XiaoMi-AI文件搜索系统
World File Search SystemlaTent
通过潜在扩散生成低音伴奏
自动生成与任意输入音轨适当匹配的音乐是一项具有挑战性的任务。我们提出了一种新颖的可控系统，用于生成单个词干以伴随任意长度的音乐混音。我们方法的核心是音频自动编码器，它可以有效地将音频波形样本压缩为可逆的潜在表示，以及一个条件潜在扩散模型，该模型将混音的潜在编码作为输入并生成相应词干的潜在编码。为了控制生成样本的音色，我们引入了一种技术，在扩散采样期间将潜在空间固定在用户提供的参考风格上。为了进一步提高音频质量，我们采用无分类器引导，以避免在生成无界潜在空间时在高引导强度下出现失真。我们在混音对和匹配低音词干的数据集上训练我们的模型。定量实验表明，给定输入混音，所提出的系统可以生成具有用户指定音色的低音线。我们的可控条件音频生成框架代表着在创建生成性人工智能工具以协助音乐家进行音乐创作方面迈出了重要一步。
在潜在空间上实施稀疏性，以促进可靠和可解释的表示
最近，密集的潜在变量模型已显示出令人鼓舞的结果，但是它们的分布式和潜在的代码使它们降低了易于解释，并且对噪声的影响较低。另一方面，稀疏表示更为简约，提供了更好的解释性和噪声稳健性，但是由于涉及的复杂性和计算成本，很难实现稀疏性。在此过程中，我们提出了一种新颖的无监督学习方法，以利用逐渐稀疏的尖峰和平板分布作为我们的先验，以在发电机模型的潜在空间上强化稀疏性。我们的模型由自上而下的发电网络组成，该网络将潜在变量映射到观测值。我们使用最大似然采样来推断发电机后方向的潜在变量，并且推理阶段的尖峰和平板正则化可以通过将非信息性潜在维度推动到零来引起稀疏性。我们的实验表明，学到的稀疏潜在表示保留了大多数信息，我们的模型可以学习解开的语义，并赋予潜在代码的解释性，并增强分类和denosing任务的鲁棒性。
生成潜在扩散语言建模产生反...
生成人工智能（AI）为肽设计提供了强大的途径，但是由于庞大的序列空间，复杂的结构 - 活性关系以及平衡抗菌效力和低毒性的需求，此过程仍然具有挑战性。传统方法通常依赖于试验筛选，并且无法有效浏览潜在序列的巨大多样性。在这里，我们介绍了AMP-Diffusion，这是一种使用蛋白质语言模型的嵌入在抗菌肽（AMP）序列上微调的潜在潜扩散模型。通过系统地探索序列空间，AMP扩散可以快速发现有希望的抗生素候选物。我们生成了50,000个候选序列，随后使用我们的APEX预测模型对其进行过滤和排名。从这些过程中，合成了46位顶级候选人并通过实验验证。所得的AMP扩散肽表现出广泛的抗菌活性，靶向临床相关的病原体（包括多药抗性菌株），而人类细胞分析中的细胞毒性较低。机械研究表明，通过膜通透性和去极化进行细菌杀死，肽显示出良好的物理化学特征。在感染的临床前小鼠模型中，铅肽有效地减轻了细菌负担，表现出与多粘蛋白B和Levofloxacin相当的功效，没有可检测到的不良影响。这项研究强调了AMP扩散是设计新型抗生素和生物活性肽的强大生成平台的潜力，提供了一种有希望的策略来解决抗菌耐药性升级的挑战。
在covid- ...
健康的生活方式行为的结合，例如进行定期体育锻炼，吃健康的饮食以及获得足够的睡眠，可以增强心理健康，预防疾病和延长寿命[1-4]。不健康的生活方式行为与美国的死亡率增加有关[5-7]。除了能力或动力外，压力是缺乏预防健康行为和认可负面生活方式行为（包括药物使用）的普遍报道的原因[7-10]。酒精使用障碍（AUD）是一种精神病，影响了1410万美国成年人[11]。这是美国第三大预防死亡原因，每年的费用约为2490亿美元[12，13]。感知到的压力和焦虑已与患有有问题的酒精使用史的人的饮酒风险和复发有关[10，14 - 19]。在高压力时期，具有AUD历史的人可能会更脆弱，因为他们的积极应对技巧可能不发达，从而导致采用负面应对策略和不健康的生活方式行为。COVID-19大流行是一次重大的公共卫生危机，对美国境内和全球个人的压力很大[20-22]。大流行导致普通人群中个人的生活方式改变，无论好坏。时间可用性，财务稳定性和心理困扰的变化加剧了对健康行为指南的坚持[23，24]。围绕Covid-19 Impact的许多新兴研究都研究了对负面应对行为的认可[8，23，25 - 28]的锁定和增长的负面影响。大流行有关的压力与孤独感，心理健康问题和饮酒的报道有关[20-22，25，29 - 31]。在pan菜期间采用或维持更健康生活方式的个人更有可能体验更好的身心健康结果[8，23，32]。尽管在大流行期间的压力与酒精行为之间的联系已得到充分记录，但相对较少的研究检查了对健康促进行为的利用及其对心理健康的影响，尤其是在有AUD史的人中[17，33，34]。积极的应对行为是用于处理心理困扰的自发行为，除了在短期内提供某些情绪调节外，随着时间的流逝，他们的身心健康受益[35，36]。在2020年4月至5月在西班牙和巴西进行的一项研究中，de Boni及其同事发现，危险饮酒与多种生活方式领域有关，例如饮食，体育锻炼，睡眠，社会支持和环境行为，突显了了解心理健康和酒精含量培养的成果的重要性[37]。潜在类别分析（LCA）是一种以人为中心的方法，已被用来检查与工业相关的压力源和经验的不同模式，包括与工作有关的
