XiaoMi-AI文件搜索系统
World File Search System自由能
用自由能原理解释肥胖和 2 型糖尿病
根据自由能原理，所有有知觉的生物都力求将意外或信息论量（即变分自由能）降到最低。因此，社会心理“压力”可以重新定义为“预期自由能增强”的状态，即“预期意外”或“不确定性”的状态。经历压力的个体主要试图借助所谓的不确定性解决程序 (URP) 来减少不确定性或预期自由能。URP 由三个子程序组成：首先，诱发唤醒状态，增加大脑信息传输和处理，以尽快减少不确定性。其次，这些额外的计算会消耗大脑从身体中获取的额外能量。第三，该程序控制学习哪些压力减轻措施以备将来使用，哪些压力减轻措施不学习。当 URP 成功减少不确定性时，我们将该事件称为“良好”压力。如果 URP 无法充分减少不确定性，则会导致压力习惯化或长期毒性压力。压力习惯化通过平缓/扩大个人目标信念来减少不确定性，从而使以前被认为无法维持的结果变得可以接受。习惯化的人会经历所谓的“可忍受”压力。根据自私大脑理论及其支持实验证据，我们表明，习惯化的人缺乏压力唤醒，因此平均大脑能量消耗减少，往往会发展出肥胖的 2 型糖尿病表型。对于那些习惯化不是自由能量最优解决方案的人来说，他们不会通过改变目标偏好来减少不确定性，只会承受“有毒”压力。有毒压力会导致反复或持续的唤醒状态，从而增加平均大脑能量消耗，进而促进瘦弱 2 型糖尿病表型的发展。总之，我们将压力的心理概念锚定在自由能量原理定义的信息论不确定性概念中。此外，我们详细介绍了不确定性减少背后的神经生物学机制，并说明了不确定性如何导致心身疾病。
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
自由能原理的物理原理有多特殊？
自由能原理 (FEP) 指出任何动力系统都可以解释为对其周围环境进行贝叶斯推理。在这项工作中，我们深入研究了在最简单的系统集——弱耦合非平衡线性随机系统中推导 FEP 所需的假设。具体来说，我们探索 (i) 对系统统计结构的要求有多普遍，以及 (ii) FEP 对此类系统行为的信息量有多大。我们发现 FEP 的两个要求——马尔可夫毯子条件（即排除内部和外部状态之间直接耦合的统计边界）和对其螺线管流的严格限制（即驱动系统失衡的趋势）——仅对非常狭窄的参数空间有效。合适的系统需要不存在感知-动作不对称，这对于与环境相互作用的生命系统来说极不寻常。更重要的是，我们观察到，论证中数学上的核心步骤，即把系统的行为与变分推理联系起来，依赖于系统平均状态的动态与这些状态的平均动态之间的隐式等价性。这种等价性即使对于线性系统也不成立，因为它需要有效地与系统的相互作用历史脱钩。这些目标
与构象相关的自由能概况...
KRAS基因G12突变与多种癌症有关。采用多重复制高斯加速分子动力学（MR-GaMD）模拟研究了G12C、G12D和G12R突变引起的开关结构域构象变化。自由能图表明，与GTP结合的WT KRAS相比，G12C、G12D和G12R诱导的能量状态更高，使开关结构域的构象更加无序，从而干扰KRAS与效应分子的结合。基于MR-GaMD轨迹的动力学分析表明，G12C、G12D和G12R不仅改变了开关结构域的灵活性，而且影响了其运动行为，这表明这三个突变可用于调控KRAS的活性。相互作用网络分析验证了GTP与开关S Ⅰ相互作用的不稳定性在开关结构域的高度无序状态中起着重要作用。此项工作有望为深入了解KRAS的功能提供有用的信息。
一般量子系统的自由能原理
摘要 自由能原理 (FEP) 指出，在适当的弱耦合条件下，具有足够自由度的随机动力系统将表现为最小化意外 (又名自信息) 的上限，形式化为变分自由能。这个上限可以理解为贝叶斯预测误差。同样，它的负数是贝叶斯模型证据 (又名边际似然) 的下限。简而言之，某些随机动力系统表现出一种自我证明。在这里，我们在时空背景自由、无标度量子信息理论的形式化环境中重新表述 FEP。我们展示了如何将通用量子系统视为观察者，在标准选择自由假设下，它们成为能够为观察结果分配语义的代理。我们展示了此类代理如何在以不确定性、学习不足和量子语境为特征的环境中最小化贝叶斯预测误差。我们表明，在量子理论公式中，FEP 渐近等同于幺正原理。基于这些结果，我们提出生物系统将量子相干性用作计算资源，并隐含地用作通信资源。我们总结了一些未来研究的问题，
