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:VictorO.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(GiannaMarschmann)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EoinBrodie和劳伦斯利弗莫尔国家实验室的JenniferPett-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:https://www.cnbeta.com.tw/articles/soft/1420579.htm手机版:https://m.cnbeta.com.tw/view/1420579.htm

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

微软Start团队开发新AI模型,显著提高未来30天天气预报的准确性

微软Start团队开发新AI模型,显著提高未来30天天气预报的准确性微软Start团队在arXiv网站发布了一篇论文,介绍了一种新型AI模型,该模型通过结合5种人工智能模型和3种深度学习架构,利用数十年的历史天气数据进行训练,以提高天气预报的准确性。在预测未来一周的气温方面,新模型的准确率比欧洲中期天气预报中心(ECMWF)高出17%,而在预测未来四周的气温方面,准确率提高了4%。这一进展标志着人工智能在天气预报领域的应用取得了显著进步。关注频道@TestFlightCN频道投稿@TNSubmbot

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SantiRoca-Fàbrega、首尔国立大学的Ji-hoonKim和加利福尼亚大学的JoelR.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(SantiRoca-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。SantiRoca-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。SantiRoca-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。SantiRoca-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:https://www.cnbeta.com.tw/articles/soft/1423070.htm手机版:https://m.cnbeta.com.tw/view/1423070.htm

封面图片

苹果公司发表四款开源新模型 有助于提高未来人工智能的准确性

苹果公司发表四款开源新模型有助于提高未来人工智能的准确性这些指导模型被称为开源高效LLMs或OpenELMs,托管在协作平台HuggingFace上。HuggingFace用于托管人工智能模型,以及对其进行训练和与他人合作改进。OpenELM是指一个开源库,它利用进化算法将多个大型语言模型(LLM)结合在一起。这四个OpenELM模型采用"分层缩放策略",在变压器机器学习模型的各层中分配参数,以提高精确度。这些模型使用CoreNet库进行了预训练。苹果公司提供了使用2.7亿、4.5亿、11亿和30亿个参数的预训练和指令调整模型。预训练数据集由Dolmav1.6子集、RefinedWeb、重复PILE和RedPajama子集组合而成。这样得到的数据集约有1.8万亿个标记。在本周二发布的一篇相关论文中,该项目的研究人员表示,大型语言模型的可重复性和透明度"对于推进开放式研究至关重要"。它还有助于确保结果的可信度,并允许对模型偏差和风险进行调查。至于模型的准确性,据解释,在使用10亿个参数预算的情况下,OpenELM比OLMo的准确性提高了2.36%,而所需的预训练代币数量仅为OLMo的一半。模型和论文的作者包括SachinMehta、MohammadHosseinSekhavat、QingqingCao、MaxwellHorton、YanziJin、ChenfanSun、ImanMirzadeh、MahyarNajibi、DmitryBelenko、PeterZatloukal和MohammadRastegari。发布这些模型的源代码是苹果公司宣传其人工智能和机器学习发展成果的最新尝试。这并不是苹果公司第一次公开发布人工智能程序。今年10月,苹果分享了一个名为Ferret的开源LLM,它改进了模型分析图像的方式。今年4月,Ferret的新版本增加了解析应用程序截图中数据点的功能,并能大致了解应用程序的功能。此外,还发布了关于生成式人工智能动画工具和创建人工智能头像的论文。预计6月份的WWDC将包括苹果产品在人工智能方面的许多进展。...PC版:https://www.cnbeta.com.tw/articles/soft/1428512.htm手机版:https://m.cnbeta.com.tw/view/1428512.htm

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人