XiaoMi-AI文件搜索系统
World File Search System单步
使用...
血糖（BG）控制涉及通过体外胰岛素注射将个人的BG保持在健康范围内，对于1型糖尿病患者来说，这是一项重要任务。但是，传统的患者自我管理繁琐且冒险。最近的研究致力于探索个性化和自动化的BG控制方法，其中深度强化学习（DRL）显示了潜力作为新兴方法。在本文中，我们使用药物浓度的指数衰减模型将BG控制问题的形式化转换为从PAE-POMDP（PAE-POMDP（PAE-POMDP）延长作用效应，可观察到的Markov决策过程）将药物效应的延迟和延长转换为MDP，并提出了一种新型的Multi-Step Drl基于基于多的基于基于多人的algorith的方法来解决问题。还使用了优先的体验重播（PER）采样方法。与单步自动化更新相比，多步学习更有效，并降低了偏见目标的影响。与同一训练环境中的基准相比，我们所提出的方法收敛更快，并获得更高的累积奖励，并改善了时间范围（TIR），在评估阶段，患者的BG的时间百分比在目标范围内。我们的工作验证了多步DRL在BG控制中的有效性，这可能有助于探索最佳的血糖控制措施并改善糖尿病患者的存活率。
光子电路由飞秒激光器在玻璃中
摘要。集成的光子学引起了广泛的关注，并且在经典和量子光学器件中发现了许多应用，从而满足了现代光学实验和大数据通信中不断增长的复杂性的要求。femtsecond（FS）激光直接写入（FLDW）是一种公认的技术，用于在透明玻璃中生产波导（WGS），这些技术已用于构造复杂的集成光子设备。fldw具有独特的特征，例如三维制造几何形状，快速原型和单步制造，这对于集成通信设备以及量子光子和天体技术技术很重要。为了充分利用FLDW，已经做出了相当大的努力，以在较大的深度上产生WG，而传播损失较低，耦合损失，弯曲损失和高度对象模式场。我们总结了具有可控的横截面形态，高度对称模式领域，低损失以及高处理统一性和效率的可控形态的高性能WGS的机制，并讨论WGS在光学集成设备中的WG最近进展，以进行通信，拓扑，量化物理学，量子，量子信息，量词，天文学处理和天文学。还指出了该领域的未来挑战和未来的研究指示。
在扩散模型中探索低维子空间的可控图像编辑
最近，扩散模型已成为强大的生成模型类别。尽管他们成功，但对他们的语义空间的理解仍然有限。这使得在没有其他培训的情况下，获得精确且脱节的图像生成，尤其是以无监督的方式而挑战。在这项工作中，我们从有趣的观察中提高了对它们的语义空间的理解：在一定范围的噪声水平中，（1）扩散模型中学习的后均值预测指标（PMP）是局部线性的，（2）其Jacobian的单数矢量位于其低度语义语义下集中。我们提供了坚实的理论基础，以证明PMP中的线性和低级别的合理性。这些见解使我们能够提出一种无监督的，单步的，无训练的LO W-rank Co n-trollable图像编辑（LOCO编辑）方法，用于在扩散模型中精确局部编辑。LOCO编辑确定了具有良好属性的编辑说明：同质性，可传递性，合成性和线性性。Loco编辑的这些属性从低维语义子空间中受益匪浅。我们的方法可以进一步扩展到各种文本到图像扩散模型（T-Loco Edit）中的无监督或文本监督编辑。最后，广泛的经验实验证明了Loco编辑的有效和效率。可以在项目网站上找到代码和ARXIV版本。1
cosign：一致性模型的几步性指导
