XiaoMi-AI文件搜索系统
World File Search System种高
ISEEK 是一种高速、并发、分布式取证数据工具......
ISEEK，一种用于高速、并发、分布式取证数据采集的工具。论文发表于 Valli, C. (Ed.)。第 15 届澳大利亚数字... 会议论文集
Silq 发布：一种高级量子语言
联系方式：马丁·韦切夫教授，苏黎世联邦理工学院，瑞士，silq@inf.ethz.ch 背景：最近的努力已经将量子计算机改进到可以在某些任务上超越传统计算机的程度，这种情况被称为量子霸权。量子计算机运行量子算法，通常用低级量子语言 Silq 表示。我们发布了 Silq，这是第一种旨在从量子算法的低级实现细节中抽象出来的高级量子语言。Silq 在 GitHub（https://github.com/eth-sri/silq）上公开可用，并根据免费开源 Boost 软件许可证 1.0 获得许可。作为一项关键的创新，Silq 有助于弥合经典语言和量子语言之间的概念差距。因此，Silq (i) 降低了非专业量子程序员的入门门槛，(ii) 通常有助于简洁明了地表达复杂算法，以及 (iii) 促进了 50 多年来为传统计算开发的编程和分析技术向量子编程领域的技术转移。比较。虽然传统上量子算法通常以电路的形式指定，但量子语言更方便地将量子算法表达为源代码。然而，现有的量子语言迫使程序员在较低的抽象层次上工作，仍然本质上指定将量子操作明确应用于单个量子位的量子电路。因此，用这些语言实现量子算法是繁琐且容易出错的。相比之下，Silq 支持对量子算法的描述性视图，表达了程序员的高级意图。然后，将这些算法编译成低级量子电路成为二阶关注点，可以由专门的编译器处理，就像在传统编程语言中一样。我们的实验评估表明，Silq 程序比其他量子语言中的等效程序短得多（Q# 平均缩短 46%，Quipper 缩短 38%），同时仅使用一半的量子原语。因此，Silq 程序不仅更短，而且更易于读写，因为它们需要的原语和概念更少。大部分评估都集中在 Q# 上，因为 (i) 它是使用最广泛的量子语言之一，(ii) 我们认为它比 Cirq 或 QisKit 更高级，(iii) 2018 年和 2019 年的 Q# 编码竞赛提供了大量 Q# 实现，我们可以利用它们进行比较。
一种高效且基于轻巧的身份方案，用于在集群无线传感器网络中安全通信
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
另一种高致病性禽流感的发生......
在内华达州，2025 年 1 月 6 日和 7 日收集的 11 个筒仓样本中有 3 个在 1 月 10 日通过国家兽医服务实验室 (NVSL) 的聚合酶链反应 (PCR) 检测出高致病性禽流感病毒阳性。该州接到通知，并启动调查以追踪来源，因为多达 12 家奶牛场（在同一地理区域）可能向受影响的筒仓供应牛奶。1 月 17 日，监管官员从疑似奶牛场收集了农场散装牛奶样本，并将其提交给华盛顿动物疾病诊断实验室 (WADDL)，该实验室是国家动物健康实验室网络 (NAHLN) 的成员。1 月 24 日星期五，NVSL 通过 PCR 确认了其中两家奶牛场的样本中存在高致病性禽流感病毒。NVSL 于 1 月 31 日完成了全基因组测序，并在来自一个牛群的四个不同散装罐的样本中鉴定出高致病性禽流感 H5N1，进化枝 2.3.4.4b，基因型 D1.1。第二群也显示出与 D1.1 一致的部分序列。在检测之前，牛身上没有观察到临床症状，但此后已有报告，受影响的奶牛场报告称，奶牛场附近有大量野鸟死亡。
基孔肯雅热是一种高度
至少 909 人。塞阿拉州是 10 年间受影响最严重的州，占死亡人数的 31%。“我们知道基孔肯雅病可以致人死亡，但我们一直想知道：为什么人们会死亡？”美国肯塔基大学的巴西病毒学家 William Marciel de Souza 说。为了解开这个谜团，Souza 和来自巴西、美国和英国多家机构的研究人员分析了 2017 年在塞阿拉州死于急性基孔肯雅病的 32 人的血液和组织样本。随后将结果与 39 名患上较轻疾病并幸存的个体和 15 名健康献血者的结果进行了比较。该研究获得了 FAPESP 的资助，结果于 4 月发表在《细胞宿主与微生物》杂志上。研究的结论是，基孔肯雅病之所以致人死亡，是因为这种被称为 CHIKV 的病毒
基于语言引导的杂种高斯扩散
摘要 - 在机器人操纵任务中，实现操纵对象的可识别目标状态通常对于促进机器人臂的运动计划至关重要。具体来说，在悬挂杯子等任务中，必须将杯子放置在钩子周围可行区域内。先前的方法已经揭示了杯子的多个可行目标状态的产生；但是，这些目标状态通常是随机生成的，缺乏对特定生成位置的控制。此限制使这种方法在存在约束的情况下，例如其他杯子已经占据的钩子或必须达到特定的操作目标时。此外，由于在现实世界中悬挂的方案中杯子和机架之间的频繁物理相互作用，因此从端到端模型中生成的目标状态通常会导致重叠点云。这种重叠会对机器人组的后续运动计划产生不利影响。为了应对这些挑战，我们提出了一种语言引导的混合高斯扩散（LHGD）网络，用于生成操纵目标状态，并结合了基于重力覆盖系数的基于重力覆盖率的基于重力覆盖率的方法。为了在语言指定的分布设置下评估我们的方法，我们在5个不同的架子上收集了多种可行的目标状态，用于10种不同的架子上的10种类型的杯子。此外，我们为验证目的准备了五种看不见的杯子设计。实验性调查表明，我们的方法在单模，多模式和语言指定的分布操纵任务中达到了最高的成功率。此外，它大大降低了点云的重叠，直接产生无碰撞的目标状态，并消除了机器人臂对额外的避免避免障碍物操作的需求。
文章。一种高效的量子主动增量...
