XiaoMi-AI文件搜索系统
World File Search Systempik
脉冲神经网络的并行集群架构
脉冲神经网络 (SNN) 是神经形态计算的一个分支，目前在神经科学应用中用于理解和建模生物大脑。SNN 还可能用于许多其他应用领域，例如分类、模式识别和自主控制。这项工作提出了一个高度可扩展的硬件平台 POETS，并使用它在大量并行和可重构的 FPGA 处理器上实现 SNN。当前系统由 48 个 FPGA 组成，提供 3072 个处理核心和 49152 个线程。我们使用该硬件实现了多达四百万个神经元和一千个突触。与其他类似平台的比较表明，当前的 POETS 系统比 Brian 模拟器快二十倍，比 SpiNNaker 快至少两倍。
2 BNT162B2疫苗剂量后SARS-COV-2尖峰抗体的强衰变和对疗养院居民第三剂的高抗体反应
Hubert Blain，Edouard Tuaillon，Lucie Gamon，Amandine Pisoni，StéphanieMiot等。在2 BNT162B2疫苗剂量和高抗体反应后，SARS-COV-2尖峰抗体的强衰减很大。美国医疗董事协会期刊，2022，23（5），pp.750-753。10.1016/j.jamda.2022.02.006。hal-03760314
今年圣诞节会出现新冠疫情浪潮、高峰还是低谷？这取决于你住在哪里
例如，如果您要拜访年长的亲戚或免疫系统较弱的人，如果您有呼吸道症状，请谨慎。优质口罩和使用 RAT 测试仍然是一种选择。无论您的症状如何，聚集在通风良好的房间（或室外）都会降低您感染和感染他人的机会。
Hines, Adam D.、Stratton, Peter G.、Milford, Michael 和 Fischer, Tobias (2024) VPRTempo：一种用于视觉的快速时间编码脉冲神经网络
摘要 — 脉冲神经网络 (SNN) 凭借其潜在的节能、低延迟和持续学习能力，处于神经形态计算的前沿。虽然这些功能非常适合机器人任务，但迄今为止，SNN 在该领域的应用有限。这项工作引入了一种用于视觉位置识别 (VPR) 的 SNN，它既可以在几分钟内训练，又可以在几毫秒内查询，非常适合部署在计算受限的机器人系统上。我们提出的系统 VPRTempo 使用抽象的 SNN 克服了训练和推理时间缓慢的问题，该 SNN 以生物现实性换取效率。VPRTempo 采用时间代码，根据像素的强度确定单个脉冲的时间，而之前的 SNN 则依赖于确定脉冲数量的速率编码；将脉冲效率提高了 100% 以上。 VPRTempo 使用脉冲时间依赖性可塑性和监督增量学习规则进行训练，强制每个输出脉冲神经元只对一个位置做出反应。我们在 Nordland 和 Oxford RobotCar 基准定位数据集上评估了我们的系统，这些数据集包含多达 27,000 个位置。我们发现 VPRTempo 的准确性与之前的 SNN 和流行的 NetVLAD 位置识别算法相当，同时速度快几个数量级，适合实时部署 - CPU 上的推理速度超过 50 Hz。VPRTempo 可以作为在线 SLAM 的环路闭合组件集成到资源受限的系统（例如太空和水下机器人）上。
Terabrain项目：在标准计算机硬件上模拟数十亿个尖峰神经元
摘要 - 我们描述了一种计算体系结构，能够使用配备有M2处理器的普通Apple MacBook Air模拟数十亿个尖峰神经元的网络，24 GB的芯片统一内存和4TB固态磁盘。我们使用基于事件的传播方法，该方法在每个处理周期中处理系统中M神经元的N尖峰数据包。每个神经元具有C二进制输入连接，其中C可以为128或更多。在传播阶段，我们将激活的N神经元的所有靶标的激活值增加。在第二步中，我们使用激活值的直方图来确定即时的触发阈值，并选择将在下一个数据包中发射的N神经元。我们注意到，这种主动选择过程可能与大脑中的振荡活动有关，这可能具有固定在每个周期上发射的神经元百分比的功能。至关重要的是，绝对没有对体系结构的限制，因为每个神经元都可以直接与其他神经元建立联系，从而使我们可以具有前馈和反复的连接。具有M = 2 32个神经元的，这允许2 64个可能的连接，尽管实际连接性极为稀疏。 即使使用现成的硬件，模拟器也可以连续传播包数据包，每秒数千次连接数十次。 值得注意的是，所有这些都可以使用仅37瓦的能源预算，接近人脑所需的能量。 索引术语 - 启用神经网络，大脑尺度模拟，二进制重量，稀疏网络，GPU加速度，Apple M2芯片，生物成分网络，这允许2 64个可能的连接，尽管实际连接性极为稀疏。即使使用现成的硬件，模拟器也可以连续传播包数据包，每秒数千次连接数十次。值得注意的是，所有这些都可以使用仅37瓦的能源预算，接近人脑所需的能量。索引术语 - 启用神经网络，大脑尺度模拟，二进制重量，稀疏网络，GPU加速度，Apple M2芯片，生物成分网络这项工作表明使用当前的硬件可以进行大脑尺度模拟，但这需要重新思考如何实施模拟。
使用有机电化学晶体管阵列和脉冲神经模拟进行神经形态信号分类
摘要 — 神经形态计算是一个令人兴奋且发展迅速的领域，旨在创建能够复制人类大脑复杂动态行为的计算系统。有机电化学晶体管 (OECT) 因其独特的生物电子特性而成为开发此类系统的有前途的工具。在本文中，我们提出了一种使用 OECT 阵列进行信号分类的新方法，该方法表现出类似于通过全局介质连接的神经元和突触的多功能生物电子功能。我们的方法利用 OECT 的固有设备可变性来创建具有可变神经元时间常数和突触强度的储存器网络。我们通过将表面肌电图 (sEMG) 信号分为三个手势类别来证明我们方法的有效性。OECT 阵列通过多个门馈送信号并测量对具有全局液体介质的一组 OECT 的响应来执行有效的信号采集。我们比较了在有和没有将输入投射到 OECT 上的情况下我们的方法的性能，并观察到分类准确率显著提高，从 40% 提高到 68%。我们还研究了不同的选择策略和使用的 OECT 数量对分类性能的影响。最后，我们开发了一种基于脉冲神经网络的模拟，该模拟模仿了 OECT 阵列，并发现基于 OECT 的分类与基于脉冲神经网络的方法相当。我们的工作为下一代低功耗、实时和智能生物医学传感系统铺平了道路。
ORSAY病毒对秀丽隐杆线虫的慢性感染诱导年龄依赖性免疫和超级感染排除
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月12日。 https://doi.org/10.1101/2025.02.11.637754 doi：Biorxiv Preprint
COVID-19 mRNA 疫苗（Moderna/Spikevax® 和辉瑞/...
针对接受体外受精 (IVF) 的女性的研究发现，COVID-19 mRNA 疫苗对卵巢（释放卵子的器官）的功能、卵母细胞（未成熟卵子）的数量、激素水平或胚胎植入成功率没有影响。大多数研究未发现接受生育治疗的近期接种疫苗和未接种疫苗的女性在妊娠率方面存在差异。目前尚无建议在接种 COVID-19 mRNA 疫苗后推迟生育治疗，或避免在治疗期间或治疗后接种疫苗。