量子计量的热力学原理 复杂性科学顶刊精选7篇

详情


时间:2022-08-28 02:01:47 作者:KOK官方登录 来源:kok平台首页

  以下是2022年5月16日-5月22日来自Complexity Express的复杂性科学论文精选。如果Complexity Express列表中有你感兴趣的论文,欢迎点赞推荐,我们会优先组织解读~

  4、大规模全基因组关联研究揭示食物喜好的遗传决定因子和与不同神经生理性状的遗传相关性

  7、 自然选择对全球遗传变异模式的影响以及与“新冠”感染相关基因临床表型的关联

  量子计量中的热耗散问题不仅是量子传感器件实际应用中不可回避的问题,也是热力学与量子计量之间的一种基本关系。然而,在量子计量学中支配能量消耗规则的一般热力学原理,类似于计算中热耗散的兰道尔原理,仍然难以捉摸。在这里,我们建立了一个能量消耗的物理原理,以便在量子计量中达到一定水平的测量精度,并表明它本质上是由量子Fisher信息的擦除决定的。该原理提供了一个强大的工具来研究量子资源在测量精度和能源效率方面的优势。同时,它也在热力学与量子物理学和量子信息理论中相关的各种基本物理概念之间的搭建了桥梁。

  尽管微生物生态系统很复杂,但其似乎至少部分是“粗粒度的”,因为一些感兴趣的特性可以由维度远远小于相互作用谱系数量的有效模型充分描述。这尤其令人费解,因为最近的研究表明,微生物组在所有尺度上都存在数量惊人的功能相关多样性,甚至小到只有100个核苷酸或更少差异的菌株。严格定义粗粒度 (coarse-grainability) 并了解其出现的条件对于了解微生物生态系统至关重要。为了开始解决这些问题,我们提出了一个最小模型,用于在资源竞争的框架内研究具有层级结构的生态系统。我们使用的模型,能够根据指定实验结果的可重复性在操作上定义粗粒化质量 (coarse-graining quality) ,并表明尽管将功能多样的菌株组合在一起,粗粒度在操作上仍然有效。此外,我们证明了高度多样性的菌株 (虽然名义上似乎更复杂) 实际上可能促进粗粒度,并且至少在我们的模型中,当群落在其“原生”环境中组装时,粗粒度会被最大化。我们的建模框架提供了一条路径,可以在此基础上通过粗粒度模型对生态系统特性和环境条件展开理论理解并使其可预测。

  图:生态演化框架提供的资源竞争模型。(a)反应器中的生态系统对应代谢解释;(b)本工作中,资源 i 不必然与代谢直接相关;(c)微生物组的粗粒化。

  因果关系是热力学第二定律非平衡态推广的一个重要假设,被称为涨落关系 (fluctuation relations) 。这篇文章实验性地研究了连续受到延时反馈控制的光阱中的欠阻尼纳米粒子的功和熵产生的非平衡统计特性。对于前向轨迹来说,非马尔可夫反馈取决于粒子的过去位置,而对于时间反演路径来说,则取决于粒子的未来位置,因此是非因果的 (acausal) 。在稳态条件下,研究发现,在长时间极限中,相应的涨落关系表现出这种非因果性的明显特征,尽管时间反演动力学在物理上是不可实现的。

  图:实验装置。一个纳米粒子被悬浮在一个由两个反传播光束(红色)形成的谐波光阱中,在一个空芯光子晶体光纤内。纳米粒子受到一个延迟的反馈力 Ffb 的作用,这个反馈力通过一个声光调制器利用另一束激光(绿色)的辐射压力实现。反馈回路的特点是增益g和时间延迟τ。

  研究人员展示了对来自 UK-Biobank 的 161,625 名参与者进行的,食物喜好全基因组关联研究 (GWAS) 的结果。他们使用量表评估了 139 种特定食物的喜好。同时将遗传相关性与结构方程建模相结合,确定了具有三个主要维度的多层次的食物喜好层次图:高适口性、获得性与低热量。高适口性的维度与其他两个维度在遗传上不相关,这表明喜欢高回报食物的过程是独立的。这一点通过与 MRI 大脑特征的遗传相关性得到证实,这些特征显示出明显的关联。与相应的食物消费特征的比较显示出高度的遗传相关性,而喜好则表现出两倍的遗传力。GWAS 分析确定了 1,401 个重要的食物喜好关联,这些关联在 11 个独立队列的影响方向上显示出实质的一致性。总之,本项研究创建了食物喜好的遗传决定因素和相关神经生理因素的综合地图。

  图:一个由多达 4 个级别组成的树结构模型,顶部有三个主要的食物喜好维度。

  从令人愉悦的花香到令人作呕的腐烂气味,人类大脑如何将嗅觉输入转化为不同的感知,是嗅觉的基本问题之一。为了研究嗅觉感知的不同方面如何在人脑的空间和时间中出现,研究人员对经头皮记录的脑电图对 10 种不同气味的反应进行了时间分辨多变量模式分析,并将由此产生的解码精度与感知和源活动相关联。气味的平均解码精度在气味出现后 100 毫秒超过机会水平,并在 350 毫秒达到最大值。结果表明,个体气味的神经表征在 350 毫秒时最大程度地分离。感知表征出现在解码峰值之后:从 300 毫秒开始的单极不愉快 (中性到不愉快) ,以及从气味发作后 500 毫秒开始的愉快 (中性到愉快) 和感知质量 (适用于诸如“果味”或“花香”之类的语言描述) ,所有这些感知表征在 600 毫秒后达到最大值。来源估计表明,在气味出现后 100~350 毫秒,代表气味信息的区域 (根据解码精度估计) 位于初级和次级嗅觉区域及其周围。气味表征随后扩展到与情感、语义和记忆处理相关的更大区域,这些后期区域的活动与感知显著相关。这些结果表明,在嗅觉区域 (350 ms) 编码的初始气味信息通过广泛分布的皮质区域的计算演变为它们的感知实现 (300 到600 ms) ,不同的感知方面具有不同的时空动力学。

