卷积神经网络
意念操控电脑，如手掌般精准！MIT脑机接口新技术登Nature子刊
编辑 | 2049想象一下，仅凭思维就能自如地操控电脑鼠标，就像健全人使用手部一样精准和流畅。 这听起来像科幻片中的场景，但在加州理工学院（MIT）的最新研究中，这样的未来正在成为现实。 研究人员开发出了一种名为「FENet」的突破性技术，让瘫痪患者能够更精准地用意念控制电脑设备。
中国科学院核聚变最新进展，AI 加速等离子体参数预测
编辑 | KX等离子体离子温度和旋转速度是评估聚变实验的重要参数之一，对等离子体稳定性和约束性能有重要影响。如何实现等离子体离子温度和旋转速度的快速精确测量，一直是聚变装置稳定高参数运行所面临的关键技术问题之一。近日，中国科学院合肥物质科学研究院的研究团队在等离子体关键参数诊断研究方面取得新进展。
探索复合材料中的原子扩散，加州大学开发神经网络动力学方法
编辑 | 绿罗就像随风扩散、扑面而来的花香，材料中的原子与分子也在进行着它们的「扩散」。材料中的扩散决定了沉淀、新相形成和微观结构演化的动力学，并强烈影响机械和物理性能。成分复杂的材料固有的化学复杂性，给原子扩散建模和化学有序结构的形成带来了挑战。在此，加州大学的研究人员提出了一种神经网络动力学（NNK）方法，用于预测成分复杂材料中的原子扩散，及其由此产生的微观结构演化。该框架基于高效的晶格结构和化学表征，结合人工神经网络，能够精确预测所有依赖于路径的迁移势垒和单个原子跳跃。可扩展的 NNK 框架为探索隐藏着非凡属
灵敏度超40%、精度达90%的从头肽测序，一种深度学习驱动的串联质谱分析方法
编辑 | 萝卜皮与 DNA 和 RNA 不同，蛋白质缺乏准确和高通量的测序方法，这阻碍了蛋白质组学在序列未知的应用中的实用性，包括变体调用、新表位鉴定和宏蛋白质组学。德国慕尼黑工业大学（Technische Universität München，TUM）的研究人员推出了 Spectralis，一种用于串联质谱分析的从头肽测序方法。Spectralis 利用了多项创新，包括连接按氨基酸质量间隔的光谱峰的卷积神经网络层、提出碎片离子系列分类作为从头肽测序的关键任务，以及肽谱置信度评分。对于数据库搜索提供的真实光谱，S
使用深度神经网络整合药物与疾病关联数据进行药物再利用
编辑 | 萝卜皮药物再利用是指识别 FDA 批准的用于治疗特定疾病的新药物靶点。由于新药发现失败的高风险，药物再利用被视为药物研发重要途径。伊朗大不里士大学（University of Tabriz）的研究人员提出了一个模型，使用深度神经网络整合药物与疾病关联数据进行药物再利用。该模型被称为 IDDI-DNN，主要构建药物相关属性（三个矩阵）、疾病相关属性（两个矩阵）和药物与疾病关联（一个矩阵）的相似性矩阵。然后，受益于相似性网络融合方法，通过两步过程将这些矩阵整合成一个唯一的矩阵。该模型使用构建的矩阵通过卷积神经
- 1