关于矩阵模型的平面自由能
1 j 2 ! 。 。 。 jk！ p 2 j 2 ` ¡ ¡ ¡ kj k ´ 1 q ! pj 2` ¡ ¡ ¡` pk ´ 1 qjk ` 2 q ! p´ x 2 qj 2 。 。 。 p´ xkqjk , (1.8)
药物研发中的自由能方法——简介
自由能计算的民主化伴随着大量算法的出现，这些算法不仅有助于提高可靠性，也有助于提高方法的效率，但不幸的结果是造成了混乱，新手和专家都感到困惑，为什么看似相似的方法在进行比较时会导致截然不同的结果，也不知道在他们感兴趣的具体案例中哪种方法最适合。尽管这些方法的名称截然不同，但它们在概念上往往是相关的，并基于一些基本思想，这些思想可以追溯到该领域的先驱，如 De Donder (15)、Peierls (16)、Landau (17, 18)、Kirkwood (19)、Zwanzig (20) 或 Valleau (21, 22)。尽管如此，解决给定问题的最佳方法问题仍然非常重要，应该用最具成本效益的算法或两者的组合来重新表述，以获得可靠的答案。从应用的角度来看，自由能计算可以分为几何变换和炼金术变换。前者直接作用于化学对象的空间坐标以修改其位置、方向和构象状态，而后者利用势能函数的可塑性来
关于自由能原理的一些有趣的观察
我们喜欢阅读[1]中的自由能原理（FEP）的解构 - 几年前在[2]中引入的。这么说，没有人喜欢被告知他们犯了错误。幸运的是，[1]中的所有观察结果都很有趣，有些是正确的，没有混淆FEP。在接下来的内容中，我们使用了Biehl等人的观察结果。（同上）要深入研究它们提出的有趣点以及在FEP环境中的含义。为了对这些观察进行上下文，我们首先排练了得出FEP的主要步骤，然后专注于Biehl等人中解决的三个基本问题。;也就是说，构成马尔可夫毛毯分区的（子集的）（子集）之间的动态耦合的确切形式是什么？将自我组织解释为自我播种（即贝叶斯推论）时，有什么含义会出现非零的证据？进一步，差异自由能梯度何时消失？这三个问题的第一个出现在Biehl等。分布在他们的观察结果1-3中。第二和第三次出现在观察5和周围的讨论中。Biehl等。 进行几个观察；但是，有些是概括的（例如，在一般运动坐标的背景下）。 他们的观察6是一个例子。 我们忽略了这些观察结果。 请注意，Biehl等人的观测值编号。 是指纸的主要文本中分配的数字，而不是在纸张开头提供的子弹指定列表中的顺序。Biehl等。进行几个观察；但是，有些是概括的（例如，在一般运动坐标的背景下）。他们的观察6是一个例子。我们忽略了这些观察结果。请注意，Biehl等人的观测值编号。是指纸的主要文本中分配的数字，而不是在纸张开头提供的子弹指定列表中的顺序。一个人可以阅读Biehl等。作为对FEP的早期表述的批评 - 与隐性假设和不完整的（启发式）证明有关，反对对FEP本身的批评。但是，他们确定的问题仍然是基本的。[3]中解决了其中一些问题。但是，该专着尚未受到外部同行评审的约束（并且至少包含一个技术错误）。[4]中介绍了贝叶斯力学的简洁版本。在接下来的内容中，我们将使用[3]中的符号和命名法，这是目前对FEP的最全面的处理方法，我们向读者推荐读者以详细申请物理系统。本文的新颖贡献是对动态流的条件的明确规范，以确保马尔可夫毯子有足够的能力。
对数伽马聚合物自由能的波动与一般参数和斜率
对数伽马聚合物由 Seppäläinen [ 36 ] 引入，是唯一已知可精确求解的顶点无序 1+1 维定向聚合物模型，即其自由能分布可以明确计算。我们目前工作的贡献是建立了该模型自由能涨落的渐近线，该涨落涉及控制聚合物尺寸及其无序性质的广泛参数。要证明这些一般的渐近结果，我们需要大量重新设计该模型的基本起始公式，即 Fredholm 行列式拉普拉斯变换公式。我们的渐近结果具有在许多情况下被追求的应用，包括显示对数伽马线系综的紧密性[7]，显示对数伽马聚合物自由能景观最大值的相变[6,26]，以及显示对数伽马聚合物收敛到KPZ不动点[43]。