Эвристика плотности вознаграждения для динамической многотранспортной маршрутизации: эффективность и вычислительная производительность

Размножение у видов с родительским уходом включает поддержание выводка потомства в течение энергозатратного периода, когда изменения в доступности ресурсов, погоде, риске хищников и состоянии родителей могут существенно влиять на выживаемость потомства. Самый крайний исход — полный провал выводка (смерть всего потомства), который относительно часто встречается у многих видов птиц и может происходить, когда условия превышают порог жизнеспособности. Хотя полный провал выводка важен для формирования вариаций приспособленности и динамики популяций, наше понимание того, как внутривидовая и межвидовая зависимость плотности управляет этими событиями, или как такие факторы, как качество среды обитания и нагрузка болезнями, способствуют им, ограничено, поскольку для этого требуются детальные данные на уровне отдельных особей, собранные на протяжении нескольких поколений для нескольких перекрывающихся видов. Используя набор данных, насчитывающий 38 509 попыток гнездования больших синиц (Parus major) и голубых синиц (Cyanistes caeruleus) в Вайзамских лесах, Оксфорд, Великобритания, мы исследовали, как местная плотность сопредельных и чуждых видов, структура среды обитания и инфекция птичьим малярией влияют на риск полного провала выводка для определенной подгруппы. Полный провал выводка был частым (14,75%), в основном он был связан с смертностью птенцов в гнезде, что указывало на голод, а не на удаление выводка хищниками. Связи между плотностью и провалом выводка были сильными, но специфичными для видов. В частности, риск провала у больших синиц был выше в соседствах, которые оставались плотно заселенными на протяжении нескольких лет, тогда как риск провала у голубых синиц был ниже там, где годовая плотность больших синиц или общая плотность была высокой, но не там, где сама годовая плотность голубых синиц была высокой. Это предполагает, что местная общая плотность отражает продолжающееся ограничение для больших синиц, в то время как местная годовая плотность может частично отслеживать благоприятные условия в рамках года и паттерны заселения для голубых синиц. У больших синиц провал также чаще встречался, когда плотность дубов была низкой и на большем расстоянии от ближайшей реки (Темзы), тогда как ассоциации с средой были слабыми у голубых синиц. Инфекция малярией была пространственно неоднородной и коррелировала с плотностью и средой, но статус инфекции не объяснял значительного количества полных провалов выводка. В совокупности эти результаты показывают, что полный провал выводка формируется под воздействием пространственно структурированного местного экологического контекста, и как зависимость плотности в этих событиях может различаться по направлению и временным рамкам между симпатрическими видами.

Мы рассматриваем проектирование кодов с низкой плотностью проверок на четность (LDPC) для данного итеративного декодера. Несмотря на такие инструменты, как прямая симуляция, эволюция плотности (DE) и анализ EXIT-графиков, выбор матрицы проверок на четность остается сложной комбинаторной задачей оптимизации. Существующие подходы часто полагаются на основанные на популяции методы поиска, случайные мутации, генетические алгоритмы или связанные эвристики, которые требуют тщательной настройки параметров и могут быть вычислительно затруднительными. Недавние методы, основанные на градиентном спуске (GD), оптимизируют расслабленные матрицы проверок на четность, дифференцируя через симуляции декодера. Однако такие стратегии с «декодером в петле» полагаются на шумные оценки Монте-Карло, требуют поиска по линии для мягких представлений матриц и остаются дорогостоящими для длинных кодов LDPC. Более того, хотя оптимизация проводится в расслабленной области, потери обычно оцениваются только для матриц проверок на четность с целочисленными значениями. В этой работе мы сосредотачиваемся на проектировании кодов LDPC на основе длинных протографов и предлагаем детерминированную структуру на основе GD, которая работает непосредственно с расслабленным представлением протографа. Каждая ячейка протографа интерпретируется как вероятность того, что соответствующий элемент равен единице. Функция потерь основана на показателе битовой ошибки (BER) в эволюции плотности и может быть непосредственно оценена для расслабленных протографов. Чтобы обосновать это расслабление, мы связываем расслабленное представление с ансамблем двоичных протографов и показываем, что предложенная расслабленная DE дает усредненные показатели DE для ансамбля. В результате оптимизационная процедура полностью автономна и использует стандартные методы GD. Благодаря детерминированной оценке DE и информативным градиентам предложенный подход обеспечивает быструю и надежную сходимость. Численные эксперименты для декодера min-sum показывают, что оптимизированные протографы превосходят коды LDPC 5G с теми же размерами протографов.

Динамический оптимальный транспорт объединяет оптимальный транспорт, механику жидкостей и теорию градиентного течения в рамках непрерывной динамики, предлагая язык, учитывающий геометрию, для применения в физике, биологии и машинном обучении. Однако традиционные формулировки рассматривают его как задачу ограниченной оптимизации, которая должна явно удовлетворять уравнению сохранения массы, что затрудняет реконструкцию базовой динамики напрямую из данных. Мы предлагаем энергетический вариационный метод для динамического оптимального транспорта (EVMDOT), который реформулирует проблему в рамках энергетической вариационной теории, сочетая карту потока, принцип наименьшего действия и принцип максимальной диссипации. Карта потока преобразует ограниченную задачу в неограниченную, автоматически обеспечивая выполнение уравнения сохранения массы, в то время как баланс между консервативными и диссипативными силами определяет поле скоростей. Примененный к уравнению Фоккера-Планка, EVMDOT восстанавливает как энергетический ландшафт, так и ландшафт Уаддингтона напрямую из временных данными о плотности. В ходе численных экспериментов мы выяснили, что EVMDOT достигает внутреннего баланса между количеством и качеством данных: достаточное количество данных компенсирует ограниченное качество данных, что делает реконструкцию устойчивой к выбору окна наблюдения. Мы также применили EVMDOT к набору данных Инициативы нейровизуализации болезни Альцгеймера (ADNI) для вывода потенциального ландшафта амилоидного бета и тау, выявляя два минимума, соответствующих когнитивно нормальному состоянию и стадии болезни Альцгеймера, а также переходный путь между ними.

Продуктивность антител и качество гликозилирования в культурах CHO возникают из динамически меняющейся метаболической среды, однако модели часто работают в изоляции или на одном уровне. В данной работе мы представляем мультимасштабную механистическую модель, связывающую молекулярный, клеточный и процессный уровни, для предсказания того, как входные параметры формируют траектории биопроцессов. Основой модели является кинетическая модель на уровне одной клетки, которая связывает метаболические и гликозилирующие сети, управляющие выходом и критическими качественными характеристиками (CQA). Стохастическая модель одной клетки описывает зависящие от окружающей среды переходы между ростом, производством и упадком, учитывая гетерогенность популяции. Мы также вводим накопительное изменение скорости поглощения кислорода, интегрируя общее метаболическое изменение со временем, как компактный биомаркер для предсказания метаболических изменений. В отличие от подходов, основанных на среднем по популяции, модель передает метаболические состояния с разрешением на уровень клеток (включая pH Гольджи, регулируемое аммиаком, доступность нуклеотидных сахаров, марганцевые кофакторы и скорость синтеза) в процесс гликозилирования. Модель была оценена на культурах CHO-K1, производящих VRC01 IgG1 при целевом стрессе от аммиака, в условиях контроля и с использованием стратегии пирамидальной подачи с более строгим контролем. Она точно предсказывает траектории плотности клеток, метаболитов, продуктивности и гликозилирования, включая увеличение G0F и снижение галактилирования при стрессе от аммиака, и количественно оценивает, как метаболическая гетерогенность влияет на изменчивость продуктивности и CQA. Эта работа предоставляет единое основание для предсказательной биопроизводства и продвинутого управления процессами.

Обнаружение падений имеет важное значение для ухода за пожилыми людьми и интеллектуального наблюдения; однако существующие подходы на основе компьютерного зрения в основном рассматривают его как классификацию статической позы или сопоставление дискретных временных шаблонов, в корне упуская нестабильную динамику человеческой опорной системы. В данной статье предлагается основанная на физике структура для обнаружения падений, которая трактует падение как событие утраты устойчивости в связанной динамической системе. Мы вводим новую архитектуру двойной LTC, состоящую из подсистемы центра масс (CoM) и подсистемы базы поддержки (BoS), обе реализованы как нейронные сети с жидкими временными константами (LTC), которые непрерывно моделируют эволюцию инерциальной траектории и адаптацию к контакту с землёй с помощью адаптивных временных констант. Физическая интерпретируемость движения при падении. Обучаемый модуль связывания имитирует физическое взаимодействие между двумя подсистемами, в то время как классификатор стабильности Manifold работает в объединённом латентном пространстве для обнаружения пересечения границы через метрики стабильности, вдохновлённые методом Ляпунова. Дополнительное проецирование контрфактической траектории и оценка времени до столкновения (TTC) дальше позволяют оценить необратимость и осуществить раннее предупреждение. Архитектура разработана для поддержки парадигмы предсказания с тремя состояниями (Нормально, Падает, Упал); в этом предварительном исследовании мы проверяем основную способность различения стабильности на датасете из двух классов (Нормально против Падает), оставляя полную трехстадийную временную трансформацию для будущей работы. В отличие от традиционных конвейеров CNN-RNN, предлагаемая формулировка кодирует механическую инерцию непрерывного времени, что позволяет создать сеть с менее чем 50 тыс. параметров, способную выполнять вывод в реальном времени на устройствах с ограниченными ресурсами. Обширные эксперименты демонстрируют конкурентоспособную точность с превосходной физической интерпретируемостью, подтверждая её эффективность для визуального обнаружения падений при низких вычислительных затратах.

Гипероднородные системы, определяемые аномальным подавлением крупномасштабных флуктуаций плотности, являются парадигмой неравновесной самоорганизации. Хотя механизмы, лежащие в основе самоорганизации гипероднородных состояний, были широко изучены, энергетика этого процесса остается неизученной. Это поднимает фундаментальный вопрос: какова энергетическая стоимость самоорганизации гипероднородной системы? В нашей работе мы рассматриваем этот вопрос на нескольких системах с шариками, подверженных шуму, взятых из области мягких материалов и машинного обучения, в которых гипероднородность может быть вызвана настройкой корреляций шума. Несмотря на их различные микроскопические динамики, мы выявляем универсальное поведение во всех системах: гипероднородные состояния являются максимально необратимыми, что количественно определяется скоростью производства энтропии. Кроме того, мы разрабатываем формулировку интеграла по траектории для скорости производства энтропии, основанную непосредственно на микроскопической динамике, что объясняет наши наблюдения. Наша работа устанавливает прямую связь между возникающей длинноRange структурой и временной необратимостью и открывает новый путь к исследованию энергетических затрат гипероднородной самоорганизации, которая повсеместно встречается в физике, биологии и материаловедении.