Forwarded from Zenithal Hourly Radio
mmexport1606762759127.jpg
2.1 MB
Forwarded from 乌鸦观察
#DeepMind #蛋白质 #三维结构 #人工智能
【DeepMind宣布能够预测蛋白质结构】
Alphabet旗下总部位于英国的人工智能公司DeepMind表示,它可以预测蛋白质的结构。这一突破有望大大加快新药的开发过程。
科学家们花费了数十年时间试图弄清一个问题:最开始为链状的化合物的蛋白质,如何折叠成三维形状?这些形状决定了其行为。
即使是识别单个蛋白质的形状也可能需要数年时间,但DeepMind表示,其AlphaFold系统能够在数天内提供准确结果,精度在一个原子的宽度以内。
“这一进步是我们在一项长期重大科学挑战中的首个大突破,”DeepMind的创始人和首席执行官杰米斯•哈萨比斯(Demis Hassabis)表示。他补充说,他希望这将“对我们理解疾病和生命生物学的能力产生重大影响”。DeepMind在2014年被谷歌(Google)以4亿英镑收购。(FT)(Nature)(BBC)(DeepMind)
【DeepMind宣布能够预测蛋白质结构】
Alphabet旗下总部位于英国的人工智能公司DeepMind表示,它可以预测蛋白质的结构。这一突破有望大大加快新药的开发过程。
科学家们花费了数十年时间试图弄清一个问题:最开始为链状的化合物的蛋白质,如何折叠成三维形状?这些形状决定了其行为。
即使是识别单个蛋白质的形状也可能需要数年时间,但DeepMind表示,其AlphaFold系统能够在数天内提供准确结果,精度在一个原子的宽度以内。
“这一进步是我们在一项长期重大科学挑战中的首个大突破,”DeepMind的创始人和首席执行官杰米斯•哈萨比斯(Demis Hassabis)表示。他补充说,他希望这将“对我们理解疾病和生命生物学的能力产生重大影响”。DeepMind在2014年被谷歌(Google)以4亿英镑收购。(FT)(Nature)(BBC)(DeepMind)
#今天又看了啥 #Telegram #GitHub #tools
一个将 Telegram Channel 消息转化为 JSON/RSS 的服务
> This is Telegram to rss or json server. It can return posts from any public Telegram channel as RSS or JSON.
GitHub repo:
TelegramApiServer
TelegramRSS
JSON Demo (This Channel)
RSS Demo (This Channel)
一个将 Telegram Channel 消息转化为 JSON/RSS 的服务
> This is Telegram to rss or json server. It can return posts from any public Telegram channel as RSS or JSON.
GitHub repo:
TelegramApiServer
TelegramRSS
JSON Demo (This Channel)
RSS Demo (This Channel)
#日常 #碎碎念 #今日疑惑 #blog
想到一个问题
就是每次想写 blog 的时候,兴致一般都只能维持几个小时到几天不等,一旦咕了就大概率没了,要不然就写了一半躺在我 draft 文件夹里了((
这样下来博客里内容上就变成了一堆 CTF WriteUp,毕竟一般是边做边写的那种至少还有点东西。
然而那种需要整理的,总结性的,回顾性的文章,貌似抽不出什么整块不被打扰的时间来写,或者人比较懒,呼噜呼噜就摸鱼去了。(别骂了别骂了
于是乎感觉这种东西不能咕。
然后又想到一般写文章都比较长,涉及的点比较多,于是写起来不记得了话又得翻一遍参考资料,花时间就不少了,于是又不耐烦了不想写了(大雾
那怎么缓解这一情况呢?
想到一个问题
就是每次想写 blog 的时候,兴致一般都只能维持几个小时到几天不等,一旦咕了就大概率没了,要不然就写了一半躺在我 draft 文件夹里了((
这样下来博客里内容上就变成了一堆 CTF WriteUp,毕竟一般是边做边写的那种至少还有点东西。
然而那种需要整理的,总结性的,回顾性的文章,貌似抽不出什么整块不被打扰的时间来写,或者人比较懒,呼噜呼噜就摸鱼去了。(别骂了别骂了
于是乎感觉这种东西不能咕。
然后又想到一般写文章都比较长,涉及的点比较多,于是写起来不记得了话又得翻一遍参考资料,花时间就不少了,
那怎么缓解这一情况呢?
🐱MiaoTony's Box | 困困困 zzz
#日常 #碎碎念 #今日疑惑 #blog 想到一个问题 就是每次想写 blog 的时候,兴致一般都只能维持几个小时到几天不等,一旦咕了就大概率没了,要不然就写了一半躺在我 draft 文件夹里了(( 这样下来博客里内容上就变成了一堆 CTF WriteUp,毕竟一般是边做边写的那种至少还有点东西。 然而那种需要整理的,总结性的,回顾性的文章,貌似抽不出什么整块不被打扰的时间来写,或者人比较懒,呼噜呼噜就摸鱼去了。(别骂了别骂了 于是乎感觉这种东西不能咕。 然后又想到一般写文章都比较长,涉及的点比较…
#碎碎念
然后想到貌似可以及时记录一下参考的资料 URI,大概记录一下配置的步骤这样(?
