Bản án là gì? Các công bố khoa học về Bản án

Có một mối liên hệ sâu sắc và hữu ích giữa cơ học thống kê (hành vi của các hệ thống có nhiều mức độ tự do trong trạng thái cân bằng nhiệt ở một nhiệt độ xác định) và tối ưu hóa đa biến hoặc tổ hợp (tìm cực tiểu của một hàm số cho trước phụ thuộc vào nhiều tham số). Một sự tương đồng chi tiết với quá trình tôi kim loại cung cấp một khuôn khổ để tối ưu hóa các đặc tính của các hệ thống rất lớn và phức tạp. Mối liên hệ này với cơ học thống kê khám phá ra thông tin mới và cung cấp một góc nhìn lạ thường về các vấn đề và phương pháp tối ưu hóa truyền thống.

Đề xuất một phương pháp tổng quát, phù hợp với các máy tính nhanh, để nghiên cứu các thuộc tính như phương trình trạng thái cho các chất được tạo thành từ các phân tử tương tác với nhau. Phương pháp này bao gồm việc tích phân Monte Carlo đã được điều chỉnh trên không gian cấu hình. Kết quả cho hệ thống hình cầu cứng hai chiều đã được thu thập trên máy tính MANIAC của Los Alamos và được trình bày ở đây. Những kết quả này được so sánh với phương trình trạng thái thể tích tự do và với sự mở rộng hệ số virial bốn hạng tử.

Chúng tôi đã huấn luyện một mạng nơ-ron tích chập sâu lớn để phân loại 1,2 triệu hình ảnh độ phân giải cao trong cuộc thi ImageNet LSVRC-2010 thành 1000 lớp khác nhau. Trên dữ liệu kiểm tra, chúng tôi đạt được tỷ lệ lỗi top-1 và top-5 lần lượt là 37,5% và 17,0%, điều này tốt hơn nhiều so với công nghệ tiên tiến trước đó. Mạng nơ-ron có 60 triệu tham số và 650.000 nơ-ron, bao gồm năm lớp tích chập, một số lớp có kèm theo lớp max-pooling, và ba lớp liên kết hoàn toàn với softmax 1000 chiều cuối cùng. Để tăng tốc quá trình huấn luyện, chúng tôi đã sử dụng nơ-ron không bão hòa và một triển khai GPU rất hiệu quả của phép toán tích chập. Để giảm thiểu hiện tượng quá khớp trong các lớp liên kết hoàn toàn, chúng tôi đã áp dụng một phương pháp điều hòa được phát triển gần đây gọi là "dropout" và đã chứng tỏ rất hiệu quả. Chúng tôi cũng đã tham gia một biến thể của mô hình này trong cuộc thi ILSVRC-2012 và đạt được tỷ lệ lỗi kiểm tra top-5 chiến thắng là 15,3%, so với 26,2% đạt được bởi bài dự thi đứng thứ hai.

AutoDock Vina, một chương trình mới dành cho việc docking phân tử và sàng lọc ảo, được giới thiệu trong bài viết này. AutoDock Vina có tốc độ xử lý nhanh hơn khoảng hai bậc so với phần mềm docking phân tử phát triển trước đây trong phòng thí nghiệm của chúng tôi (AutoDock 4), đồng thời cải thiện đáng kể độ chính xác trong dự đoán cách thức gắn kết, theo các thử nghiệm của chúng tôi trên tập hợp đào tạo đã sử dụng để phát triển AutoDock 4. Tốc độ xử lý còn được gia tăng nhờ sự song song hóa, sử dụng đa luồng trên các máy đa lõi. AutoDock Vina tự động tính toán các bản vẽ lưới và nhóm kết quả một cách rõ ràng cho người sử dụng. © 2009 Wiley Periodicals, Inc. Tạp chí Comput Chem 2010

Một hàm mật độ mới (DF) thuộc loại xấp xỉ gradient tổng quát (GGA) cho các ứng dụng hóa học chung có tên là B97‐D được đề xuất. Nó dựa trên phương án chuỗi lũy thừa của Becke từ năm 1997 và được tham số hóa rõ ràng bằng cách bao gồm các hiệu chỉnh phân tán cặp nguyên tử dạng triệt tiêu C₆ · R⁻⁶. Một sơ đồ tính toán tổng quát cho các tham số được sử dụng trong hiệu chỉnh này đã được thiết lập và các tham số cho các nguyên tố lên tới xenon và một hệ số tỷ lệ cho phần phân tán cho một số hàm mật độ thông thường (BLYP, PBE, TPSS, B3LYP) được báo cáo. Hàm mới được thử nghiệm so sánh với các GGAs khác và hàm lai B3LYP trên các bộ tiêu chuẩn kiểm tra nhiệt hóa học, cho 40 hợp chất liên kết không cộng hóa trị, bao gồm cả các phân tử thơm xếp chồng lớn và cụm nguyên tố nhóm II, và cho việc tính toán hình học phân tử. Thêm vào đó, các bài kiểm tra chéo được thực hiện cho các phản ứng hữu cơ kim loại và các vấn đề khó khăn khác đối với các hàm tiêu chuẩn. Tóm lại, tìm thấy rằng B97‐D thuộc vào một trong những GGAs đa năng chính xác nhất, đạt đến, ví dụ cho bộ G97/2 của nhiệt hình thành, một độ lệch tuyệt đối trung bình chỉ có 3.8 kcal mol⁻¹. Hiệu suất cho các hệ thống liên kết không cộng hóa trị bao gồm nhiều phức hợp van der Waals thuần rất tốt, đạt đến độ chính xác CCSD(T) trung bình. Chiến lược cơ bản trong phát triển để hạn chế mô tả hàm mật độ đến chiều dài tương quan electron ngắn hơn và mô tả các tình huống với khoảng cách giữa các nguyên tử trung bình đến lớn bằng các thuật ngữ C₆ · R⁻⁶ triệt tiêu dường như rất thành công, như chứng minh cho một số phản ứng khó khăn nổi tiếng. Chẳng hạn, đối với sự đồng phân hóa của các alkan nhánh lớn hơn sang alkan thẳng, B97‐D là hàm duy nhất có sẵn đưa ra dấu đúng cho sự chênh lệch năng lượng. Từ quan điểm thực tế, hàm mới dường như khá chắc chắn và do đó được đề xuất như một phương pháp hóa học lượng tử hiệu quả và chính xác cho các hệ thống lớn nơi lực phân tán có tầm quan trọng chung. © 2006 Wiley Periodicals, Inc. J Comput Chem 2006

