XiaoMi-AI文件搜索系统
World File Search System求逆
grnade：3D RNA逆设计的几何深度学习
计算RNA设计任务通常被提出为反问题，其中设计序列是基于采用单个所需的二级结构而不考虑3D几何和构象多样性的。我们介绍了Grnade，这是在3D RNA骨干上运行的G型RNA de标志管道，以设计明确解释结构和动力学的序列。在引擎盖下，Grnade是一个多状态图神经网络，它在一个或多个3D主干结构上生成候选RNA序列，在该结构中，碱的身份未知。在单态固定骨架上，来自Das等人鉴定的PDB的14个RNA结构的重新设计基准。[2010]，与罗塞塔（Rosetta）相比，Grnade获得了更高的天然序列恢复率（平均为56％）（平均45％），与Rosetta报道的小时相比，要花一秒钟的时间才能产生设计。我们进一步证明了Grnade在用于结构柔性RNA的多状态设计的新基准上的实用性，以及对最近的RNA聚合酶核酶结构的回顾性分析中突变适应性景观的零摄像排名。
解决心脏数字孪生的心电图逆问题：一项综述
摘要 — 心脏数字孪生 (CDT) 是用于理解复杂心脏机制的个性化虚拟表示。CDT 开发的一个关键部分是解决 ECG 逆问题，这使得能够从体表 ECG 数据中重建心脏源并估计患者特定的电生理 (EP) 参数。尽管存在复杂的心脏解剖结构、嘈杂的 ECG 数据和逆问题的病态性质等挑战，但计算方法的最新进展极大地提高了 ECG 逆推理的准确性和效率，增强了 CDT 的保真度。本文旨在全面回顾解决 ECG 逆问题的方法、它们的验证策略、它们的临床应用及其未来前景。对于方法，我们大致将最先进的方法分为两类：确定性方法和概率方法，包括传统技术和基于深度学习的技术。将物理定律与深度学习模型相结合具有良好的前景，但诸如准确捕捉动态电生理学、获取准确的领域知识以及量化预测不确定性等挑战仍然存在。将模型集成到临床工作流程中，同时确保医疗专业人员的可解释性和可用性至关重要。克服这些挑战将推动 CDT 的进一步研究。
利用逆对接指纹重新利用 SARS-CoV-2 药物
严重急性呼吸综合征冠状病毒 2 或 SARS-CoV-2 是一种属于冠状病毒科的病毒。这类病毒通常会引起感冒，但具有巨大的致病潜力。在人类中，由 SARS-CoV 病毒引起的 SARS 疫情于 2003 年首次报道，随后 2012 年，中东呼吸综合征冠状病毒 (MERS-CoV) 导致中东呼吸综合征 (MERS) 疫情爆发。此外，COVID-19 是一个严重的社会经济和全球健康问题，已夺走了 400 多万人的生命。迄今为止，只有少数几种治疗方法可以对抗这种疾病，而且只有一种直接作用的抗病毒药物，即有条件批准的瑞德西韦。由于迫切需要针对 SARS-CoV-2 的有效药物，药物再利用策略是实现这一目标的最快方法之一。进行了一项使用两种方法的计算机模拟药物再利用研究。对 FDA 批准的 SARS-CoV-2 主蛋白酶药物数据库进行了基于结构的虚拟筛选，并确定了 11 种具有已知 3CL pro 活性的得分最高的化合物，同时使用该方法报告了另外 11 种潜在的全新 3CL pro 抑制剂。然后，对整个病毒蛋白数据库以及冠状病毒科蛋白子集进行逆分子对接，以详细检查命中化合物。不是进行靶向筛选，而是为每种命中化合物以及作为对照的五种最常报告和直接作用的再利用药物生成逆对接指纹。通过这种方式，检查和比较了靶向命中空间，我们可以支持对所有 11 种新报告的 SARS-CoV-2 3CL pro 命中化合物进行进一步的生物学评估，并建议对抗蠕虫类成员化合物进行进一步的深入研究。作者承认该方法对于未来成熟的逆对接指纹筛选具有普遍的实用性。
