XiaoMi-AI文件搜索系统
World File Search Systemnamics
基于视觉的3D移动目标的非线性动力学发现
数据驱动的理事方程发现在许多科学和工程领域都引起了重大利益。现有的研究主要集中于基于系统状态的直接测量（例如轨迹）的直接测量来揭示非线性dynamics的方程。有限的努力是针对从视频中蒸馏出的，即在3D空间中移动目标的视频。为此，我们提出了一种基于视觉的方法，可以通过一组摄像机记录的原始视频自动发现3D移动目标的非线性动力学方程。该方法由三个关键块组成：（1）一个目标跟踪模块，该模块在每个视频中提取移动目标的平面像素运动动作，（2）Rodrigues的基于旋转公式的坐标转换模块，该模块重建了3D坐标，该模块与预测的参考点和（3）基于图书馆的范围相关的3D坐标，该模块是spress-Encress-Encress-nuff the Spress-Encress of gress of gress of gress of gress of gress of sprys of gress of sprys of gress nuff spression of gress of gress of。动力学。此框架能够有效地处理与介绍数据相关的挑战，例如，视频中的噪声，不精确的跟踪导致数据缺失的目标等。通过多组综合视频考虑了不同的非线性动力学，我们的方法的功效已经证明了。
![arxiv：2405.11401v2 [eess.sy] 2024年5月24日](/simg/1\1ab1812592351ff84069368a5b9e57f623d03d24.webp)
arxiv：2405.11401v2 [eess.sy] 2024年5月24日
在过去的十年中，数据驱动的方法在受欢迎程度上激增，成为控制理论的宝贵工具。因此，控制反馈定律，系统dynamics甚至Lyapunov功能的神经网络近似都吸引了人们日益增长的关注。随着基于学习的控制的上升，对准确，快速和易于使用的基准的需求增加了。在这项工作中，我们提出了第一个基于学习的PDE边界控制的环境。在我们的基准测试中，我们引入了三个基础PDE问题 - 一维运输PDE，1D反应 - 扩散PDE和2D Navier-Stokes PDE-其求解器的求解器在用户友好的增强型健身房中捆绑在一起。在这个体育馆中，我们介绍了第一组无模型的，强化学习算法，用于解决这一系列的基准问题，达到稳定性，尽管与基于模型的PDE BackSteppping相比，成本更高。使用基准的环境和详细示例，这项工作大大降低了基于学习的PDE控制的进入的障碍 - 该主题在很大程度上没有由数据驱动的控制社区探索。整个基准标准可在GitHub上获得，并提供详细的文档，并且提供了增强的学习模型。关键字：部分微分方程控制，非线性系统，用于数据驱动控制的基准测试，增强学习
CME 572：材料先进热力学（2019 年春季）
理解热力学定律中材料的平衡性质对于物理学、化学、材料科学、化学工程、机械工程等许多学科都至关重要。在本课程中，我们将回顾统计热力学理论，这是一种概率方法，它根据材料成分（原子、分子等）的微观变量来描述材料的平衡性质。此外，我们研究热力学定律在材料平衡和性质中的应用，为处理材料中的一般现象奠定了基础，包括相变、化学反应、磁性、弹性等。在课程的前半部分，我们将探讨统计力学的基本概念和技术，它为我们提供了研究多粒子系统的理论工具。在课程的第二部分，我们将研究热力学概念在从单组分到多组分系统的相平衡、相变和相图分析中的应用。最后，我们将结合整个课程中讨论的理论工具，通过计算技术检查真实物理系统的热力学性质，包括 i) 最先进的量子力学计算机程序（例如 abinit）以探索原子的微观行为，以及 ii) 用于热力学建模的计算机程序，以获得宏观平衡状态并构建相图（例如 FactSage、Pandat）。
通过沉积DNA分析亚热带富营养湖
研究沉积档案中抗生素耐药基因（ARGS）的发生提供了重建历史（即非人性化来源）Args的分布和传播的机会。尽管在淡水环境中的ARG引起了极大的关注，但几个世纪以来几个世纪以来，多样性和丰富性的历史差异仍然很大程度上是未知的。在这项研究中，我们研究了过去600年的成谷湖沉积物中发现的细菌群落，ARG和移动遗传因素（MGE）的垂直变化模式。在保存在沉积物中的抵抗中，发现177个Args亚型，氨基糖苷和多药耐药性最丰富。上层沉积物层中的Arg丰度（等效于1940年代以来抗生素时代）低于抗生素时代期间的Arg丰度，而在后抗生体时代，ARG的多样性较高，可能是因为在最近的几十年中，人类诱导的综合疗法促进了BAC的促进和替代品的剂量。统计分析表明，MGE的丰度和细菌群落结构与ARG的丰度和多样性显着相关，这表明ARG的发生和分散性可能会通过MGE在不同细菌之间传递。我们的结果为淡水环境中ARG的自然历史提供了新的观点，对于理解暂时性的基因和ARG的传播至关重要。
Huwo：建立物理互动世界...
