MOLAR FRESH 2020年第23期 MolarData人工智能新鲜趣闻，每周五更新。 为进一步拓展卷积神经网络在显微图像超分辨中的适用范围，提升超分辨成像和重建效果，戴琼海/李栋联合课题组基于高、低分辨率图像频谱覆盖范围的显著差异，提出了傅立叶域注意力卷积神经网络模型（DFCAN）和傅立叶域注意力生成对抗网络模型（DFGAN），实现了比其他现有卷积神经网络模型更鲁棒的显微图像超分辨预测效果，依据测评矩阵结果，其优越区域可以拓展至中高信噪比，可在实际生物成像实验中替代现有超分辨成像方法，应用场景得到较大程度的拓展。 来源：量子位
他们开发了实时解码与肌肉刺激相关的大脑神经信号的技术，以实现手臂和手的功能性运动，这些技术在脊髓损伤、中风、脑外伤和其他神经系统疾病中具有广泛应用前景。 对于长期愿景，他们则致力于开发双向“神经搭桥”技术，基本原理是在大脑运动皮层中植入电极阵列，拾取患者想象移动手臂和手时产生的神经信号，这些嘈杂的大脑信号会由 AI 驱动的处理器进行解码，该处理器再将神经刺激指令发送到人前臂上的电极贴片。当人抓住物体时，手臂上的传感器会记录感觉信息，这些数据通过处理器返回，然后将刺激指令发送到大脑感觉皮层中的植入式电极阵列，最后使该患者可以“感觉”到该物体，并在必要时调整其抓取力，脊髓上的另一个电极阵列在此过程中刺激脊神经，以期鼓励再生和修复。 来源：学术头条
一句话总结英国新规：不欢迎AI专业的中国留学生、学者与研究员 近日，《泰晤士报》报道，英国政府将于 2 月 15 日宣布：限制中国人在 44 个敏感领域学习或工作；已在这些领域学习或工作的人员，一旦被视为“构成风险”，将注销签证！这 44 个领域包括：人工智能、化学、物理、数学、计算机科学和一系列工程领域。根据报道，新规与美国限制中国留学生签证的依据几乎无异：担心中国学者会窃取英国的知识产权。
自动混合精度和FP16，可以为A100带来2倍的性能提升； 而且，在不更改代码的情况下，具有TF32的A100与英伟达Volta相比，性能能够高出20倍。 在卷积神经网络训练中：1块A100的训练速度是1块V100的2.2倍；使用混合精度时，前者则是后者的1.6倍。 在语言模型训练中：1块A100的训练速度是1一块V100的3.4倍； 使用混合精度时，前者则是后者的2.6倍。 其中，分别用8块A100与8块V100，进行32位训练：前者速度能够达到后者的3.5倍； 来源：量子位清华戴琼海、中科院李栋联合发文《自然•方法》，开发深度学习超分辨显微成像方法
“光学显微成像中超分辨卷积神经网络的测评和发展”综合测评了现有超分辨卷积神经网络模型在显微图像超分辨任务上的表现，提出傅立叶域注意力卷积神经网络（DFCAN, Deep Fourier Channel Attention Network）和傅立叶域注意力生成对抗网络（DFGAN，Deep Fourier Generative Adversarial Network）模型，在不同成像条件下实现最优的显微图像超分辨预测和结构光超分辨重建效果，并观测到线粒体内脊、线粒体拟核、内质网、微丝骨架等生物结构的动态互作新行为。
让瘫痪肢体动起来！科学家发明可穿戴“神经搭桥”技术，有望恢复机体运动和感觉
这套黑科技穿戴被命名为 GlidePath，开发团队来自美国巴特尔纪念研究所，是一家私营的非营利性应用科技开发公司，总部位于俄亥俄州哥伦布市。Chad Bouton 教授是该项目的领导者，目前他把实验室搬到了纽约范斯坦医学研究所的生物电子医学研究所。
来源：AI科技评论英伟达A100深度学习性能实测：训练速度可达V100的3.5倍
英伟达最新发布的基于新架构的A100加速计算卡，其官网宣传：
受显微镜下线虫启发， MIT人工智能实验室推出「液态」神经网络
众所周知，神经网络是一种通过分析训练数据来识别模式的算法，人们常说，它能模拟大脑的处理过程。
而哈萨尼则是直接从显微镜下的线虫C. elegans中获得了灵感：
「它的神经系统只有302个神经元，但它可以产生出乎意料的复杂动态」
在他用来构建神经网络的方程中，他允许参数依据一套微分方程的结果，随时间变化。
这种灵活性，正是关键——大多数神经网络的行为在训练阶段之后是固定的，这意味着它们并不善于适应传入数据流的变化。
哈萨尼表示，他创建的的「液态」网络的流动性，使其对意外或噪声数据更有弹性——比如大雨遮挡了自动驾驶汽车上的摄像头的视野。
得益于这款神经网络中为数不多却具有很强表达性的神经元，观察神经网络做决策的过程以及判断网络分类的原因变得更加容易。
来源：新智元
AI资讯
掌握最新科技趣闻
长按扫码关注我们
原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2021/02/8462.html