像素：基于潜在手术的基于Xemplar的渐进图像
语言引导的图像编辑扩散模型的最新进展通常由繁琐的及时工程设计，以精确表达所需的更改。从野外图像示例中对指导的直观替代呼吁，可以帮助用户将他们想象中的编辑栩栩如生。基于现代示例的编辑方法回避利用预先现有的大型文本对图像（TTI）模型所学到的丰富潜在空间，并以精心策划的目标功能来重新接受培训以完成任务。尽管有些有效，但这需要重要的构成资源，并且缺乏与不同的基本模型和任意示例计数的兼容性。在进一步研究中，我们还发现这些技术将用户控制限制在整个编辑区域中仅应用统一的全球变化。在本文中，我们介绍了一个新颖的框架，用于使用现成的扩散模型（称为像素）进行典范驱动的编辑，以通过对编辑进行粒状控制，从而在像素或区域水平上进行调整，从而实现自定义。我们的方法仅在插入期间运行，以促进模仿编辑，使用户能够从动态数量的参考图像或多模式提示中汲取灵感，并逐步合并所有变化，而无需重新调整或调整现有TTI模型。这种细粒度控制的能力开辟了一系列新的可能性，包括对单个对象的选择性修改和指定逐渐的空间变化。我们证明，像素可以很好地编辑高质量的编辑，从而显着改善了定量指标和人类评估。通过使高质量的图像编辑更易于访问，Pixels有可能在易于使用任何开源图像生成模型的情况下向更广泛的受众提供专业级的编辑。
通过调整潜在动力学来稳定脑机接口
摘要 皮层内脑机接口 (iBCI) 通过将大脑活动转化为外部设备的控制信号，恢复瘫痪患者的运动功能。在当前的 iBCI 中，神经接口的不稳定性会导致解码性能下降，这需要使用新的标记数据进行频繁的监督重新校准。一种潜在的解决方案是使用神经群体活动背后的潜在流形结构来促进大脑活动和行为之间的稳定映射。最近使用无监督方法的努力利用这一原理提高了 iBCI 稳定性；然而，现有方法将每个时间步视为独立样本，不考虑潜在动态。动态已被用于实现对运动意图的高性能预测，也可能有助于提高稳定性。在这里，我们提出了一个非线性流形与动态对齐 (NoMAD) 平台，它使用动态的循环神经网络模型来稳定 iBCI 解码。 NoMAD 使用无监督分布对齐将非平稳神经数据的映射更新为一组一致的神经动态，从而为 iBCI 解码器提供稳定的输入。在应用于从猴子运动皮层收集的运动任务数据时，NoMAD 能够在数周至数月的时间内以无与伦比的稳定性实现准确的行为解码，而无需任何监督重新校准。
潜伏性结核病感染：初级保健指南......
结核病 (TB) 是由一种名为结核分枝杆菌 (M. tuberculosis) 的细菌引起的。并非所有感染结核病菌的人都会患病。因此，存在两种与结核病相关的疾病：潜伏性结核感染 (LTBI) 和结核病。据估计，美国有多达 1300 万人患有 LTBI。患有 LTBI 的人感染了结核分枝杆菌，但没有结核病。患有 LTBI 的人没有结核病的体征和症状，也不会将结核分枝杆菌传播给他人。虽然并非所有患有 LTBI 的人都会患上结核病，但如果不接受 LTBI 治疗，大约 5-10% 的感染者会在其一生中患上结核病。
潜伏性结核病感染：初级保健指南......
结核病 (TB) 是由一种名为结核分枝杆菌 (M. tuberculosis) 的细菌引起的。并非所有感染结核病菌的人都会患病。因此，存在两种与结核病相关的疾病：潜伏性结核感染 (LTBI) 和结核病。据估计，美国有多达 1300 万人患有 LTBI。患有 LTBI 的人感染了结核分枝杆菌，但没有结核病。患有 LTBI 的人没有结核病的体征和症状，也不会将结核分枝杆菌传播给他人。虽然并非所有患有 LTBI 的人都会患上结核病，但如果不接受 LTBI 治疗，大约 5-10% 的感染者会在其一生中患上结核病。
揭示推向前向生成模型的潜在空间几何
抽象的许多深层生成模型被定义为持续生成器的高斯度量的推动，例如生成的对抗网络（GAN）或变化自动编码器（VAE）。这项工作探讨了这种深层生成模型的潜在空间。这些模型的关键问题是他们在学习断开分布时在目标分布支持之外输出样本的趋势。我们研究了这些模型的性能与它们潜在空间的几何形状之间的关系。基于几何度量理论的最新发展，在潜在空间的尺寸大于模式数量的情况下，我们证明了最佳条件的最佳条件。通过对gan的实验，我们证明了我们的理论结果的有效性，并获得了对这些模型潜在空间几何形状的新见解。此外，我们提出了一种截断方法，该方法在潜在空间中强制执行简单的聚类结构并改善gan的性能。