我的主要研究兴趣是具有可证明的保证的机器学习鲁棒性。深度神经网络和其他机器学习模型在输入的较小变化下是出现故障的。这种弱点在现实情况下部署此类模型构成了严重的风险,尤其是对于安全至关重要的应用,例如自动驾驶和医疗诊断。不稳定的行为会导致对机器学习模型的信任,从而阻碍了他们在社会中的收养。虽然已经开发出几种经验方法来捍卫模型免受投入腐败的影响,但它们通常会反对看不见的扰动,因此很难确定模型的真正鲁棒性。我的研究旨在设计具有鲁棒性(也称为鲁棒性证书)的可证明保证的方法。与经验防御不同,经过认证的方法可以对一组扰动和看不见的扰动产生数学描述,为此保证模型可靠。
Joshua S. Weinstock,1,2,15 Maya M. Arce,3,4,15 Jacob W. Freimer,2,3 Mineto Ota,2,3 Alexander Marson,3,4,5,6,7,7,8,8,9,9,9,9,14美国马里兰州巴尔的摩约翰·霍普金斯大学生物医学工程系2遗传学系,斯坦福大学,斯坦福大学,美国加利福尼亚州94305,美国3 Gladstone-UCSF基因组免疫学研究所,旧金山,CA 94158,美国加利福尼亚大学,加利福尼亚大学,旧金山94158加利福尼亚大学伯克利分校,加利福尼亚州伯克利分校,美国6日64720,6人类遗传学研究所(IHG),加利福尼亚大学,旧金山,旧金山,旧金山,加利福尼亚州94143,美国7帕克癌症癌症治疗研究所,加利福尼亚大学,加利福尼亚大学,旧金山,旧金山,美国,美国944112,旧金山,旧金山,CA 94143,美国9 UCSF Helen Diller家庭综合癌症中心,加利福尼亚大学,旧金山,旧金山,旧金山,加利福尼亚州94158,美国10马龙医疗保健中心,医疗保健中心约翰·霍普金斯大学,巴尔的摩,马里兰州,美国13号生物学系,斯坦福大学,加利福尼亚州斯坦福大学,14高级作者15这些作者同样贡献了16个铅联系 *通信 *通讯:alex.marson@gladstone.ucsf.edu(A.M。)),pritch@stanford.edu(J.K.P。)https://doi.org/10.1016/j.xgen.2024.100671https://doi.org/10.1016/j.xgen.2024.100671
正向遗传筛选试图通过系统地扰动遗传元素并观察由此产生的表型来解剖复杂的生物系统。虽然标准筛选方法引入了单个扰动,但多重扰动可提高单靶筛选的性能,并实现用于研究遗传相互作用的组合筛选。当前用于多重扰动的工具与需要嵌入 mRNA 条形码的汇集筛选方法不兼容,包括一些显微镜和单细胞测序方法。在这里,我们报告了 CROPseq-multi 的开发,这是一种受 CROPseq 1 启发的慢病毒系统,用于多重化脓性链球菌 (Sp) Cas9 扰动和嵌入 mRNA 条形码。CROPseq-multi 具有与 CROPseq 相同的每引导活性和较低的慢病毒重组频率。 CROPseq-multi 与富集筛选方法和光学池筛选兼容,并可扩展到具有单细胞测序读数的筛选。对于光学池筛选,优化和多路复用的原位检测方案可将条形码检测效率提高 10 倍,能够检测重组事件,并将解码效率提高 3 倍(相对于 CROPseq)。CROPseq-multi 是一种广泛适用的多路复用解决方案,适用于各种基于 SpCas9 的遗传筛选方法。
清理和平整计划 3 套发展计划(包括提交土地扰动许可证所需的 2 套) 土地扰动许可证提交包和相关文件/费用 批准的概念计划 分区行动信以确认分区(联系规划部门寻求帮助 706-868-3400)。如果分区是 PUD、PRD 或 S-1,还包括批准的项目叙述和相关计划。 清理和平整计划审查费(200 美元) 初步地图 3 套发展计划(包括提交土地扰动许可证所需的 2 套) 土地扰动许可证提交包清单和相关文件/费用 批准的概念计划 分区行动信以确认分区(联系规划部门寻求帮助 706-868-3400)。如果分区为 PUD、PRD 或 S-1,还需包括已批准的项目说明和相关计划。 供水和下水道计算 包含 NAD 1983 州平面坐标中的电子版计划副本的 CD(可通过电子邮件发送给地址技术人员) 符合哥伦比亚县法典第 74-45 节和第 74-46 节的担保包 初步地籍图审查费(每块 150 美元) 对先前批准的计划的修订 3 套修订的开发计划表 修订计划审查费(250 美元)
