自由活动小鼠V1有了数字孪生:冻结后回放光栅,仍复现经典朝向与细胞类型调谐
自由活动小鼠的初级视觉皮层(V1)活动,现在可以由一个多模态数字孪生从视网膜中心视野视频与眼、头运动、奔跑速度和瞳孔直径预测。该模型在223个神经元、三只小鼠上取得平均0.31的预测相关;冻结后回放漂移光栅,它复现了经典朝向、空间频率与对比度调谐及宽窄波形细胞的系统差异,并在未重训的情况下,把独立头固定自然电影数据集的群体表征几何匹配到与两只真实小鼠彼此相当的程度。
自由活动小鼠的初级视觉皮层(V1)活动,现在可以由一个多模态数字孪生从视网膜中心视野视频与眼、头运动、奔跑速度和瞳孔直径预测。该模型在223个神经元、三只小鼠上取得平均0.31的预测相关;冻结后回放漂移光栅,它复现了经典朝向、空间频率与对比度调谐及宽窄波形细胞的系统差异,并在未重训的情况下,把独立头固定自然电影数据集的群体表征几何匹配到与两只真实小鼠彼此相当的程度。
接触密集的机械臂操作此前要么依赖端到端学习策略,要么需要针对已知场景手工设计奖励与约束。Objectives as Policies 让预训练视觉语言模型生成一份可编辑的多阶段代价程序,由同一个采样式模型预测控制器在数字孪生中执行,再依据执行统计反复修改。四个桌面任务上,仿真中最多两轮反馈累计成功率为90%,最多五轮达到97.5%;在物体位置被扰动的真实场景中,仿真成功的程序执行成功率为80%。
下水道水力数字孪生长期受制于圣维南方程的求解速度,而既有机器学习替代模型换一根管道或一种流态就要重新训练。FLOOD 用多分支神经算子直接学习圣维南方程的解算子,以管道几何、水力参数和两端检查井水位为输入,输出水深与流量。在未参与训练的管道上,水深与流量的决定系数分别达到1.000和0.999,单管在线预测提速约5500倍,并可直接用于粗糙度校准与漏水定位。
猕猴V1与V4中许多神经元并非只在偏好刺激下升高放电,而是在抬高的基线上被一类特征激活、被另一类特征抑制。研究者用功能数字孪生(在记录数据上训练的深度网络,可预测神经元对新图像的响应)在超过百万张自然图像上同时找出每个神经元的最强激活与最强抑制图像,并确认这些图像在独立模型和活体记录中仍落在响应分布的两端。同样的双向选择性也出现在小鼠V1及外侧视觉区。
英伟达发布工厂运营蓝图FOX,为现有工厂系统加一个工厂经理智能体,由它调度巡检、根因分析、车队管理等专职智能体。此前工厂团队要跨系统取证、咨询专家再协调下一步,耗时且依赖人工逐系统查询。FOX以SMT产线为参考示例,把AOI报警一路串到二次复检、数字孪生中的返修搬运和回流焊读数异常分析,并输出含来源记录与建议措施的PDF报告。
一个按雄性果蝇完整中枢神经系统连接组搭建的脉冲模型,在固定接线不变的前提下学会规划移动并记住视觉线索。线索不靠持续放电维持,而是写入神经元的脉冲频率适应,在空白延迟中静默保存,由下一次输入读出。读出只在学习时的脑状态下有效:同一痕迹在未训练的延迟下几乎反向,模拟Aβ42所致钾通道缺失的损伤会重写痕迹并改变其读法,而在损伤下重新学习不受影响。
脓毒症重症监护中的血糖数字孪生此前只在预测误差超过阈值后才重新微调模型,属于事后补救。这项工作报告一种主动式流程:冻结的PatchTST基础模型给出一步预测,Actor–Critic强化学习智能体依据最近30分钟血糖窗口和残差历史,对第一步施加不超过±0.05的修正,再递归外推15步。在10名脓毒症ICU患者的逐分钟连续血糖监测数据上,预训练智能体无需按患者重新训练即降低全部10人的一步预测误差,源患者测试集平均绝对百分比误差从0.49%降到0.34%。
多模态病历常被压成低维表示再用于因果调整,但变分自编码器只被训练来重建数据。一项模拟研究显示,当表示丢掉一个同时影响治疗与中介的稀有编码时,干预性间接效应在样本量3000、中等混杂强度下的95%区间覆盖率只有2%,而重建损失看不出问题;一个比较干扰函数预测损失的诊断在全部重复中标记出该缺陷。
有机蒙脱土改性聚乳酸(PLA)的熔融长丝打印件,其强度同时受黏土剥离程度、熔体流变、层间热黏合和孔隙形态影响,而以往优化多把填料比例与打印参数直接映射到力学性能。C³M-OMMT Twin把黏土剥离与流变状态、逐层热历史、缺陷—界面图、因果力学响应、贝叶斯帕累托优化和实验验证串成一条链。在0至5 wt.%黏土、195至225 °C喷嘴温度等条件下,该流程给出的最优组合约为2 wt.%黏土、215 °C、0.15 mm层高、35 mm/s,对应抗拉强度62.5 MPa、弯曲强度94.1 MPa、孔隙率2.18%。
一个123.5M参数的生成式模型Didymos在五个国家七个重症数据库的409,297例住院上一次性训练,不使用任务标签,靠采样患者未来来回答预测问题。在留出数据上,它从模拟未来读出13个主要终点的AUROC为0.83–0.98,在20个预测器中平均排名第一,包括有标签训练的LightGBM与TabPFN-3.5。它模拟的治疗反应与九项观察对照中的八项一致,但在俄罗斯与中国两家未参与训练的医院,仍需用当地无标签住院做数分钟继续训练才能追平本地有监督模型。