Контрастные статистические закономерности в мелодической и молекулярной эволюции выявляют своеобразные ограничения в культурно развивающейся системе

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.

Реакционно-диффузионные системы могут создавать пространственные шаблоны, такие как полосы и пятна, благодаря нестабильности, вызванной диффузией. Управление этими шаблонами от одной конфигурации к другой можно сформулировать как задачу оптимального управления. Когда управление осуществляется на всей пространственной области, условия существования и оптимальности хорошо изучены. Тем не менее, на практике управление может действовать только на части области. Рассматривая реакционно-диффузионную систему Nodal-Lefty в качестве примера, мы анализируем ситуацию, когда управление ограничено подсистемой. Мы выводим явную верхнюю границу потерь оптимальности, определяемую как разница между оптимальной стоимостью подсистемы и полной оптимальной стоимостью. Исходя из этой границы, мы получаем явную формулу для минимального размера области управления, необходимого для достижения целевого шаблона с заданной точностью. Мы также рассматриваем случай, когда управление распределено по нескольким несоединенным регионам вместо одного, с той же общей площадью, и доказываем, что распределенная конфигурация дает более строгую границу при естественных условиях на пространственную структуру цели. Численные иллюстрации подтверждают теоретические результаты и показывают, что область управления, охватывающая примерно сорок процентов области, достаточна для изменения системы от полос к пятнам с высокой точностью.

Пространственная и одноклеточная транскриптомика являются трансформирующими подходами в расшифровке клеточной динамики. Поскольку основной парадигмой для реконструкции путей развития клеток является вывод траекторий, этот процесс критически важен. Однако существующие методы требуют значительного ручного вмешательства и знаний о разнородных инструментах, что создает значительные барьеры для эффективного анализа траекторий. Чтобы преодолеть этот разрыв, мы предлагаем SpaCellAgent — автономную многоагентную структуру, которая автоматизирует анализ спатиовременных данных и генерацию нарративов от начала до конца. SpaCellAgent использует многоагентную архитектуру для стратегического планирования рабочего процесса, динамический движок оркестровки инструментов для адаптивного выбора алгоритмов и модуль самоэволюции, который поэтапно уточняет производительность на основе обратной связи. Мы оцениваем SpaCellAgent на шести разнородных наборах данных, охватывающих сложные временные траектории развития, различные платформы секвенирования и пространственно разрешенные архитектуры тканей. SpaCellAgent последовательно демонстрирует улучшение аналитической эффективности более чем на 40% при сохранении производительности, соответствующей экспертным стандартам. Конвертируя спецификации на естественном языке в оптимизированные аналитические рабочие процессы и полностью автоматизируя конвейер, SpaCellAgent демократизирует продвинутое спатиовременное моделирование и устанавливает масштабируемую, управляемую агентами парадигму для вычислительной биологии. Код и материалы доступны по адресу https://github.com/LittleXH-shw/SpaCellAgent.

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.

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.