1 清华大学生命科学学院、膜生物学国家重点实验室、北京生物结构前沿研究中心、IDG/麦戈文脑研究所、新基石科学实验室,北京 100084。
动机:从多个组织样品的大量DNA测序中重建肿瘤的进化史仍然是一个具有挑战性的计算问题,需要同时对肿瘤组织的反卷积及其进化史的推论。最近,系统发育重建方法通过将重建问题分为两个部分,从而取得了重大进展:固定拓扑的回归问题和对树空间的搜索。尽管已经为后一种搜索问题开发了有效的技术,但由于缺乏快速,专业的算法,回归问题仍然是方法设计和实施的瓶颈。结果:在这里,我们介绍了FastPPM,这是一种快速工具,可以通过树结构的双动态编程来解决回归问题。FastPPM支持任意可分离的凸损耗函数,包括ℓ2,分段线性,二项式和β-二元损失,并为现有算法提供了ℓ2和分段线性损失的渐近改进。我们发现,FastPPM的表现优于专业和通用回归算法,获得了50-450×加速度,同时提供了与现有方法一样准确的解决方案。将FASTPPM纳入几种系统发育推理算法中,立即产生高达400倍的速度,仅需要对现有软件的程序代码进行少量更改。最后,FASTPPM可以在模拟数据和结直肠癌的患者衍生的小鼠模型中分析低覆盖量的大量DNA测序数据,从精度和运行时都优于最先进的系统发育推断算法。可用性:FastPPM在C ++中实现,并在github.com/elkebir-group/fastppm.git上作为命令行接口和Python库可用。
作者要感谢 Sander van der Pijl 在软件开发过程中提供的帮助。Janet Becker 和 Mark Merrifield 提供了 PILOT 数据,并感谢他们就 Ipan 礁动力学进行的富有成效的讨论。Bart Grasmeijer 提供了 COAST3D 数据和报告。Ellen Quataert 大大改进了 BIRNM XBeach 模型的第一个版本。感谢允许使用美国陆军工程兵水道实验站沿海工程研究中心实地研究设施提供的数据。
Rubrik(NYSE:RBRK)正在执行确保世界数据的任务。使用零信任数据安全™,我们帮助组织对网络攻击,恶意内部人员和操作中断实现业务弹性。Rubrik Security Cloud,由机器学习提供动力,可在企业,云和SaaS应用程序中确保数据。我们帮助组织维护数据完整性,提供可承受不利条件的数据可用性,不断监控数据风险和威胁,并在攻击基础架构时使用其数据恢复业务。
Xuedong Du、Mehmet Oturan、M. Zhou、Nacer Belkessa、P. Su 等人。用于电催化高级氧化过程的纳米结构电极:从材料制备到机制理解和废水处理应用。应用催化 B:环境,2021 年,296,第 120332 页。�10.1016/j.apcatb.2021.120332�。�hal-03261468�
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
相对论温度电子高于0.5 MeV的温度电子通常以大约10 18 w/cm 2的激光内部产生。以非相关强度运行的高重复速率激光器(≃1016 w/cm 2)的产生是针对紧凑型,超短,台式电子源的基础主教。能够利用激光 - 血浆相互作用的不同方面的新策略对于降低所需的强度是必要的。我们在这里报告,一种新型的微螺旋体动态靶标结构技术,能够在蓬代尺度(10 18 w/cm 2)所需的强度的1/100中产生200 keV和1 meV电子温度,以产生相对论电子温度。将这种方法与“非理想的” Ultrashort(25 fs)脉冲以4×10 16 W/cm 2的形式结合了固定,优化的尺度长度和微观访问的概念,可实现两样式的衰减增强的电子加速度(25 fs)脉冲。具有KHz的射击可重复性,这种精确的原位靶向物可以通过毫升joule类激光器产生高达6 MeV的质量质量束状电子发射,这对于所有科学领域的时间分辨,微观研究都可以进行转化。
承诺是密码学中的一个基本概念,它是可变密码应用的关键组成部分,例如硬币翻转[BLU83,DM13],零知识证明[BCC88,GMW91],以及安全的多部分计算[CDN20,BOCG + 06,BOCG + 06,DNS10,GMW19]。此加密原始原始版本允许政党Alice,以一种将其隐藏在另一方隐藏的值的方式对特定值(通常是一点或位字符串)提交,直到爱丽丝选择揭示承诺价值的后面。承诺的两个关键属性是隐藏和结合属性。(1)隐藏属性确保鲍勃在提交阶段中对所承诺的价值一无所知。(2)具有约束力的财产确保,一旦建立了承诺,爱丽丝就无法改变她打算披露的价值。对承诺的常见类比涉及爱丽丝将消息锁定在容器中并将其发送给鲍勃。在此阶段,鲍勃仍然不知道消息的实际内容。稍后,根据爱丽丝(Alice)提供相应的密钥,Bob可以解锁容器并验证承诺的值。对承诺的研究追溯到Blum的基础工作[BLU83],在该工作中,承诺用于实施硬币翻转,并在假设方形很难的假设下被证明是安全的。的确,在经典的设置中,可以在统一的对手的假设下实现承诺。然而,在没有这样的问题的情况下,即使允许进行量子计算和通信,如果没有其他资源,承诺就变得不可能[LC97,May97,LC98]。此外,在某些交通约束下也可以承诺,例如,特殊相对论[KEN99,CK12,KTHW13]施加的承诺(另请参见[LKB + 13,LKB + 15]以实施此类协议)。甚至不可能将字符串承诺用作用于更长字符串[WTHR11]的资源。研究探讨了如何将通信渠道中的固有噪声(独立于广告影响)用作启用加密任务的资源。Wyner的窃听通道模型[WYN75]及其概括[CK78]利用两个通道之间的嘈杂差距在存在窃听器的情况下实现安全通信。更多的著作表明,嘈杂的通道可以支持各种两方密码协议,包括字符串提交[CRé97,WNI03,CMW05,HW22,HW22,HW23]和忘记转移[CMW05,IKO + 11,DN17]。在更现实的情况下,对手可能对渠道有部分控制,可能会影响
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具,但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学,他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明,教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情,尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势,并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力,确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词:人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法:英语语言教学杂志,12 (2)。196-212 DOI:10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/