  图:针对每种气味,在所有 64 个电极上计算的受试者间平均基线校正全局场功率(GFP)。

  本文提出了一种基于离散截断 Wigner 近似的半经典框架的开放量子多体系统的数值模拟方法。我们建立了一个量子跳跃形式化,来整合描述系统动力学的量子主方程,结果发现,它在非相互作用极限和经典速率方程描述系统的极限下都是精确的。我们将该方法应用于典型的耗散 Ising 模型的模拟,在该模型中,我们能够捕获超出平均场理论的系统临界涨落。

  人类基因组多样性受到来自病毒的古老而持续挑战的影响。当前由新冠病毒 (SARS-CoV-2) 引起的疫情对人群健康造成了破坏性影响。然而,这种影响与 SARS-CoV-2 感染相关的宿主基因的遗传多样性和进化力尚不清楚。研究人员探索了与 SARS-CoV-2 感染相关的自然选择宿主基因 (血管紧张素转换酶 2 [ACE2]、跨膜蛋白酶丝氨酸 2 [TMPRSS2]、二肽基肽酶 4 [DPP4] 和淋巴细胞抗原6复合物基因座 E [LY6E]) 的全球遗传变异模式和特征。他们使用电子健康记录分析了来自 2,012 名不同种族的非洲人和 15,977 名欧洲和非洲血统的人的数据,并与来自 1000 Genomes Project 的全球数据进行了整合。

  在ACE2受体中,研究人员确定了41个在大多数人群中罕见的非同义变体,其中一些影响蛋白质功能。然而,三个非同义变体 (rs138390800、rs147311723 和 rs145437639) 在来自喀麦隆的中部非洲狩猎采集者中很常见 (次要等位基因频率为 0.083 至 0.164) ,并且在表现出正选择特征的单倍型上。研究人员确定了影响多个非洲人群中影响 ACE2 表达的调节区域变异的选择特征。同时,他们确定了与黑猩猩基因组相比,人类谱系具有适应性和特异性的 13 种氨基酸变化。作为自然选择目标的遗传变异与 COVID-19 患者常见的临床表型相关。本项研究提供了对与 SARS-CoV-2 感染相关的宿主基因的全局变异的见解,这些变异由某些人群的自然选择形成,可能是由于先前的病毒感染。

  由于学科交叉融合,大量针对复杂系统的研究成果散落在人工智能、统计物理、网络科学、数据科学、计算社会科学、生命科学、认知科学等等不同领域的期刊会议中,缺乏整合。

  为了让大家能及时把握复杂系统领域重要的研究进展,我们隆重推出「Complexity Express」服务,汇总复杂系统相关的最新顶刊论文。

  Complexity Express 每天爬取复杂系统领域最新发表的顶刊论文,每周通过“集智斑图”服务号汇总推送。

  进入 Complexity Express 页面即可随时查看顶刊论文更新,你也可以通过微信接收研究更新推送和一周汇总。

  如果你是复杂系统领域的研究者,可获得重要论文上线通知,每周获取最新顶刊论文汇总。

  如果你是复杂系统领域的学习者,可了解学界关注的前沿问题,把握专业发展脉络。

  如果你是传统的生命科学、社会科学等学科中的研究者/学习者,可以从复杂科学和跨学科研究中获得灵感启发。

  如果你是关注前沿研究发现的知识猎手,可获得复杂系统研究对自然和人类世界的最新洞见。

  Complexity Express 栏目也是集智俱乐部公众号的主要选题来源,诚挚邀请你订阅,与我们信息同步。

  考虑复杂系统研究往往属于跨学科工作,我们主要抓取综合类和泛物理类/计算机类的顶级期刊,从每周新发表的数百篇论文中精选出与复杂系统相关的论文。

  Complexity Express 参考影响因子和学者口碑,选择了如下期刊,每日爬取其论文更新:

  如果你在 Complexity Express 中发现了感兴趣的论文,请立刻“点赞”!每周最高赞的论文,集智编辑部将组织专业解读~

  我们力求兼顾热点追踪与领域覆盖,目前筛选的论文主要集中在如下与复杂性关系密切的领域:

  由于复杂性研究领域横跨多个学科,研究论文散落在不同的期刊上,很难不重不漏地把握最新工作。针对复杂性领域的论文筛选,我们专门设计了算法。经过数月的训练迭代优化,目前对上述领域爬取准确率达到90%以上。

  将来我们还会根据你的具体研究领域,推出研究分类与个性化的订阅服务,敬请期待!

  由于复杂性领域涉及的论文关键词和研究问题纷繁复杂,所以算法难免有不成熟的地方,如果你发现我们有漏掉的重要论文,或者爬到了领域有偏差的论文,欢迎联系我们 (小助手微信:swarmaAI) ,帮助我们持续优化算法。

  如果你对科学学、计算术语学等感兴趣并有代码能力,欢迎报名成为集智算法志愿者/实习生 (具体请邮件联系算法组负责人) 。

  如果你对复杂科学及相关跨学科研究有长期兴趣,并乐于解读分享,欢迎加入集智作者团队 (具体请邮件联系编辑部负责人)。

  更多复杂性顶刊论文,请到Complexity Express页面查看。订阅即可每周获取更新提醒。