星系形态成了恒星形成史的化石:Katachi-PRIME用三色图像推断质量、年龄与金属丰度
Katachi-PRIME(形')把星系三色宽带图像与测光一起送入隐式似然推断,直接给出恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度的完整后验。在GSWLC约23万个星系上,仅用gri图像的后验比5波段测光更紧,两者合用最优;同一套图像嵌入还显示,主序与宁静星系的形态能连续回溯数Gyr的恒星形成史,而星暴与绿谷星系只能保留最近的活动。
Katachi-PRIME(形')把星系三色宽带图像与测光一起送入隐式似然推断,直接给出恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度的完整后验。在GSWLC约23万个星系上,仅用gri图像的后验比5波段测光更紧,两者合用最优;同一套图像嵌入还显示,主序与宁静星系的形态能连续回溯数Gyr的恒星形成史,而星暴与绿谷星系只能保留最近的活动。
超分辨成像流式细胞术(SR-IFC)把结构光照明显微镜搬进连续流动的微流道:每个细胞只取三帧相移图像,沿流动方向由物理调制提升分辨率,横向缺失的细节由仅用本样本数据训练的网络补出。在100纳米荧光珠上,SR-IFC沿流动与横向分别达到约118纳米和110纳米分辨率,而同一批珠子的宽场成像为222至227纳米;在2048×320像素读出下,理论吞吐上限约为每秒720个细胞。
该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合,仅用三个翼面传感器估计相位与幅值敏感度场,并据此解析导出最优激励波形,用于快速同步后失速翼型尾迹脱落频率;所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍,且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。
这项体模研究用成人干燥颅骨体模在常规剂量(80 kVp、200 mA、100 ms,DAP 270 mGy cm²)及60%、40%、20%、10%剂量下拍摄头影侧位片,用非人工智能的Medical Image Enhancer软件做轻度(锐化强度55%、对比度20%)和标记(锐化强度70%、对比度70%)两级锐化,由6名评估者对5个标志点和软组织进行Scheffé配对比较并用序数逻辑回归计算相对100%剂量的比值比,结果显示轻度锐化的60%剂量图像对Point A、N、PNS、U1的OR均大于1但无统计学显著性,标记锐化在60%和40%剂量下对所有标志点可见度显著优于100%剂量,20%剂量下多数标志点仍显著
该研究在固定玻尔兹曼机模型、模拟退火采样器与学习率设计的受控协议下比较 Ising({−1,+1})与 QUBO({0,1})两种变量编码,利用 Fisher 信息矩阵等于充分统计量协方差这一恒等式可视化经验矩,发现 QUBO 在一阶与二阶统计量之间产生更大的交叉项,使 Fisher 信息矩阵出现更多小特征值方向并降低谱熵,从而解释了随机梯度下降下 QUBO 收敛更慢,而按 Fisher 信息矩阵度量重标定更新的自然梯度下降因重参数化不变性使两种编码收敛相近。
该工作提出第三方挑战—响应身份验证框架 TP-CRIV,针对验证者既无白盒也无 API 访问、只能通过可疑部署服务的普通黑盒推理接口交互、且不需要服务提供方协议配合的场景,在全新未披露要求与网络隔离下获取经验证据,判断声称方是否本地拥有符合预先声明身份的模型;作者用基于概率控制的见证生成方法为 CNN 图像分类器实例化该框架,在十个 ImageNet 预训练 TorchVision 模型上实验,显示清晰的同模型/跨模型分离,并可用独立校准的阈值实现有限次挑战的验证。
该工作提出面向 AI 模型的第三方挑战—应答身份验证框架 TP-CRIV,在验证者既无白盒也无 API 访问、只能通过可疑部署服务的普通黑盒推理接口交互、且不需要服务提供方协议配合的条件下,通过全新未披露的挑战与网络隔离获取经验证据,判断声称方是否本地拥有与所部署模型相符的预声明身份;作者以基于概率控制的见证生成方法为 CNN 图像分类器实例化该框架,并在十个 ImageNet 预训练 TorchVision 模型上展示了清晰的同模型/跨模型分离以及使用独立校准阈值的有限挑战次数验证。
该工作提出 PC-Seg(Progressive Cross-view Segmentation),一个五阶段课程学习框架:先用单个 2D 模型在标准 B-scan 与正交切片之间学习跨视角一致性以生成可靠体素伪标签,再蒸馏到 3D 模型,最后通过 2D/3D 集成伪标签协同训练;在 MSHC 与 Duke DME 两个公开 OCT 数据集上,仅用约 0.7% 的标注数据即取得与全监督相当的分割精度,并优于所比较的半监督与视网膜分层方法。
已读完全部报道