还有就是要不就把大文章分细一点,比如就是某个小点的总结这样,就写起来更随意一点,虽然频率可能会高一点,但至少降低了咕咕咕的风险(雾
(以上都是胡言乱语,现在终于想睡着了
然后想到貌似可以及时记录一下参考的资料 URI,大概记录一下配置的步骤这样(?
还有就是要不就把大文章分细一点,比如就是某个小点的总结这样,就写起来更随意一点,虽然频率可能会高一点,但至少降低了咕咕咕的风险(雾
(以上都是胡言乱语,现在终于想睡着了
#今天又看了啥 #CTF
网鼎杯风云:真·大侠不搞偷袭,真·黑客不靠作弊
http://mp.weixin.qq.com/s?__biz=MzU0NDEwMTc1MA==&mid=2247500055&idx=1&sn=bbd3c081ba376da3d3d1aede98f198c1&chksm=fb03c50ecc744c18137485b803c73a39f69c88b641aac29e88d77f00afc1466bc778c4d1035f
网鼎杯风云:真·大侠不搞偷袭,真·黑客不靠作弊
http://mp.weixin.qq.com/s?__biz=MzU0NDEwMTc1MA==&mid=2247500055&idx=1&sn=bbd3c081ba376da3d3d1aede98f198c1&chksm=fb03c50ecc744c18137485b803c73a39f69c88b641aac29e88d77f00afc1466bc778c4d1035f
Weixin Official Accounts Platform
网鼎杯风云:真·大侠不搞偷袭,真·黑客不靠作弊
一场规模空前的“安全大考”场上发生的反作弊故事
#今天又看了啥 #CV #CNN #ML #GitHub
B乎 CMU团队解析CNN泛化能力:一切秘密都在数据中
B乎 CNN:我不是你想的那样
讨论的是这篇论文 High-frequency Component Helps Explain the Generalization of Convolutional Neural Network
> CNN学习过程中会先尝试拟合低频信息,随着训练进行如果loss不再下降,则会进一步引入高频成分
> 高频成分不仅仅是噪声,还可能包含和数据分布特性相关信息,但是CNN无法针对性的选择利用,如果噪声引入的程度比较多则会出现过拟合,泛化能力下降
> 暂时没有一个好手段去除高频成分中的噪声,目前唯一能做的就是尝试用合适的半径阈值r去掉高频成分,防止噪声干扰,同时测试也需要进行相应去高频操作,或许可以提升泛化能力
> mix-up、BN、对抗样本和早停止等提点组件都可以促进CNN尽可能快且多的利用高频成分,从而提升性能
> 对抗鲁棒性较好的模型卷积核更加平滑,可以利用该特性稍微提高下CNN的鲁棒性
arXiv: https://arxiv.org/abs/1905.13545
GitHub Repo: https://github.com/HaohanWang/HFC
我感觉挺有味道的地方就是,用了通信/信号处理领域常见的频域分析方法,将信号通过一定的变换(Fourier/Laplace/...) 映射到另一个域上进行分析,他这篇就将其引入到了 CV 里对图像,更具体的话是 CNN 的分析上了。
之前的认知只是大概知道图像里的低频信息偏向纹理,高频偏向边缘尖锐突变处,要不然就是把信息藏到频域上之类的。于是这么看来一结合起来确实蛮有意思的。
B乎 CMU团队解析CNN泛化能力:一切秘密都在数据中
B乎 CNN:我不是你想的那样
讨论的是这篇论文 High-frequency Component Helps Explain the Generalization of Convolutional Neural Network
> CNN学习过程中会先尝试拟合低频信息,随着训练进行如果loss不再下降,则会进一步引入高频成分
> 高频成分不仅仅是噪声,还可能包含和数据分布特性相关信息,但是CNN无法针对性的选择利用,如果噪声引入的程度比较多则会出现过拟合,泛化能力下降
> 暂时没有一个好手段去除高频成分中的噪声,目前唯一能做的就是尝试用合适的半径阈值r去掉高频成分,防止噪声干扰,同时测试也需要进行相应去高频操作,或许可以提升泛化能力
> mix-up、BN、对抗样本和早停止等提点组件都可以促进CNN尽可能快且多的利用高频成分,从而提升性能
> 对抗鲁棒性较好的模型卷积核更加平滑,可以利用该特性稍微提高下CNN的鲁棒性
arXiv: https://arxiv.org/abs/1905.13545
GitHub Repo: https://github.com/HaohanWang/HFC
我感觉挺有味道的地方就是,用了通信/信号处理领域常见的频域分析方法,将信号通过一定的变换(Fourier/Laplace/...) 映射到另一个域上进行分析,他这篇就将其引入到了 CV 里对图像,更具体的话是 CNN 的分析上了。
之前的认知只是大概知道图像里的低频信息偏向纹理,高频偏向边缘尖锐突变处,要不然就是把信息藏到频域上之类的。于是这么看来一结合起来确实蛮有意思的。
Forwarded from 乌鸦观察
#嫦娥五号 #月球
【嫦娥五号上升器进入预定轨道实现中国首次地外天体起飞】
国家航天局消息,12月3日23时10分,嫦娥五号上升器3000N发动机工作约6分钟,成功将携带样品的上升器送入到预定环月轨道。这是我国首次实现地外天体起飞。
