Chemical Reaction Networks for Computing Polynomials
PulseAugur coverage of Chemical Reaction Networks for Computing Polynomials — every cluster mentioning Chemical Reaction Networks for Computing Polynomials across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的CRNDiff框架使用化学反应实现计数原生AI扩散
研究人员推出了一种新颖的扩散框架CRNDiff，该框架利用源自随机化学反应网络的计数原生马尔可夫跳跃过程。这种方法允许扩散模型直接处理离散计数数据，例如单细胞RNA测序中的数据。该框架能够基于稀有亚群进行条件化，并包含一种称为倾斜Feynman-Kac引导的方法，用于在不重新训练的情况下对目标亚群进行采样，从而减轻了稀有目标的权重集中问题。在利用人类心脏细胞图谱数据进行的测试中，与其他的生成模型相比，CRNDiff在稀有细胞群体的条件…
-
新模型探索化学反应的可逆计算
研究人员推出 RevCRN，一个使用化学反应网络实现可逆模拟计算的新颖模型。这项工作建立了各种可计算实数类别之间的关系，包括有理数、Lyapunov CRN 可计算实数和实时 CRN 可计算实数。主要发现表明，有理数是 RevCRN 可计算实数的严格子集，并且实时 CRN 可计算实数与 RevCRN 之间存在非空交集。该论文还探讨了 RevCRN 可计算实数内部的层次结构，将 RevCRN 和 RTCRN 之间的精确关系留作一个开放性问题。
-
人工智能推动化学反应分类和网络映射 · 跟踪4个来源
研究人员开发了新颖的机器学习方法来推进化学反应分类和网络映射。一种方法使用多智能体LLM框架自动生成和验证反应规则，扩展了标准分类法，并在未见过的反应上实现了高分类准确率。另一种方法ReactionAtlas，在没有手工规则的情况下从种子分子构建化学反应网络，高精度地识别出数千个反应和化合物。第三篇论文侧重于在保持其计算特性的同时缩减概率化学反应网络的规模，从而能够更有效地实现复杂的生物化学算法。