XiaoMi-AI文件搜索系统
World File Search System较浅
Lou Barbe、Cendrine Mony、Benjamin W Abbott。人工智能通过视频游戏意外学习了生态学。《生态学与进化趋势》，2020 年，35 (7)，第 557-560 页。�10.1016/j.tree.2020.04.006�。�hal-02635148�
星际争霸 II 中的经典对抗类型，由 AlphaStar 扮演，由两名玩家在资源有限的特定环境中相互对抗 — 参见“迷你地图”（图 I）。这代表两个个体之间的生态竞争，可以是种内竞争，也可以是种间竞争，这取决于玩家是否选择同一种族。地图显示了整个环境，但玩家的视野仅限于各自单位和建筑物周围较浅的圆形区域。资源是浅蓝色形状，深蓝色和红色形状是双方的建筑物和单位（Protoss 为蓝色，Terran 为红色）。可以通过这个迷你地图监控竞争的进展和结果，它显示了新资源斑块的殖民和开发、环境探索以及通常的生态崩溃。这张地图可用于监控更现实的生态模型。例如，几个玩家可以在更大且完全不可预测的环境中相互竞争，这将使我们能够研究人口和社区规模的生态过程。我们还可以设置场景，在游戏过程中人为地修改环境条件，然后评估对生态系统功能和生物多样性动态的影响。请注意，使用游戏参数可以轻松量化几个生态过程，如特征变化或权衡修改。图 I. 星际争霸 II 标准游戏的迷你地图。
数据高效且计算高效的机器学习
海报会议 1：数据高效和计算高效的机器学习 标题：矩阵的内存效率 PoC：Chien-Cu Chen 标题：舒张阵列：高效的神经网络推理加速 PoC：Michael Mishkin 和 Mikko Lipasti 摘要：绝大多数神经网络运算都是与点积计算相关的乘法和累加。基于舒张阵列的神经网络加速有助于实现基于收缩阵列的节能神经网络推理加速，该收缩阵列具有复杂单元的浅流水线，每个单元包含多个乘法器单元和一个加法器树以执行部分缩减。这些流水线比传统的矩阵乘法收缩阵列实现包含的触发器更少，从而大幅节省能源。由于通过较浅流水线的较低延迟传播，可以进一步提高性能，但这种延迟的减少很容易被带宽限制所掩盖。通过并行操作多个较小的舒张阵列图块以提高阵列利用率，可以进一步提高性能。平铺增加的功耗被舒张阵列功率节省所抵消，从而在组合时产生最佳能量延迟积。标题：学生声学基础词嵌入，用于改进声学到词的语音识别 PoC：Shane Settle 标题：学生序列的多视图表示学习 PoC：Qingming Tang T
在NISQ时代量子处理器上对AKLT状态的高保真实现 advnf：减少使用对抗性学习的有条件归一流流程中的模式崩溃 远程量子ising模型的有限温度临界行为 NISQ算法的矩阵元素的矩阵元素 在p s ... 下的独家J/ψ和ψ（2s）生产的测量 随机系列膨胀量子蒙特卡洛（Rydberg Arrays）
AKLT状态是各向同性量子Heisenberg Spin-1模型的基态。它表现出激发差距和指数衰减的相关函数，并在其边界处具有分数激发。到目前为止，仅通过捕获离子和光子系统实验实现了一维AKLT模型。在这项工作中，我们成功地准备了嘈杂的中间量子量子（NISQ）ERA量子设备上的AKLT状态。尤其是，我们在IBM量子处理器上开发了一种非确定性算法，其中AKLT状态制备所需的非单生操作员嵌入到单一操作员中，并为每对辅助旋转旋转1 /2的额外的Ancilla Qubit带有附加的Ancilla Qubit。这样的统一操作员有效地由由单量子和最近的邻居CX门组成的参数化电路表示。与Qiskit的常规操作员分解方法相结合，我们的方法导致了较浅的电路深度，仅邻近邻居的大门，而原始操作员的忠诚度超过99.99％。通过同时选择每个Ancilla Qubit，以使其属于旋转|↑>的子空间，可以通过从最初的单元状态以及量子计算机上的旋转量中的旋转量中的初始产品状态以及随后对所有其他物理量进行录制来系统地获得AKLT状态。我们展示了如何通过减轻读数错误的IBM量子专业人员进一步提高实施的准确性。
老年人样本中 RBANS 学习比率的人口统计学校正规范数据
老年人的神经心理学评估传统上评估多次试验中信息的学习和保留情况（Lezak 等人，2012；Suhr，2015）。可重复的神经心理学状态评估组合（RBANS；Randolph，2012）是一种认知测量方法，自二十年前创建以来一直被频繁使用，包含相关的学习数据。具体来说，RBANS 的列表学习和故事记忆子测试评估学习和即时记忆，并且可以与它们的延迟回忆对应项（RBANS 子测试列表回忆、列表识别、故事回忆和图形回忆）结合使用，以评估一段时间内的编码和保留情况。此外，学习斜率的陡度（或坡度）可以反映出个人从多次试验中反复接触刺激中获益的潜力。学习和记忆障碍患者的学习斜率通常较浅，包括阿尔茨海默病 (AD；Gifford 等人，2015 年)、额颞叶痴呆 (Lemos 等人，2014 年)、血管性痴呆 (Mast & Allaire，2006 年) 和注意力缺陷多动障碍 (ADHD；Skodzik 等人，2017 年)。尽管许多测试手册提供了有关学习斜率数据的基本信息，但此类学习斜率的计算往往相对简单——传统上仅考虑最后一次和第一次学习试验之间的差异（“最后一次试验减去第一次试验”）。因此，这些数据有可能为某些患者的学习提供更细致的理解。
论北海地区未来的潜力——...
