DiMOn:学习偏微分方程几何依赖解算子的可扩展框架

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...

基于预训练大语言模型的人类蛋白质必要性的全面预测与分析

基于预训练大型语言模型的人类蛋白质必要性预测与分析 学术背景 人类必需蛋白质(Human Essential Proteins, HEPs)对个体的生存和发育至关重要。然而,实验方法识别HEPs通常成本高、耗时长且劳动强度大。此外,现有的计算方法仅在细胞系水平上预测HEPs,但HEPs在活体人类、细胞系和动物模型之间差异显著。因此,开发一种能够在多个水平上全面预测HEPs的计算方法显得尤为重要。最近,大型语言模型(Large Language Models, LLMs)在自然语言处理领域取得了显著成功,蛋白质语言模型(Protein Language Models, PLMs)也因其能够在大规模蛋白质序列上进行预训练而崭露头角。然而,PLMs是否能够显著提高蛋白质必要性预测任务的效果仍然未知...

DeepBlock:通过深度学习进行毒性控制的理性配体生成方法

深度学习应用于目标蛋白配体生成的最新研究:DeepBlock框架的提出与验证 背景与研究问题 药物发现过程中,寻找能够结合特定蛋白的配体分子(ligand)一直是核心目标。然而,目前的虚拟筛选方法(virtual screening)通常受限于化合物库的规模和化学空间的广度,难以在大规模化学空间中发现符合目标特性的创新化合物。相比之下,去新药设计(de novo drug design)通过从头生成分子结构,为探索现有化合物库之外的化学空间提供了崭新的可能性。 近年来,深度生成模型(deep generative models)在化学分子生成领域取得了显著进展,包括自回归模型(autoregressive models)、变分自编码器(variational autoencoders, VA...

深度神经网络解决多体薛定谔方程中自旋对称性解的问题

深度学习框架用于多体薛定谔方程的自旋对称解研究:一种新方法的开创性成果 量子物理和量子化学领域中,多体电子体系的描述一直是一个重要但极具挑战性的课题。准确表征电子-电子强关联尤其对催化、光化学和超导性等领域具有深远意义。然而,传统的方法,如广泛使用的Kohn–Sham密度泛函理论(KS-DFT),在多参考体系中对静态关联的描述仍存在不足。这一不足导致了所谓的“对称性困境”(symmetry dilemma),即自旋对称破缺的解尽管是不物理的状态,却能获得较低的能量结果。此外,虽然波函数方法在捕获静态关联方面表现出色,但其计算复杂度较高,需要专家选择合适的活性空间,对普通应用存在显著障碍。因此,找到一种高效且准确的方法来解决多体薛定谔方程,同时保持正确的自旋对称性,这是科学家们长期以来期待解决...

使用深度学习从无定形前驱体预测晶体的生成

从无定形前驱体预测晶体的出现:深度学习助力材料科学新突破 背景介绍 晶体从无定形物质中逐步生成的过程在自然界与实验室中具有重大意义。这一过程广泛存在于从地质到生物过程的各种现象中,并且在开发新材料的过程中占据核心地位。然而,无定形状态向晶体态的转化中,最初出现的常常是亚稳态(metastable state)晶体,而非热力学上的稳定态晶体。这种亚稳态形成的普遍规律可以通过”Ostwald法则”加以解释,该法则指出与无定形前驱体(amorphous precursor)具有相似局部结构特征的晶体将更容易优先成核。 无定形材料的晶化过程,尤其是其能量景观(energy landscape)的建模,一直以来是科学界的难点。传统的分子建模方法或从头计算(ab initio methods)由于计算量...

