XiaoMi-AI文件搜索系统
World File Search System未配对
通过得分和流匹配
我们提出了无模拟分数和流匹配（[SF] 2 m），这是一种用于推断自随机动力学的无模拟Objective，给出了从任意源和目标分布中绘制的未配对样品。我们的方法一般 - 扩散模型训练中使用的得分匹配损失以及最近提出的流量匹配损耗用于训练连续归一化流量。[SF] 2 m将连续的随机构成建模为Schrödinger桥概率。它依赖于静态熵调查的最佳传输或Minibatch近似，以有效地学习SB，并使用模拟学习的随机过程。我们发现[SF] 2 m更有效，并且比先前的工作中基于仿真的方法为SB问题提供了更准确的解决方案。最后，我们将[SF] 2 m应用于快照数据学习细胞动力学的问题。值得注意的是，[SF] 2 m是在高维度中准确模拟细胞dynamics的第一种方法，并且可以从模拟数据中恢复已知的基因调节网络。我们的代码可在https://github.com/ atong01/conditional-flow-matching的TorchCFM软件包中找到。
共轭卟啉带作为量子介质...
摘要 钒 (IV) 磁中心是分子量子信息单元的主要候选者。长期存在的问题之一是获得一个可扩展的支架，将磁相互作用传输到可用于量子处理的程度，并允许上调到多个中心，同时保持足够长的相干时间。本文表明，融合卟啉允许定制钒基量子单元的支架，其几乎平坦的共轭 π 系统为钒离子之间的通信提供了显着优势，从而导致较长的自旋晶格 (T 1 = 30 ms) 和相干 (T m = 5.5 µs) 时间。这些钒基二聚体 (J » 1 GHz) 中的反铁磁交换耦合比超精细相互作用更强，从而产生复杂的 EPR 光谱，其中两个未配对电子均等地耦合到两个 I = 7/2 51 V 核。顺式和反式异构体的分离，其中钒基位于共轭通道的同一侧或相对侧，展示了量子单元对不同构型环境的敏感性，并提供了一种通过控制立体化学来调节多卟啉系统中相互作用的方法。
频谱归一化对比对比的 -
现有的图像到图像（I2i）翻译方法通过将斑块的对比度学习置于生成性对抗网络中，从而实现最先进的性能。然而，斑块的对比度学习仅关注局部内容的相似性，但忽略了全球结构的结合，这会影响生成的图像的质量。在本文中，我们提出了一个基于双重对比的正则化和光谱归一化的新的未配对I2I翻译框架，即SN-DCR。为了维持全局结构和纹理的一致性，我们分别使用不同的深度特征空间设计了双重对比正则化。为了改善生成图像的全局结构信息，我们制定了语义上对比的损失，以使生成的图像的全局语义结构类似于语义特征空间中目标域中的真实图像。我们使用革兰氏矩阵从图像中提取纹理样式。同样，我们设计样式的对比损失，以改善生成图像的全局纹理信息。此外，为了增强模型的稳定性，我们在发电机的设计中采用了光谱归一化卷积网络。我们进行了全面的实验来评估SN-DCR的有效性，结果证明了我们的方法在多个任务中实现了SOTA。
DDASR：域距离自适应超分辨率重建 MR 脑图像
摘要 — 临床环境对高细节和快速磁共振成像 (MRI) 序列的需求很高，因为成像信息不足会导致诊断困难。MR 图像超分辨率 (SR) 是一种很有前途的解决此问题的方法，但由于获取成对的低分辨率和高分辨率 (LR 和 HR) 图像的实际困难，其性能受到限制。大多数现有方法通过下采样 HR 图像来生成这些对，这个过程通常无法捕获复杂的退化和特定于域的变化。在本研究中，我们提出了一个域距离自适应 SR 框架 (DDASR)，其中包括两个阶段：域距离自适应下采样网络 (DSN) 和基于 GAN 的超分辨率网络 (SRN)。DSN 在下采样过程中结合了未配对 LR 图像的特征，从而能够生成域自适应的 LR 图像。此外，我们提出了一种具有增强注意力 U-Net 和多层感知损失的新型 GAN。所提出的方法产生了视觉上令人信服的纹理，并成功恢复了来自 ADNI1 数据集的过时 MRI 数据，在感知和定量评估中均优于最先进的 SR 方法。代码可在 https://github.com/Yaolab-fantastic/DDASR 上找到。
DDASR：域距离自适应的 MR 脑图像超分辨率重建
摘要 — 临床环境对高细节和快速的磁共振成像 (MRI) 序列有很高的要求，因为成像信息不足会导致诊断困难。MR 图像超分辨率 (SR) 是解决此问题的一种有前途的方法，但由于获取成对的低分辨率和高分辨率 (LR 和 HR) 图像的实际困难，其性能受到限制。大多数现有方法通过下采样 HR 图像来生成这些对，而这个过程通常无法捕捉到复杂的退化和特定于域的变化。在本研究中，我们提出了一个域距离自适应 SR 框架 (DDASR)，其中包括两个阶段：域距离自适应下采样网络 (DSN) 和基于 GAN 的超分辨率网络 (SRN)。DSN 在下采样过程中结合了未配对 LR 图像的特征，从而能够生成域自适应的 LR 图像。此外，我们提出了一种具有增强注意力 U-Net 和多层感知损失的新型 GAN。所提出的方法可产生视觉上令人信服的纹理，并成功恢复 ADNI1 数据集中过时的 MRI 数据，在感知和定量评估方面均优于最先进的 SR 方法。代码可在 https://github.com/Yaolab-fantastic/DDASR 上找到。
域距离适应1.5T MR脑图像的超分辨率重建
摘要。快速磁共振成像（MRI）序列在临床环境中高度要求。但是，成像信息不足会导致诊断困难。MR图像超分辨率（SR）是解决此问题的一种有希望的方法，但是由于获取配对的低分辨率和高分辨率（LR和HR）图像的实际困难，其性能受到限制。大多数现有的方法都使用倒数采样的LR IMENES，由于俯瞰域距离或由未知和复杂的降解引起的近似差而可能不准确。在这项研究中，我们提出了一个基于真实但未配对的HR/LR图像的1.5T MR脑图像的域距离调整SR框架。我们的框架工作利用了学习任意未配对图像的抽象表示并适应域间隙的能力，从而使其可行，以证明现实的下采样。此外，我们提出了一个新颖的生成对抗网络（GAN）模型，该模型集成了包含编码器，骨干和解码器的发电机，以及一个基于UNET的歧视器和多尺度感知损失。这种方法产生了令人信服的纹理，并成功地恢复了众所周知的公共数据集上过时的1.5T MRI数据，在感知和定量评估中的最先进的SR方法表现优于最先进的SR方法。
![arxiv：2406.18952v1 [cond-mat.mtrl-sci] 2024年6月27日](/simg/g:\will\search\icon\source\f\fcd91e858c8873a0bd7b8c16acacbb88aff312f4.webp)
arxiv：2406.18952v1 [cond-mat.mtrl-sci] 2024年6月27日
使用MUON自旋弛豫（µ SR）研究了重新调节聚（3-己基噻吩）P3HT的分子动力学。µ SR光谱对纵向磁场（B LF，平行于初始MUON自旋方向）的响应表明，植入的Muons形成了均位于噻吩环和Diamagnetic态的粘性自由基，并具有可比的产率。此外，自由基中的未配对电子经历了与噻吩和邻近质子结合的muon相互作用，它们的发光可以作为分子动力学的量度。在几个温度下以详细测量在几个温度下测量的纵向muON自旋松弛率（1 / t 1 µ）的B LF依赖性被发现由局部敏感性j（ω）很好地再现，这些频谱密度j（ω）源自局部易感性，这些易感性均来自于纳维利亚（Havriliak-Negami）（Havriliak-Negami（H-N）功能中使用，该函数（H-n）函数（H-N）均为1（H-N）的分析（H-N）。 〜ν）δ]γ（其中〜ν是平均漏气率，0 <γ，δ≤1）。发现，发现从1 / T 1 µ分析中推导的温度依赖性的大小与13 c-nmr建议的己基链和噻吩环的运动一致。目前的结果标志着将µ SR应用于复杂系统动力学的方法论里程碑，并在诸如聚合物之类的广泛时间尺度上具有共存的频率。
