Модель внутренних ударов, откалиброванная с использованием реальных кривых света гамма-всплесков с помощью генетического алгоритма

Мы предлагаем феноменологическую модель Глобального Нейронного Рабочего Пространства (ГНРП), в которой ранняя сенсорная обработка создает эффективный комплекснозначный ландшафт, управляющий динамикой высокоуровневых представлений стимулов. Этот ландшафт служит динамическим мостом между сенсорным кодированием и сознательным доступом, позволяя описывать оба процесса в единой рамке. Высокоуровневые представления кодируются в облачной функции, определенной на Гильбертовом пространстве над пространством перцептивных состояний, таким образом сочетая целостную структуру ментальных образов с нейронной реализацией. Его динамика управляется нелинейным уравнением типа Шредингера в мнимом времени с некортежевающим, ненормальным Гамильтонианом и нелинейным членом типа Лотки—Вольтерры, который сохраняет норму и позволяет пространственные нелокальные взаимодействия. Гермиетиное и антигермиетиное части Гамильтониана генерируют дополняющие процессы: распознавание через диссипативную локализацию на минимумах ландшафта ГНРП и трансляцию информации через пространственное распространение по пространству состояний. В результате динамика воспроизводит иерархию сенсорной обработки: подсознательное—предсознательное—сознательное. Сознательный доступ соответствует появлению связного состояния, которое возникает только тогда, когда и глубина ландшафта ГНРП, и степень внимательности сверху вниз превышают пороговые значения. В результате полученная рамка предоставляет управляемое динамическое описание, связывающее сенсорную обработку, внимание и сознательный доступ в едином динамическом контексте.

Большинство потенциально обитаемых планет, обнаруженных на сегодняшний день, вероятно, довольно отличаются от Земли, например, они имеют больший радиус и массу, различающийся уровень вращения и спектр родительской звезды, отличающийся от Солнца. Поэтому первая обнаруженная внеземная жизнь, возможно, будет существовать в условиях, которые не встречаются на нашей планете. Это требует универсального подхода к моделированию биологии, который можно применить к многочисленным планетарным сценариям, опираясь на базовые знания о жизни на Земле, но не ограничиваясь ими. Здесь мы исследуем универсальную модель микробной клетки, чья метаболическая скорость определяется термодинамикой и диффузией субстрата через клеточную мембрану. Мы моделируем биосферу с одним видом, состоящим из метанопродуцирующих микробов, и определяем, как изменение размера клетки, скорости клеточной гибели и затрат на синтез биомассы влияют на биосигнатуру на планете - в данном случае метан. Мы обсуждаем подходы к предсказанию верхних оценок для изобилия газов-биосигнатур и применимость модели к другим метаболизмам. Этот инструмент пополняет массив работ, стремящихся справиться со сложностью потенциальных внеземных биосфер.

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.

Современные вычислительные подходы к дизайну лекарств обычно сосредоточены на генерации молекул, основанных на определенных мишенях или общих молекулярных свойствах, часто забывая о влиянии контекста болезни на поведение мишеней и терапевтические результаты. Чтобы устранить этот недостаток, мы представляем DrugGen-2, новую генеративную модель, которая разрабатывает маломолекулярные соединения с учетом как онтологии болезни, так и последовательностей целевых белков. DrugGen-2 была разработана путем дообучения предобученной модели GPT-2 на курированном наборе данных одобренных лекарств, связанных с их заболеваниями и мишенями, с использованием двухступенчатой стратегии, которая включает контролируемое дообучение, за которым следует обучение с подкреплением через оптимизацию групповой относительной политики (GRPO). Этот процесс был направлен функциями вознаграждения, которые оптимизировали химическую валидность, новизну, разнообразие и высокую предсказанную связующую аффинность. При оценке на пяти белковых мишенях, связанных с диабетической нефропатией, DrugGen-2 значительно превзошла базовые модели (DrugGPT и DrugGen). Она продемонстрировала превосходные способности генерировать уникальные молекулы, показала большую структурную схожесть с одобренными лекарствами и достигла улучшенной предсказанной связующей аффинности для всех целевых объектов. Анализы молекулярного докинга дополнительно подтвердили эти выводы, выявив кандидатов-лигандов с сильным связывающим потенциалом, включая соединения с предсказанными аффинностями (-9.917, -9.485 и -9.367), которые превышают таковые дляReference drugs, таких как эналаприл, для ангиотензин-превращающего фермента (-8.283). Интегрируя специфический для болезни контекст в генерацию молекул, DrugGen-2 продвигает вспомогательное основанное на ИИ открытие лекарств, предлагая мощный инструмент для нового дизайна и перепрофилирования лекарств с учетом сложного взаимодействия между заболеваниями и молекулярными мишенями.

Источники рентгеновского излучения обратного Комптона — это устройства лабораторного масштаба, обеспечивающие квази-монохроматическое синхротронное излучение, которое генерируется при Комптоновском рассеянии лазерных фотонов на высокорелятивистских электронах. Поскольку форма и ширина рентгеновского спектра определяются свойствами сталкивающихся лучей, эти параметры должны быть тщательно оптимизированы. Однако компактность устройства ограничивает пространство для диагностики, что усложняет полную характеристику, особенно если кольцо накопителя электронов соединено с усилительной кавитацией лазера. В данной работе предлагается структура для определения параметров лазера, электронного и рентгеновского пучков для решения этой проблемы. Сначала представлены методы определения параметров лазера и рентгеновских лучей. Зная эти параметры, характеристики электронного пучка извлекаются из формы рентгеновского спектра. Для этой цели разрабатывается аналитическая физическая модель, позволяющая быстро вычислять спектры обратного Комптонского рассеяния, которая комбинируется с генетическим алгоритмом. Эффективность этой стратегии демонстрируется на примере Компактного источника света в Мюнхене, установке на основе накопительного кольца для генерации рентгеновского излучения обратного Комптона. Поскольку аналитическая модель требует очень небольших вычислительных затрат, предложенная структура может позволить проводить мониторинг источников рентгеновского излучения обратного Комптона в реальном времени или быть использована в качестве неинвазивной диагностики на основе однократного спектра для эмиттанса электронного пучка накопителей или ускорителей.

В данной статье предлагается игровая модель, позволяющая рассматривать любопытство как экосистему. Прежде всего, предполагается, что политике запроса одного агента (как, когда и почему агент задает вопрос) сопутствуют факторы, такие как ценность немедленного уменьшения неопределенности, затраты, отсроченные результаты и ценность сохранения вопроса открытым. Ключевым понятием в данной модели является то, что значения этих связанных с принятием решения параметров могут изменяться в зависимости от опыта. Например, период дешевых, быстро отвечаемых вопросов может изменить стоимость запроса на коротком временном интервале и повлиять на то, к каким вопросам агент будет стремиться ответить в более долгосрочной перспективе. Во-вторых, эти идеи распространяются на множество агентов, исследующих общую область знаний, и в этой модели отслеживаются объем запросов, разнообразие тем, направленность на передний край, избыточность и возможность повторного использования знаний. В результате получается концептуальная игровая модель для изучения экологии любопытства и для будущих усилий по проектированию многократных агентных систем ИИ для открытия. Она служит сопутствующей статьей к работе, которая в настоящее время находится на рецензии в журнале Trends in Neurosciences.