XiaoMi-AI文件搜索系统
World File Search System机械主义
从大内核卷积的角度来解释和提高注意力
摘要 - 注意机制通过有效捕获全球环境具有显着高级的视觉模型。但是，它们对大规模数据集和实质性计算资源的依赖构成了数据筛查和资源约束方案的挑战。此外，传统的自我发作的机械主义缺乏固有的空间归纳偏见，这使它们成为对涉及较小数据集至关重要的任务至关重要的局部特征进行建模的。在这项工作中，我们引入了大型内核卷积（LKCA），这是一种新型的表述，将注意力重新诠释为单一的大内核卷积。这种设计统一了卷积体系结构的优势 - 本地性和跨性别不变性，具有自我注意力的全球背景建模能力。通过将这些属性嵌入计算高效的框架中，LKCA解决了传统注意机制的关键局限性。所提出的LKCA在各种视觉任务中实现竞争性能，尤其是在数据约束的设置中。对CIFAR-10，CIFAR-100，SVHN和TININE-IMAGENET的实验结果证明了其在图像分类中出色的能力，在紧凑型模型设置中表现出色，表现优于常规的强度机制和视觉变压器。这些发现突出了LKCA在桥接本地和全球功能建模中的有效性，为具有有限的数据和资源的现实世界应用提供了实用且强大的解决方案。
泛函选择对钇钡铜氧超导体能带与电子性质的影响
高温超导体由于其独特的电子特性和非常规的超导行为而引起了极大的关注。尤其是，由高能离子植入，压力和电磁场等外部场引起的高体性超导材料的相变已成为研究热点。但是，潜在的机械主义尚未完全理解。第一原理计算被广泛认为是深入探索这些内在机制的有效方法。在这项研究中，使用第一原理计算来研究氧空位现象对不同功能下YBA 2 Cu 3 O 7（YBCO 7）的电子传递性能和超导性能的影响（PBE，PBE + U，HSE06）。结果表明，氧空位显着改变了带的结构，并且在不同功能的预测中观察到了考虑的差异。YBA 2 Cu 3 O 6（YBCO 6）的计算带隙范围为0至1.69 eV。较大的带隙表明是绝缘状态，而没有带隙的缺乏表明材料保持金属。通过将结果与实验结果进行比较，我们发现HSE06功能提供了最合理的预测。带隙的存在或不存在主要受铜轨道的影响。氧气空位会导致材料的C轴拉长，这与实验中He-ion辐照后X射线差异（XRD）分析中观察到的趋势是一致的。我们的发现有助于解释在外部田地下，尤其是He-Ion Irra-priation的金属 - 绝缘体相变，并为开发高温超导材料及其设备应用提供了理论基础和新见解。
通过利用反馈馈线对准
在自然视觉中，反馈连接支持多功能的视觉推理，例如使遮挡或嘈杂的自下而上的感觉信息或介导纯自上而下的过程，例如想象力。但是，反馈途径学会产生这些功能的机械主义尚不清楚。我们提出，自上而下的效果通过进料和反馈途径之间的对齐方式出现，每个效果都优化了自己的目标。为了实现这种合作化，我们引入了反馈馈线对齐（FFA），这是一种学习算法，将反馈和馈电路径作为相互信用分配计算图，从而使对齐。在我们的研究中，我们证明了FFA在广泛使用的MNIST和CIFAR10数据集上进行分类和重建任务的有效性。值得注意的是，FFA中的对准机制具有反馈连接，具有新兴的视觉推理功能，包括降解，解决阻塞，幻觉和想象力。此外，与传统的背面传播方法（BP）方法相比，FFA提供了生物学知识。通过将信用分配的计算图将其重新用于目标驱动的反馈途径，FFA减轻了BP中遇到的重量传输问题，从而增强了学习算法的生物学知识。我们的研究表明，FFA是对视觉皮层中反馈连接如何支持灵活视觉功能的机制的有希望的概念概念。这项工作还有助于更广泛的视觉推断潜在的感知现象，并有影响，对开发更具生物学启发的学习算法有影响。
增强CAR-T细胞代谢以克服脑肿瘤微环境中缺氧条件
