Характеризация источника рентгеновского излучения обратного Комптона и определение параметров электронного пучка с использованием генетического алгоритма

Проектирование белковых последовательностей, которые связывают специфические лиганды, выигрывает от модели обратного сворачивания, основанной на полной геометрии лиганда. Мы представляем UMA-Inverse, которая заменяет разреженную графовую основу LigandMPNN на плотный кодировщик парного представления: шесть блоков PairMixer (умножение треугольников, без самовнимания треугольника или отслеживания последовательности) уточняют все пары остатков-остатков и остатки-атомы лиганда, под контролем вспомогательной цели дистограммы, а авторегрессионный декодер обращает внимание на атомы лиганда через обученное, позиционно-специфическое считывание парного тензора. Модель компактна (~3.3 млн параметров). На тестовых подвыборках LigandMPNN она достигает 56.1%/55.1%/35.3% восстановления интерфейса (маломолекулярный/металлический/нуклеотидный). Она уступает LigandMPNN, но не так сильно, как это предполагают опубликованные данные: повторный запуск по нашему идентичному протоколу дает LigandMPNN баллы 59.8/64.4/53.3 (по сравнению с опубликованными 63.3/77.5/50.5). В условиях фиксированного кармана переработанные конструкции уверенно сворачиваются и способны связываться с лигандом при совместном сворачивании Boltz-2, снова немного уступая LigandMPNN. Ее отличительной чертой является представительная способность: плотный кодировщик передает идентичность лиганда на остатки далеко за пределами интерфейса, где сигнал LigandMPNN затухает. Мы предлагаем UMA-Inverse в качестве компактной базовой модели для обратного сворачивания, реагирующего на лиганд, которая уступает LigandMPNN в точности, вместе с характеристикой того, как плотный кодировщик всех пар распространяет информацию о лигандe.

Филогенетические сети обобщают филогенетические деревья для эволюционных историй, которые включают ретикулярные события, такие как рекомбинация, горизонтальный перенос генов и гибридизация. В рамках марковской модели замещения нуклеотидов филогенетическая сеть определяет распределение паттернов листьев. В данной работе мы исследуем идентифицируемость топологии сети из этого распределения в рамках моделей Джукса-Кантера (JC), Кимуры с двумя параметрами (K2P) и Кимуры с тремя параметрами (K3P). Нашим первым результатом является то, что полуправильный параметр сети уровня 1 (с учётом перенаправления треугольников) полностью идентифицируем по всем трем моделям на биологически разумном пространстве параметров, где скорости замещения являются вероятностными, а параметры смешивания нетривиальны (т.е. не равны 0 или 1). В отличие от общепринятой идентифицируемости, установленной в предыдущих работах, это действительно для каждой точки параметрического пространства, а не только для подмножества нулевой меры. Наш второй результат отличает филогенетические сети от филогенетических деревьев в том же пространстве параметров при JC и K2P. Мы доказываем, что ни одна филогенетическая сеть и филогенетическое дерево не могут порождать одно и то же распределение паттернов листьев, если только сеть не является деревом, возможно, дополненным определёнными подструктурами, называемыми $2$-болбами. Это означает, что наличие ретикулярной эволюции создает, в большинстве случаев, обнаружимый след в распределении паттернов листьев. Более широко, эти результаты имеют последствия для идентифицируемости за пределами изученных моделей и классов сетей, включая несколько моделей на основе коалесценции.

Состав научных рецензионных панелей является задачей ограниченной оптимизации, в которой конечный пул экспертов должен быть распределен по нескольким панелям с учетом научной экспертизы и демографического разнообразия. Поскольку количество возможных конфигураций панелей растет очень быстро с увеличением числа рецензентов, исчерпывающие поиски быстро становятся вычислительно нецелесообразными. В этой работе я представляю генетический алгоритм, разработанный для оптимизации состава панелей в процессе оценки предложений Европейской южной обсерватории (ESO). Назначения панелей представлены через кодирование на основе хромосом. Кандидатные решения оцениваются с использованием функции приспособленности, основанной на четырех индикаторах дисбаланса: научной экспертизе, гендере, принадлежности к стране и профессиональной старшинстве. Метод тестируется с использованием реальных данных рецензентов из системы обработки предложений ESO. Результаты показывают, что генетический алгоритм быстро определяет конфигурации панелей с существенно меньшим дисбалансом, чем те, которые получены из случайных назначений, и постепенно улучшает качество общей популяции. Кроме того, вместо того, чтобы создавать одну оптимизированную конфигурацию, подход генерирует набор высококачественных реализаций панелей, которые могут быть впоследствии отфильтрованы в соответствии с дополнительными операционными ограничениями, не включенными явно в функцию приспособленности. Хотя методология была разработана для ESO, она является общей и применима к широкому спектру систем рецензирования на основе панелей.

