XiaoMi-AI文件搜索系统
World File Search System模拟
通过科学和物理知识的机器学习降低模型来加速数值模拟
○ITHACA，实时高级计算应用程序，是整合已经建立了良好的CSE/CFD开源软件○RBNICS作为新手ROM用户（培训）的教育计划（FEM）。○ Argos A dvanced R educed order modellin G O nline computational web server for parametric S ystems ○ PINA a deep learning library to solve differential equations ○ EzyRB data-driven model order reduction for parametrized problems ○ PyDMD a Python package designed for Dynamic Mode Decomposition ( in collaboration with University of Texas, CERN, and University of Washington)
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
量子计算在推进血浆物理模拟的融合能和高能量
适应性免疫通过调节抗原特异性反应，炎症信号传导和抗体产生，在动脉粥样硬化的发病机理中起着重要作用。但是，随着年龄的增长，我们的免疫系统经历了逐渐的功能下降，这种现象称为“免疫衰老”。这种下降的特征是增生性幼稚的B和T细胞的减少，B和T细胞受体库库减少，以及相关的分泌性分泌性疾病。此外，衰老会影响生发中心的反应，并恶化次级淋巴器官功能和结构，从而导致T-B细胞动力学受损并增加自身抗体的产生。在这篇综述中，我们将剖析衰老对适应性免疫的影响以及与年龄相关的B-和T细胞在动脉粥样硬化发病机理中所起的作用，强调需要针对与年龄相关的免疫功能障碍的干预措施，以减少心血管疾病风险。
通过扩展主动推理进行目标导向规划和目标理解：通过模拟和物理机器人实验进行评估
摘要：我们表明，通过扩展主动推理框架，可以在目的论框架中制定目标导向的行动规划和生成。所提出的模型建立在变分递归神经网络模型上，具有三个基本特征。这些特征是：（1）可以为静态感官状态（例如要达到的目标图像）和动态过程（例如围绕物体移动）指定目标；（2）该模型不仅可以生成目标导向的行动计划，还可以通过感官观察来理解目标；（3）该模型根据从过去的感官观察推断出的当前状态的最佳估计，为给定目标生成未来的行动计划。通过在模拟移动代理以及执行对象操作的真实人形机器人上进行实验来评估所提出的模型。
纳米级 CMOS 中的模拟和混合信号电路 - 电子书
《模拟电路与信号处理》丛书，前身为《Kluwer 国际工程与计算机科学丛书》，是一套高水准的学术专业丛书，出版有关模拟集成电路和信号处理电路与系统的设计和应用的研究成果。通常每年我们会出版 5-15 本研究专著、专业书籍、手册和编辑本段，分发给世界各地的工程师、研究人员、教育工作者和图书馆。该丛书促进并加快了模拟领域新研究成果和教程观点的传播。全球范围内，该领域开展着大量令人兴奋的研究活动。研究人员正努力通过改进模拟功能来弥合传统模拟工作与超大规模集成 (VLSI) 技术的最新进展之间的差距。模拟 VLSI 已被公认为未来信息处理的主要技术。模拟工作正在显示出巨大变化的迹象，重点是结合设备/电路/技术问题的跨学科研究工作。因此，新的设计概念、策略和设计工具正在被揭示。感兴趣的主题包括：模拟接口电路和系统；数据转换器；有源 RC、开关电容和连续时间集成滤波器；混合模拟/数字 VLSI；仿真和建模、混合模式仿真；模拟非线性和计算电路和信号处理；模拟神经网络/人工智能；电流模式信号处理；计算机辅助设计 (CAD) 工具；新兴技术中的模拟设计 (可扩展 CMOS、BiCMOS、GaAs、异质结和浮栅技术等)；模拟测试设计；集成传感器和执行器；模拟设计自动化/基于知识的系统；模拟 VLSI 单元库；模拟产品开发；射频前端、无线通信和微波电路；模拟行为建模、模拟 HDL。
基因组编辑模拟和逆转与骨髓增生性肿瘤相关的普遍突变