强化学习已被证明对人形机器人的运动有效，但是在复杂环境中实现稳定的运动仍然具有挑战性。humanoid机器人必须在导航并不断适应与环境的相互作用时保持平衡。对这些机器人环境动力学的深入了解对于实现稳定的运动至关重要。由于有特权信息，即机器人无法直接访问，以扩展可用的空间，因此先前基于强化的学习方法是从部分观察结果中重建环境信息，或者从部分观察中重建机器人染色信息，但它们从完全捕获的机器人环境相互作用的动力学中却缺乏。在这项工作中，我们提出了一个基于HU Manoid Robots（HUWO）的物理互动模型的端到端增强学习控制框架。我们的主要创新是引入物理互动世界模型，以了解机器人与环境之间的动态影响。另外，为了解决这些相互作用的时间和动态性质，我们采用了变压器-XL的隐藏层进行隐式建模。所提出的框架可以在复杂的环境（例如斜坡，楼梯和不连续的表面）中展示强大而灵活的运动能力。，我们使用Zerith 1机器人（在模拟和现实世界部署中）验证了该方法的鲁棒性，并将我们的Huwo与基线与基线进行了定量比较，并具有更好的穿越性和命令跟踪。
神经积分微分方程
从离散采样观测值建模连续动态系统是数据科学中的一个基本问题。通常，这种动态是非局部过程的结果，这些过程随时间呈现积分。因此，这些系统用积分微分方程 (IDE) 建模；微分方程的泛化，包含积分和微分分量。例如，大脑动力学不能准确地用微分方程建模，因为它们的行为是非马尔可夫的，即动态部分由历史决定。在这里，我们介绍了神经 IDE (NIDE)，这是一种基于 IDE 理论的新型深度学习框架，其中使用神经网络学习积分算子。我们在几个玩具和大脑活动数据集上测试了 NIDE，并证明 NIDE 优于其他模型。这些任务包括时间外推以及根据看不见的初始条件预测动态，我们在自由行为小鼠的全皮层活动记录上进行了测试。此外，我们表明 NIDE 可以通过学习的积分算子将动态分解为马尔可夫和非马尔可夫成分，我们在服用氯胺酮的人的 fMRI 脑活动记录上进行了测试。最后，积分算子的被积函数提供了一个潜在空间，可以洞察底层动态，我们在广域脑成像记录上证明了这一点。总之，NIDE 是一种新颖的方法，它能够使用神经网络对复杂的非局部动态进行建模。
既见森林又见树木：使用 transformer 构建个体和集体动态的表示
复杂的时变系统通常通过从单个组件的动态中抽象出来，从一开始就构建种群水平动态模型来研究。然而，在构建种群水平描述时，很容易忽略每个个体以及每个个体对大局的贡献。在本文中，我们提出了一种新颖的 Transformer 架构，用于从时变数据中学习，该架构构建了个体和集体种群动态的描述。我们不是一开始就将所有数据组合到模型中，而是开发了一种可分离的架构，该架构首先对单个时间序列进行操作，然后再将它们传递下去；这会产生置换不变性，可用于在不同大小和顺序的系统之间进行传输。在证明我们的模型可以成功恢复多体系统中的复杂相互作用和动态之后，我们将我们的方法应用于神经系统中的神经元群体。在神经活动数据集上，我们表明我们的多尺度 Transformer 不仅具有强大的解码性能，而且还提供了令人印象深刻的传输性能。我们的结果表明，有可能从一种动物大脑中的神经元中学习，并将模型转移到另一种动物大脑中的神经元上，并且可以解释不同集合和动物之间的神经元对应关系。这一发现开辟了一条从大量神经元集合中进行解码和表示的新途径。
自组织，自动启动和远程动力学-DADUN
摘要在最近几十年中，几种理论声称解释了生物的目的论因果关系，这是自组织和自我产生过程的函数。这种最广泛引用的理论是自动载体的变体，最初是由Maturana和Varela引入的。对自动理论的最新修改重点是系统组织，关闭约束和自治，以说明生物目的论。本文认为，在自动峰和其他组织理论中对目的论的治疗尚无定论，原因有三个：首先，无生命的自组织过程（例如自催化）符合自动植物的定义特征而不是目的论；其次，组织方法，无论是根据约束，自我确定或自治而定义的，都无法指定目的论规范性，即最终受益人的个性化；第三，所有自组织的系统通过最大化能量和/或材料的吞吐量（遵守最大熵产生（MEP）原理），从而产生局部秩序，从而专门组织以理解自己的关键边界条件。尽管有这些不足，但一种替代方法称为Teledody-Namics用于目的论。该理论表明了如何共同链接多个自组织的过程，以便它们对抗彼此的MEP原理倾向，以相互依存。远程动力学拥抱而不是忽略 - 自我组织的困难，但将目的论恢复为一种激进的阶段过渡，以区分体现了对自己的有益目的的方向与缺乏规范性特征的方向。
AsiDNA 治疗期间肿瘤细胞的进化导致能量耗尽，对信号的响应性降低，对药物的敏感性增加
Bacevic, K., Noble, R., Soffar, A., Wael Ammar, O., Boszonyik, B., Prieto, S., … Fisher, D. (2017)。空间竞争限制了对靶向癌症治疗的抵抗力。自然通讯，8 (1):1995。Beauchamp, G., & Ruxton, GD (2007)。误报和反捕食者警惕性的进化。动物行为，74 (5), 1199–1206。Croset, A., Cordelieres, FP, Berthault, N., Buhler, C., Sun, JS, Quanz, M., & Dutreix, M. (2013)。通过使用 siDNA 人工激活 PARP 来抑制 DNA 损伤修复。核酸研究，41 (15), 7344–7355。 Cunningham, JJ、Gatenby, RA 和 Brown, JS (2011)。癌症治疗中的进化动力学。分子药剂学，8 (6)，2094–2100。Gatenby, R. 和 Brown, J. (2018)。癌症治疗中耐药性的进化和生态学。冷泉港医学展望，8 (3)，a033415。Gatenby, RA、Brown, J. 和 Vincent, T. (2009)。应用生态学的经验教训：使用进化双重约束控制癌症。癌症研究，69 (19)，7499–7502。Gillies, RJ、Verduzco, D. 和 Gatenby, RA (2012)。致癌作用的进化动力学以及靶向治疗不起作用的原因。自然癌症评论，12 (7)，487–493。 Herath, NI, Berthault, N., Thierry, S., Jdey, W., Lienafa, MC, Bono, F., … Dutreix, M. (2019)。DNA 修复抑制剂 Olaparib 和 AsiDNA 在治疗卡铂耐药肿瘤中的疗效和毒性的临床前研究。肿瘤学前沿，9，1097。Holohan, C.、Van Schaeybroeck, S.、Longley, DB 和 Johnston, PG (2013)。癌症药物耐药性：一种不断发展的范式。自然评论癌症，13 (10)，714–726。Jdey, W.、Kozlak, M.、Alekseev, S.、Thierry, S.、Lascaux, P.、Girard, PM, … Dutreix, M. (2019)。 AsiDNA 治疗可诱导累积抗肿瘤功效，且获得性耐药概率较低。肿瘤形成，21 (9)，863–871。Jdey, W.、Thierry, S.、Popova, T.、Stern, MH 和 Dutreix, M. (2017)。肿瘤中的微核频率是遗传不稳定性以及对 DNA 修复抑制剂 AsiDNA 敏感性的预测生物标志物。癌症研究，77 (16)，4207–4216。Jdey, W.、Thierry, S.、Russo, C.、Devun, F.、Al Abo, M.、Noguiez-Hellin, P.、……Dutreix, M. (2017)。药物驱动的合成致死：使用 AsiDNA 和 PARP 抑制剂组合绕过肿瘤细胞遗传学。 Clinical Cancer Research，23 (4), 1001–1011。Kam, Y., Das, T., Tian, H., Foroutan, P., Ruiz, E., Martinez, G., & Gatenby, RA (2015)。付出却没有收获：使用“替代药物”抑制多药耐药癌细胞的增殖。International Journal of Cancer，136 (4), E188–E196。
预赛：世界模型预培训具有可学习的动作表示
摘要。基于模型的强化学习学习以学习决策的最新技术是通过建立有关环境染色体的世界模型来做出决策的。世界模型学习需要与真实环境进行广泛的互动。因此，从大规模视频中提出的几种创新方法，例如APV提出了无监督的预先培训模型，从而使更少的交互作用可以很好地调整世界模型。但是，这些方法仅将世界模型作为一个没有动作条件的视频预测模型预先训练，而最终世界模型则是动作条件。此差距限制了无监督的预训练的有效性，以增强世界模型的能力。为了进一步释放无监督的预训练的潜力，我们引入了一种方法，该方法可以预先培训世界模型，但可以从无动作视频中使用，但具有可学习的动作表示（PRELAR）。特定的是，两个相邻时间步骤的观察结果被编码为一种不断的动作表示，世界模型被预先训练为行动条件。为了使隐式动作表示更接近真实的行动，动作状态的一致性损失旨在自我监督其优化。在微调过程中，实际动作被编码为训练整个世界模型的下游任务的动作表示形式。从元世界仿真环境中对各种视觉控制任务进行了评估。代码可以在https://github.com/zhanglixuan0720/prelar结果表明，拟议的预赛显着提高了世界模型学习中的样本效率，证明了在世界模型预训练中进行不合转行动的必要性。