論文の概要: The rationality of radical pair mechanism in real biological systems

• arxiv url: http://arxiv.org/abs/2512.05974v1
• Date: Tue, 25 Nov 2025 11:30:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 04:16:52.485853
• Title: The rationality of radical pair mechanism in real biological systems
• Title（参考訳）: 実生物系におけるラジカル対機構の合理性
• Authors: Xiaoyu Chen, Haibin Liu, Jianming Cai,
• Abstract要約: 化学磁気コンパスモデルにおけるラジカルペア機構(RPM)は、鳥の磁気ナビゲーションの最も有望な候補の一つであると考えられている。 実験室条件および生体条件下でのRPMモデルとRamsey様モデルとの比較を行った。
• 参考スコア（独自算出の注目度）: 4.993833343728916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The radical pair mechanism (RPM) in the chemical magnetic compass model is considered to be one of the most promising candidates for the avian magnetic navigation, and quantum needle phenomenon further boosts the navigation precision to a new high level. It is well known that there are also a variety of methods in the field of magnetic field sensing in laboratory, e.g. Ramsey protocol of NV centers in diamond. Here, we compare the RPM model and Ramsey-like model under laboratory conditions and under in vivo conditions respectively. The results are both surprising and reasonable. Under laboratory conditions, if we have precise control over time and a reasonably accurate prior knowledge of the magnetic field direction, the Ramsey-like model will outperform the RPM model. However, when such information is unavailable, as under in vivo conditions, the RPM model stands out. The RPM model achieves greater practicality at the cost of reduced accuracy.
• Abstract（参考訳）: 化学磁気コンパスモデルにおけるラジカルペア機構(RPM)は、鳥の磁気航法において最も有望な候補の1つと考えられており、量子針現象は航法精度をさらに新しい高レベルへと引き上げる。 実験室での磁場検出の分野では、ダイヤモンド中のNV中心のラムゼープロトコルなど、様々な方法が知られている。 本稿では,実験室条件下でのRPMモデルと実験室条件下でのRamsey様モデルを比較した。 結果は驚きと合理的だ。 実験室条件下では、時間的精密な制御と磁場方向の精度の高い事前知識が得られれば、ラムゼー様モデルはRPMモデルよりも優れる。 しかし、生体内状態のようにそのような情報が利用できない場合、RPMモデルは顕著である。 RPMモデルは精度の低下を犠牲にしてより大きな実用性を達成する。

関連論文リスト

• Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
  本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。 本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。 実験の結果,本手法は他の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-05T07:09:19Z)
• Global-local Fourier Neural Operator for Accelerating Coronal Magnetic Field Model [17.256941005824576]
  FNOの2つの分岐を含むグローバルローカルフーリエニューラル演算子(GL-FNO)を提案する。 GLFNOの性能は、FNO、U-NO、U-FNO、Vision Transformer、CNN-RNN、CNN-LSTMといった最先端のディープラーニング手法と比較される。 その結果、GL-FNOはMHDシミュレーションを加速するだけでなく、信頼性の高い予測能力も提供し、宇宙気象力学の理解に大きく貢献することが示された。
  論文  参考訳（メタデータ） (2024-05-21T13:04:53Z)
• Magnomechanical backaction corrections due to coupling to higher order Walker modes and Kerr nonlinearities [0.0]
  磁石中のマグノンとフォノンの間の放射圧のような結合は、フォノン周波数と崩壊率を変化させることができる。 このような効果は、磁気圏の均一なマグノンモード(キッテルモード)をマイクロ波空洞に結合することで最近観察されている。
  論文  参考訳（メタデータ） (2023-01-27T18:59:59Z)
• CoRRECT: A Deep Unfolding Framework for Motion-Corrected Quantitative R2* Mapping [9.783361575598025]
  CoRRECTは、定量的MRI(qMRI)のための統合深部展開(DU)フレームワークである モデルベースのエンドツーエンドニューラルネットワーク、モーションアーティファクトリダクションの方法、自己教師型学習スキームで構成されている。 実験で収集したmGRE(Multi-Gradient-Recalled Echo) MRIデータから,CoRRECTは高速な取得設定で動きと不均一なアーチファクトのないR2*マップを復元することを示した。
  論文  参考訳（メタデータ） (2022-10-12T15:49:51Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。