ccdpm：逆设计的连续条件扩散概率模型
工程设计方法旨在生成满足所需性能要求的新设计。过去的工作已直接将有条件的生成对抗网（CGAN）引入了这一领域，并在单点设计问题中获得了有希望的结果（一个在一个工作条件下的性能要求）。但是，这些方法假设性能要求分布在分类空间中，这在这些scenarios中是不合理的。尽管连续有条件的gan（CCGANS）引入了阴性风险最小化（VRM），以减少该假设造成的绩效损失，但它们仍然面临以下挑战：1）CCGANS无法处理多点设计问题（在多个工作条件下的多个绩效要求）。2）由于阴道损失的高计算复合物，他们的训练过程是耗时的。为了解决这些问题，提出了一个连续的条件扩散概率模型（CCDPM），第一次将扩散模型引入工程设计区域，将VRM引入扩散模型。ccdpm采用一种称为多点设计抽样的新型抽样方法来处理多点设计概率。此外，在CCDPM的训练过程中，使用K-D树来缩短替代损失的计算时间，并将训练过程加快了2-300次。关于合成问题和三个实现世界设计问题的实验表明，CCDPM的表现优于最先进的GAN模型。
集成光子设备的逆设计的最新进展：方法和应用
摘要。光子综合电路（图片）吸引了人们对高数据速率通信和高性能计算的有希望的平台。对于图片，带有兼容材料，紧凑型足迹，高温和复杂功能的光子设备是必要的构件。设计优化为目标应用程序和要求实施此类设备至关重要。在这方面，逆设计方法（包括迭代优化和深度神经网络）与传统的基于基于仿真的试验和错误优化方法相比具有显着优势。我们概述了集成光子设备的逆设计的最新进度。呈现和讨论逆设计方法的原理和过程，然后摘要在不同集成光子材料平台中用于特定集成光子设备所采用的方法。最后，讨论了将来的应用程序和逆设计方法的制造约束的主题。
从LLM对齐的示范中学习的逆增强学习
对齐大语言模型（LLMS）正在提高其安全性和实用性。，现有方法主要基于偏爱的数据集，面临噪音标签，高注释成本和隐私性征服等挑战。在这项工作中，我们引入了示范（AFD）的一致性，这是一种新型的方法，掌握了高质量的演示数据以克服这些挑战。我们在一个顺序的决策框架内将AFD形式化，这强调了其缺失奖励的独特挑战。从前进和逆增强学习中汲取见解，我们引入了AFD的分歧最小化目标。在分析上，我们阐明了各种方法的质量覆盖和寻求模式，并解释了某些方法何时以及为什么较高的方法。实际上，我们提出了一种计算有效的算法，该算法通过针对AFD的量身定制奖励模型进行推断。我们通过实验无害和有用的任务来验证我们的关键见解，在保持简单性的同时证明了它们的强大经验表现。
基于迭代加权范数的机载扫描雷达超分辨成像快速总变分方法
摘要：全变分（TV）方法已被用于实现机载扫描雷达在保持目标轮廓的超分辨成像。迭代重加权范数（IRN）方法是一种通过求解一系列最小加权L2范数问题来处理最小Lp范数问题的算法，已被用于求解TV范数。然而，在求解过程中，IRN方法每次迭代都需要更新权重项和结果项，涉及大矩阵的乘法和求逆，计算量巨大，严重制约了TV成像方法的应用。本文通过分析迭代过程中涉及矩阵的结构特点，提出了一种基于适当矩阵分块的高效方法，将大矩阵的乘法和求逆转化为多个小矩阵的计算，从而加速算法。所提方法称为IRN-FTV方法，比IRN-TV方法更节省时间，尤其适用于高维观测场景。数值结果表明，所提出的IRN-FTV方法具有较好的计算效率，且性能没有下降。
