一种基于半监督学习的深度状态空间模型在植物生长建...
一种基于半监督学习的深度状态空间模型在植物生长建模中的应用研究培育优质高产的作物一直是科学家们追求的目标，人们通过一系列先进的栽培技术来实现此目标。比如对于番茄的培育，由于干旱胁迫有利于番茄的糖分积累，所以人们可以运用精准灌溉技术来控制水分的供给量从而优化番茄果实品质，然而这项技术并没有在农田实践中得到广泛地推广和应用。近年来，很多研究者致力于通过监测水分胁迫引起的植株生长变化，利用深度神经网络技术来评估植物缺水程度，这些研究在一定程度上提高了水分胁迫栽培技术。然而，前人并没有对如何通过水分胁迫来调控果实糖含量（Sugar content）的技术进行深入探讨。所以，近年来，人们对培育高产稳产的具有理想糖含量的温室番茄产生了浓厚的兴趣，期望建立一个基于强化学习（Reinforcement Learning，RL）的植物生长模型，来高效地评估温室番茄的糖含量变化。但是，（i）建模需要一个较大的数据集，由于需要使用......阅读全文
相比GPU和GPP：FPGA才是深度学习的未来？（一）
相比GPU和GPP，FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗，FPGA将在一般的深度学习应用中展现GPU和GPP所没有的独特优势。同时，算法设计工具日渐成熟，如今将FPGA集成到常用的深度学习框架已成为可能。未来，FPGA将有效地
相比GPU和GPP：FPGA才是深度学习的未来？（二）
除了编译时间外，吸引偏好上层编程语言的研究人员和应用科学家来开发FPGA的问题尤为艰难。虽然能流利使用一种软件语言常常意味着可以轻松地学习另一种软件语言，但对于硬件语言翻译技能来说却非如此。针对FPGA最常用的语言是Verilog和VHDL，两者均为硬件描述语言（HDL）。这些语言和传统
10－分钟生成分割,－AI－可进行更精确、快速的细胞器定量分析
冷冻软 X 射线断层扫描 (Cryo-SXT) 是研究细胞超微结构的强大方法，可提供数十纳米范围的分辨率和膜结构的强烈对比度，无需标记或化学固定。较短的采集时间和相对较大的视场导致快速采集大量断层图像数据。将这些数据分割成可访问的特征是从低温软 X 射线断层扫描中获取生物学相关信息的必要步骤。然
龙讯旷腾扩展工业领域，机器学习平台加速分子动力学计算
我们都知道从第一性原理出发的分子动力学（Ab Initio Molecular Dynamics, AIMD）计算，需要消耗大量时间和计算资源。但另一方面，体系中每个原子的能量，可通过考察其邻近原子的几何位置即组态（Configuration）近似得到。因此借助机器学习的方法，辅助已有的第一性原理计
基于机器学习精确揭示心律不齐的原因
近日，Skoltech研究所的科学家们设计了一种新的基于机器学习的方法，用于检测“心房颤动驱动器”，即被认为会导致最常见类型的心律不齐的心肌小斑块。据美国心脏协会称，这种方法可能导致更有效的针对性医疗干预，以治疗估计影响全球3300万人的疾病。 心房颤动（AF）的背后机制尚不清楚，AF是一种异
用植物生长室探究多肉植物的生长条件
地球上大多数的植物在生长过程中，其生长环境中的水分温度变化都会对作物生长造成不同程度的影响，作物在发芽阶段，水分、温度和光照是首要因素，若缺少了其中的任一要素，那么种子的发芽率也会大打折扣。近日托普云农的小编也专门利用植物生长室对此做了相关实验，实验对象是我们生活中常见多肉植物中的一种--生
Nature子刊：基于Transformer的单细胞可解释注释方法
近年来得益于单细胞测序技术的发展，我们可以以单细胞分辨率去理解生物学过程，包括发育，衰老和疾病等。细胞类型注释在单细胞数据分析过程中非常关键，传统的注释方法是将细胞降维到去除批次效应的低维空间，再进行一轮或多轮不同分辨率的聚类，最后根据不同细胞簇的标记基因人工的标注细胞类型。这一过程缺乏公认的标
深度学习增强里德堡多频微波识别
图为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果 中国科大供图里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系，备受人们青睐。但基于里德堡原子的微波测量领域还存在很多科学问题亟待解决，多频率微波接收就是其中一项难题
