視覺學習行為的神經(jīng)機制

視覺學習行為的神經(jīng)機制

中國科學院腦科學與智能技術(shù)卓越創(chuàng)新中心（神經(jīng)科學研究所）、上海腦科學與類腦研究中心、神經(jīng)科學國家重點實驗室姚海珊研究組開展了眶額葉皮層通過調(diào)節(jié)初級視皮層的反應(yīng)增益促進視覺偶聯(lián)學習的研究。研究論文發(fā)表于Nature Communications。通過光遺傳標記技術(shù)，發(fā)現(xiàn)投向V1的OFC神經(jīng)元通過降低放電率的方式編碼獎勵預(yù)期信號，與V1神經(jīng)元相反。在No-Go刺激出現(xiàn)時抑制OFC向V1投射的活動能夠減慢小鼠的視覺學習速率，而光遺傳激活V1的SST抑制性神經(jīng)元能夠提高小鼠的學習速率。因此，OFC向V1的投射能夠調(diào)節(jié)V1神經(jīng)元對獎勵無關(guān)刺激的反應(yīng)，通過改變刺激的顯著性來易化視覺偶聯(lián)學習。

基于機器學習的太陽風分類及其空間天氣預(yù)警應(yīng)用研究進展

中國科學院國家空間科學中心天氣室研究員李暉、王赤等與南京信息工程大學副教授許飛展開人工智能識別太陽風分類的合作研究。研究論文發(fā)表于Earth and Space Science。團隊利用國際流行的10種機器學習分類算法（KNN、LSVM、RBFSVM、DT、RF、AdaBoost、NN、GNB、QDA、XGBoost）在優(yōu)選后的八維參數(shù)空間中開發(fā)了太陽風分類的自動識別算法，可以自動、快速地將太陽風觀測數(shù)據(jù)分為冕洞風、冕流風、扇區(qū)反轉(zhuǎn)區(qū)風和日冕拋射風4類。該研究證實了基于機器學習的分類算法有能力高效而準確地識別出4種典型類型的太陽風，可以獲得比以往經(jīng)驗?zāi)Ｐ透玫姆诸愋Ч?/p>

數(shù)據(jù)驅(qū)動的藍藻水華研究進展

中國科學院重慶綠色智能技術(shù)研究院大數(shù)據(jù)挖掘及應(yīng)用中心與中國科學院水生生物研究所研究員宋立榮課題組合作，將人工智能方法與水生態(tài)問題進行融合，利用模型對我國大中型淺水湖泊藍藻水華數(shù)據(jù)進行深入挖掘分析。研究論文發(fā)表于Harmful Algae。研究證實微囊藻生物量變化主要受到水溫和總磷濃度調(diào)控，絲狀藍藻生物量依賴于具體的水體生境條件。建立了環(huán)境因子與藍藻生物量及產(chǎn)毒能力的因果關(guān)聯(lián)，檢驗出水溫、光強和氮濃度依次為影響毒素濃度的關(guān)鍵因子，從毒素控制角度強調(diào)了氮磷雙控的控制策略。利用貝葉斯推斷方法對我國“三湖”氮、磷營養(yǎng)鹽的控制濃度進行估算，強調(diào)氣候變暖會影響營養(yǎng)鹽標準的參考閾值。

智能計算成像研究方面取得新進展

中國科學院上海光學精密機械研究所信息光學與光電技術(shù)實驗室與德國斯圖加特大學應(yīng)用光學研究所、美國麻省理工學院合作，提出并實驗驗證了一種基于物理模型和深度神經(jīng)網(wǎng)絡(luò)的新型計算成像方法，無須大量帶標簽的數(shù)據(jù)來完成神經(jīng)網(wǎng)絡(luò)訓練，促進了人工智能技術(shù)在計算成像中的廣泛應(yīng)用。論文發(fā)表于Light： Science & Applications。針對基于深度學習的計算成像方法中訓練數(shù)據(jù)難以獲取和模型泛化性有限的問題，提出將物理模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法（Physics-enhanced deep neural network， PhysenNet），利用物理模型替代訓練數(shù)據(jù)來驅(qū)動網(wǎng)絡(luò)參數(shù)的優(yōu)化，以計算成像中的經(jīng)典例子“相位成像”來驗證該方法的有效性。

