XiaoMi-AI文件搜索系统
World File Search System游走
量子计算算法
该模块包含辅导课和传统实验课，学生可以在实验课上寻求作业方面的帮助。两个学期将有 33 个讲座小时。10 ECTS 模块的指导方针是 250 小时的学生努力，包括课堂时间。评估模式评估将基于 60% 的持续评估和 40% 的期末考试。持续评估将是算法设计作业和课堂测试的混合。如果可能，课程的学生将得到指导，调整作业以补充他们选择的项目。教学大纲量子力学和量子计算机简介线性代数和狄拉克符号、量子门和电路具有超多项式加速的算法周期查找算法 Shor 算法、因式分解算法、Grover 算法量子傅里叶变换及其应用量子小波变换及其应用量子随机游走及其应用量子搜索算法及其应用量子机器学习简介量子密码学简介阅读清单：
定向概率分水岭
概率分水岭是一种应用于无向图的半监督学习算法。给定一组带标签的节点（种子），它定义了一个吉布斯概率分布，该分布覆盖所有可能断开种子的生成森林。它计算每个节点采样一个将某个种子与所考虑节点连接起来的森林的概率。我们提出了“有向概率分水岭”，这是概率分水岭算法对有向图的扩展。在概率分水岭的基础上，我们应用有向图的矩阵树定理，并定义一个吉布斯概率分布，该分布覆盖所有以种子为根的传入有向森林。与无向情况类似，这等同于有向随机游走。此外，我们表明，在吉布斯分布具有无限低温度的极限情况下，有向概率分水岭的标记等于由最小成本的传入有向森林引起的标记。最后，为了说明，我们将所提出的方法与其他有向图半监督分割方法的经验性能进行了比较。
有向图和无向图的广义谱聚类
谱聚类是聚类无向图的一种常用方法，但将其扩展到有向图（有向图）则更具挑战性。一种典型的解决方法是简单地对称化有向图的邻接矩阵，但这可能会导致丢弃边方向性所携带的有价值信息。在本文中，我们提出了一个广义的谱聚类框架，可以处理有向图和无向图。我们的方法基于一个新泛函的谱松弛，我们将其引入为图函数的广义狄利克雷能量，关于图边上的任意正则化测度。我们还提出了一种由图上自然随机游走的迭代幂构建的正则化测度的实用参数化。我们提出了理论论据来解释我们的框架在非平衡类别的挑战性设置中的效率。使用从真实数据集构建的有向 K-NN 图进行的实验表明，我们的图分区方法在所有情况下均表现良好，并且在大多数情况下优于现有方法。
识别预后生物标志物和药物靶点...
摘要：结直肠癌是常见的消化道恶性肿瘤之一，发病率和死亡率较高。越来越多的证据表明，长链非编码RNA（lncRNA）和蛋白编码RNA通过竞争相同的微小RNA反应元件（MRE）相互作用，在多种肿瘤类型的基因表达调控中发挥重要作用。但lncRNA介导的竞争性内源性RNA网络在结肠癌中的调控机制和预后作用尚不清楚。从The Cancer Genome Atlas数据库下载了471例结肠癌和41例癌旁组织样本的mRNA、lncRNA和miRNA的表达谱，构建了结肠癌的lncRNA‑miRNA‑mRNA ceRNA网络，由17个枢纽lncRNA、87个枢纽miRNA和144个枢纽mRNA组成。分析了网络的拓扑特性，并使用随机游走算法识别与结肠癌显着相关的节点。使用 UALCAN 数据库进行的生存分析表明，17 个 lncRNA 中有 2 个被识别为[转移相关肺腺癌转录本 (MALAT1) 和母体表达基因 3 (MEG3)] 和
神经哲学：前言 - Patricia Churchland
想知道我们如何看待、思考、推理和做决定。因此，我决定详细查明神经科学中的已知知识是否有助于理解认知功能。起初，我小心翼翼地在神经科学的边缘游走，但很快我发现自己离海岸越来越远，最后扬帆起航。在探索神经系统已知知识以及神经生物学家如何获得这些知识的无拘无束的喜悦之中，一些具有明显哲学性质的问题继续在背景中发出刺耳的声音：我们有可能有一个宏大的、统一的心智-大脑理论吗？这样的理论会是什么样子？还原论策略是否合理？作为一名哲学家，我发现自己被神经科学所吸引，但是沉浸在神经科学之中后，我发现自己也无法离开哲学。对于那些关于神经科学研究的深远、广泛的问题，我很清楚地认识到它们是哲学问题——而且，科学哲学家和科学史学家已经对这些问题发表了有益的看法。现在很明显，一个学科在哪里结束，另一个学科在哪里开始不再重要，因为事情的本质是
![arXiv:2003.14280v1 [math.PR] 2020 年 3 月 31 日](/simg/g:\will\search\icon\source\f\f72935e638b7b98d6b0ac1809d5ecb3ba388267e.webp)
arXiv:2003.14280v1 [math.PR] 2020 年 3 月 31 日
摘要. 在本研究中，我们研究了随机环境中的定向聚合物 (DPRE) 的情况，此时随机游走的增量是重尾的，尾部指数等于零（P [ | X 1 | ≥ n ] 的衰减速度比 n 的任何幂都慢）。这种情况还没有在定向聚合物的背景下进行研究，并且与简单对称随机游动情况以及增量属于 α 稳定定律的吸引域的情况（其中 α ∈ (0, 2)）存在关键区别。我们建立了对每个无序分布都不存在非常强的无序区域 - 即自由能在每个温度下都等于零。我们还证明了强无序区域（分配函数在低温下收敛到零）可能存在或不存在取决于随机游动的更精细性质：我们建立了从弱无序到强无序的相变的非匹配必要充分条件。特别是我们的结果意味着对于这种定向聚合物模型，非常强的无序并不等同于强无序，这为关于原始最近邻 DPRE 的长期猜想提供了新的见解。
未知空间上的协同映射和目标搜索...
