基于视觉道路场景的驾驶员压力估计研究 学术背景 驾驶员压力是导致交通事故、伤害和死亡的重要因素。研究表明，94%的交通事故与驾驶员相关，其中注意力不集中、内外部分心、速度控制不当等都与驾驶员的压力密切相关。因此，识别和管理驾驶员的压力状态对于提升驾驶体验和安全性至关重要。然而，现有的驾驶员压力识别方法主要依赖于生理数据（如心率、皮肤电活动等）或车辆操作数据（如方向盘和踏板活动），这些方法通常需要佩戴设备或缺乏对驾驶环境的全面考虑。相比之下，基于视觉道路场景的分析为驾驶员压力估计提供了一种无侵入式且具有广泛适用性的解决方案。本研究旨在探讨视觉道路场景对驾驶员压力估计的贡献，并通过机器学习模型验证其有效性。 论文来源 本论文由Cristina Bustos、Albert Sole-Ribalta...

近年来，随着全球范围内药物滥用的增加，尤其是阿片类药物的滥用，科学家们越来越关注这类药物的神经行为学影响。其中，丁丙诺啡（Buprenorphine）作为一种阿片类药物，被广泛用于阿片类成瘾的药物治疗。然而，丁丙诺啡除了其镇痛和成瘾治疗作用外，还被报告可能对焦虑症状有一定的临床管理作用。尽管焦虑是人类中高度普遍的疾病，但焦虑作为一种潜在的心理建构，无法直接测量，尤其是在动物模型中。因此，本研究旨在通过结合机器学习技术和验证性因子分析（Confirmatory Factor Analysis, CFA）来评估丁丙诺啡对C57BL/6J小鼠运动行为和焦虑样行为的改变作用，并探讨其与剂量、性别和体重的关系。 论文来源 这项研究由来自The University of Tennessee的Ohm S...

多模态学习揭示基因型-表型动态关系 背景介绍 基因型与表型之间的复杂关系一直是生物学领域的核心问题之一。基因型（genotype）指生物体的遗传信息，而表型（phenotype）则是这些遗传信息在特定环境下的表现。尽管早在1909年，Wilhelm Johannsen就提出了这两个术语，并试图量化它们之间的关系，但一个多世纪以来，我们仍然无法精确地描述基因型如何通过复杂的基因表达模式塑造表型。近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）等技术的发展使得我们能够在细胞分辨率下观察基因表达的复杂动态，然而这些技术仍然无法全面映射基因型组合如何导致表型的产生。 当前的研究方法，如正向遗传学（forward genetics）和反向遗传学（r...

机器学习助力量子化学：逼近耦合簇精度的分子电子结构预测 学术背景 在物理学、化学和材料科学领域，计算方法是揭示各种物理现象背后机制和加速材料设计的关键工具。然而，量子化学计算（尤其是电子结构计算）通常是计算瓶颈，限制了计算速度和可扩展性。尽管近年来机器学习方法在加速分子动力学模拟和提高精度方面取得显著成功，但现有的机器学习模型大多基于密度泛函理论（DFT）数据库作为训练数据的“真实值”，其预测精度无法超越DFT本身。DFT作为一种平均场理论，其计算通常引入的系统误差比化学精度（1 kcal/mol）大几倍，这限制了基于DFT数据集训练的机器学习模型的整体精度。 相比之下，耦合簇方法（CCSD(T)）被认为是量子化学的“金标准”，能够提供各种分子性质的高精度预测。然而，CCSD(T)的计算成本...

基于偏好预测的进化式多目标优化用于汽油调和调度 背景介绍 随着全球能源市场的不断变化，汽油的生产和调和工艺面临着越来越多的挑战。汽油作为石油工业的重要产品，其调和和调度过程直接影响产品的质量和生产效率。汽油调和需要根据产品规格和性能要求，将多种组分按不同比例混合，以生产不同等级的汽油。在此过程中，必须满足多项性能指标，例如辛烷值（Octane Number, ON）、里德蒸气压（Reid Vapor Pressure, RVP）、铅含量、硫含量及闪点等。这不仅要求严格的质量控制，还需符合日益严苛的环保法规。 汽油调和和调度本质上是一个多目标优化问题。此类问题具有多个相互冲突的目标，例如提高产品质量、最大化生产效率、减少设备占用率、以及尽量降低生产成本。此外，这一问题还涉及复杂的约束条件和非线...