sq3370通过肿瘤上的点击化学激活细胞毒性药物，并在注射和非注射病变中持续反应
a）用于免疫能力C56BL/6小鼠的合成性MC38双肿瘤研究的治疗示意图。所有肿瘤细胞均在第0天植入。b）b）在第7天开始，在原发性“注射”肿瘤的局部注射生物聚合物，然后进行全身治疗。c）治疗组的Kaplan-Meier生存曲线。d）肿瘤生长曲线显示出注入SQL70生物聚合物（注射肿瘤）的大型原发性肿瘤的平均值±SEM。e至g）蜘蛛图显示了SQ3370，DOX和盐水治疗组中各个远端非注射肿瘤的生长，分别显示了单个非注射肿瘤的肿瘤生长曲线，以每种治疗组的每种肿瘤的初始体积的百分比（在第12天的测量中测量）的肿瘤生长曲线显示为每个治疗组的初始体积的百分比。没有错误栏的数据点。曲线在该组中1只或更多小鼠死后停止，当肿瘤体积达到2000 mm3时死亡或处死。灰色条代表治疗持续时间。肿瘤生长曲线中的统计显着性是由welch每天进行校正的未配对t检验确定的。通过对数秩（壁炉棒）测试确定生存中的统计显着性 *p <0.05; ** p <0.01; *** p <0.001。
自监督自然图像重建和大型...
从 fMRI 脑记录中重建自然图像并解码其语义类别是一项挑战。获取足够多的图像对及其相应的 fMRI 响应（这些响应涵盖了巨大的自然图像空间）是难以实现的。我们提出了一种新颖的自监督方法，该方法远远超出了稀缺的配对数据，用于实现：（i）最先进的 fMRI 到图像重建，以及（ii）首次从 fMRI 响应进行大规模语义分类。通过在一对深度神经网络（从图像到 fMRI 和从 fMRI 到图像）之间施加循环一致性，我们在来自许多新颖语义类别的大量“未配对”自然图像（没有 fMRI 记录的图像）上训练我们的图像重建网络。这使得我们的重建网络能够适应非常丰富的语义覆盖，而无需任何明确的语义监督。具体而言，我们发现将我们的自监督训练与高级感知损失相结合，可以产生新的重建和分类能力。具体来说，这种感知训练能够很好地对从未见过的语义类别的 fMRI 进行分类，而无需在训练期间使用任何类别标签。这带来了：（i）前所未有的从从未见过的图像的 fMRI 图像重建（通过图像指标和人工测试进行评估），以及（ii）在网络训练期间对从未见过的类别进行大规模语义分类。以前从未证明过从 fMRI 记录中进行如此大规模（1000 种）语义分类。最后，我们为所学模型的生物一致性提供了证据。
核酶和 tRNA 样结构在生命起源前的地球上富含矿物质的泥潭中出现
RNA 世界假说虽然是有关地球生命起源的可行假说，但迄今为止未能为通过非生物过程从游离核苷酸合成具有催化功能的 RNA 分子提供令人信服的解释。为了解决这个长期存在的问题，我们使用实验确定的聚合反应速率开发了一个 RNA 世界起源的现实模型。我们从对初始状态的最小假设开始，该初始状态仅需要存在短寡聚体或游离核苷酸，并通过将一天划分为干、半湿和湿阶段来考虑环境循环的影响，这三个阶段以其支持的反应性质为特征。长聚合物的最大长度有时超过 100 个核苷酸，由于非酶促、非模板聚合物延伸和模板指导的引物延伸过程的组合而自发出现。前者有助于增加 RNA 链的长度，而后者有助于产生互补的链副本。链也以结构依赖的方式进行水解，有利于断开连接未配对核苷酸的键。我们确定了核酶和 tRNA 样结构以及双链 RNA 分子出现所需的最有利条件，根据二级结构对所有 RNA 链进行分类，并确定它们在群体中的丰度。我们的结果表明，在适当的环境条件下，非酶促过程足以导致各种具有复杂二级结构和潜在催化功能的核酶样分子的出现。