摘要。扩散模型已被证明是解决一般反问题的强大先验。大多数现有的基于扩散模型的In-verse问题求解器（DIS）采用插件方法来指导采样轨迹，以投影或梯度指导。虽然有效，但这些方法通常需要数百个采样步骤，在推理时间和重建质量之间构成了困境。在这项工作中，我们尝试将推理步骤的边界推向1-2 NFE，同时仍保持高重建质量。为了实现这一目标，我们提议利用扩散模型的预处理蒸馏，即一致性模型，作为数据先前的数据。实现少量步骤指南的关键是在一致性模型的采样过程中执行两种类型的约束：通过优化使用控制和硬测量约束的软测量约束。支持单步重建和多步进，该框架进一步提供了一种通过额外的计算成本来交易图像质量的方法。在可比较的NFE中，我们的方法在基于扩散的反问题解决方面实现了新的最新方法，展示了为现实世界应用使用基于先前的基于基于先前的In-verse问题求解器的重要潜力。代码可在以下网址找到：https：//github.com/biomed-ai-lab-u-michgan/cosign。
Occgen：自动驾驶的生成多模式3D占用预测
摘要。现有的3D语义占用预测方法典型地将任务视为一个单发的3D体素分割问题，在输入和占用图之间的单步映射上进行了限制，这限制了它们完善和完成本地区域的能力。在本文中，我们引入了Occgen，这是3D语义占用预测的简单而强大的生成感知模型。Occgen采用了“噪声到占用”生成范式，通过预测和消除随机高斯分布来逐渐推断和完善占用图。OCCGEN由两个主要组成部分组成：一个能够处理多模式输入的条件编码器，以及一种采用多模式特征作为条件的逐步改进解码器。对这种生成管道的关键见解是，扩散的deoising过程自然能够对密集的3D杯映射的粗到细化进行建模，从而产生更详细的预测。对几个占用基准的广泛实验证明了与最新方法相比，该方法的有效实验。例如，OCCGEN在Muli-Modal，仅LIDAR-仅和仅相机设置下的Nuscenes-cupancy数据集中相对将MIOU提高9.5％，6.3％和13.3％。此外，作为一种生成感知模型，Occgen表现出鉴别模型无法实现的理想特性，例如在其多步预测并提供不确定性估计的情况下。
通过原地SI@C-raphene复合合成li-ion电池应用来改善基于硅的复合电极
摘要：由于循环时的形态进化和SEI修饰，使用Si作为锂离子电池的阳极材料仍然具有挑战性。目前的工作旨在开发一个由碳涂层的Si纳米颗粒（SI@C NPS）组成的复合材料，该复合物紧密嵌入了三维（3D）石墨烯水凝胶（GHG）结构中，以稳定LIB电极内的SI。而不是简单地混合两个组件，而是合成过程的新颖性在于原位热液过程，该过程显示出成功产生氧化石墨烯还原，3D石墨烯组装的产生以及SI@C NPS在GHG Matrix中的均匀分布。在不包含其他导电添加剂的电极上的半细胞中的电化学特性揭示了保护性C壳对于达到高特定能力的重要性（最高2200 mAh.g-1），以及良好的稳定性（200个循环，平均CEFF> 99％）。这些性能远高于用非C涂层Si NP制成的电极或通过混合两个组件制备的电极。这些观察结果突出了C壳对SI NP的协同作用，以及单步的原位制备，使SI@C-GHG混合复合材料具有具有物理化学，结构和形态学特性的SI@C-GHG混合材料的产量，从而促进了样品电导率和Li-ion扩散途径。
CRAGE-Duet 促进生物系统的模块化组装，用于研究植物-微生物相互作用
摘要：发展可持续农业实践需要增加我们对植物 - 微生物相互作用的了解。为了研究这些相互作用，需要用于操纵非模式微生物的新遗传工具。为了满足这一需求，我们最近报告了不依赖底盘的重组酶辅助基因组工程 (CRAGE) 的开发。CRAGE 依赖于两对互斥的 lox 位点之间的盒式交换，并允许将大型复杂基因构建体直接、单步染色体整合到不同的细菌物种中。然后，我们通过引入第三个互斥的 lox 位点扩展了 CRAGE，创建了 CRAGE-Duet，它允许两个构建体的模块化整合。CRAGE-Duet 比 CRAGE 更具优势，尤其是在需要繁琐的重新克隆步骤来构建单整合构建体时。为了证明 CRAGE-Duet 的实用性，我们从促进植物生长的根瘤菌 Pseudomonas simiae WCS417r 中创建了一组菌株，这些菌株表达了各种荧光标记基因。我们在共聚焦显微镜下同时可视化了这些菌株，证明了 CRAGE-Duet 在创建生物系统以研究植物 - 微生物相互作用方面的实用性。关键词：细菌菌株工程、基因组工程、基因组编辑、CRAGE、Cre-lox 重组、荧光蛋白