摘要 美国空军进行了数年早期研究,研究弹头引起的损伤对升力面的气动弹性完整性的影响,进而导致整架飞机的失稳。这促使我们研究飞机特定部位的冰堆积如何引发类似的气动弹性事件和飞机失稳。虽然很少研究,但结冰也会显著影响飞机的气动弹性稳定性,从而影响整个飞机的稳定性和控制,并最终导致不可逆的失稳事件。在后一种情况下,由于冰引起的质量不平衡或控制铰链力矩和力反转,可能会发生升力面和控制装置的经典颤振事件。此外,由于冰层堆积导致的分离流条件引入了显著的时间相关阻力,因此可能出现由控制装置和升力面的极限环振荡引起的控制效果损失。本文回顾了在考虑小型通用航空飞机类别时引发这些冰诱发的扰动事件的机制。该回顾基于文献和德克萨斯大学奥斯汀分校进行的早期实验工作。选择了两种常见的冰诱发飞机稳定性和控制扰动场景进行研究。介绍的第一个扰动场景涉及升降舵极限环振荡和由此导致的升降舵控制效果损失。第二个扰动与剧烈的机翼摇晃或不稳定的荷兰滚事件有关。
动机:了解 DNA 双链断裂 (DSB) 修复所涉及的因素对于开发靶向抗癌疗法至关重要,但许多基因的作用仍不清楚。最近的研究表明,某些基因的扰动可以改变 DSB 修复后留下的序列特异性突变的分布。这表明全基因组筛选可以通过识别基因来揭示新的 DSB 修复因子,这些基因的扰动会导致在给定 DSB 位点观察到的突变分布谱与野生型有显著偏差。然而,为全基因组扰动筛选设计适当的对照可能具有挑战性。我们探索了这样一种想法,即全基因组筛选可能允许我们放弃使用传统的非靶向对照,方法是将分析重新定义为异常值检测问题,假设大多数基因对 DSB 修复的影响最小。结果:我们提出了 MUSICiAn(突变特征目录分析),这是一种组合数据分析方法,通过测量所有光谱分布与集中趋势的偏差,对没有对照的基因扰动特定突变谱进行排序。我们表明 MUSICiAn 可以有效估计现有 Repair-seq 数据集的伪对照,筛选 476 个基因和 60 个非靶向对照。我们进一步将 MUSICiAn 应用于全基因组数据集,该数据集分析了 CRISPR-Cas9 在三个靶位点诱导的突变结果,这些突变发生在细胞中,每个细胞的个体扰动为 18,406 个基因。MUSICiAn 成功恢复了已知基因,突出了剪接体在 DSB 修复中不太受重视的作用,并揭示了进一步研究的候选基因。可用:github.com/joanagoncalveslab/MUSICiAn。
量子计算具有广泛的兴趣,因为它为从素数分解[1]到非结构化搜索[2]提供了指数或多项式加速。量子计算机的自然使用是对其他量子系统的模拟,在计算化学中具有众所周知的应用[3,4]和冷凝物质物理学[5,6]。近年来已经看到了量子计算机在基于晶格的Quanty场理论(QFT)模拟中提出的应用(参见参考文献。[7,8]及其参考文献,包括量子染色体动力学的模拟(QCD),该理论描述了夸克和胶子的基本相互作用。晶格QCD非常适合研究QCD的低能量(子GEV)行为,但是晶格尺寸的计算成本的迅速增加使得QCD QCD极具挑战性,可用于模拟碰撞,以在诸如大型Hadron Collider(例如LHC)等较高的高级胶卷中探测的最短长度量表(LHC)。在这些能量下,QCD耦合常数αs变小,因此扰动计算成为选择的方法。使用量子计算机在扰动QCD中模拟硬散射过程已在很大程度上尚未探索。一种模拟量子计算机上通用扰动QCD进程的方法仍然缺失,但由于多种原因是可取的。其次,此功能还意味着量子模拟可以很好地适合对具有高质量最终状态的过程具有完全干扰效应的计算。每个贡献都可以分解为颜色部分和运动部分。