引言胶质母细胞瘤多形（GBM）是一种侵略性和致命的脑肿瘤，尽管综合护理标准以及最大的手术切除，放射线和化学疗法。治疗GBM的一种潜在方法是免疫疗法；但是，尽管在其他几种类型的癌症中取得了希望的结果，但免疫治疗尚未对GBM有效（1）。在GBM中成功进行免疫疗法的主要挑战之一是高度免疫抑制肿瘤微环境，其特征是许多机械主义（2），包括低氧疾病（3）。因此，最近的研究集中在制定创新策略来克服这些挑战并提高免疫疗法的有效性（4，5）。嵌合抗原受体T细胞（CAR-T）治疗表现出对血液学恶性肿瘤的显着疗效（6）。然而，其治疗潜力仍然受到包括脑肿瘤在内的实体瘤的限制（5）。免疫细胞的代谢状态最近被认为是癌症免疫疗法的关键因素。糖酵解代谢对于效应T细胞至关重要，在线粒体中发生的氧化磷酸化（OXPHOS）对于记忆T细胞的高存活能力至关重要（7）。此外，已知在耗尽的T细胞中已知糖酵解和Oxphos会减少（8）。在肿瘤微环境中，缺氧条件和慢性抗原刺激迅速降低T细胞线粒体功能并导致衰竭（9）。因此，我们假设增强CAR-T细胞的线粒体功能可以阻止它们在GBM的低氧微环境中筋疲力尽。为了解决这一假设，在这项研究中，我们在输注前用代谢调节剂研究了CAR-T细胞的预处理，并检查了其转化潜力。
患者级可解释的机器学习，以预测SPECT MPI和CCTA成像的主要不良心血管事件
近年来，在摄影成像中使用机器学习（ML）技术的使用激增。作为评估潜在冠状动脉疾病（CAD）患者的成像方式的数量，并且该技术继续改善，在做出临床判断时，可以考虑大量数据。但是，大量变量和越来越多的成像数据可以使准确评估患者的挑战。人工智能（AI）和ML可以通过基于广泛的临床和成像变量的有用提示来帮助这一过程[1]。的确，ML算法已被证明是患者风险分层和诊断评估中的宝贵工具[2，3]。冠状动脉层析成像血管造影（CCTA）是一种用于评估CAD冠状动脉动脉的非侵入性诊断程序。它具有高的负预测值，允许负CCTA结果有效排除显着的CAD [4，5]。另一个重要的非侵入性诊断测试是单光子发射计算机断层扫描（SPECT），它主要评估冠状动脉狭窄和指南管理的功能意义。使用CCTA和SPECT添加了疑问涉嫌CAD的患者对牙菌斑和灌注负担的评估[6-8]。普遍的临床预测方法通常涉及专家选择潜在的相关变量，然后进行回归/分类分析。Automl旨在减轻开发出良好表现ML管道所需的计算成本和人类专业知识[9，10]。ML的最新进展使这种经典的方法限制性（仅使用一种模型类型），效率低下（需要用于超参数的手动调整）并可能有偏见（预测指标前定位）。尽管医疗保健中基于ML的预测模型的进步，但采用这些模型的一个主要障碍是，其中许多被认为是“黑匣子”，这是指缺乏可解释性[11]。呼吁对这些模型的运作方式进行更多研究[12-15]。无法解释预测模型可以侵蚀对它们的信任，尤其是在决策可能会带来严重后果的心血管医学中。在医学中，黑匣子模型将发挥重要作用，在许多情况下，与我们缺乏完全生物学或临床理解的其他领域没有太大的不同[16]。但是，就像了解疾病和疗法背后的机械主义是有益的一样，对ML模型如何得出的结论有了更大的了解[17]也是有帮助的。对可解释的ML的研究激增，以解决这个问题[18]。已经开发了探索AI预测背后推理的各种方法[19，20]。一种有效的方法是建立一个次要，更透明的模型，例如决策树或随机森林，输入
是什么使杂草成为杂草？ -Rothamsted存储库
有效使用它们的能力（Beckie，2020）。因此，要解决问题并制定可持续有效的杂草管理策略，我们必须了解除草剂耐药性的产生方式。我们知道，杂草可以通过更改除草剂（靶位部位耐药性或TSR）靶向的蛋白质，或避免，修改或排毒除草剂本身（非target位点耐药性或NTSR）来进化除草剂（Gaines等人。2020）。也很明显，这两种机制不是相互排斥的，许多种群都表现出两种类型的抗药性（Comont等人2020）。对于几种杂草物种，我们对TSR具有良好的分子水平理解。研究TSR是被损坏的东西，除草剂的功能被设计为中断的蛋白质是已知的。