Việc xác định các nhóm cá thể đồng nhất về di truyền là một vấn đề lâu dài trong di truyền học quần thể. Một thuật toán Bayesian gần đây được triển khai trong phần mềm structure cho phép phát hiện các nhóm như vậy. Tuy nhiên, khả năng của thuật toán này để xác định số lượng cụm thực sự (K) trong một mẫu cá thể khi các mô hình phân tán giữa các quần thể không đồng nhất chưa được kiểm tra. Mục tiêu của nghiên cứu này là thực hiện các bài kiểm tra như vậy, sử dụng các kịch bản phân tán khác nhau từ dữ liệu được tạo ra với mô hình dựa trên cá thể. Chúng tôi nhận thấy rằng trong hầu hết các trường hợp, ‘xác suất đăng nhập của dữ liệu’ ước tính không cung cấp một ước tính chính xác về số cụm, K. Tuy nhiên, sử dụng thống kê phụ thuộc ΔK dựa trên tốc độ thay đổi trong xác suất đăng nhập của dữ liệu giữa các giá trị K liên tiếp, chúng tôi phát hiện ra rằng structure chính xác phát hiện cấp độ phân cấp cao nhất trong các kịch bản mà chúng tôi đã kiểm tra. Như mong đợi, kết quả rất nhạy cảm với loại dấu hiệu di truyền được sử dụng (AFLP vs. microsatellite), số lượng locus được đánh giá, số lượng quần thể được lấy mẫu, và số lượng cá thể được xác định trong mỗi mẫu.

Dữ liệu nhiều chiều có thể được chuyển đổi thành các mã thấp chiều bằng cách huấn luyện một mạng nơ-ron đa lớp với lớp trung tâm nhỏ để tái tạo các vector đầu vào nhiều chiều. Phương pháp giảm gradient có thể được sử dụng để tinh chỉnh các trọng số trong các mạng 'autoencoder' như vậy, nhưng điều này chỉ hoạt động tốt nếu các trọng số ban đầu gần với một giải pháp tốt. Chúng tôi mô tả một phương pháp hiệu quả để khởi tạo các trọng số cho phép các mạng autoencoder sâu học các mã thấp chiều hoạt động tốt hơn nhiều so với phân tích thành phần chính như một công cụ để giảm kích thước dữ liệu.

Một enzyme DNA polymerase kháng nhiệt đã được sử dụng trong quy trình khuếch đại DNA in vitro, phản ứng chuỗi polymerase. Enzyme này, được tách chiết từ Thermus aquaticus , đã đơn giản hóa quy trình và, bằng cách cho phép phản ứng khuếch đại diễn ra ở nhiệt độ cao hơn, đã cải thiện đáng kể độ đặc hiệu, sản lượng, độ nhạy và chiều dài của các sản phẩm có thể được khuếch đại. Các trình tự gen đơn bản đã được khuếch đại gấp hơn 10 triệu lần với độ đặc hiệu rất cao, và các đoạn DNA lên đến 2000 cặp base đã được khuếch đại một cách dễ dàng. Thêm vào đó, phương pháp này đã được sử dụng để khuếch đại và phát hiện một phân tử DNA mục tiêu chỉ có mặt một lần trong mẫu chứa 10 ⁵ tế bào.

Một chỉnh sửa của phương pháp băng đàn hồi nút được trình bày để tìm kiếm đường dẫn năng lượng tối thiểu. Một trong những hình ảnh được làm leo lên dọc theo băng đàn hồi để hội tụ một cách nghiêm ngặt vào điểm yên ngựa cao nhất. Ngoài ra, các hằng số đàn hồi biến thiên được sử dụng để tăng mật độ các hình ảnh gần đỉnh của rào cản năng lượng nhằm ước lượng tốt hơn đường tọa độ phản ứng gần điểm yên ngựa. Các ứng dụng cho sự hấp phụ phân hủy CH4 trên Ir (111) và H2 trên Si (100) sử dụng lý thuyết phi hàm mật độ dựa trên sóng phẳng được trình bày.

Một tập hợp cơ sở Gaussian loại thu gọn (6-311G**) đã được phát triển bằng cách tối ưu hóa các số mũ và hệ số ở cấp độ bậc hai của lý thuyết Mo/ller–Plesset (MP) cho trạng thái cơ bản của các nguyên tố hàng đầu tiên. Tập hợp này có sự tách ba trong các vỏ valence s và p cùng với một bộ các hàm phân cực chưa thu gọn đơn lẻ trên mỗi nguyên tố. Tập cơ sở được kiểm tra bằng cách tính toán cấu trúc và năng lượng cho một số phân tử đơn giản ở các cấp độ lý thuyết MP khác nhau và so sánh với thực nghiệm.