在需要学习大量数据的场景下，增量学习可以充分利用旧知识，大幅降低整体学习过程的计算成本，同时保持高性能。本文以MaxCut问题为例，将增量学习的思想引入量子计算，提出一种量子主动增量学习算法（QPIL）。QPIL不是一次性训练量子电路，而是对所有顶点逐渐增加的子图进行多阶段训练，主动将大规模问题分解为较小的问题并分步求解，为MaxCut问题提供有效的解决方案。具体而言，首先随机选择一些顶点和对应的边进行训练，以获得量子电路的优化参数。然后，在每个增量阶段，逐渐添加剩余的顶点和对应的边，并在当前阶段的参数初始化中重用前一阶段获得的参数。我们在 120 个不同的小规模图上进行了实验，结果表明 QPIL 在近似比 (AR)、时间成本、抗遗忘和求解稳定性方面的表现优于流行的量子和经典基线。特别是 QPIL 的 AR 超过了主流量子基线的 20%，而时间成本不到它们的 1/5。QPIL 的思想有望启发在大规模 MaxCut 和其他组合优化问题中寻找高效、高质量的解决方案。
利拉替尼（一种高选择性 FGFR2 抑制剂）对患有 FGFR2 融合或
1 法国巴黎古斯塔夫鲁西研究所；2 美国宾夕法尼亚州费城福克斯蔡斯癌症中心；3 美国伊利诺伊州芝加哥芝加哥大学；4 西班牙瓦伦西亚瓦伦西亚大学医院；5 英国伦敦莎拉坎农研究所；6 美国佛罗里达州杰克逊维尔梅奥癌症中心；7 美国佛罗里达州坦帕 H. Lee Moffitt 癌症中心和研究所；8 韩国首尔首尔国立大学医院；9 法国第戎 Georges François Leclerc 中心；10 西班牙马德里 START 马德里 - CIOCC；11 澳大利亚悉尼圣文森特医院金霍恩癌症中心；12 美国德克萨斯州休斯顿德克萨斯大学 MD 安德森癌症中心；13 美国马萨诸塞州波士顿麻省总医院；14 美国亚利桑那州斯科茨代尔梅奥癌症中心；15 法国里昂 Léon Bérard 中心； 16 Relay Therapeutics, Inc. 美国马萨诸塞州剑桥市；17 纪念斯隆凯特琳癌症中心，美国纽约州纽约市
ORIC-114 是一种高选择性、脑渗透性 EGFR 和 HER2 抑制剂，具有同类最佳的特性
图 3.左图：体内疗效研究总结。上述所有研究中的剂量范围为每日 2 至 4 mg/kg，通过口服管饲法给药。肿瘤生长抑制 (TGI) 使用公式 TGI = [1 - (TVt f - TVt 0 ) / (TVc f - TVc 0 )] × 100% 计算，其中 TVt f 为最后一天或最后一天治疗组的平均肿瘤体积 (TV)，TVt 0 为治疗第 0 天治疗组的平均 TV，TVc f 为最后一天或最后一天对照组的平均 TV，TVc 0 为治疗第 0 天对照组的平均 TV。回归确定为最终肿瘤体积或生物发光读数小于研究开始时肿瘤体积或生物发光读数的动物百分比。右图：皮下植入的 HCC4006 通过口服管饲 (PO) 每天治疗一次 (QD)，持续 28 天。用卡尺测量肿瘤，并在指定日期对小鼠进行称重。使用动物的最终肿瘤体积计算完全缓解 (CR)，如果测量结果小于 30mm 3 则视为完全缓解。LoF，功能丧失；PDX，患者来源的异种移植；CDX，细胞系来源的异种移植；IC，颅内。
ESK-001的功效和安全性，一种高度选择性的口服Tyk2
截至2024年5月31日，报告了6个SAE：40mg QD- [关节炎，NSCLC，呼吸困难]； 40mg竞标 - [腹膜脓肿，败血症，肾细胞癌]。NSCLC发生在紧急时期之外，不包括在上表中。