已经确定了目标蛋白质中突变位点的位置，这些变化的频率以及产生的变化如何改变除草剂和靶标之间的相互作用（在Gaines等人中进行了审查。2020）。这些研究使我们对为什么除草剂不再抑制蛋白质功能有分子级的理解。，但TSR机制并不总是完全解释所有杂草如何生存。这强调了NTSR机械主义和数据的重要性，这表明NTSR非常广泛（Powles＆Yu，2010年综述）。ntsr涵盖了允许植物在蛋白质靶标的变化以外的所有方法：包括摄取除草剂分子的摄取，转运和排毒。2018）。为了使未来的杂草管理策略有最佳的工作机会，他们必须考虑NTSR，特别是因为NTSR可以从不同的作用方式赋予对除草剂的抵抗，从而扩展到尚未发明的除草剂。因此，要确定基本的修改，必须考虑所有这些过程中涉及的所有蛋白质。研究人员已经通过各种途径进行了“针中的HAYSTACK”搜索，包括比较对除草剂敏感的蛋白质组和/或转录组与耐除草剂的植物。这种整体方法与损坏的系统进行了比较，在识别可能支持NTSR的潜在基因方面效果很好。但是这些清单很长，很明显，所有耐除草剂群体都不具有单一的通用“分子填充物”（Tétard-Jones等人。因此，这些方法仅揭示了基因型和表型之间的相关性，但不能建立因果关系。如果除草剂耐药性是一台可能导致问题的潜在零件列表的破碎机器，我们将以两种方式处理此列表：要么替换每个零件以查看是否解决了问题，要么在工作机器中打破同一零件，以查看问题是否可以重复。
大气共振和土地的作用...- PIK出版物
热应激是人为气候变化对人类健康的最大威胁之一（1，2）。极端热量事件的异常时机，严重性和频率引起了人们对他们对健康，生计，生态系统和经济影响的级联影响的担忧，并激发了人们对这种极端热量的原因的持续讨论。尤其是过去二十年来，北半球中部的夏季热量极端 - 包括2003年的欧洲热浪（3、4），2010年的俄罗斯热浪（5、6）和德克萨斯州的热浪和2011年的俄罗斯热浪（7）（7）。重要的是，这些事件中的每一个都受到准谐振行星波扩增或“ QRA”的影响（8-10）。QRA通过准固定行星的共鸣 - 与自由的symoptic -scale -copterparts相互共振，偏向于极端的夏季天气。共振在较高的波数中产生异常高的幅度，因为准固定的行星波的占地波数为6到8，在准静止的自由概要 - 尺度波中有效地被捕获在正常大气条件下通常较弱的响应。最近的工作表明，由于对气候变化的波动动态反应有限，这种现象在当前的生成气候模型中并不好起来（11，12），由于与人为的温室强迫相关的北极扩增而变得越来越普遍（12，13）。鉴于此，已经提出了几种机械主义，并在概念图中可视化（图1）。可以说，最近的极端热量是最深刻，最不可能的是 - 臭名昭著的太平洋西北（PNW）“热穹顶”事件，2021年6月（14）个事件，温度超过116°F（47°C）在波特兰，俄勒冈州，俄勒冈州，以及在塞特尔（Seattle）的少年，距离七月的时间为107°F（42°C）。PNW热异常期间的极端温度非常异常，以至于很难使用应用于观察性记录的常规非固定极值方法，以表征事件的可能性，甚至考虑到气候变化的可能性（14，15）。对气候模型的大型集合的评估表明，从气象站的合奏平均值中的温度异常超过4.5倍（σ）是几乎是不可能的事件（14，16），在没有人类的情况下（我们引起了变暖，而我们表达了与SD的平均值”，而不是SD的平均值，则不应以这种概率的速度分布来解释，这是ca的分布。事件范围的分析发现，气候变化导致该事件至少温暖1至2°C，但是对其真实稀有性的确定估计是难以捉摸的（14、15）。很明显，这种温度异常非常罕见，并提出了一个问题，即是否涉及其他过程，这些过程是否没有通过当前一代模型模拟来正确解决这些属性练习的基础（17）。了解2021 PNW热浪背后的物理驱动因素和机制需要热力学和动力学视角。这种阻止反气旋已经假设，大型尺度动力学的持续性在很大程度上可以实现这种巨型热浪，并因热力学过程而显着加剧（18）。这一事件通常归因于高层高压大气系统（也称为热圆顶）（19），形式为“欧米茄块”。
