技术帮助玩家提高准确性!

None

相关推荐

封面图片

科学家正利用土壤微生物的DNA帮助提高气候模型的准确性

科学家正利用土壤微生物的DNA帮助提高气候模型的准确性 微生物模型利用广泛的基因组数据为土壤碳模拟提供动力。图片来源:Victor O. Leshyk 插图这个新模型使科学家们能够更好地了解某些土壤微生物如何有效地储存植物根系提供的碳,并为农业战略提供信息,以保护土壤中的碳,支持植物生长和减缓气候变化。"我们的研究证明了直接从土壤中收集微生物遗传信息的优势。在此之前,我们只掌握了实验室研究的少数微生物的信息,"论文第一作者、伯克利实验室博士后研究员吉安娜-马施曼(Gianna Marschmann)说。"有了基因组信息,我们就能建立更好的模型,预测各种植物类型、作物甚至特定栽培品种如何与土壤微生物合作,更好地捕集碳。同时,这种合作还能增强土壤健康"。最近发表在《自然-微生物学》杂志上的一篇新论文介绍了这项研究。论文的通讯作者是伯克利实验室的 Eoin Brodie 和劳伦斯利弗莫尔国家实验室的 Jennifer Pett-Ridge,后者领导着"微生物持久存在"土壤微生物组科学重点领域项目,该项目由能源部科学办公室资助,以支持这项工作。看见看不见的东西 - 微生物对土壤健康和碳的影响土壤微生物帮助植物获取土壤养分,抵抗干旱、疾病和虫害。它们对碳循环的影响在气候模型中的体现尤为重要,因为它们会影响土壤中储存的碳量或在分解过程中以二氧化碳形式释放到大气中的碳量。通过利用这些碳构建自己的身体,微生物可以将碳稳定(或储存)在土壤中,并影响碳在地下的储存量和储存时间。这些功能与农业和气候的相关性正受到前所未有的关注。然而,仅一克土壤中就含有多达100 亿个微生物和数千个不同物种,绝大多数微生物从未在实验室中被研究过。直到最近,科学家们才从实验室研究的极少数微生物中获得数据,为这些模型提供依据,其中许多微生物与需要在气候模型中体现的微生物无关。Brodie解释说:"这就好比根据只生长在热带森林中的植物所提供的信息,为沙漠建立生态系统模型。"为了应对这一挑战,科学家团队直接利用基因组信息建立了一个模型,该模型能够适应任何需要研究的生态系统,从加利福尼亚的草原到北极解冻的永久冻土。该模型利用基因组深入了解土壤微生物的功能,研究小组将这种方法用于研究加利福尼亚牧场中植物与微生物组之间的相互作用。牧场在加州具有重要的经济和生态意义,占陆地面积的 40% 以上。研究重点是生活在植物根部周围的微生物(称为根圈)。这是一个重要的研究环境,因为尽管根区只占地球土壤体积的 1-2%,但据估计,根区储存了地球土壤中 30-40% 的碳,其中大部分碳是由根系在生长过程中释放出来的。为了建立这个模型,科学家们利用加州大学霍普兰研究与推广中心提供的数据,模拟了微生物在根部环境中的生长情况。不过,这种方法并不局限于特定的生态系统。由于某些遗传信息与特定的性状相对应,就像人类一样,基因组(模型所基于的)与微生物性状之间的关系可以转移到世界各地的微生物和生态系统中。研究小组开发了一种新方法来预测微生物的重要性状,这些性状会影响微生物利用植物根系提供的碳和养分的速度。研究人员利用该模型证明,随着植物的生长和碳的释放,由于根系化学和微生物性状之间的相互作用,会出现不同的微生物生长策略。特别是,他们发现,生长速度较慢的微生物在植物生长后期会受到碳释放类型的青睐,而且它们在利用碳方面的效率出奇地高这使它们能够在土壤中储存更多的这种关键元素。这一新的观测结果为改进模型中根系与微生物之间的相互作用提供了依据,并提高了预测微生物如何影响气候模型中全球碳循环变化的能力。"这些新发现对农业和土壤健康具有重要意义。通过我们正在建立的模型,我们越来越有可能利用对碳如何在土壤中循环的新认识。这反过来又为我们提供了可能性,使我们能够提出保护土壤中宝贵的碳的策略,从而在可行的范围内支持生物多样性和植物生长,以衡量其影响,"马施曼说。这项研究强调了利用基于遗传信息的建模方法来预测微生物性状的威力,有助于揭示土壤微生物组及其对环境的影响。编译来源:ScitechDaily ... PC版: 手机版:

