XiaoMi-AI文件搜索系统
World File Search SystemTractable
讲座4 - 扩散模型简介
歌曲和Ermon指出，现有模型具有重大局限性：“基于可能性的模型要么需要对模型架构进行强限制，以确保可拖动的归一化常规常量以进行可能性计算，要么必须依靠代孕目标来近似最大的可能性训练。隐性生成模型通常需要对抗训练，众所周知，这是不稳定的，可能导致模式崩溃”。归一化常规，不稳定性和模式崩溃已经是显式密度文献采样多年来所处理的主要计算问题。在这里，我们介绍了另一种表示概率分布的方式
Jens Kober强化学习机器人控制
强化学习已成为实现高级机器人控制的最突出的范式之一。一个典型的例子是在具有挑战性的地形上对四足动物的运动，通过RL学到的政策现在正在使用商业机器人平台发货。然而，机器人RL面临特定的挑战，因为它们的物理实施例收集了大量现实的交互数据是不可能的。为了渲染机器人增强学习，可以以各种方式整合先前的信息，从模拟（SIM2REAL），人类演示或校正到生成模型（例如LLMS）。
人体组织的单细胞 RNA 测序支持成功的药物靶点
及早表征与疾病相关的药物靶标可以大大减少由于缺乏安全性或有效性而导致的临床失败。对人体组织进行单细胞 RNA 测序 (scRNA-seq) 在疾病分析中变得越来越普遍，从这些数据中获得的见解可能会影响靶标选择策略。虽然使用 scRNA-seq 了解靶标生物学已经很成熟，但单细胞数据在增加候选治疗靶标从研究成功推进到临床的概率方面的影响尚未得到充分表征。受先前关于遗传证据与临床成功之间关联的研究的启发，我们使用了已知药物靶标基因的回顾性分析，以从 scRNA-seq 数据中识别靶标临床成功的潜在预测因素。特别是，我们调查了成功的药物靶标是否与与健康对照者相比，疾病患者中疾病相关组织（细胞类型特异性）或细胞类型特异性过度表达（疾病细胞特异性）。通过分析 30 种疾病和 13 种组织的 scRNA-seq 数据，我们发现两种类型的 scRNA-seq 支持显著增加了基因-疾病对临床成功的几率。我们估计，两者结合起来可以使目标进入 III 期的几率增加约三倍。重要的是，scRNA-seq 分析确定了一个与直接遗传证据互补的大型靶标空间。特别是，scRNA-seq 支持更有可能优先考虑治疗上可处理的基因类别，例如膜结合蛋白。我们的研究表明，scRNA-seq 获得的有关细胞类型和疾病特异性表达的信息可用于识别可处理和疾病相关的靶标，从而提高临床成功的可能性。
网站：https://www.arl.army.mil/HTMDEC 高通量...
基于规则的人工智能 (AI) 和机器学习 (ML) 工具为探索信息格局提供了强大的途径，以发现用于极端条件（例如高应变率、高 g 负载、高温）的新材料。这些方法为探索用于防护和杀伤力应用的材料的新领域提供了巨大的机会，尤其是当与允许更大、更丰富的数据集、计算工具和数据基础设施进行协作的新方法相结合时。广义上讲，AI/ML 可用于增强合成-加工-表征流程中的各个步骤，用于规模桥接以从更易处理的实验方法中提取更多信息，并用于指导更广泛的研究循环。
使用通过进化枝概率参数的树分布进行精确的贝叶斯系统发育点估计
使用MCMC算法的贝叶斯系统发育分析产生了以系统发育树和相关参数样本形式的系统发育树的poserior分布。树空间的高维度和非欧几里得性质使总结树空间中后验分布的核心趋势和方差复杂。在这里，我们介绍了一个可从树的后部样本构建的可构造的新的树木分布和相关的点估计器。通过模拟研究，我们表明，这一点估计器的性能也至少要比产生贝叶斯后摘要树的标准方法更好。我们还表明，执行最佳的摘要方法取决于样本量和以非平凡的方式的尺寸 - 问题。
在人类血吸虫曼氏血吸虫的基因安全港进行定向插入和报告转基因活性
基因组安全港位点 (GSH) 的识别和表征旨在促进一致的转基因活动而不破坏宿主细胞基因组。我们结合基因组注释和染色质结构分析，通过计算方法预测四种 GSH 在人类血吸虫曼氏血吸虫（一种热带地区的主要传染性病原体）中的位置。使用 CRISPR/Cas 辅助的同源定向修复和重叠向导 RNA 将转基因引入寄生虫的卵中。观察到基因编辑效率为 24%，75% 的基因编辑血吸虫卵具有转基因编码荧光。这些结果通过提供一条使用同源定向修复催化转基因插入的转基因蠕虫的可处理途径，推动了血吸虫功能基因组学的发展。这种方法应该普遍适用于蠕虫。
改进的能量对比发散训练......
对比散度是一种常用的基于能量的模型训练方法，但众所周知，它在训练稳定性方面存在困难。我们提出了一种改进对比散度训练的改进方法，即仔细研究一个难以计算且经常为了方便而被忽略的梯度项。我们表明，这个梯度项在数值上是显著的，在实践中对于避免训练不稳定很重要，同时易于估计。我们进一步强调了如何使用数据增强和多尺度处理来提高模型的鲁棒性和生成质量。最后，我们通过实证评估了模型架构的稳定性，并在一系列基准测试和用例（如图像生成、OOD 检测和组合生成）上展示了改进的性能。
