科学家开发出合理化深度学习超分辨显微成像方法
光学超分辨显微成像技术使人们能够从微观纳米尺度观测细胞内的动态生命活动，是当今细胞生物学、发育生物学、神经科学等生命科学领域的重要研究工具。基于深度学习的超分辨成像技术在保证成像指标，如速度、时程或视野等性能的前提下，进一步提升了显微图像分辨率或信噪比，表现出更大的应用前景。 近日，中国科学院生物物理研究所与清华大学，联合美国霍华德休斯医学研究所等研究团队，在Nature Biotechnology杂志上发表了题为“Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes”的研究论文。该研究提出了一套合理化深度学习显微成像技术框架，将光学成像模型及物理先验与神经网络结构设计相融合，合理化网络训练、预测过程，从而实现了高性能、高保真的显微图像去噪与超分辨重建，......阅读全文
DeepDEP：深度学习构建肿瘤依赖性图谱
大家好呀！今天给大家介绍一篇2021年发表在Science Advances上的文章。全基因组功能缺失筛查揭示了对癌细胞增殖十分重要的基因，称为肿瘤依赖性。然而将肿瘤依赖性关系与癌细胞的分子组成联系起来并进一步与肿瘤联系起来还是一个巨大的挑战。本研究，作者提出了DeepDEP，基于深度学习模型和
人脸检测发展：从VJ到深度学习（一）
这是一个看脸的世界！自拍，我们要艺术美颜；出门，我么要靓丽美妆。上班，我们要刷脸签到；回家，我们要看脸相亲。 当手机把你的脸变得美若天仙，当考勤机认出你的脸对你表示欢迎，你知道是什么魔力让冷冰冰的机器也变得温情脉脉，让呆呆的设备也变得善解人意吗？今天就让我们走近它们的内心，了解这些故事背后的一项
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。普利茅
深度学习在雷达中的研究综述（一）
深度学习在雷达中的研究综述王俊, 郑彤, 雷鹏, 魏少明 摘要：雷达通过发射天线发射电磁波，经过不同物体反射接收到相应的反射波，对其接收结果进行分析，能得到物体距雷达的位置，径向运动速度等信息，所以对雷达信号的分析具有重要的研究意义。近些年深度学习成为各个领域的研究热点，而在雷达领域同样可通过
深度学习“见顶”不等于AI寒冬
尽管新的算法模型在推动AI向前发展，但并不意味着它们的前景可以预见，也不意味着深度学习“不可救药”。 在当前的第三次人工智能（AI）浪潮之中，深度学习算法被认为是迄今为止“最为重大的AI革命”。此说法或许有所夸大，但深度学习对这一轮AI的大爆发而言的确功不可没。然而，最近以来，关于深度学习算
前沿显微成像技术专题——超分辨显微成像（2）
上一期我们为大家介绍了几种主要的单分子定位超分辨显微成像技术，还留下了一些问题，比如它的分辨率是由什么决定的？获得的大量图像数据如何进行重构？本期我们就来为大家解答这些问题。单分子定位超分辨显微成像的分辨率单分子定位超分辨显微成像的分辨率主要由两个因素决定：定位精度和分子密度。定位精度是目标分子在横
前沿显微成像技术专题——超分辨显微成像（1）
从16世纪末开始，科学家们就一直使用光学显微镜探索复杂的微观生物世界。然而，传统的光学显微由于光学衍射极限的限制，横向分辨率止步于 200 nm左右，轴向分辨率止步于500 nm，无法对更小的生物分子和结构进行观察。突破光学衍射极限，一直是科学家们梦想和追求的目标。虽然随着扫描电镜、扫描隧道显微镜及
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
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有潜
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
基于深度学习的RNA多类型修饰解析算法
中国科学院动物研究所研究员赵方庆团队开发基于纳米孔RNA直接测序技术与深度学习策略的RNA修饰图谱解析算法ORCA。相关研究发表于《自然-通讯》。基于深度学习的RNA修饰系统识别与注释模型 论文作者供图RNA修饰对RNA的剪接加工、出核转运、以及RNA的稳定性和翻译效率有着重要的调控作用。但现有研
基于深度学习的时间序列预测研究获进展
时间序列预测是大规模数据无损压缩和极端天气预报等领域的核心技术。随着应用场景多样化和数据复杂性提升，现有模型在异构数据的统一表达、长序列结构依赖建模、极端天气波动捕捉等方面存在挑战。中国科学院计算机网络信息中心人工智能团队围绕上述挑战开展研究，提出一系列创新算法与模型，并在实际系统部署应用。
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
