单细胞基准测试有了可调强度的模拟器:scDeepSim 让批次效应和轨迹几何按需变化
单细胞方法基准测试长期受制于真实数据标注昂贵、且只能反映一种观测条件。scDeepSim 把细胞表达编码到按细胞类型、批次和残差分开的潜子空间,再用潜扩散模型学习这些表示的分布,生成时只改动目标子空间,从而按用户设定的强度施加批次效应或构造分支轨迹。在 scIB 人类胰腺数据上,结构化模型在干预强度 α=1 时细胞类型平均轮廓宽度为 0.519,普通变分自编码器为 0.432。
单细胞方法基准测试长期受制于真实数据标注昂贵、且只能反映一种观测条件。scDeepSim 把细胞表达编码到按细胞类型、批次和残差分开的潜子空间,再用潜扩散模型学习这些表示的分布,生成时只改动目标子空间,从而按用户设定的强度施加批次效应或构造分支轨迹。在 scIB 人类胰腺数据上,结构化模型在干预强度 α=1 时细胞类型平均轮廓宽度为 0.519,普通变分自编码器为 0.432。
自闭症等神经发育障碍的脑连接差异长期靠病例—对照的组平均比较,个体差异被抹平。BRIDGE把图变分自编码器与规范建模结合,用1164名神经典型者的结构连接组学出一条随年龄变化的参照轨迹,再以脑龄差给出全局偏离分数、以区域嵌入给出个体化偏离图。在229名自闭症儿童中,男性患者的全局分数与ADOS(Spearman R=−0.291)和IQ(Pearson R=0.195)相关,脑龄预测误差比同类深度学习模型低3%–9%。
海洋钻探岩芯不再需要地质学家写下的岩石名称来当训练目标。过去把船测岩性当作模型应当复现的正确答案,可每根岩芯上常规记录的六项测量——密度、磁化率、天然伽马辐射和三通道反射率——正是地质学家判名时所读的性质。一个不带标签、只在 LILY 数据库 296 个钻孔的 236,963 条观测上训练的掩码变分自编码器,对岩性的区分与用标签训练的版本相当(调整兰德指数 0.237 对 0.247),把标签权重提高到千倍只让重建从 0.999 掉到 0.836,分类几乎不变。
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。
CoVA把生成模型自带VAE的重建特征在线重组为语义与空间结构更强的监督信号,在ImageNet 256×256上把SiT-XL/2的FID从17.2降到7.4,且不引入外部视觉编码器。
地下裂缝网络此前只能按预设统计量逐条抽样,难以在稀疏井观测下约束。这里把二维与三维裂缝网络表示为二值占据场,用变分自编码器压到紧凑潜空间,再由扩散模型学习其分布,并通过学习式条件编码、无分类器引导与扩散后验采样把井观测注入采样过程。二维条件实现满足99.6%的井观测,三维原生体素场在保持裂缝体积分数接近参考集合的同时满足84.2%的井体素。
该研究把变分自编码器中逐维后验坍缩表述为部分坍缩态附近的涨落理论:将负ELBO视为有效自由能,其二次展开的Hessian充当质量矩阵,坍缩方向构成不变涨落扇区,其精确质量谱由条件残余算子给出;当解码器方差低于残余谱上边缘时,局部再激活方向会降低自由能,等号对应临界点,该判据在训练实验中与潜维度逐个丢失的位置相符。
作者提出MPAD:先用3D自编码器把MRI体积压成各向同性隐表示,再用2D扩散模型重建被掩码的目标对比度隐切片,并以源对比度切片、未掩码目标切片和文本模态提示为条件;推理时按平面自回归生成,把已合成体积作为正交平面的先验,从而仅用2D操作完成全容积3D合成,相比3D隐扩散基线训练FLOPs降7倍、推理FLOPs降3倍,并在ADNI与IXI上取得更优的PSNR、SSIM与NMSE。
MeshCarve 提出一种完全在空间压缩隐空间中运行的流匹配方法:先用 VAE 一次前向生成粗顶点占据作为锚点,再分别用顶点流和边流生成顶点位置与边连接,两个隐空间由共享分层稀疏 Transformer 骨干的 VertexVAE 与 EdgeVAE 学习,并采用空间感知压缩与顶点-链接编码;其隐空间平均仅 0.13 token/面,在 Objaverse 上取得最低倒角距离与最高法向一致性,并泛化到 Toys4K。
作者提出物理引导多模态变分自编码器(PG-VAE),用多流融合策略把原始炮集与频谱频散图像映射为独立潜特征,用带学习转置卷积与残差细化的解码器偏向层状地球模型,并以可微代理网络作为前向一致性正则项惩罚违反瑞雷波频散物理的预测;网络在弹性建模生成的合成数据上训练、在未见合成数据上验证,随后在德州Devine试验场超高清密度野外数据集上评估,并用Grad-CAM检查贡献于预测的输入特征。