● 现有基础设施：北海已经拥有广泛的石油和天然气工业基础设施网络，包括适合二氧化碳储存的平台、管道和枯竭的油藏。这些可以重新用于生产可再生电力和低碳氢。在转型完成之前，欧洲工业仍产生的二氧化碳可以运输到北海并储存在枯竭的天然气田中。二氧化碳的碳捕获和储存（也称为 CCS）是减少温室气体排放以及使能源供应更加可持续的重要政策手段。然而，根据联合国气候机构 IPCC 的说法，这还不够。随着时间的推移，还需要负排放来及时遏制气候变化。为此，生物燃料和直接空气捕获与 CCS 相结合是一种解决方案。为此，北海的基础设施从长远来看也至关重要。 ● 海上风电潜力：凭借有利的风力条件和相对较浅的水域，北海有可能通过海上风电场满足欧洲未来电力需求的很大一部分。比利时、丹麦、德国和荷兰已设定目标，到 2030 年风电装机容量达到 65 千兆瓦。到 2050 年，这一数字应增长到 150 千兆瓦。如果再加上法国、德国、爱尔兰、挪威和英国的承诺，到 2050 年海上风电装机容量将超过 300 千兆瓦。● 靠近主要排放集群：北海靠近欧洲几个主要工业集群，是向寻求低碳运营的行业提供清洁能源的理想之地。
PGCN：用于脑电图识别的金字塔图卷积网络
摘要 - 情感识别对于各种精神疾病的诊断和康复至关重要。在过去的十年中，由于其突出的准确性和可靠性，对基于脑电图（EEG）的情绪识别进行了深入研究，并且图形卷积网络（GCN）已成为解释EEG信号的主流模型。然而，尽管已证明这种关系在情感识别中很重要，但电极关系，尤其是整个头皮的远距离触发依赖性。小型接受领域仅使较浅的GCN仅聚集局部淋巴结。另一方面，堆叠太多的层会导致过度光滑。为了解决这些问题，我们提出了锥体图卷积网络（PGCN），该网络汇总了三个级别的特征：局部，中镜和全局。首先，我们基于电极的3D拓扑关系构建一个香草GCN，该拓扑关系用于整合两阶局部特征。其次，我们基于先验知识构建了几个介观脑区域，并采用介观的关注来依次计算虚拟的介观中心，以关注介观脑区域的功能连接；最后，我们融合了节点特征及其3D位置，以构建数值关系邻接矩阵，以从全局的角度整合结构和功能连接。在三个公共数据集上的实验结果表明，PGCN在头皮上增强了关系模式，并在受试者独立的场景和主题独立的方案中实现了最先进的性能。同时，PGCN在增强网络深度和接受领域之间做出了有效的权衡，同时抑制了随之而来的过度光滑。我们的代码可在https://github.com/jinminbox/pgcn上公开访问。
测试时间适应性的神经网络，用于强大的医学图像分割
卷积神经网络（CNN）在培训数据集代表预期在测试时遇到的变化时，可以很好地解决监督学习问题。在医学图像细分中，当培训和测试图像之间的获取细节（例如扫描仪模型或协议）之间存在不匹配和测试图像之间的不匹配时，就会违反此前提。在这种情况下，CNNS的显着性能降解在文献中有很好的记录。为了解决此问题，我们将分割CNN设计为两个子网络的串联：一个相对较浅的图像差异CNN，然后是将归一化图像分离的深CNN。我们使用培训数据集训练这两个子网络，这些数据集由特定扫描仪和协议设置的带注释的图像组成。现在，在测试时，我们适应了每个测试图像的图像归一化子网络，并在预测的分割标签上具有隐式先验。我们采用了经过独立训练的Denoising自动编码器（DAE），以对合理的解剖分段标签进行模型。我们验证了三个解剖学的多中心磁共振成像数据集的拟议思想：大脑，心脏和前列腺。拟议的测试时间适应不断提供绩效的改进，证明了方法的前景和普遍性。对深CNN的体系结构不可知，第二个子网络可以使用任何分割网络使用，以提高成像扫描仪和协议的变化的鲁棒性。我们的代码可在以下网址提供：https：//github.com/neerakara/test- time- aptaptable-neural-near-netural-netural-networks- for- domain-概括。
分子系统发育和进化