Anne Ferguson-Smith和Kateryna Makova加入基因组研究编辑团队，纽约州冷春港 - 2020年10月27日，Cold Spring Harbor Laborat
安妮·弗格森·史密斯（Anne Ferguson-Smith）和卡特里纳·马克瓦（Kateryna Makova）加入了基因组研究编辑小组，纽约州冷春港 - 2020年10月27日，冷泉港实验室出版社（Cold Spring Harbour Laboratory Press）很高兴地宣布任命两名领先的学家，DRS。安妮·弗格森·史密斯（Anne Ferguson-Smith）和卡特里纳·马科娃（Kateryna Makova），是一群主要的基因组学期刊的学术编辑，基因组研究。安妮·弗格森·史密斯（Anne Ferguson-Smith）研究了表观遗传遗传，重点是基因组印记和基因组功能的表观遗传控制超过25年。这项工作有助于理解发展和生理过程，包括神经发生和代谢，以及指导动态和可遗传表观遗传状态的机械主义。弗格森·史密斯（Ferguson-Smith）博士在格拉斯哥大学（University of Glasgow）学习了分子生物学，然后加入了弗兰克·鲁德（Frank Ruddle）的实验室博士学位。耶鲁大学的研究，克隆和表征哺乳动物HOX簇，以了解基因组或功能。她现在是剑桥大学的亚瑟·巴尔福遗传学教授，也是遗传学的负责人。她于2006年当选EMBO，2012年在英国医学科学院，并于2017年担任皇家学会院士。“我真的很高兴加入Genome Research的编辑团队，这是一本期刊，这是我们遗传学和基因组学社区不可或缺的一部分。多年来，它一直是我们学科中最具创新性和原创作品的家，我期待着它继续取得成功，”弗格森·史密斯（Ferguson-Smith）博士说。“博士的工作。我们期望跑步 -乌克兰人Kateryna Makova获得了博士学位。德克萨斯理工大学的学位在那里研究了切尔诺贝利核电站事故的遗传后果。然后，她在芝加哥大学完成了博士后研究，在那里她研究了男性和女性之间的突变率差异。现在，Verne M. Willaman生命科学主席和宾夕法尼亚州立大学生物学系教授，她的实验室从事进化和医学基因组学研究。她目前的利益包括性染色体的发展，突变率，线粒体突变，进化中的微卫星变化以及儿童的服从。Makova博士实验室的研究是高度跨学科和合作，包括统计，计算机科学和生物化学方面的专家。她目前在宾夕法尼亚州立大学指导医学基因组学中心，并在美国国立卫生研究院国家医学图书馆的科学委员会任职。Makova博士说：“自2004年以来，我一直在基因组研究中发表，我很高兴能加入其编辑团队。我希望带来更多的进化专业知识，并加强期刊的学科观点。”“我很高兴弗格森·史密斯（Ferguson-Smith）和马科娃（Makova）博士加入了基因组研究社论团队，”冷泉港实验室出版社执行主任约翰·英格里斯（John Inglis）博士说。Aravinda Chakravarti，Richard Gibbs，Eric Green，Richard Myers，Evan Eichler和Bill Pavan作为该期刊的现任学术编辑，对其成功及其在批判性判断，公平和完整性方面的声誉至关重要。将这两个杰出的科学家加入该小组是继续实现这些目标的重要一步。”执行编辑希拉里·苏斯曼（Hillary Sussman Ph.D.助理编辑詹妮弗·德莱昂（Jennifer DeLeon）博士组成了内部社论团队，并补充说：“随着日记本纪念日的25周年，我们承认基因组学已经发生了大大变化，变得更加复杂，变得更加复杂和生物学，并将其传播到其他领域。