深度学习增强型智能镜可指导健身
意大利布雷西亚大学的研究人员最近开发了一种用于智能镜子的计算机视觉系统，可以提高家庭和健身房环境中健身训练的效率。在国际体育生物力学学会会议上公布的一篇论文中介绍了这一系统，该系统基于一种深度学习算法，经过训练可以识别健身视频中记录的人体姿势。 这款低成本计算机视觉系统利用骨架化算法，在带
新构建！深度脉冲神经网络学习框架“惊蜇”
中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案，能够处理神经形态数据、构建深度脉冲神经网络、部署神经形态芯片。相关研究成果在线发表于《科学进展》杂志。图片来源：中国科学院自动化所脉冲神经网络被誉为第三
科学家利用迁移学习建立计算大模型预测基因调控研究
基因网络绘制需要大量转录组数据用于建立基因之间的联系，这也阻碍了一些数据有限场景（如罕见病）等研究。最近，利用迁移学习的机器学习技术在自然语言和计算机视觉等领域带来了变革性进展，其通过在大规模通用数据集上进行大模型预训练，而后迁移到数据量有限的特定任务进行微调。美国博德研究所等研究团队提出了一个
俄罗斯计划建新空间站
俄罗斯载人航天系统总设计师、能源火箭太空公司第一副总经理米克林1月23日介绍说，俄方打算在国际空间站退役后以其部分舱段为基础建造新的轨道空间站。 米克林当天在莫斯科举行的一次航天会议上透露说，俄计划在2019年年底前向国际空间站再发射3个新舱，完成现行国际空间站俄罗斯舱段的建设。在国际空
类脑信息处理研究取得进展
近期，中国科学院自动化研究所类脑智能研究中心类脑信息处理（BRAVE）研究组，在研究员张兆翔的带领下，在借鉴生物神经结构、认知机制与学习特性的神经网络建模与类人学习研究中取得了一系列突破性进展。该研究组在“视听模态的生成、融合”以及“智能体之间的知识迁移”取得了重大突破，系列成果发表在AAAI
武汉植物园在入侵植物生长繁殖等研究中取得进展
入侵植物通常在入侵地范围内占据广泛的栖息地，面临的气候条件和生物压力等显著不同。大地理尺度环境中的异质性可以促进入侵植物适应当地的气候和地理，同时也可能促进植物入侵后期的快速进化。研究入侵植物生长、繁殖和防御等性状的纬度梯度格局有利于增加人们对多种非生物和生物因素如何驱动植物入侵过程的理解，对大
自动化所在人脑视觉信息编解码研究方面取得新进展
现代认知神经科学以及功能磁共振成像技术（functional Magnetic Resonance Imaging, fMRI）的不断发展使得采用科学手段对大脑视觉皮层信号进行解读成为可能。研究人脑视觉信息解码模型不仅可以加深人们对人脑视觉信息处理机制的研究，还可以有力地促进新一代脑-机接口（B
机器学习加速探索材料的开发
设计空间几何增长是材料设计中的一大挑战。机器学习（ML）加速探索材料设计已经开始在的这一挑战中发挥作用，并显著提高了发现材料的效率。然而，这个流程暗含了密度泛函理论（DFT）产生的训练集的统计上的偏见。并且，在使用高通量计算产生训练集的时候，大量的计算会失败。这种情况对于一些有趣的，例如含有自由
如何判断一种细胞的生存状态好坏
贴壁细胞在生长状态良好时，细胞均质而透明，细胞内颗粒少，看不到空泡，细胞边缘清楚，培养基内看不到悬浮的细胞和碎片，培养液清澈透明。
计网中心在大数据与食源性疾病监测交叉研究中获进展
食源性疾病是全球重要的公共卫生和食品安全问题，近年来，食源性疾病呈现出跨区域传播、变化快、难预测的特点。依托于国家重点研发计划课题“基于多源数据的食源性疾病实时预警技术体系研究”，中国科学院计算机网络信息中心大数据部将大数据和机器学习技术与食源性疾病预测的实际需求进行深度融合，在该交叉领域取得多
在植物适应空间飞行微重力环境研究方面获进展
近日，中国科学院分子植物科学卓越创新中心光合与环境生物学实验室研究员蔡伟明研究组在iScience上在线发表题为Pectin methylesterase gene AtPMEPCRA contributes to physiological adaptation to simulated an