摘要 — 本文提出了一种协作式地图绘制和目标搜索算法，用于在城市环境中检测单个移动地面目标，该目标最初对于配备有噪声、范围有限的传感器的自主四旋翼飞行器团队来说是未知的。目标根据有偏随机游走模型移动，搜索代理（四旋翼飞行器）构建一个目标状态图，该图对过去和现在的目标位置进行编码。检测前跟踪算法将目标测量值同化为对数似然比，各向异性克里金插值预测未探索区域中占用节点的位置。在搜索区域的每个位置评估的相互信息定义了一个采样优先级表面，该表面由加权 Voronoi 算法划分为候选航路点任务。通过迭代解决效用最大化分配问题，将任务分配给每个代理。数值模拟表明，与非自适应割草机和随机覆盖策略相比，所提出的方法更具优势。我们还通过使用两个真实四旋翼飞行器和两个虚拟四旋翼飞行器进行户外飞行测试，对所提出的策略进行了实验验证。
光度混响映射的性能...
摘要 使用光度测定法进行混响映射的精确方法受到高度追捧，因为它们本质上比光谱技术耗费的资源更少。然而，在红移高于 z ≈ 0.04 的情况下，光度混响映射对估计黑洞质量的有效性研究很少。此外，光度测定方法通常假设阻尼随机游走 (DRW) 模型，这可能并不普遍适用。我们使用 JAVELIN 光度 DRW 模型对 z = 0.351 处的 QSO SDSS-J144645.44 + 625304.0 进行光度混响映射，并估计 H β 滞后为 65 + 6 − 1 d，黑洞质量为 10 8 。22 + 0 。13 − 0 .15 M ⊙ .使用数千个模拟 CARMA 过程光变曲线进行的光度混响映射可靠性分析表明，考虑到我们目标的观测信噪比 > 20 和平均节奏为 14 d（即使不适用 DRW），我们可以将输入滞后恢复到平均 6% 以内。此外，我们使用我们的模拟光变曲线套件从我们的 QSO 的后验概率分布中解卷积混叠和伪影，将滞后的信噪比提高了 ∼ 2.2 倍。我们以每个物体四分之一的观测时间超越了斯隆数字巡天混响测绘项目 (SDSS-RM) 活动的信噪比，从而使信噪比效率比 SDSS-RM 提高了约 200%。
CASEREPO RT Endostar 联合阿帕替尼成功实现难治性卵巢癌的长期无进展生存：病例报告和 L
背景：卵巢癌是妇科肿瘤中常见的恶性肿瘤，卵巢癌的标准治疗是手术和以紫杉醇、铂类为主的化疗，但传统化疗受到耐药及全身副作用的限制，探索难治性卵巢癌的有效治疗方案势在必行。病例介绍：患者，52岁女性，初诊时以下腹部膨胀、游走性疼痛为主要症状，经腹腔镜探查及活检后，免疫组化显示卵巢低分化腺癌（cT3NxM1，IV期，腹膜及腹壁转移），二代序列检测出ERRFI1（T187A，外显子4）突变。结果：患者接受一线化疗（紫杉醇、奈达铂加阿瓦斯汀），随后以吉非替尼维持治疗，获得15个月的无进展生存期（PFS）。在病情进展和二线治疗失败后，患者接受恩度联合阿帕替尼治疗 14 个周期，无长期不良事件，PFS 为 14 个月。结论：我们认为 ERRFI1 基因可能是吉非替尼的潜在靶点。重要的是，恩度联合阿帕替尼值得推荐用于难治性卵巢癌的维持治疗。关键词：卵巢癌，抗血管生成治疗，恩度，阿帕替尼，吉非替尼
![arXiv:2003.04930v1 [quant-ph] 2020 年 3 月 10 日](/simg/g:\will\search\icon\source\b\b941c74a8b9f4500017798a3f6f0c5ad7ab13579.webp)
arXiv:2003.04930v1 [quant-ph] 2020 年 3 月 10 日
Google PageRank 是一种流行且有用的算法，用于对网络中节点或网站的重要性进行排名，最近有人提出了一种 PageRank 算法的量子对应算法，与 Google PageRank 相比，该算法的排名准确率更高。量子 PageRank 算法本质上基于量子随机游动，可以用 Lindblad 主方程表示，然而，该算法需要求解 O(N4) 维的 Kronecker 积，并且当网络中的节点数 N 增加到 150 以上时，需要大量的内存和时间。在这里，我们提出了一种高效的量子 PageRank 求解器，使用 Runge-Kutta 方法将矩阵维数降低到 O(N2)，并使用 TensorFlow 进行 GPU 并行计算。我们在为多达 922 个节点的美国主要航空公司网络求解量子 PageRank 时展示了其性能。与之前的量子 PageRank 求解器相比，我们的求解器将所需的内存和时间分别大幅减少到仅为 1% 和 0.2%，这使得它在 100 秒内就可以在具有 4-8 GB 内存的普通计算机上运行。这种高效的大规模量子 PageRank 和量子随机游走求解器将极大地促进实际应用中的量子信息研究。