毒蛙 (Dendrobatidae) 以其警示种而闻名，它们兼具多样的颜色图案和防御性皮肤毒素，但该科中的大多数物种颜色不显眼，被认为不具有警示性。Epipedobates 是 Dendrobatidae 中最年轻的属级进化枝之一，包含警示种和不显眼种。使用 Sanger 测序的线粒体和核标记，我们证明 Epipedobates 中不显眼种之间存在较深的遗传分歧，但显眼种之间的遗传分歧相对较浅。我们的系统发育分析包括对通常被认定为 E. boulengeri 和 E. espinosai 的不显眼谱系进行广泛的地理抽样，从而揭示了两个假定的新物种，一个在哥伦比亚中西部 (E. sp. 1)，另一个在厄瓜多尔中北部 (E. aff. espinosai)。我们得出结论，E. darwinwallacei 是 E. espinosai 的次级主观同义词。我们还阐明了不显眼的 Epipedobates 物种（包括广泛分布的 E. boulengeri）的地理分布。我们对每个名义物种的表型多样性进行了定性评估，重点关注不显眼物种的颜色和图案。我们得出结论，Epipedobates 包含八个已知有效物种，其中六个不显眼。轻松的分子钟分析表明 Epipedobates 最近的共同祖先大约有 1110 万年的历史，几乎是之前估计的两倍。最后，遗传信息指向哥伦比亚与厄瓜多尔西南边界的 Choc ´ o 地区的物种多样性中心。本文的西班牙语译文可在补充材料中找到。
留栖和迁徙三刺鱼（Gasterosteus aculeatus）的发育
三刺鱼 (Gasterosteus aculeatus) 是一种硬骨鱼，是进化生态学的模型生物，可用于实验室实验和自然实验。它因形态、行为和遗传学的巨大种内变异而受到特别重视。Swarup (1958) 的经典著作描述了单个淡水种群胚胎在实验室中的发育，但此次实验是在比许多刺鱼在野外会遇到的温度更高的温度下进行的，并且没有研究种群之间的变异。这里我们描述了两种来自苏格兰北尤伊斯特岛的同域咸水生态型刺鱼胚胎的发育情况，它们在 14˚C 的温度下长大，这大约是北尤伊斯特岛湖泊在繁殖季节的温度。这两种生态型分别是 (a) 一种大型的迁徙型，成年鱼全身覆盖着骨质盔甲；(b) 一种体型较小、盔甲较浅的型，常年居住在咸水泻湖中。通过在受精后每 24 小时监测一次胚胎，观察并拍摄了重要的发育特征，为北尤伊斯特岛生态型在此温度下的发育提供参考。孵化成功率超过 85%，定居和迁徙棘鱼之间没有差异，但迁徙卵的孵化时间明显早于定居生态型。我们的工作提供了一个框架，现在可用于比较可能在不同环境条件下生长的棘鱼种群，以帮助了解正常发育特征的广度并描述异常发育。
通过精准胚胎介导的基因组编辑生产浅色、低吸热的荷斯坦弗里斯牛
背景 . 基因组编辑能够在一代内将有益的序列变异引入具有高遗传价值的动物的基因组中。这可以通过将变异引入原代细胞，然后通过体细胞核移植克隆从这些细胞中产生活体动物来实现。后一步与效率低下和由于供体细胞错误重编程而导致的发育问题有关，从而引起动物福利问题。直接编辑受精的单细胞胚胎可以规避这个问题，并且可能更好地与行业实施的基因改良策略相结合。方法 . 体外受精的合子被注射 TALEN 编辑器和修复模板，以在 PMEL 基因中引入已知的毛色稀释突变。在将经过验证的胚胎转移到受体体内发育至足月之前，通过聚合酶链反应和测序筛选注射胚胎的胚胎活检样本以查找预期的双等位基因编辑。对小牛进行基因分型，并用可见光和高光谱相机扫描其皮毛以评估热能吸收情况。主要结果 . 生产了多头具有精确编辑基因型的非嵌合型小牛，包括来自高遗传价值父母的小牛。与对照组相比，经过编辑的小牛显示出明显的毛色稀释，这与较低的热能吸收率有关。 结论 . 虽然活检筛查并不绝对准确，但可以通过胚胎介导的编辑轻松生产出非嵌合型、精确编辑的小牛。 PMEL 突变导致的较浅的毛色可以降低辐射热增益，这可能有助于减少热应激。 意义 . 该研究验证了推定的致病序列变异，以使放牧牛快速适应不断变化的环境条件。