Мы исследуем, могут ли жизнеспособные модели $f(R)$, подобные Hu-Sawicki, приводить к отклонениям от $Λ\mathrm{CDM}$, которые можно проверить с помощью текущих космологических данных. Мы применяем подход машинного обучения, основанный на генетических алгоритмах (ГА), для восстановления аналитических возмущений вокруг класса моделей Hu-Sawicki. Мы разрабатываем пайплайн, который связывает код ГА с космологическим кодом. Каждая функция $f(R)$, сгенерированная ГА, сначала проверяется на теоретические условия жизнеспособности, включая стабильность, восстановление стандартной эпохи, доминируемой веществом, предел общей теории относительности и механизм экранования шемеллона. Жизнеспособные кандидаты передаются в космологический код для восстановления соответствующей фоновой космологии и тестируются на соответствие измерениям BAO из DESI DR2 и каталогу сверхновых типа Ia Pantheon+. Отклонения, которые мы находим, наиболее заметны в поздние времена, когда пониженная кривизна делает эффекты изменённой гравитации более значительными, и быстро подавляются при более высоких красных смещениях, что соответствует наложенному соответствию с эпохой доминирования вещества. Чтобы дополнительно количественно оценить отклонения от стандартной космологической модели, мы вычисляем диагностический параметр $Om(z)$. Он показывает лишь очень небольшое отклонение от постоянного поведения $Λ\mathrm{CDM}$. Эффективное уравнение состояния темной энергии, связанное с восстановленной функцией $f(R)$, также слабо эволюционирует, демонстрируя мягкий переход от эффективной природы квинтэссенции к эффективному режиму фантома. В целом, наши результаты указывают на то, что в рамках возмущений вокруг класса моделей Hu-Sawicki текущие фоновые данные допускают лишь ограниченные отклонения от $Λ\mathrm{CDM}$.

Происхождение импульсного излучения гамма-всплесков (ГВ, GRB) остается открытым вопросом. Модель внутренних ударов (МВУ) является одним из ведущих сценариев преобразования кинетической энергии релятивистских выбросов в гамма-лучи, однако её параметры еще не были полностью откалиброваны на основе наблюдаемых кривых света ГВ для воспроизведения их разнообразия. Мы принимаем машинное обучение как основу для оптимизации модели МВУ, сравнивая свойства симулированных и наблюдаемых кривых света из трех каталогов ГВ (Swift/BAT, Fermi/GBM, CGRO/BATSE). Предполагая зависимость скорости формирования ГВ от красного смещения, мы используем генетический алгоритм для минимизации функции потерь, основанной на шести независимых метриках, которые учитывают как средние значения, так и статистические распределения. Оптимизированная модель воспроизводит несколько ключевых наблюдательных свойств, включая средний временной профиль после пика, функцию автокорреляции и распределения длительности, отношения сигнал/шум, числа пиков, пикового потока и потока энергии. Мы также выводим ограничения на активность центрального двигателя: (i) количество выбрасываемых оболочек хорошо описывается обобщенным распределением Ципфа, аналогичным закону Гутенберга-Рихтера для землетрясений, и (ii) времена эмиссии оболочек в системе покоя следуют отрицательному экспоненциальному распределению, указывая на стохастический процесс с постоянной вероятностью выброса. Эта откалиброванная модель МВУ предоставляет физически обоснованную основу для интерпретации изменчивости ГВ и прогнозирования популяций ГВ, detectable в будущих миссиях.

Филоразнообразие (PD) является фундаментальной мерой биологического разнообразия, изначально определенной для филогенетических деревьев и широко используемой в охране природы. Филогенетические деревья часто обобщаются на направленные ациклические графы, называемые филогенетическими сетями. В связи с этим требуется соответствующее обобщение PD. Естественным обобщением для взвешенных по рёдам филогенетических сетей является мера всех путей, где разнообразие множества S видов (таксонов) определяется как общая масса всех рёбер, которые лежат на пути от корня к хотя бы одному виду из S. Хотя максимизация PD на деревьях может быть решена за полиномиальное время, соответствующая задача для сетей является NP-трудной и трудной для аппроксимации. Мы проводим систематическое исследование параметризованной сложности проблемы Max-All-Paths-PD (MapPD). Мы устанавливаем W[2]-трудность, когда задача параметризована количеством видов, включённых в решение, и W[1]-трудность для количества видов, исключённых из решения. С положительной стороны, мы показываем, что проблема является фиксированно-параметрически разрешимой в зависимости от порога разнообразия и допустимой потери разнообразия. Мы дополнительно анализируем, как близость сети к дереву влияет на алгоритмическое поведение, и представляем алгоритмы с фиксированным параметром с одноэкспоненциальной сложностью, учитывающие количество ретруксаций и ширину дерева основного графа. Наконец, мы представляем полиномиальную ядровизацию для MapPD относительно количества рёбер ретруксации.