生物通官微陪你抓住生命科技跳动的脉搏
基于MindSpore增强蒙特卡洛树搜索的量子退火程序优化研究
为解决量子退火中退火程序优化效率低、资源消耗大及抗噪性能不足的问题,腾讯量子实验室与国防创新特区项目团队聚焦“量子退火程序自动设计”主题,提出融合直观推理理论与MindSpore框架的优化QuantumZero(QZero)算法。该算法将神经网络与蒙特卡洛树搜索(MCTS)深度结合,在混合量子‑经典框架中实现退火程序的高效自主设计。实验表明,优化后算法在损失函数收敛速度上提升93%,达到99%保真度所需量子退火查询次数平均降低45.09%,在噪声环境下仍保持优越性能。这项工作显著提升了量子退火的计算效率与实用稳定性,为量子计算在优化问题中的大规模应用提供新思路。
来源:Intelligent and Converged Networks
时间:2026-03-23
基于FocalNet与LFNet融合的FoMoSkinNet模型:针对非皮镜皮肤病变的早期检测与分类
本研究聚焦于皮肤癌,特别是黑色素瘤的早期诊断难题,现有深度学习模型在处理低质量、高变异性的非皮镜临床图像时泛化能力不足。为此,研究人员提出了一种名为FoMoSkinNet的双流深度混合模型,该模型通过FocalNet捕获病变的全局上下文依赖关系,并利用新颖的局部特征网络(LFNet)提取细粒度纹理细节,两者特征融合后显著提升了模型性能。在ISIC2024数据集上的实验表明,FoMoSkinNet在准确率、精确度、召回率、F1分数和特异性等指标上均超越了现有最优方法,为基于非皮镜图像的皮肤癌自动检测提供了可靠、高效的解决方案。
来源:IEEE Access
通过知识图谱在数据分析中捕捉和预测用户意图
知识图谱驱动的智能推荐系统在数据分析和自动化机器学习中的应用研究。摘要:构建知识图谱整合用户意图、数据集、算法和约束信息,利用图神经网络和嵌入技术实现用户交互的智能推荐,实验验证其有效性并展示原型系统。
来源:Knowledge-Based Systems
使用神经网络替代模型进行物理系统中不确定性量化的直接区间传播方法
区间不确定传播的神经网络代理模型研究:提出直接估计输出区间的方法,对比了基于MLP、IBP/CROWN和区间神经网络的策略,验证了其在高保真模拟中的高效性,并开发数据增强技术解决区间数据稀缺问题。
通过强化学习实现图神经网络的类平衡与快速主动学习
提出GraphCBAL和GraphCBAL++,通过强化学习框架解决图神经网络主动学习中的类不平衡问题,设计兼顾信息量和类平衡的奖励函数,并扩展批量主动学习实现高效多节点采样。实验表明该方法在多个数据集上有效平衡分类性能与类分布。
P200作为中文单词视觉识别过程中语义处理的指标:来自语义任务和非语义任务的证据
本研究通过行为实验和事件相关电位(ERP)技术,探讨中文词汇识别中早期语义加工的P200成分。实验1要求被试判断语义相关性,实验2处理正交结构。结果发现:实验1在150-300ms内,语义相关词汇对P200幅值更大,反应时更短;实验2在200-250ms显示语义相关与无关词汇的P200幅值差异显著。联合分析表明,语义任务中幅值差异大于正交任务,提示任务需求影响语义激活。研究为中文词汇语义自动加工提供了新视角。
来源:Journal of Neurolinguistics
基于x的非易失性忆阻器,具有高线性和突触可塑性,适用于多模式融合感知系统
通过采用增量脉冲策略优化Pt/VOx/TiN非易失性忆阻器的线性度(LTP非线性系数从4.08降至0.69,LTD从4.17降至2.20),成功构建了压力-温度多模态融合感知系统,并基于该系统训练卷积神经网络实现98.25%的识别准确率,验证了VOx基忆阻器在精密多模融合系统中的潜在应用价值。
来源:Journal of Materials Science & Technology
综述:神经康复与心脏康复中的可穿戴技术:一项叙述性综述
可穿戴设备在神经和心脏康复中的应用研究:系统综述2014-2024年25项临床研究,显示智能设备通过实时监测、个性化治疗和远程管理提升患者运动功能(19项神经康复研究)和心脏康复依从性(6项研究),但长期效果数据不足。
来源:Journal of Bodywork and Movement Therapies
利用完整的Landsat光谱范围和基于信息的机器学习技术进行高分辨率气温估算 Daniel Eitan, Asher Holder, Zohar Yakhini, Alexandra Chudnovsky
本研究提出一种新型可扩展机器学习框架,通过融合高分辨率Landsat热红外与反射光谱数据及时空元数据,实现近地表空气温度30米分辨率的精准反演,验证其在湿润海岸与干旱内陆的普适性(R²≈0.88-0.84),为城市热岛治理、气候政策及公共卫生评估提供支持。
来源:Remote Sensing
基于超级扭曲(Super-Twisting)的在线学习方法在高等级神经网络中的应用:用于在不确定性环境下实现对直流电动机的鲁棒逆向控制(Robust Backstepping Control) 作者:Ivan R. Urbina Leos, Jesus A. Medrano Hermosillo, Abraham E. Rodriguez Mata, Francisco R. Lopez-Estrada, Oscar J. Suarez, Alma Alejandra Luna-Gómez
摘要 本文针对存在非线性、扰动和未建模动态的直流电机速度控制问题,提出了一种基于递归高阶神经网络(RHONN)的神经反向步进控制算法。所提出的RHONN作为在线逼近器,
来源:Processes
知名企业招聘: