XiaoMi-AI文件搜索系统
World File Search System多线
模块化响应分析重新归类为多线性回归问题
动机：模块化响应分析（MRA）是从turg turgation数据中推断生物网络的良好方法。经典，MRA需要线性系统的解决方案，结果对数据和扰动强度中的噪声敏感。由于噪声传播，对10个或更多节点网络的应用很难。结果：我们提出了将MRA作为多线性回归问题的新表述。这使得能够在更大，过度确定且更稳定的方程式系统中整合所有重复和潜在的扰动。可以获得更相关的网络参数的置信区间，我们显示了大小高达1000的网络的竞争性能。以已知零边缘形式的先验知识整合进一步改善了这些结果。可用性和实现：用于获得呈现结果的R代码可从GitHub获得：https：// github.com/j-p-borg/bioinformatics
使用易于且易于访问的多线圈垫片改善大脑B0在超高场
抽象对象提高了超高野外系统的光滑功能，并在7 t处添加了可访问的低复杂性B 0用于头部MRI的Shim Array阵列。材料和方法八个频道B 0 Shim Coil阵列的设计是在易于改进和构造复杂性之间进行的权衡，以便可轻松使用Shim阵列，以提供可与标准的7 t Head coil一起使用的Shim阵列。使用开源八通道垫片放大器机架将阵列连接。将全脑和基于切片的光滑的场均匀性改善与标准的二阶光合物进行了比较，并与具有32和48个通道的更复杂的高阶动态垫片和垫片阵列进行了比较。结果八通道垫片阵列可在整个脑部静态弹药中提高12％，并在使用基于切片的垫片时提供了33％的改进。这样，八通道阵列的执行类似于三阶动态垫片（无需高阶涡流补偿）。更复杂的垫片阵列具有32和48个通道的性能更好，但需要专用的RF线圈。讨论设计的八通道Shim阵列提供了一种低复杂性和低成本方法，可改善B 0在超高场系统上的弹跳。在静态和动态杂物中，它在标准弹跳中提供了改进的B 0均匀性。
作者校正：一个多线屏幕确定人类癌症中可起作的合成致命相互作用
Open Access本文在创意共享属性 - 非商业性 - 发病率4.0国际许可下获得许可，该许可允许以任何中等或格式的任何非商业用途，共享，分发和复制，只要您与原始作者提供适当的信誉，并提供了与创意共享许可证的链接，如果您提供了持牌材料，并提供了启动的链接。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。
使用耦合张量多线性近似对大脑 3D 磁共振图像进行超分辨率重建
磁共振成像 (MRI) 是一种多功能医学成像方式，可在软组织之间提供出色的对比度。可以调整采集参数，以使这种对比度对各种组织特性敏感，例如质子密度以及纵向和横向弛豫时间（分别为 T 1 和 T 2 ）。MRI 采集包括使用各种电磁脉冲反复激发人体内质子，并从图像中获取少量傅里叶样本。然后通过逆傅里叶变换运算将频域中的观测值重铸到空间域。典型的 MRI 数据包括任意方向的 2D 或 3D 图像。后者具有两个平面内空间维度和切片方向的第三个空间维度，因此它们可以看作张量。然而，MRI 的采集时间相对较慢，通常需要几分钟的时间。这种技术限制会阻碍 3D 高分辨率图像的采集。为了避免这个缺点，超分辨率技术已被证明在许多情况下是有效的 [1]，[2]，[3]。它们包括从一个或多个低分辨率观测中恢复 3D 高分辨率图像。最近，有人提出使用深度学习从单个低分辨率观测中恢复高分辨率图像 [4]，[5]。然而，对于小病变，最好考虑多个观测以用于图像的诊断。这些观测可以合并到融合模型中，从而提供比单独处理更多的信息 [6]。使用融合范式避免了依赖外部患者数据库来获取先验信息。因此，在剩下的文章中，我们将重点关注从多个观测中进行超分辨率重建的问题，也称为多帧超分辨率。
与Intel SGX多线程的DNA对齐工作负载的性能分析
抽象数据机密性是数字时代的关键问题，影响了用户与公共服务之间以及科学计算组织与云与HPC提供商之间的互动。并行计算中的性能是必不可少的，但对于建立受信任的执行环境（TEE）以确保遥远环境中的隐私通常会对执行时间产生负面影响。本文旨在分析在英特尔SGX处理器机密的飞地内执行的DNA对齐（Bowtie2）的平行生物信息学工作负载的性能。结果提供了令人鼓舞的见解，内容涉及在大型数据集上使用基于SGX的TEE进行并行计算的可行性。调查结果表明，在高平行化条件下，并具有两倍的线程，在SGX飞地中执行的工作负载平均比非固定执行快15％。这种经验证明支持基于SGX的TEE有效平衡隐私需求与高性能计算的需求的潜力。
使用GPU和多线程的优化视觉变压器训练
