新技術(shù)可去中心化且保密臨床機(jī)器學(xué)習(xí)

為了在不違反隱私法的情況下整合來自全球數(shù)據(jù)所有者的任何醫(yī)療數(shù)據(jù)，研究人員引入了Swarm Learning—— 一種去中心化的AI技術(shù)，該技術(shù)結(jié)合了邊緣計(jì)算、基于區(qū)塊鏈的對等網(wǎng)絡(luò)和協(xié)調(diào)，同時(shí)具有保密特性，不需要中央?yún)f(xié)調(diào)器。

為了說明使用Swarm Learning開發(fā)分布式數(shù)據(jù)疾病分類器的可行性，研究人員選擇了4個(gè)異質(zhì)性疾?。ㄐ鹿诜窝住⒔Y(jié)核病、白血病和肺部疾病）的病例。通過來自127項(xiàng)臨床研究的16400多份血液轉(zhuǎn)錄組以及超過95000張胸透片，研究人員發(fā)現(xiàn)Swarm Learning分類器的性能優(yōu)于在單個(gè)醫(yī)療機(jī)構(gòu)開發(fā)的分類器。

此外，Swarm Learning在設(shè)計(jì)上完全滿足了保密需求。科學(xué)家相信，這種方法將顯著加快精準(zhǔn)醫(yī)療的引入。

相關(guān)論文信息：

https://doi.org/10.1038/s41586-021-03583-3

各向異性衛(wèi)星星系猝滅受黑洞活動(dòng)影響

研究人員報(bào)告了對124163個(gè)衛(wèi)星星系的檔案數(shù)據(jù)的分析，這些衛(wèi)星星系位于29631個(gè)暗物質(zhì)暈的勢阱中，質(zhì)量在太陽質(zhì)量的1012到1014之間。研究發(fā)現(xiàn)，猝滅的衛(wèi)星星系相對較少出現(xiàn)在中心星系的小軸上。

鑒于黑洞活動(dòng)預(yù)計(jì)會(huì)優(yōu)先向宿主星系的小軸方向噴射質(zhì)量和能量，這一觀察可能顯得違反直覺。然而，觀測表明各向異性信號(hào)恰恰來自于巨大光暈中的黑洞反饋的拋射性質(zhì)，即由活動(dòng)星系核驅(qū)動(dòng)的流出物清除了星系周圍的介質(zhì)，降低了撞擊壓力，從而保存了衛(wèi)星星系中的恒星形成。

這一解釋得到了IllustrisTNG宇宙學(xué)數(shù)值模擬組的支持，盡管其亞網(wǎng)格模型實(shí)現(xiàn)的黑洞反饋是各向同性的。

相關(guān)論文信息：

https://doi.org/10.1038/s41586-021-03545-9

可用于快速芯片設(shè)計(jì)的布局方法

研究人員提出了一個(gè)可用于芯片布局規(guī)劃的機(jī)器深度強(qiáng)化學(xué)習(xí)方法。在不到6小時(shí)的時(shí)間內(nèi)，這一方法自動(dòng)生成芯片布局，在所有關(guān)鍵指標(biāo)中（包括功耗、性能和芯片面積），都與人類設(shè)計(jì)的不相上下。

為了實(shí)現(xiàn)這一目標(biāo)，研究人員將芯片布局規(guī)劃設(shè)計(jì)為一個(gè)強(qiáng)化學(xué)習(xí)問題，并開發(fā)了一種能給出可行芯片設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)。結(jié)果顯示，這一方法基于過去的經(jīng)驗(yàn)，在解決問題上更好且更快，執(zhí)行芯片設(shè)計(jì)的人工智能比任何人類設(shè)計(jì)師擁有更多經(jīng)驗(yàn)。這一方法被用于設(shè)計(jì)下一代谷歌的AI處理器，并有潛力節(jié)省數(shù)千小時(shí)的人力工作。

相關(guān)論文信息：

https://doi.org/10.1038/s41586-021-03544-w

量子增強(qiáng)非線性顯微鏡

實(shí)驗(yàn)表明，量子相關(guān)性允許一個(gè)信噪比超出傳統(tǒng)顯微鏡的光損傷極限。該顯微鏡是一個(gè)相干拉曼顯微鏡，提供亞波長分辨率，并結(jié)合明亮的量子相關(guān)照明。

與傳統(tǒng)顯微鏡相比，這種相關(guān)性使得細(xì)胞內(nèi)分子鍵的成像信噪比提高了35%，相應(yīng)的濃度靈敏度提高了14%。這使得研究人員能觀察到其他方法不能觀察到的生物結(jié)構(gòu)。相干拉曼顯微鏡允許在未標(biāo)記標(biāo)本上進(jìn)行高度選擇性的生物分子指紋識(shí)別，但光損傷是應(yīng)用之路上的主要障礙。

通過證明可以克服光損傷極限，這一工作將使信噪比和成像速度實(shí)現(xiàn)數(shù)量級(jí)提高。

相關(guān)論文信息：

https://doi.org/10.1038/s41586-021-03528-w

（李言編譯）