用于运动病探测的生物传感器与生物标志物

探讨运动病的生物标志物与生物传感器:解决诊断难题的创新方向 运动病(Motion Sickness,MS)是人类普遍经历的一种综合症,发生在交通工具或者虚拟现实(Virtual Reality,VR)所引起的非自然运动中。它的特征包括头痛、恶心、呕吐、出虚汗及肤色苍白等,严重时还可能导致脱水、电解质紊乱及其他躯体和心理上的不良后果。然而,由于缺乏可靠的客观指标及实时检测方法,运动病的精确诊断一直是医疗领域中的难题。尽管已有研究显示一些生理和生化指标可能与运动病的发生相关,但尚未形成系统的研究综述和统一的技术解决路径。为此,《Biosensors and Biomarkers for the Detection of Motion Sickness》这一科学论文集中探讨了运动病的病理机制、潜在...

假新闻云中的一线希望:大型语言模型能否帮助检测虚假信息?

大型语言模型如何应对虚假信息?——基于LLMs的深度研究 在当今信息传播速度飞快的数字时代,虚假信息(misinformation)和假新闻(fake news)的传播已成为社会的重大挑战。互联网和社交媒体的普及使得信息共享的门槛大幅降低,任何人都可以在未经验证的情况下传播内容,而社交平台的算法又倾向于优先展示争议性或引发强烈情绪的内容,从而加速了误导性信息的扩散。此外,随着生成式人工智能(generative artificial intelligence)的发展,特别是大型语言模型(Large Language Models, LLMs)的普及,这些模型不仅可以生成高质量的自然语言,还可能被用于伪造信息,使得传统的虚假信息检测方法难以应对。 在此背景下,《Silver Lining in...

一种基于部门的股权配对交易策略与新型配对选择技术

深入探索基于部门的对冲交易策略及创新选股技术 背景与研究目标 对冲交易策略(Pairs Trading Strategy, PTS)作为一种长期以来被广泛使用的金融套利策略,其核心思想是利用两只高度相关的股票之间的相对表现,从价格的暂时性偏差中获利。然而,传统对冲交易策略主要依赖均值回复理论,假设股票之间的价格差(价差,Spread)会回归到其历史平均值。在实际操作中,交易者通常通过相关性分析或协整性分析(Cointegration)来挑选股对(Stock Pairs),并依据统计模型生成长/短头寸信号,从而实现获利。 尽管传统PTS已被广泛应用,但它存在一些局限性。例如,传统PTS在股对选择时通常忽略了股票所属行业(Sector)或部门的特征,这可能导致选出的股对对行业波动或市场系统性风险...

基于多目标进化优化的移民重新安置问题研究

通过多目标进化优化解决移民安置问题的新框架研究报告 在全球化进程加速和不断变化的社会经济背景下,移民(migrants)现象已经成为一种不可忽视的全球趋势。不管是出于人道主义救助的角度,还是从全球化经济的可持续发展出发,有效地管理和安置移民已成为一个复杂的重要课题。据统计,截止2019年,国际移民的总数已达到2.72亿人,呈现出大幅超出先前预测的增长趋势,并且这一现象在未来还将持续。然而,与此同时,移民安置过程中也面临着诸多挑战:如何提升移民的就业率以及如何合理分配移民至合适的定居点?这些问题的答案对移民本身、对东道国、乃至整个社会的经济与文化福祉都有重要影响。 基于这一全球性问题,本研究由南京大学、Peng Cheng实验室及Southern University of Science a...

混合环境中基于关系图学习的强化学习多智能体协作导航

多智能体混合环境协作导航研究:基于关系图学习的强化学习新方法 移动机器人技术正随着人工智能领域的发展迎来应用热潮,其中导航能力是移动机器人研究的核心热点之一。传统导航方法在面对动态环境、障碍物规避以及多机器人协作任务时,往往面临算法复杂度、计算资源消耗以及模型普适性的问题。针对这些问题,来自Central South University与Zhejiang University of Technology的研究团队提出了一种基于关系图注意力网络(Graph Attention Network, GAT)的新方法,称为GAR-CoNav,为混合环境中的多目标协作导航问题(Multi-Robot Cooperative Navigation Problem, MCNP)提供了新的解决方案。这篇发...