摘要 - 传统的卷积神经网络（CNN）通常在捕获各种数据集中的复杂空间关系和细微的模式方面遇到困难。为了克服这些限制，这项工作先驱，使视觉变压器（VIT）模型的应用在计算机视觉领域引起了显着关注，因为它们能够通过自我意见机制在图像中捕获图像中的长期依赖性的能力。然而，培训大量参数的大规模VIT模型会带来计算挑战。在本文中，我们提出了一种优化的方法，用于培训VIT模型，该模型利用图形处理单元（GPU）的并行处理功能，并使用多线程优化了计算工作负载分布。在CIFAR-10数据集上对所提出的模型进行了训练和测试，并在100个时期后达到了99.92％的出色精度。与现有方法相比，实验结果揭示了我们方法在优化训练效率方面的有效性。这强调了VIT模型的出色性能及其革新图像分类任务的潜力。索引术语 - CIFAR-10数据集，卷积神经网络（CNN），GPU，图像分类，多线程，视觉变压器（VIT），注意机制
多线圈MRI重建挑战 - 评估大脑MRI重建模型及其对改变线圈配置的概括性
深度学习的大脑磁共振成像（MRI）重建方法具有加速MRI采集过程的潜力。尽管如此，科学界缺乏适当的基准来评估高分辨率大脑图像的MRI重建质量，并评估这些提出的算法在存在很小但预期的数据分布变化的情况下将如何行为。使用大型高分辨率，三维，T1加权MRI扫描的大量数据集，旨在解决这些问题的基准，旨在解决这些问题。挑战有两个主要目标：（1）比较该数据集上的不同MRI重建模型，以及（2）评估这些模型对使用不同数量的接收器线圈获取的数据的概括性。在本文中，我们描述了挑战实验设计，并总结了一组基线和最先进的脑MRI重建模型的结果。我们提供了有关当前MRI重建最先进的相关比较信息，并强调了获得更广泛采用之前所需的可推广模型的挑战。公开可用的MC-MRI基准数据，评估代码和当前的挑战排行榜。他们提供
多线性和多光谱红外的新发展...
LYNRED 是全球领先的航空航天、国防和商业市场高品质红外技术设计和制造公司。得益于其精通的波长可调 MCT 技术，其丰富的红外探测器产品组合覆盖了从近红外到远红外的整个电磁波谱。此外，MCT 技术的空间辐射抗性使 LYNRED 成为欧洲领先的太空红外探测器制造商。最近与太空探测器市场相关的一个显著趋势是，对多线性/多光谱阵列格式的需求增加（从大约 1000 个光电元件增加到 4000 个光电元件），同时对帧速率的需求也更高（帧时间从 100µs 增加到几百 µs）。然而，这些特性通常与目前太空市场现成的窗口式 2D 大型传感器不兼容，尤其是由于 2D 和线性传感器之间的技术操作点不同。因此，LYNRED 已启动特定的最新开发，以更好地适应未来的推扫式（通常基于多个多线性阵列）或扫帚式（通常基于一个多线性阵列）仪器概念。该产品组合扩展的主要挑战之一是设计一条多线性传感器空间产品线，不仅基于经过太空验证的构建模块传统，而且尽可能基于延迟差异化方法。这种设计方向将能够在较短的时间内最佳地满足最广泛的空间仪器需求。
ELPREP 5中的多线程变体
我们提出ELPREP 5，该5更新ELPREP框架，用于处理使用变体调用的测序对齐/地图文件。ELPREP 5现在可以执行由GATK最佳呼叫的最佳实践所描述的完整管道，该实践由PCR和光学重复标记组成，按坐标顺序排序，基本质量得分重新校准以及使用单倍型呼叫者算法的变体调用。ELPREP 5产生与GATK4相同的BAM和VCF输出，同时通过并行化和合并管道步骤的执行来显着降低运行时。我们的基准测试表明，ELPREP 5在整个exome和全基因组数据上都将变量呼叫管道的运行时加快了，同时使用与GATK4相同的硬件资源。这使ELPREP 5在需要更快的执行时间时，可以合适地替换GATK4。
ABCDPlace：在多线程 CPU 和 GPU 上加速基于批处理的并发详细布局
摘要 — 布局是现代超大规模集成电路 (VLSI) 设计中的重要步骤。详细布局是整个设计流程中被密集调用的布局细化程序，因此其效率对设计收敛至关重要。然而，由于大多数详细布局技术本质上是贪婪和顺序的，因此它们通常难以并行化。在这项工作中，我们提出了一个并发详细布局框架 ABCDPlace，利用多线程和 GPU 加速。我们为广泛采用的顺序详细布局技术提出了基于批处理的并发算法，例如独立集匹配、全局交换和局部重新排序。实验结果表明，在 ISPD 2005 竞赛基准上，ABCDPlace 可以比使用多线程 CPU 的顺序实现快 2 × - 5 × 的运行时间，使用 GPU 可以比顺序实现快 10 × 以上，而不会降低质量。在更大的工业基准测试中，我们展示了比最先进的顺序详细布局器快 16 倍以上的 GPU 加速。 ABCDPlace 在一分钟内完成一千万个单元的工业设计的详细布局。