XiaoMi-AI文件搜索系统
World File Search System高维
通过高维计算
摘要 - Hyperdementialsional Computing（HD）是一种新兴的脑启发范式，用于机器学习分类任务。它使用简单的操作来操纵超长向量 - 高向量，从而可以快速学习，能源效率，噪声耐受性和高度平行的分布式框架。HD计算在生物信号分类领域显示出很大的希望。本文使用来自MIT-BIH心律失常数据库的数据，介绍了使用HD计算的特定组早产（PVC）BEAT检测。时间，心率变异性（HRV）和光谱特征，最小冗余最大相关性（MRMR）用于对分类进行排名和选择特征。探索了三种编码方法，以将功能映射到HD空间中。HD计算分类器可以达到97.7％精度的PVC BEAT检测准确性，而诸如卷积神经网络（CNN）等更复杂的方法（例如，计算复杂的方法）实现了99.4％。
具有高维DNA
表观遗传研究人员经常将DNA甲基化评估为社会/环境15暴露和疾病之间的介体，但是共同评估许多介体的现代统计方法并未被广泛采用。我们通过不同的模拟和对美国大型国家18个同类群体的DNAM数据进行分析，将七种用于高维中介分析的方法与17个连续结果进行了比较，同时为其实施提供了R包装。在19个考虑的选择中，在模拟中检测活性介体的表现最佳的方法是Song等人的20个贝叶斯稀疏线性混合模型。（2020）和高维中心分析21 Gao等人。（2019）;估计全局介体效应的优质方法是Zhou等人的高22维线性中介分析。（2021）和主成分调解分析23（2016年）。我们为表观遗传学研究人员提供指南，以选择实践中最佳方法24，并为未来的方法论发展提供建议。25
长距离纠缠和高维……
研究了有限尺寸开放费米-哈伯德链中的长距离纠缠以及端到端量子隐形传态。我们展示了费米-哈伯德模型基态支持最大长距离纠缠的特性，这使其可以作为高保真度长距离量子隐形传态的量子资源。我们确定了创建可扩展长距离纠缠的物理特性和条件，并分析了其在库仑相互作用和跳跃幅度影响下的稳定性。此外，我们表明协议中测量基的选择会极大地影响量子隐形传态的保真度，我们认为通过选择反映量子信道显著特性的适当基，即哈伯德投影测量，可以实现完美的信息传输。
高维量子系统的纠缠门的编制
摘要 迄今为止，大多数量子计算架构都原生支持多值逻辑，尽管通常以二进制方式运行。多值或 qudit 量子处理器可以使用更丰富的量子纠缠形式，这有望显著提高量子设备的性能和实用性。然而，利用此类硬件所需的大部分理论以及相应的设计方法仍然不足，而且从量子位进行推广并不简单。一个特殊的挑战是将量子电路编译成由最先进量子硬件支持的本机 qudit 门集。在这项工作中，我们通过引入一个完整的工作流程来应对这一挑战，该工作流程将任何两 qudit 单元编译为任意本机门集。案例研究证明了所提出的方法以及相应实现的可行性（可在 github.com/cda-tum/qudit-entanglement- compilation 免费获得）。
高维量子系统的纠缠门的编制
摘要 迄今为止，大多数量子计算架构都原生支持多值逻辑，尽管通常以二进制方式运行。多值或 qudit 量子处理器可以使用更丰富的量子纠缠形式，这有望显著提高量子设备的性能和实用性。然而，利用此类硬件所需的大部分理论以及相应的设计方法仍然不足，而且从量子位进行推广并不简单。一个特殊的挑战是将量子电路编译成由最先进量子硬件支持的本机 qudit 门集。在这项工作中，我们通过引入一个完整的工作流程来应对这一挑战，该工作流程将任何两 qudit 单元编译为任意本机门集。案例研究证明了所提出的方法以及相应实现的可行性（可在 github.com/cda-tum/qudit-entanglement- compilation 免费获得）。
高维量子计算
[1] d 级系统中的增强容错量子计算，ET Campbell，Phys. Rev. Lett. 113，230501 (2014)。[2] 使用量子 Reed-Muller 码在所有素数维度中进行魔法状态蒸馏，ET Campbell 等人，Phys. Rev. X 2，041021 (2012)。[3] 来自绝对最大纠缠态的最佳量子纠错码，Z. Raissi 等人，J. Phys. A: Math. Theor. 51 075301 (2018) [4] 通过 qutrits 对量子电路进行渐近改进，P. Gokhale 等人，ISCA '19，554–566 (2019)。 [5] 大约瑟夫森结量子比特中的拉比振荡，JM Martinis 等人，Phys. Rev. Lett. 89, 117901 (2002)。
通过质谱流式细胞术和高维成像对 2D MXenes 进行免疫分析和多重无标记检测
追踪、检测和定量测量细胞和组织中纳米材料的能力推动了它们在生物医学中的日益广泛应用。开发无标记、高分辨率和高维方法，同时可视化多种细胞类型中的二维材料，从而洞察细胞功能和相互作用及其在组织中的空间定位，这对于将纳米材料转化为临床应用至关重要。过渡金属碳化物、氮化物和碳氮化物 (MXenes) [1,2] 是具有多种结构和成分的新兴二维材料。[3,4] 虽然研究最多的 MXene 是 Ti 3 C 2 ，但已报道了 30 多种化学计量成分和至少 20 种固溶体。这些二维薄片的表面覆盖着功能团，写为 T x 。这些基团主要由 O、OH 和 F 组成，因此具有亲水性，易分散于水和生理介质中。由于大多数 MXenes 已被证明具有生物相容性且无细胞毒性，因此它们被广泛用于
有效识别用于建模高维大脑动力学
摘要 - 系统识别为表征和控制复杂系统的表征带来了重要的瓶颈。当系统状态和参数都无法直接访问时，这是最大的，导致双重估计问题。当前解决此类问题的方法在Net Works中经常发生的多参数系统的扩展能力受到限制。在当前工作中，我们提出了一种新的计算有效方法来处理大型双重估计问题。在这项工作中，我们得出了预测错误方法的分析后传播梯度，该方法可以有效，准确地识别大型系统。PEM方法包括将状态估计直接整合到双重优化目标中，仅在未知系统参数方面留下可区分的成本/错误函数，我们使用数值梯度/HESSIAN方法求解。直觉，此方法包括求解生成最精确状态估计器（扩展/cubature Kalman滤波器）的参数。我们证明，尽管复杂性较低，但在状态和参数估计中至少与关节Kalman过滤器（Excent/Unnesped/Cubature）和期望最大化一样准确。我们通过从人类磁脑摄影（MEG）数据中反转解剖学的个性化脑模型来证明我们的实用性。
通过高维高斯玻色子采样实现量子计算优势
光子学是一个很有前途的平台，它通过在明确定义的计算任务上超越最强大的经典超级计算机来展示量子计算优势 (QCA)。尽管前景光明，但现有的提案和演示仍面临挑战。在实验上，高斯玻色子采样 (GBS) 的当前实现缺乏可编程性或损失率过高。从理论上讲，GBS 的经典难度缺乏严格的证据。在这项工作中，我们在改进理论证据和实验前景方面取得了进展。我们提供了 GBS 难度的证据，可与 QCA 最强的理论提案相媲美。我们还提出了一种称为高维 GBS 的 QCA 架构，它是可编程的，可以使用少量光学元件以低损耗实现。我们表明，在适中的系统规模下，高维 GBS 实验优于模拟 GBS 的特定算法。因此，这项工作为使用可编程光子处理器展示 QCA 开辟了道路。
学习使用高维接口控制复杂康复机器人
摘要 — 颈椎受伤会导致上肢功能丧失。辅助机器可以支持上肢运动功能的丧失。但是，要恢复日常生活活动（例如，自己进食）的功能，辅助机器需要能够在高维度上运行。这意味着需要具有匹配高维操作能力的界面。身体-机器界面提供了这种能力，并且已经证明它是一种适合行动不便人士的界面。这是因为它可以利用人们可用的残余身体运动。以前使用该界面的研究仅表明该界面可以控制低维辅助机器。在这项初步研究中，我们证明了该界面可以扩展到高维机器人，可以由未受伤的人群学习控制 7 维辅助机械臂，执行复杂的伸展和功能任务。我们还分享了各种分析的结果，这些结果暗示即使在性能极低的情况下也可以进行学习。解耦机器人控制维度之间的内在关联似乎是学习的一个因素——也就是说，独立激活每个控制维度的能力可能有助于学习和掌握高维机器人控制的技能。此外，我们表明，学习控制机器人和学习执行复杂的运动任务可以同时发生。