文献分享
文章平均质量分 84
周yyyyyyyyyy
这个作者很懒,什么都没留下…
展开
-
Nature 正刊丨用于分散和保密的临床机器学习的群学习
快速、可靠地检测重症和异质性疾病患者是精准医疗的主要目标1,2。白血病患者可以根据他们的血液转录组使用机器学习进行识别。然而,由于隐私立法的原因,技术上可行和允许之间的差距越来越大。在这里,为了在不违反隐私法的情况下促进来自全球任何数据所有者的任何医疗数据的集成,我们引入了Swarm learning——一种分散的机器学习方法,它将边缘计算、基于区块链的点对点网络和协调结合在一起,同时保持机密性,而无需中央协调器,从而超越了联邦学习。为了说明使用群学习开发使用分布式数据的疾病分类器的可行性,我们选择了四个异原创 2024-05-26 09:33:37 · 983 阅读 · 0 评论 -
Nature 子刊丨从稀缺数据中学习控制方程的物理知识
这项工作引入了一种称为具有稀疏回归的物理信息神经网络的新方法,以从稀缺和嘈杂的数据中发现非线性时空系统的控制偏微分方程。特别是,这种发现方法无缝集成了深度神经网络的优势,用于丰富的表示学习、物理嵌入、自动微分和稀疏回归,以近似系统变量的求解、计算基本导数,以及识别构成方程结构和显式表达式的关键导数项和参数。该方法的有效性和鲁棒性在数值和实验上都得到了证明,发现了各种偏微分方程组,这些偏微分方程组具有不同程度的数据稀缺性和噪声,并考虑了不同的初始/边界条件。如有其他问题请随时联系小编。原创 2024-05-25 17:10:03 · 678 阅读 · 0 评论 -
Nature 子刊丨用于锂离子电池退化稳定建模和预后的物理信息神经网络
Nature 子刊丨用于锂离子电池退化稳定建模和预后的物理信息神经网络原创 2024-05-24 20:24:08 · 1073 阅读 · 1 评论 -
Nature 正刊丨非均匀应变抑制硅纳米带中的热输运
Nature 正刊丨非均匀应变抑制硅纳米带中的热输运原创 2024-05-21 19:49:35 · 1213 阅读 · 1 评论 -
Nature 子刊丨用于材料原子建模的物理信息神经网络
材料的大规模原子计算机模拟在很大程度上依赖于原子间势预测原子上的能量和牛顿力。传统的原子间势是基于物理直觉的,但包含的可调参数很少,而且通常不准确。新兴的机器学习(ML)潜力在大型DFT数据库中实现了高精度的插值,但作为纯粹的数学结构,其向未知结构的可转移性较差。我们提出了一种新的方法,通过告知原子间键合的物理性质,可以显著提高ML势的可转移性。这是通过将一个相当通用的基于物理的模型(分析键序势)与神经网络回归相结合来实现的。这种方法被称为物理知情神经网络(PINN)势,通过开发Al的通用PINN势来证明。原创 2024-05-20 16:37:44 · 466 阅读 · 1 评论 -
Nature 子刊丨使用深度学习可以从稀疏数据中重建真实的热带气旋风场和压力场
我们证明了2D和3D TC涡旋可以使用真实和最小的观测值重建,我们还证明了PINN可以使用人工采样的模型输出与实时观测值的组合来重建真实TC的完整3D结构。尽管如此,一般来说,更准确地重建风暴的大规模流量可以改善预测模型的轨迹和强度误差,下一个重要步骤是将PINN重建作为预测模型(如T-SHiELD)的初始条件进行测试,并评估其如何影响轨迹和强度预测。使用从预测模型中模拟的飓风中稀疏采样的合成训练数据,基于物理的神经网络能够重建完整的真实的2维和3维风场和压力场,这些风场和气压场捕捉到气旋的关键特征。原创 2024-05-17 10:14:24 · 731 阅读 · 0 评论 -
Nature子刊丨利用物理信息神经网络和断层带声学监测预测实验室地震
预测固体失效具有广泛的应用,包括地震预测,这仍然是一个无法实现的目标。然而,最近的机器学习工作表明,可以使用微观失效事件和断层带弹性特性的时间演变来预测实验室地震。值得注意的是,这些结果来自使用大型数据集训练的纯数据驱动模型。这些数据相当于几个世纪以来的断层运动,使构造断层的应用变得不清楚。此外,人们对这种预测的基本物理原理知之甚少。在这里,我们使用一种新的物理信息神经网络(PINN)来解决可伸缩性问题。我们的模型使用延时超声数据将故障物理编码在深度学习损失函数中。原创 2024-05-16 19:49:53 · 1208 阅读 · 0 评论