拉曼光谱技术首发现，无创预测D3胚胎成囊率
来自中信湘雅医院团队的一项最新研究表明，使用拉曼光谱和深度学习分类模型，能够检测D3胚胎培养基，并预测D3卵裂期胚胎到囊胚期的发育潜力，总体准确率达到73.53%，整体精度接近到74%，敏感性为77.78%，特异性为 72%；预测交付的总体准确性为 80.5%，敏感性为 85.7%，特异性为80
深度学习加快了3D微观神经成像的速度
德克萨斯州奥斯汀和圣地亚哥Salk研究所的研究人员使用深度学习技术，开发了一种新的显微方法，可以使用于大脑成像的显微技术快16倍。研究人员使用德克萨斯大学奥斯汀分校（UT Austin）德克萨斯高级计算中心（TACC）的数据训练了他们的深度学习系统。索尔克生物学研究所Waitt先进生物光子学核心
罗京佳等使用新方法更准确预测厄尔尼诺/南方涛动现象
iNature 厄尔尼诺/南方涛动（ENSO）的变化与各种各样的区域极端气候和生态系统影响有关。因此，可靠，长期的预测对于管理政策响应非常有价值。但是，尽管付出了数十年的努力，但在提前一年以上的时间预测ENSO事件仍然存在问题。 2019年9月18日，南京信息工程大学大气院气候与应用前沿研究
土壤养分速测仪对沙漠化地区养分空间分布
在沙漠化地区，土壤养分与一般地区的养分成分是不同的，并且具有很大的差异性，我们都知道，沙漠之所以不适合植物生长，除了含有的水分比较少以外，该地土壤的养分并不适合植物的生长。 土壤的空间异质性是生态系统的一个重要属性，也是产生空间格局的主要原因，与生态系统的功能和过程之间有着密切的联系。在草原群落生态
简述蛋白质折叠的生长模型
根据这种模型,肽链中的某一区域可以形成“折叠晶核”,以它们为核心,整个肽链继续折叠进而获得天然构象。所谓“晶核”实际上是由一些特殊的氨基酸残基形成的类似于天然态相互作用的网络结构,这些残基间不是以非特异的疏水作用维系的,而是由特异的相互作用使这些残基形成了紧密堆积。晶核的形成是折叠起始阶段限速步
认知无线电（Cognitive－Radio）的主要组成部分介绍（二）
图5、3GPP研究的通信用人工智能算法现在为了理解如何以智能方式分析实际信号，我们需要一台由机器或深度学习算法驱动的认知引擎来观察，分析，预测并做出决策。但首先我们需要明白，机器学习与深度学习的主要区别是机器学习中的特征工程，学习模型决定根据固定的特征集（观察/测量参数）来对情况进行分类的，但是在深
植物根系生长规律
根系与地上部生长发育的关系： 一方面垂直根如早期抢先发育导致地上部徒长延迟开花结果；反之，水平根发育良好，形成根网，有助于地上部较顺利地向生殖生长转化。 另一方面，地上部幼龄树枝梢合成的营养物质(尤其是生长素类)首先满足了垂直根的需要，促使其迅速向深土层推进，形成早期发育优势，相对抑制了
美国IBM研究院实现深度学习性能突破
美国IBM研究院近日宣布，通过全新的分布式深度学习软件，实现了接近理想的扩展能力，该软件在64台IBM Power系统服务器中的256个GPU上并行运行深度学习框架，实现了95%的扩展效率，并使运算速度与准确率得到了显著提升。此前最佳的系统扩展能力是Facebook人工智能研究院所取得的89%
科研人员发现深度学习揭示基因相互作用
近日，卡内基梅隆大学计算机科学家采用了一种深度学习方法，近年来彻底改变了人脸识别和其他基于图像的应用程序，并将其功能重定向到探索基因之间的关系。 他们说，诀窍在于将大量的基因表达数据转换成更像图像的东西。善于分析视觉图像的卷积神经网络（CNN）方案随后可以推断出哪些基因正在相互作用。 （图片
科学家构建深度脉冲神经网络学习框架
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spik
成年小鼠空间学习记忆的检测Morris水迷宫实验
实验方法原理通过观察并记录动物学会在水箱内游泳并找到藏在水下逃避平台所需的时间、采用的策略和它们的游泳轨迹，分析和推断动物的学习、记忆和空间认知等方面的能力。它能比较客观地衡量动物空间记忆(spatial memory)，工作记忆(working memory)以及空间辨别能力(spatial di