生物通官微陪你抓住生命科技跳动的脉搏
撤回通知:用于时间组学数据预测的动态图神经网络学习方法
摘要: 对生物系统的高通量研究正在快速产生大量“组学”规模的数据。其中许多研究会收集蛋白质组学和基因组学数据,以捕捉动态变化。虽然时间序列组学数据对于揭示各种疾病的机制至关重要,但由于技术和实验原因,这些数据中常常存在缺失(或不完整)的值。数据预测方法(即插补和预测)已被广泛用
来源:IEEE Access
时间:2026-06-05
基于双向DFE的最大似然序列交叉检测技术在112 Gbps PAM4有线收发器中的应用
随着有线数据传输速率的不断提升,由于信道色散和带宽限制,符号间干扰(ISIs)变得越来越严重。传统的决策反馈均衡器(DFEs)仅能消除符号后的ISIs,而前馈均衡器(FFEs)则存在根本性的权衡问题,要么降低发射机的信号幅度,要么在接收机处放大噪声。为了解决这些问题,引入了一种双
来源:IEEE Transactions on Circuits and Systems I: Regular Papers
基于区块链的5G无线接入网络资源共享框架与安全资源分配方法
摘要:为了解决诸如信任缺失、资源利用率低、多重约束导致的冲突以及共享5G无线接入网络资源所带来的安全风险等问题,本研究提出了一种高效、可靠且安全的分布式资源共享系统,并优化了资源分配策略。首先,对三种核心计算资源(频谱、安全和计算能力)进行了虚拟解耦和原子建模。同时,设计了一个
来源:IEEE Data Descriptions
S2 HS:在多模态情感分析中,针对难处理的情感数据,采用具有子模态标签感知能力的自我蒸馏方法进行情感学习
摘要:多模态情感分析(MSA)旨在通过联合建模来自文本和音频等多种模态的信息来推断人类情感。尽管最近取得了进展,现有方法仍面临两个根本性挑战:(1)由于表示不均匀和监督信号不明确导致的模态间情感不一致;(2)在缺乏可靠的单模态标签的情况下,未能充分利用模态内和模态间的关系信息。为
来源:Artificial Life
面向高密度场景的基于CSP-DLP非对称同态加密算法的数据去重方法
摘要:随着物联网(IoT)和车联网(V2X)等高密度场景中数据规模的持续增长,海量数据的重复存储和频繁传输不仅造成计算和存储资源的浪费,还显著增加了敏感信息泄露的风险。因此,本研究创新性地提出了一种集成非对称同态加密(HE)和联邦学习(FL)的数据去重方法。首
基于对称性感知归一化流( Symmetry-Aware Normalizing Flows )的适应性振动坐标构建方法
摘要:研究人员此前提出利用归一化流(Normalizing Flows)学习针对特定分子的优化振动坐标,证实此类习得坐标可显著提升振动光谱计算精度并捕捉分子基本振动行为。本文将该框架扩展至纳入分子对称性,引入新型G-等变(G-equivariant)可逆残差网
来源:Journal of Chemical Theory and Computation
利用分子模拟解释时间分辨实验的贝叶斯方法(A Bayesian Approach to Interpret Time-Resolved Experiments Using Molecular Simulations)
时间分辨实验可提供蛋白质折叠、配体结合等动态过程的独特见解,但这些实验难以在分子层面解读,因其信号通常为多种构象态的平均,且所涉及过程常超出大多数模拟方法的可及时空尺度。本文描述一种利用分子模拟建模并解读时间分辨实验的方法——trBME(time-resolv
来源:ACS Physical Chemistry Au
街区分尺度下的美食旅游目的地竞争力:基于空间数据与在线评论数据的经验诊断方法
美食旅游驱动城市旅游发展,但其空间组织与竞争力在目的地内部仍存在不均衡。现有研究多依赖目的地层面的聚合数据,掩盖了城市内部异质性以及区分竞争区域的经验机制。为支持更具针对性的微区品牌塑造与治理,该研究以中国乐山为例,探究了街区分尺度下的美食旅游竞争力。美食街区
来源:Journal of Destination Marketing & Management
面向异质居民微电网的涉众感知型需求侧管理评估:一种多智能体方法
可再生能源的扩张对于可持续能源供应至关重要,但太阳能和风能的波动性会导致供过于求或供应不足,从而对电网稳定性构成挑战。私人家庭在这一转型中处于核心地位,它们结合了动态消费与分布式发电。本文提出了一种基于Mesa框架的多智能体微电网仿真模型,专注于住宅参与者的异
来源:Energy Conversion and Management-X
基于互信息(Mutual Information, MI)引导的电压片段选取与轻量化建模的充电不完整曲线锂离子电池健康状态(State of Health, SOH)估计方法
摘要:锂离子电池(Lithium-ion Battery, LIB)健康状态(State of Health, SOH)的准确快速估计对于安全经济的电池管理至关重要。然而,电池管理系统(Battery Management System, BMS)通常仅能获取
来源:JOURNAL OF POWER SOURCES
知名企业招聘: