Обучение LDPC-кодов с квантизированной эволюцией плотности по расслабленным протографам

Механизмы реакций состоят из пошаговых последовательностей элементарных реакций, которые объясняют химические преобразования. Поэтому изучение логики механизмов имеет решающее значение для повышения фундаментального химического интеллекта больших языковых моделей (БЯМ). Пошаговое выведение механизмов реакций естественно соответствует парадигмам рассуждений БЯМ. Однако текущие химические БЯМ в первую очередь акцентируют внимание на грубых наименованиях реакций для предсказания продуктов и ретросинтеза, что часто приводит к физическим несоответствиям и галлюцинациям. В отличие от этого, специализированные небольшие генеративные модели для вывода механизмов, как правило, страдают от ограниченной способности к обобщению в различных химических пространствах. Чтобы преодолеть эти ограничения, мы создали новый обширный набор данных для рассуждения о механизмах реакций. Более того, мы разработали FukuyamaBench — сложный эталон, основанный на книге Фукуямы «Современные механизмы органических реакций», для строгой оценки производительности моделей в иерархическом рассуждении о механизмах. Наша дообученная модель Qwen3-30B-A3B достигает 8,3% точного совпадения путей в наборе FukuyamaBench Set~A, превосходя специализированную модель FlowER (5,1%), что демонстрирует, что обучение с учетом механизмов значительно улучшает химическое рассуждение в языковых моделях.

Статистическое обучение является важным для того, чтобы индивидуумы могли обнаруживать структуры в сенсорной среде, особенно во время общения через речь или музыку. Индивидуальные различия в способностях статистического обучения были предложены для объяснения различий в различных когнитивных функциях и их развитии, включая развивающиеся расстройства такие, как дислексия. В данном исследовании мы использовали иерархическую байесовскую модель статистического обучения (HBSL) для моделирования индивидуальных траекторий обучения, которые были зарегистрированы с помощью электроэнцефалограммы (ЭЭГ), в то время как взрослые с дислексией и без неё слушали структурированные тоновые последовательности. Хотя мы не обнаружили значительных различий между группами, наши результаты показали близкое соответствие между моделированием и реальными данными ЭЭГ, а новые последовательности, созданные на основе индивидуальных моделей, были очень похожи на оригинальную стимульную последовательность. Это предоставляет доказательство концепции для будущих исследований и предполагает, что модель HBSL точно отражала статистическую структуру последовательностей так же, как и человеческие слушатели.

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.

Глубокое обучение в области компьютерного зрения для научных приложений требует сбора и аннотирования больших наборов данных в трудоемком, дорогом и подверженном ошибкам процессе. Генерация синтетических данных с помощью 3D-моделирования и рендеринга может упростить этот процесс и повысить точность аннотаций, генерируя их программно. Однако минимизация разрыва между реальными и синтетическими изображениями визуально является субъективной и не имеет систематических количественных критериев. Мы представляем GraNatPy, пакет для Python с метриками, помогающими улучшить рендеринг сцены. Мы показываем, что количественное увеличение реалистичности, разнообразия и размера созданного набора данных коррелирует с улучшением визуального восприятия сцены и более высоким качеством нулевого отслеживания в модели обнаружения объектов. Более того, мы продемонстрировали на примере фотографий вирусологических анализов, что сходство градиентов влияет на эффективность обнаружения небольших объектов, что может быть улучшено смешиванием реальных и синтетических данных. Наконец, мы превращаем процедурный рендеринг данных в агентную технологию (SynthClaw) для автоматизации оптимизации процедурных параметров.

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.

Проблема маршрутизации транспортных средств (VRP) и её варианты представляют собой одни из наиболее значительных оптимизационных задач в современной логистике и городской мобильности. В данном исследовании мы рассматриваем динамический, онлайн-вариант, объединяющий элементы VRP и проблемы ориентирования (OP), в котором флот транспортных средств должен максимизировать суммарное вознаграждение, собранное в течение фиксированного временного горизонта, одновременно постоянно пересчитывая маршруты по мере поступления новых задач. Мы предлагаем и оцениваем эвристику плотности вознаграждения для динамической многотранспортной передачи задач, называемую эвристикой эффективности. Мы оцениваем эту формулировку в двух областях применения: распределение задач для автономных дронов и диспетчеризация такси в городских условиях, на различных размерах флота и шкалах задач. Предложенный метод сравнивается с четырьмя классическими строительными эвристиками и тремя метаэвристическими алгоритмами (адаптивный поиск в большом соседстве, генетический алгоритм и имитационное отжигание), все они оценивались при идентичных условиях. Во всех протестированных конфигурациях эвристика эффективности соответствует качеству решений лучших метаэвристических алгоритмов, требуя при этом в два-три порядка меньшего времени на планирование, устанавливая парето-доминирование над всеми соперничающими методами на фронте вознаграждения и вычислений. Эти выводы предполагают практическое принцип проектирования для систем распределения и диспетчеризации в реальном времени: в динамичных условиях маршрутизации с ограничениями по времени тщательно разработанные жадные эвристики могут достигать результатов сложных процедур поиска при меньших затратах ресурсов, что делает их предпочтительными для онлайн-развертывания.