与地面起飞不同,嫦娥五号上升器月面起飞不具备成熟的发射塔架系统,着陆器相当于上升器的“临时塔架”,上升器起飞存在起飞初始基准与起飞平台姿态不确定、发动机羽流导流空间受限、地月环境差异等问题;另外由于月球上没有导航星座,上升器起飞后,需在地面测控辅助下,借助自身携带的特殊敏感器实现自主定位、定姿。
点火起飞前,着上组合体实现月面国旗展开以及上升器、着陆器的解锁分离。此次国旗展开是我国在月球表面首次实现国旗的“独立展示”。
点火起飞后,上升器经历垂直上升、姿态调整和轨道射入三个阶段,进入预定环月飞行轨道。随后,上升器将与环月等待的轨返组合体交会对接,将月球样品转移到返回器,后者将等待合适的月地入射窗口,做好返回地球的准备。(我们的太空)
【嫦娥五号上升器进入预定轨道实现中国首次地外天体起飞】
国家航天局消息,12月3日23时10分,嫦娥五号上升器3000N发动机工作约6分钟,成功将携带样品的上升器送入到预定环月轨道。这是我国首次实现地外天体起飞。
与地面起飞不同,嫦娥五号上升器月面起飞不具备成熟的发射塔架系统,着陆器相当于上升器的“临时塔架”,上升器起飞存在起飞初始基准与起飞平台姿态不确定、发动机羽流导流空间受限、地月环境差异等问题;另外由于月球上没有导航星座,上升器起飞后,需在地面测控辅助下,借助自身携带的特殊敏感器实现自主定位、定姿。
点火起飞前,着上组合体实现月面国旗展开以及上升器、着陆器的解锁分离。此次国旗展开是我国在月球表面首次实现国旗的“独立展示”。
点火起飞后,上升器经历垂直上升、姿态调整和轨道射入三个阶段,进入预定环月飞行轨道。随后,上升器将与环月等待的轨返组合体交会对接,将月球样品转移到返回器,后者将等待合适的月地入射窗口,做好返回地球的准备。(我们的太空)
Forwarded from 乌鸦观察
#量子计算 #九章
【中国科学家构建76个光子量子计算原型机“九章”】
科技日报合肥12月3日电 (记者吴长锋)记者3日从中国科学技术大学获悉,该校潘建伟、陆朝阳等组成的研究团队,与中科院上海微系统所、国家并行计算机工程技术研究中心合作,构建了76个光子的量子计算原型机“九章”,实现了具有实用前景的“高斯玻色取样”任务的快速求解。
该量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快100万亿倍,也等效地比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快100亿倍。这一成果使得我国成功达到了量子计算研究的第一个里程碑:量子计算优越性(国外称“量子霸权”)。
相关论文在线发表在国际学术期刊《科学》上。(中国新闻网)
【中国科学家构建76个光子量子计算原型机“九章”】
科技日报合肥12月3日电 (记者吴长锋)记者3日从中国科学技术大学获悉,该校潘建伟、陆朝阳等组成的研究团队,与中科院上海微系统所、国家并行计算机工程技术研究中心合作,构建了76个光子的量子计算原型机“九章”,实现了具有实用前景的“高斯玻色取样”任务的快速求解。
该量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快100万亿倍,也等效地比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快100亿倍。这一成果使得我国成功达到了量子计算研究的第一个里程碑:量子计算优越性(国外称“量子霸权”)。
相关论文在线发表在国际学术期刊《科学》上。(中国新闻网)
乌鸦观察
#量子计算 #九章 【中国科学家构建76个光子量子计算原型机“九章”】 科技日报合肥12月3日电 (记者吴长锋)记者3日从中国科学技术大学获悉,该校潘建伟、陆朝阳等组成的研究团队,与中科院上海微系统所、国家并行计算机工程技术研究中心合作,构建了76个光子的量子计算原型机“九章”,实现了具有实用前景的“高斯玻色取样”任务的快速求解。 该量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快100万亿倍,也等效地比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快100亿倍。这一成果使得我国成功…
#今天又看了啥
潘建伟、陆朝阳团队实现量子优越性:原型机「九章」登上Science,速度超谷歌百亿倍
机器之心 的推送
https://mp.weixin.qq.com/s/e5bjyx9zLw2fu0xvDdSwRg
论文链接
https://science.sciencemag.org/content/early/2020/12/02/science.abe8770
潘建伟、陆朝阳团队实现量子优越性:原型机「九章」登上Science,速度超谷歌百亿倍
机器之心 的推送
https://mp.weixin.qq.com/s/e5bjyx9zLw2fu0xvDdSwRg
论文链接
https://science.sciencemag.org/content/early/2020/12/02/science.abe8770
Weixin Official Accounts Platform
潘建伟、陆朝阳团队实现量子优越性:原型机「九章」登上Science,速度超谷歌百亿倍
比谷歌去年发布的53比特量子计算原型机「Sycamore」快一百亿倍。