基于參考圖像的人臉組成編輯方法

中國科學院自動化研究所媒體深度偽造與反偽造創(chuàng)新團隊孫哲南研究員、李琦副研究員等人提出了一種從參考圖像學習目標人臉組成形狀的人臉組成編輯算法（r-FACE）。相關(guān)論文收錄于IJCAI 2020。人臉肖像編輯指基于一幅給定的人臉圖像，對人臉的屬性或組成進行編輯，并且生成的圖像看起來真實自然，其在影視制作、照片處理和交互式娛樂等方面具有廣闊的應(yīng)用前景。該方法提出了多樣化且可控的人臉組成編輯方法，并較好地保留原始圖像的姿勢、膚色等風格特征，與傳統(tǒng)算法及商業(yè)PS算法等相比有明顯視覺效果提升。該方法能夠生成高質(zhì)量和多樣化的人臉，并可以實現(xiàn)顯著語義形狀變化的人臉組成編輯。

從大規(guī)?？茖W文獻中提取生物醫(yī)學實體關(guān)系的新型深度學習模型

清華大學交叉信息研究院曾堅陽研究組成功開發(fā)了從大規(guī)?？茖W文獻中提取生物醫(yī)學實體關(guān)系的深度學習模型，即基于機器學習的大規(guī)模生物醫(yī)學關(guān)系自動抽取技術(shù)。研究論文發(fā)表于Nature Machine Intelligence。研究團隊采用了一種基于遠監(jiān)督的深度學習策略，使得模型能夠在不依賴人工標注數(shù)據(jù)的情況下應(yīng)用到各種生物醫(yī)學關(guān)系抽取場景當中。此外，文章所提出的集成了隱式句法樹學習和注意力機制的模型，在多項生物醫(yī)學關(guān)系抽取任務(wù)當中，都取得了領(lǐng)先的實驗結(jié)果。這項研究成果表明，這種新型的機器學習框架能夠為生物醫(yī)學關(guān)系發(fā)現(xiàn)提供有力的幫助。

預(yù)測納米金屬氧化物炎癥效應(yīng)的機器學習模型

大連理工大學環(huán)境學院李雪花副教授團隊與蘇州大學李瑞賓教授團隊合作，首次構(gòu)建了機器學習模型，實現(xiàn)了對納米材料造成肺部炎癥效應(yīng)的預(yù)測。不僅為納米材料風險評價提供了重要的工具，還拓展了對納米材料炎癥效應(yīng)機理的認識。研究論文發(fā)表于Environmental Health Perspectives。論文構(gòu)建了包含30種納米金屬氧化物的數(shù)據(jù)庫，其中涵蓋金屬氧化物的4種定量、理化性質(zhì)。開發(fā)了預(yù)測納米金屬氧化物肺部炎癥效應(yīng)的機器學習模型。識別和證明了金屬氧化物誘導炎癥效應(yīng)的關(guān)鍵細胞事件。研究表明細胞攝取、溶酶體損傷及組蛋白酶Cathepsin B釋放是金屬氧化物造成炎癥的關(guān)鍵事件。

自動化所空間機器人自主操控技術(shù)研究進展

中國科學院沈陽自動化研究所機器人學國家重點實驗室、中科院“空間自主操控創(chuàng)新交叉團隊”張鑫、劉金國等，針對不具備抓捕特征的空間非合作目標，提出了一種機器人化“鎖籠對”的捕獲方法。研究論文發(fā)表于IEEE/ASME Transactions on Mechatronics。文章提出了采用雙臂空間機器人實現(xiàn)鎖籠對的捕獲方法，核心是將目標限定在有限的封閉空間之中，即機器人化鎖籠中；并提出鎖困兼容性概念以及相應(yīng)的性能指標，用于定量地描述鎖籠對方法的捕獲能力?；谠撔阅苤笜?，提出一種雙臂空間機器人預(yù)捕獲構(gòu)型的規(guī)劃算法，以獲得最優(yōu)捕獲能力。最后，搭建氣浮式空間機器人實驗平臺驗證了方法的有效性。