Caenorhabditis elegans
PulseAugur coverage of Caenorhabditis elegans — every cluster mentioning Caenorhabditis elegans across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的max-plus代数模型重新构建秀丽隐杆线虫大脑信号传导
研究人员提出了一个理解神经信号传导的新框架，将其视为一个路由问题而非扩散问题。该方法利用max-plus代数，其中信号沿路径累积，最强的通路占主导地位。将此模型应用于秀丽隐杆线虫大脑表明，其功能连接组源于各种信号传导层的动态组合。分析揭示了与已知回路一致的主导反馈回路，并确定了潜在的新的实验研究领域。
-
ZENO：新的 AI 算子通过 Zakai 方程学习非线性滤波器
研究人员推出了一种名为 Zakai 方程神经网络算子 (Zakai Equation Neural Operator) 的新方法 ZENO，该方法专为复杂动力系统中的非线性滤波和状态推断而设计。ZENO 利用算子学习和物理信息机器学习来逼近由 Zakai 方程（一个具有挑战性的随机偏微分方程）控制的非归一化滤波分布。该模型在模拟系统（如 Lorenz 系统和 Van der Pol 振子）的后验分布推断和系统参数学习方面取得了成功，并…
-
NeuroML2Loihi框架支持在Intel的Loihi 2芯片上模拟秀丽隐杆线虫神经系统
研究人员开发了NeuroML2Loihi，一个开源框架，可将NeuroML模型描述转换为Intel Loihi 2神经形态芯片的Lava原语。该框架支持将标准化的生物模型（如秀丽隐杆线虫神经系统模型）在神经形态硬件上运行。与传统模拟工作流程相比，NeuroML2Loihi方法展示了显著更低的延迟和更低的功耗，表明基于标准的神经形态神经模拟的可行性。
-
新框架模拟动力学系统和人工智能中的持续影响
研究人员引入了“因果命运动力学”来模拟动力学系统中影响如何持续存在并影响未来状态，即使它们没有立即实现。通过对秀丽隐杆线虫神经系统模型的探索、对互联网路由的分析以及为语言建模开发旨在管理潜在上下文影响的Transformer架构，对这一概念进行了探讨。该工作旨在提供一个框架，用于理解和实现过去影响在未来计算中继续发挥作用的系统。
-
C. elegans connectomes benchmarked with reservoir computing framework
研究人员使用水蚤（Caenorhabditis elegans）的连接组，在一种称为回声状态网络（Echo State Networks）的储层计算框架下进行了探索。该研究实现了不同年龄、不同连接测量方法得出的水蚤生物神经网络映射作为储层。训练集中于一个读出模块，并在受神经科学启发的任务上对性能进行了基准测试。令人惊讶的是，随机的零模型通常优于原始连接组，这表明生物布线本身并不能保证在这些特定任务上的卓越性能。结果还突显了储层配置和连…
-
Syn2Logic框架自动化神经形态硬件设计
研究人员开发了Syn2Logic，一个用于端到端神经形态设计自动化（eNDA）的新型框架。该系统允许神经科学家使用自定义的领域特定语言对神经行为进行建模，然后将其编译成可综合的RTL硬件，无需手动编写硬件描述语言。该框架在模拟秀丽隐杆线虫、解决数独谜题、MNIST数据集上的图像识别以及OPS-SAT上的无监督学习等任务的加速器方面，展示了显著的性能提升。
-
LG C5 电视 Wi-Fi 修复：区域更改恢复 5 GHz 频段
本文详细介绍了对 LG C5 电视进行技术修改，通过更改其 webOS 区域设置来恢复 5 GHz Wi-Fi 功能。该过程涉及访问和更改设备的区域代码，这可以重新启用更高频率的 Wi-Fi 频段。文章引用了一个 GitHub 存储库，其中包含此过程所需的具体说明和工具。
-
新的神经注意力电路增强了表示学习
研究人员引入了神经注意力电路 (NAC)，这是一种受生物系统启发的、新颖的连续时间注意力机制。NAC 使用具有非线性门的线性常微分方程重新构建注意力logit计算，这与秀丽隐杆线虫的神经布线有相似之处。该方法旨在通过实现更有效和自适应的动力学来改进循环神经网络中的表示学习，特别适用于连续时间建模。
-
大脑上传研究面临复杂的工程挑战
科学家们正在探索上传人类大脑的理论和实际挑战，这一概念在美国东西海岸引发了不同的反应。哈佛-麻省理工学院候选人Davy Deng将问题定义为：定义构成心智的数据、测量这些数据，然后使其在新的基质上运行。Deng建议研究像线虫C. elegans这样神经系统完全绘制的302个神经元组成的简单生物，可以为大脑上传的复杂性提供见解。
-
新型视觉模型分析秀丽隐杆线虫神经元以进行神经毒性评估
研究人员开发了一种新的自监督视觉模型，专门用于分析秀丽隐杆线虫（一种用于神经毒性研究的线虫）的神经元图像。该模型名为 CeNeuMorph，采用尺度自适应掩码图像建模策略，以在不同分辨率下有效学习表示，解决了通用视觉模型在捕捉神经成像中的稀疏信号和多尺度病变方面的局限性。与现有模型相比，该模型在分类、分割和检测任务上表现出优越的性能，并能根据形态学特征预测行为缺陷。这项进展为神经毒性评估和药物发现提供了一种可扩展、计算上可行的替代传统…
-
新型Transformer模型增强了跨物种神经动力学分析能力
研究人员开发了CAPT（连续自回归群体Transformer），一种用于模拟钙成像数据的神经群体动力学模型。该模型采用自回归方式训练，并使用连续斑块标记策略直接处理连续钙信号轨迹。CAPT在跨不同数据集、实验范式甚至物种的迁移能力方面表现出色，在神经群体预测和行为解码任务上优于专用基线模型。
-
新研究论文重新定义AI控制，区分秩序与真正指令
一篇新研究论文认为，AI系统中的“秩序”不等同于“控制”。作者提出“接收者门控响应定律”作为控制的必要条件，并将其识别于生物系统、LLM及其他操作者中。他们的发现表明，虽然支持局部控制和可测量的随机响应算子，但诸如预生成控制和生物-LLM协调身份等概念仍超出了当前理解的范围。
-
群体智能提升生物神经网络的记忆能力
研究人员探索了使用受生物启发的优化算法来增强基于生物连接组的神经网络的记忆能力。通过将粒子群优化和鲸鱼优化算法等技术应用于源自六种不同物种的回声状态网络的突触权重，他们发现了性能的显著提升。特别是鲸鱼优化算法，在某些情况下展示了显著的收益，包括记忆容量增加了17倍。
-
约束感知执行系统规划混合空地计算工作负载
研究人员开发了约束感知执行（CAE）系统，这是一个旨在优化卫星计算工作负载的规划系统。CAE通过智能决定哪些计算在星上运行，哪些在地面运行，来应对有限的下行链路容量的挑战。该系统构建轨道环境，根据成本模型放置计算任务，并在轨道窗口内调度数据传输，同时考虑各种资源约束。CAE已作为生产API部署，并能在两秒内生成可行的执行计划。
-
新的熵最优传输损失改进了基于模型的聚类方法
研究人员开发了一种使用熵最优传输的基于模型的聚类新损失函数。这种新方法旨在克服传统最大似然估计的局限性，后者可能存在非凸性和局部最优问题。所提出的方法通过Sinkhorn-EM算法进行优化，展示了更稳定的优化景观和与EM算法相当的收敛速度。