大学生物设计学院的分子科学和分子设计与生物仪中心，美国亚利桑那州南卡利斯特大街1001号，美国亚利桑那州坦佩市85281，美国 *这些作者同样贡献：安德烈亚斯·沃尔布伦（Andreas Walbrun） （TMSD）在动态DNA纳米技术中广泛使用，并且是多种基于DNA或RNA的反应电路的基础。以前的研究通常依赖于散装荧光测量值来研究TMSD的动力学，该动力学仅提供有效的，散装平均的反应速率，并且无法在单个分子甚至碱基对的水平上解决该过程。在这项工作中，我们使用单分子力光谱（SMF）探索单分子水平的链位移过程的动力学，并具有由最先进的粗粒元模拟支持的光学陷阱。此外，我们使用力研究了DNA入侵RNA的动力学，这一过程很少发生力。通过探测toehold结构的发夹的末端，我们可以通过微秒和纳米分辨率实时触发和观察TMSD。使用微流体测定法，我们将发夹暴露于触发链的溶液中，我们发现在负载下，TMSD的进行非常迅速，单步时间为1 µs。将不匹配引入入侵者序列使我们能够调节稳定性，以使入侵和重新染色在均衡中也发生，即使在负载下也是如此。这使我们能够在单个分子上研究数千个入侵/入侵事件，并分析入侵过程的动力学。将我们的发现推送到零载荷，我们发现DNA入侵DNA的单步速度比入侵RNA快的速度快四倍。我们的结果揭示了序列效应对TMSD过程的重要性，并且对于核酸纳米技术和合成生物学的广泛应用至关重要。关键字：肋骨调节器，脚趾介导的链位移，分支迁移，单分子力光谱