脱氧得分蒸馏：从嘈杂的扩散预处理到一步高质量一代
扩散模型在产生各种自然分布的高分辨率，逼真的图像方面取得了巨大的成功。但是，他们的性能在很大程度上依赖于高质量的培训数据，这使得从损坏的样本中学习有意义的分布变得具有挑战性。此限制限制了它们在稀缺或昂贵的科学领域中的适用性。在这项工作中，我们引入了DeNoising评分蒸馏（DSD），这是一种出奇的有效和新颖的方法，用于训练低质量数据的高质量生成模型。DSD首先预修了一个扩散模型，专门针对嘈杂，损坏的样品，然后将其提炼成能够生产精制，干净的输出的单步生成器。传统上将得分蒸馏视为加速扩散模型的一种方法，但我们表明它也可以显着提高样本质量，尤其是从退化的教师模型开始时。在不同的噪声水平和数据集中，DSD始终提高生成性能 - 我们在图中总结了我们的经验证据1。此外，我们提供了理论见解，表明在线性模型设置中，DSD识别了干净的数据分散协方差矩阵的特征空间，并隐含地正规化了生成器。此透视图将蒸馏片重新升级为效率的工具，而且是改善生成模型的机制，尤其是在低质量的数据设置中。
通过直接偏好优化将蛋白质生成模型与实验适应性对齐
在未标记的蛋白质数据集上训练的生成模型表明，没有任何特定于任务的训练数据，可以预测某些生物学功能。但是，此功能并未扩展到所有相关功能，在许多情况下，无监督的模型仍然不足以特定于任务，监督的基线。我们假设这是由于基本的“一致性差距”所致，在该差距中，在无监督培训期间所学的规则不能保证与感兴趣的功能有关。在这里，我们演示了如何为蛋白质生成模型提供有用的特定任务信息，而不会失去训练期间学到的丰富的一般知识。使用称为直接偏好优化（DPO）的优化任务，我们通过鼓励模型希望稳定而不是稳定的变体，从而使结构调节的语言模型对齐，以生成稳定的蛋白质序列。我们所产生的模型ProteIndpo是第一个结构条件的语言模型偏好于实验数据。ProteIndpo实现了竞争性稳定性预测，并始终优于该模型的无监督和填充版本。值得注意的是，对齐模型在其训练数据之外的领域也表现良好，以实现大蛋白的绝对稳定性预测和多链复合物的结合亲和力预测，同时还可以实现多种骨干的单步稳定。这些结果表明，ProteIndpo从其生物物理对齐数据中学习了可推广的信息。
用于氮化硅光子学的高效超材料工程光栅耦合器
摘要：氮化硅 (Si3N4) 是开发低损耗光子集成电路的理想候选材料。然而，标准光纤和 Si3N4 芯片之间的有效光耦合仍然是一项重大挑战。对于垂直光栅耦合器，较低的折射率对比度会导致较弱的光栅强度，从而导致较长的衍射结构，限制了耦合性能。随着混合光子平台的兴起，采用多层光栅排列已成为提高 Si3N4 耦合器性能的一种有前途的策略。在本文中，我们介绍了一种用于带有非晶硅 (α-Si) 覆盖层的 Si3N4 平台的高效表面光栅耦合器的设计。表面光栅完全形成在 α-Si 波导层中，利用亚波长光栅 (SWG) 设计的超材料，可通过单步图案化轻松实现。这不仅为控制光纤-芯片耦合提供了额外的自由度，而且还有助于移植到现有的代工厂制造工艺。使用严格的三维 (3D) 有限差分时域 (FDTD) 模拟，设计了一种超材料工程光栅耦合器，其耦合效率为 − 1.7 dB，工作波长为 1.31 µ m，1 dB 带宽为 31 nm。我们提出的设计为氮化硅集成平台提供了一种开发高效光纤芯片接口的新方法，可用于数据通信和量子光子学等广泛应用。