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
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有
深度剖析凝胶成像系统的核心参数
1、像素越高是不是成像更清晰，产品就越好？ 像素是要针对成像设备来看的， 其实 CCD本身的质量比单纯的像素高低更重要。 对于同级别 CCD来说， 最重要的指标是 CCD的尺寸大小，尺寸越大其本身价值就成几何倍地增长。2. CCD 和 CMOS有什么区别，哪种芯片更好？ CCD和 CMOS在制造上的
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%
深度学习在基因表达谱分析上取得重要进展
近日，一项刊登在国际杂志Bioinformatics上的研究论文中，来自加州大学尔湾分校和博德研究所的研究人员通过深度学习算法进行大规模基因表达预测，并在预测精度上获得了显着提升。 全基因组表达谱分析被广泛应用于描述细胞在不同生理病理条件下的活动状态，例如不同的癌组织细胞在各种给药条件下会产生
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
深度学习驱动大气降尺度技术研究取得进展
在全球气候变化研究中，将低分辨率的大尺度气候模式数据转化为高分辨率区域数据，是准确评估极端天气与区域微气候的关键。然而，现有主流国际工具普遍受限于固定尺度约束。近日，中国科学院南海海洋研究所等团队，研发出一种基于隐式神经网络混合专家模型（MINet）的大气降尺度新方法。团队通过多尺度隐式特征构建，和
深度学习驱动大气降尺度技术研究取得进展
在全球气候变化研究中，将低分辨率的大尺度气候模式数据转化为高分辨率区域数据，是准确评估极端天气与区域微气候的关键。然而，现有主流国际工具普遍受限于固定尺度约束。近日，中国科学院南海海洋研究所等团队，研发出一种基于隐式神经网络混合专家模型（MINet）的大气降尺度新方法。团队通过多尺度隐式特征构建，和
2016值得关注的技术：基因组分析深度学习
《Nature Methods》盘点2015年度技术，选出了最受关注的技术成果：单粒子低温电子显微镜（cryo-EM）技术。 除此之外，也整理出了2016年最值得关注的几项技术，分别为：细胞内蛋白标记（Protein labeling in cells）、细胞核结构（Unraveling nuc
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
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
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
新疆理化所在深度学习预测抗癌多肽研究中取得进展
癌症是人类健康最致命的杀手，在全球范围内每年造成数百万人的死亡。传统的物理和化学方法，包括靶向治疗、化疗和放射治疗等医疗实践中常见的治疗手段，在一定程度上能杀死病变癌细胞，但是同时也会杀死大量正常的细胞，带来严重的副作用。这些治疗手段费用昂贵且预后效果不佳，迫切需要开发新的定向清除癌细胞，治疗癌
研究团队在深度学习泛化能力研究中获进展
近日，中国科学院沈阳自动化研究所机器人学国家重点实验室在深度学习泛化能力研究中取得进展，相关研究成果Depth selection for deep ReLU nets in feature extraction and generalization为题，发表在IEEE Transactions
深度学习技术及应用国家工程研究中心正式揭牌
《中国科学报》近日获悉，经国家发展和改革委员会批复，深度学习技术及应用国家工程研究中心（以下简称工程研究中心） 纳入新序列管理。4月26日，工程研究中心举行了揭牌仪式。 揭牌仪式 图片来源：工程研究中心 纳入新序列管理后，工程研究
新型深度学习框架可应用于电池健康状态预测
近日，中国科学院大连化学物理研究所研究员陈忠伟、副研究员毛治宇团队，联合西安交通大学教授冯江涛，在电池健康管理领域取得新进展。合作团队开发了一种新型的两阶段联邦迁移学习框架，有效解决了快充电池健康状态（SOH）预测中的数据不足和个性化建模难题，为快充电池SOH预测提供了新思路。相关成果发表在《电
Advanced－Science:－深度学习方法预测分子激发光谱
芬兰阿尔托大学Patrick Rinke教授及其合作者一起提出了用于预测分子激发光谱的深度学习方法。 以132k有机分子的电子态密度为例，训练和评估了三种不同的神经网络结构：多层感知器（MLP），卷积神经网络（CNN）和深张量神经网络（DTNN）。 神经网络的输入是每个分子中原子的坐标和电荷。