封面图片

OpenAI的“企业年”包括提高人工智能准确性的新工具

OpenAI的“企业年”包括提高人工智能准确性的新工具 OpenAI API 于 2020 年推出,允许公司在其大型语言模型的基础上进行连接和构建,随后于去年 8 月开放了 GPT-3.5 的微调功能,最终还将开放GPT-4。高度定制的模型可以在内部提供更好的结果。它们还能使对公众的回复保持在正轨上,避免出现像由ChatGPT 支持的雪佛兰经销商的机器人说它会以 1 美元的价格卖出一辆车那样的尴尬情况。今天,OpenAI 首席运营官 Brad Lightcap在接受彭博社采访时表示,2024 年是"企业年",因为企业开始推出更多使用基础模型的用例,OpenAI 在该领域看到了"巨大的增长"。Lightcap说:"我们越来越感觉到,市场正在把我们拉向真正的应用,提供真正的业务成果,真正广泛地关注人工智能赋能,我们已经准备好为我们的客户提供支持。"Lightcap此前曾警告企业高管不要指望人工智能能解决他们的所有问题,并提醒说,生成式人工智能在很大程度上仍处于试验阶段。OpenAI 还正式宣布了辅助微调功能,作为定制模型计划的一部分,OpenAI 员工将帮助客户对 GPT-4 进行微调。定制模型计划允许选定的组织与 OpenAI 研究人员合作,根据其特定需求训练定制的 GPT-4 模型。通过微调,GPT-4 等预训练模型可以通过更小、更有针对性的数据集(如公司的投资组合)学习更多信息。第一个第三方集成是与 Weights & Biases 平台的集成。虽然 OpenAI 以 ChatGPT 而闻名,吸引了日常消费者和希望创建自己版本聊天机器人的品牌,但该公司也与初创企业和更成熟的组织合作,将人工智能驱动的应用和服务引入主流。生成式人工智能时代最早的一些宠儿,如文案撰写平台 Jasper和视频创作公司 Descript,都是利用 OpenAI 的模型构建自己的服务的。 ... PC版: 手机版:

封面图片

花旗集团 CEO 弗雷泽:银行正在努力提高监管报告的准确性。

封面图片

(统计准确性仅供参考)

封面图片

生成式人工智能服务新规今日实施:提高生成内容的准确性和可靠性 #抽屉IT

封面图片

科学家设法提高超级计算机模拟准确性 揭开星系形成背后的秘密

科学家设法提高超级计算机模拟准确性 揭开星系形成背后的秘密 天文学家可以使用超级计算机来模拟星系从 138 亿年前宇宙大爆炸至今的形成过程。但是,这其中存在许多误差来源。由隆德研究人员领导的一个国际研究小组在八年时间里花费了一亿个计算机小时试图纠正这些错误。为了最大限度地减少误差来源,制作出更精确的模拟结果,由隆德大学的 Santi Roca-Fàbrega、首尔国立大学的 Ji-hoon Kim 和加利福尼亚大学的 Joel R. Primack 领导的来自 60 所高等院校的 160 名研究人员通力合作,现在公布有史以来最大规模的模拟对比结果。"要在星系形成理论方面取得进展,对不同模拟的结果和代码进行比较至关重要。"天体物理学研究员桑蒂-罗卡-法布雷加(Santi Roca-Fàbrega)说:"我们现在已经做到了这一点,将世界上最好的星系模拟器背后相互竞争的代码组聚集在一起,进行了一种超级比较。"该合作项目的三篇论文(即 CosmoRun 模拟)现已发表在《天体物理学杂志》上。在这些论文中,研究人员分析了一个与银河系质量相同的星系的形成过程。模拟基于相同的天体物理学假设,包括宇宙中第一批恒星产生的紫外线背景辐射、气体冷却和加热以及恒星形成过程。模拟宇宙的一部分。资料来源:AGORA 协作小组新成果让研究人员得出结论,像银河系这样的圆盘星系在宇宙历史上形成的时间非常早,这与詹姆斯-韦伯望远镜的观测结果是一致的。他们还找到了一种方法,使卫星星系围绕较大星系运行的星系的数量与观测结果相一致,最终解决了一个众所周知的问题,即"卫星缺失问题"。此外,研究小组还揭示了星系周围的气体是如何成为逼真模拟的关键,而不是恒星的数量和分布,因为恒星的数量和分布是以前的标准。Santi Roca-Fàbrega 说:"这项工作已经持续了八年,需要运行数百次模拟,使用一亿个小时的超级计算设施。"他们的旅程仍在继续,以进一步完善对星系形成的模拟。Santi Roca-Fàbrega 和他的同事们希望通过每一项技术成果,为宇宙和星系的诞生与演化这一令人眼花缭乱的谜题增添新的内容。Santi Roca-Fàbrega说:"这是对星系形成进行更可靠模拟的开始,这反过来将帮助我们更好地了解我们的银河系。"编译自:ScitechDaily ... PC版: 手机版:

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人