This may be in part because the aims of perturbative QFT calculations differ from the aims of most quantum simulations: most quantum simulations (including lattice QCD) aim to take a known Hamiltonian and use it to perform the (unitary) evolution of a quantum system, whereas perturbative QFT calculations aim to calculate the (Hermitian, but not unitary) transition matrix describing the scattering of specified external states and hence研究基本颗粒的产生或衰减。首先,扰动QCD计算需要评估许多不可观察的中间状态的贡献,这使得这种计算使自然候选者从量子计算机操纵量子状态的折叠的能力中受益。第三,通用扰动QCD过程的量子模拟可以通过利用已知量子算法(例如量子振幅估计)提供的加速度来提高扰动QCD预测的速度和精度[9-12]。本文的目的是采取步骤使用量子计算机模拟通用扰动QCD进程。扰动QCD中的计算可以通过求和Feynman图的贡献来执行。颜色部分比运动部分更简单,并且实际上存在有效的程序[13 - 18],用于计算经典计算机上的颜色因子。尽管如此,颜色部分仍然提出了在量子计算机上模拟扰动QCD过程的一些通用挑战。1作为例如,形成量子计算机的量子门必须始终是统一的,而feynman规则(颜色和运动学部分都)描述了Feynman图的组成部分,并非完全单位。这意味着颜色部分提供了一个有用的简化设置,可以使用该设置来开发Feynman图的量子计算的框架,因此它们将成为当前工作的重点。本文的主要结果是两个量子门Q和G,它们分别代表了描述Quark-gluon和Triple-Gluon相互作用顶点的Feynman规则的颜色部分。要实施这些门,我们介绍了一个单位化寄存器U的新概念,该概念可以模拟夸克和胶子的非空间相互作用。
摘要在过去25年中,在LMNA基因中具有突变的各种实验模型中已经报道了核包膜(NE)扰动。尽管LMNA突变的NE扰动是横纹肌肉损伤的基本特征的假说,已获得广泛的接受,但由NE损伤引起的分子序列造成的分子序列以及它们如何基于疾病发病机理,例如心肌病(LMNA心脏疾病)仍然很差。最近,我们通过在成人心脏中采用心肌细胞 - 特异性LMNA缺失来阐明这种结果。,我们在心脏功能恶化之前观察到广泛的NE扰动,并在核周空间中旁边损害。高尔基体受到了特别的影响,导致细胞保护应激反应可能会因高尔基体的进行性恶化而破坏。在这篇综述中,我们讨论了LMNA心肌病的病因,并将核周的“井肌创伤”作为NE损伤和疾病发病机理之间的联系。
– 有人可能会说这还不是 Eve 的最佳策略。Eve 无法不受干扰地提取信息,因为她不知道状态基础。但是,Alice 和 Bob 将在稍后阶段宣布基础,然后 Eve 可以存储状态并对其进行测量,直到基础信息被披露。对此类攻击的安全性的严格证明超出了范围,因此我们在这里仅直观地展示它为何有效。基本思想实际上仍然是信息 - 扰动关系。由于 Eve 不知道基础信息,因此无论在基础宣布之前还是之后,每当 Eve 试图获取任何信息时,她都必须在状态传输阶段对量子态施加一些扰动。否则,她所拥有的状态将独立于 Alice 发送的状态,即使她知道基础,她也无法获得任何信息。然后,如果她对传输状态施加任何扰动,Alice 和 Bob 将从相位或比特错误中知道这一点,并且这些信息将在隐私放大和纠错阶段提取出来。
为了开发量子技术,可靠的量子信息处理需要精确控制非平衡多体系统。这是一项极具挑战性的任务,因为量子态对外部扰动的脆弱性会随着系统尺寸的增加而增加。在这里,我们报告了一系列实验性量子模拟,这些模拟可以量化受控汉密尔顿演化对驱使系统偏离目标演化的扰动的敏感性。基于非时间序相关性,我们证明过程保真度的衰减率随着相关量子比特的有效数量 K 的增加而增加,即 K α 。作为扰动强度的函数,我们观察到两个不同动力学区域之间指数 α 的急剧退相干缩放转变。在低于临界扰动强度的极限情况下,可以高保真度控制的量子比特数量没有固有限制。这可能表明,如果扰动能够保持在这个临界阈值以下,那么对大型量子系统的可靠控制是可能的。