随着人工智能（AI）技术的快速发展，人工神经网络（Artificial Neural Networks, ANNs）在多个领域取得了显著成就。然而，传统的神经网络训练方法——尤其是反向传播算法（Backpropagation）——在硬件实现上存在诸多挑战。反向传播算法虽然在软件中高效，但在硬件中实现时，要求计算路径可逆、每个神经元需要大量内存，并且需要计算激活函数的导数，这些条件在硬件中难以满足。此外，传统的互补金属氧化物半导体（CMOS）硬件在训练和部署这些算法时，能源消耗巨大，限制了其扩展性和广泛应用。 为了解决这些问题，研究人员开始探索脑启发（brain-inspired）的硬件解决方案，尤其是模拟神经形态硬件（analog neuromorphic hardware）。这类硬件能够以...

学术背景 在当今的医疗环境中，医学影像在疾病诊断、治疗规划和健康管理中扮演着至关重要的角色。然而，传统的医学影像分析方法存在诸多挑战，如过拟合（overfitting）、计算成本高、泛化能力有限以及噪声、尺寸和形状变化等问题。这些挑战导致医学影像的分类和检测精度受限，影响了临床决策的准确性和效率。 为了应对这些挑战，研究者们提出了多种基于机器学习和深度学习的医学影像分析方法。然而，这些方法在处理复杂数据集时仍存在局限性，尤其是在计算效率和分类精度方面。因此，本文提出了一种名为EPDTNet+-EM（Efficient Parallel Deep Transfer Subnet + Explainable Model）的新型医学影像处理框架，旨在通过增强的迁移学习和并行子网架构，提高医学影像中...

随着大规模人口生物样本库的日益普及，全基因组测序（Whole Genome Sequencing, WGS）数据在人类健康和疾病研究中的潜力得到了显著提升。然而，WGS数据的庞大计算和存储需求给研究机构，尤其是资金不足的机构或发展中国家的研究人员带来了巨大挑战。这种资源分配的不平等限制了前沿遗传学研究的公平性。为了解决这一问题，Manuel A. Rivas和Christopher Chang等人开发了新的算法和回归方法，显著减少了WGS研究的计算时间和存储需求，特别是针对罕见变异的处理。 论文来源 这篇论文由Manuel A. Rivas和Christopher Chang共同撰写。Rivas来自斯坦福大学生物医学数据科学系，Chang则供职于Grail Inc.。该论文于2025年2月1...

背景介绍 分数阶微分方程（Fractional Differential Equations, FDEs）是传统微积分的推广，允许微分和积分的阶数为非整数。这一数学框架在描述复杂动力学行为时表现出独特的优势，特别是在混沌系统和非线性系统的研究中。Lyapunov指数（Lyapunov Exponents, LEs）是衡量系统对初始条件敏感性的关键指标，常用于判断系统是否处于混沌状态。然而，计算分数阶混沌系统的Lyapunov指数通常计算成本较高，尤其是在高维系统中。因此，如何降低计算成本并提高计算效率成为分数阶混沌系统研究中的一个重要问题。 本文由Shuang Zhou, Qiyin Zhang, Shaobo He和Yingqian Zhang共同撰写，旨在通过Adomian分解法（Ado...

引言 近年来，利用数值方法求解偏微分方程（Partial Differential Equations, PDEs）已在工程和医学等广泛学科中扮演了重要角色。这些方法在拓扑和设计优化以及临床预测中的应用已显示出显著成效。然而，由于在多种几何体上进行多次问题求解所需的计算成本非常高，导致这些方法在很多场景下变得无法负担。因此，开发能够在不同几何条件下提高PDE求解效率的方法，成为了近年科学机器学习领域的一个研究热点。 论文背景与来源 《A Scalable Framework for Learning the Geometry-Dependent Solution Operators of Partial Differential Equations》这篇文章由Minglang Yin、Nic...

多特征基因组关联研究的自适应鲁棒方法 摘要： 过去十年间的基因组关联研究(GWAS)已识别出数千种与人类性状或疾病相关的遗传变异。然而，许多性状的遗传度仍未能完全解释。传统的单一性状分析方法过于保守，而多性状方法通过整合多个性状的关联证据来提高统计力。GWAS总结性统计数据通常是公开可获取的，因此只使用总结性统计的方法具有更大的使用前景。为了解决已开发的多性状分析方法中存在的不一致表现、计算效率低、并且在考虑大量性状时出现数字问题，我们提出了一种自适应Fisher方法用于总结性统计的多性状分析(MTAFS)，这是一种计算效率高并且统计力鲁棒的方法。 研究背景： 基因组关联研究(GWAS)在遗传变异与复杂疾病之间的相关性研究中发挥了重要作用。然而，当一个遗传变异与多个性状相关时，采用单一性状分...