骨髓增生性肿瘤 (MPN) 会导致血细胞（如红细胞增多症）或血小板（原发性血小板增多症）的过度生成。JAK2 V617F 是许多 MPN 中最常见的体细胞突变，但之前在小鼠中对这种突变的建模依赖于转基因过度表达，并导致不同的表型，在某些情况下，这些表型归因于表达水平。CRISPR-Cas9 工程通过精确修改原代细胞中的内源性位点，为建模和潜在治愈遗传编码疾病提供了新的可能性。我们在此开发了“无疤痕”的 Cas9 试剂，用于在永生化人类红系祖细胞 (HUDEP-2)、CD34+ 成人人类造血干细胞和祖细胞 (HSPC) 以及免疫表型长期造血干细胞 (LT-HSC) 中创建和逆转 JAK2 V617F 突变。我们发现与内源性 JAK2 V617F 等位基因相关的体外增殖没有明显增加，但与野生型细胞共培养揭示了突变提供的竞争性生长优势。即使在没有造血细胞因子信号传导的情况下，获得 V617F 等位基因也会促进红系祖细胞的终末分化。综上所述，这些数据与 MPN 的逐渐进展的表现相一致，并表明与转基因过表达模型相比，内源性获得性 JAK2 V617F 突变可能产生更细微的表型。
指南 - 分类、模拟、优化和人工智能
反复试验在机器学习中起着重要作用。当模型发现其预测与实际数据集之间存在错误或差异时，它会尝试纠正其思维，使其预测接近实际情况。这个过程通常称为“训练模型”。实际数据集被分成训练集和验证集，通常按 90/10 的比例分配，其中 90% 用于训练，10% 用于验证其预测或错误率。这时，数据科学家可能会更改模型应该从中学习的特征，例如价格、产品、位置和/或模型的参数；这些是训练期间学习的训练数据集的属性。通常，参数是模型自行学习并在试图降低其预测错误率时自动调整的东西。
开发载脂蛋白E模拟肽 - 脂质结合物，以有效地递送L
抽象脂质体是可以封装各种药物的多功能载体。但是，要向大脑传递，必须通过靶向配体或其他修饰进行修饰，以提供血脑屏障（BBB）的渗透性，同时避免通过聚乙烯甘油（PEG）修饰通过网状内皮系统快速清除。BBB渗透肽充当脑靶向配体。在这项研究中，为了实现脂质体有效的大脑递送，我们基于使用体外BBB通透性评估系统的高通量定量评估方法，筛选了先前报道的八个BBB渗透肽的功能，该方法使用Transwell，在原位脑灌注系统等。For apolipoprotein E mimetic tandem dimer peptide (ApoEdp), which showed the best brain-targeting and BBB permeability in the comparative evaluation of eight peptides, its lipid conjugate with serine–glycine (SG) 5 spacer (ApoEdp-SG-lipid) was newly synthesized and ApoEdp-modified PEGylated liposomes were准备。apoEDP修饰的卵子脂质体有效地与人脑毛细血管内皮细胞通过ApoEDP序列有效相关，并在体外BBB模型中渗透了膜。此外，在大脑中积累的apoEDP修饰的卵形脂质体比小鼠中的脂肪体高3.9倍。此外，通过三维成像和组织清除，证明了apoEDP修饰的pe乙型脂质体在小鼠中局部将BBB局部局部到脑实质中的能力。这些结果表明，ApoEDP-SG脂质修饰是一种有效的方法，它可以赋予具有脑靶向能力和BBB渗透性的质脂质体。
genh2r：通过可扩展的模拟演示和模仿
本文介绍了GenH2R，这是一个学习基于远见的人类到机器人（H2R）han-dover技能的框架。目标是为机器人配备能够以各种复杂轨迹的人类传递的几何形状可靠接收对象。我们通过通过全面的解决方案进行大规模学习H2R移交，包括程序模拟资产创建，自动演示式概述和有效的模仿学习。我们利用大型3D模型存储库，敏感的GRASP生成方法和基于曲线的3D动画来创建名为GenH2R-SIM的H2R交换模拟环境，并通过三个尺度级传递了现有模拟器中现有模拟器中的场景数量。我们进一步引入了一种蒸馏友好的演示生成方法，该方法自动产生了一百万个适合学习的高质量演示。最后，我们提出了一种4D模仿的学习方法，该方法通过将来的预测目标增强，以将示范示例提炼为视觉运动切换政策。在所有情况下，模拟器和现实世界中的实验评估都表现出比基线的显着提高（至少 +10％的成功率）。
