「AI×科研」每日要闻汇总｜7月21日

一种可以根据 DNA 序列预测「NGS测序深度」的深度学习模型

莱斯大学的研究人员设计了一个深度学习模型，该模型可以根据DNA序列，预测Next-Generation Sequencing（NGS）的测序深度。

针对预测测序深度的有针对性的NGS面板工作流程和深度学习模型（DLM）的概述

论文链接：https://www.nature.com/articles/s41467-021-24497-8

AI分析心电图并诊断疾病

以色列理工学院的研究人员开发了一个基于人工智能的新系统，该系统使用增强的神经网络分析心电图，并可以自动检测疾病。

论文链接：https://www.pnas.org/content/118/24/e2020620118

相关报道：https://medicalxpress.com/news/2021-07-clinically-viable-ai-based-tools-medicine.html

材料：通过机器学习预测粘合属性

东京大学工业科学研究所的研究人员开发了一种机器学习模型，该模型可根据单个组件的参数确定粘合和吸收材料的特性。这是首个可预测材料多个不同属性的机器学习模型。

奇偶平价图显示预测值与计算值

论文链接：https://iopscience.iop.org/article/10.35848/1882-0786/ac083b

相关报道：https://phys.org/news/2021-07-bonding-bond-properties-machine.html

在低数据环境中的分子生成模型——基于循环神经网络

哥伦比亚大学的研究人员基于循环神经网络，开发了一款可以在低数据环境中模拟分子生成的算法模型。

论文链接：https://www.nature.com/articles/s42256-021-00368-1

谷歌：向Sycamore量子计算机添加逻辑量子位可降低错误率

谷歌量子AI团队发现，向Sycamore量子计算机中添加逻辑量子位可以成倍降低逻辑量子位误差率;将运行 50微秒后的出错率从 40% 降低到 0.2%。

Sycamore的处理器

论文链接：https://www.nature.com/articles/s41586-021-03588-y

相关报道：https://spectrum.ieee.org/tech-talk/computing/hardware/googles-quantum-computer-exponentially-suppress-errors

https://www.sciencemag.org/news/2021/07/physicists-move-closer-defeating-errors-quantum-computation

https://phys.org/news/2021-07-adding-logical-qubits-sycamore-quantum.html

科学家在量子电子设备中首次拍摄超高速开关快照

SLAC实验室、斯坦福大学等机构组成的联合研究小组使用超高速电子衍射法来观察电子设备的运行情况，首次在量子电子设备中拍摄超高速开关快照。研究如何设计材料中的微观变化，使捕捉到的新状态更稳定、更持久；将使他们能够制造出运行速度更快、所需能量更少的电子开关设备。

相关报道：https://www.eurekalert.org/pub_releases/2021-07/dnal-stf071221.php

EHT精确定位最近的射电星系的「暗心」

Event Horizon Telescope（EHT）协作公司组成的国际团队，对离我们最近的射电星系Centaurus A的中心地带进行了成像。天文学家们精确定位了中央超大质量黑洞的位置，并揭示了一个巨大的「喷气机」的诞生过程。

最终模型的图像分析

论文链接：https://www.nature.com/articles/s41550-021-01417-w

相关报道：https://phys.org/news/2021-07-eht-dark-heart-nearest-radio.html

https://www.sciencemag.org/news/2021/07/event-horizon-telescope-captures-beautiful-images-second-black-hole-s-jet

理论每日要闻