論文の概要: XCloud-MoDern: An Artificial Intelligence Cloud for Accelerated NMR Spectroscopy

• arxiv url: http://arxiv.org/abs/2012.14830v4
• Date: Sat, 3 Apr 2021 16:09:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-18 20:26:52.717708
• Title: XCloud-MoDern: An Artificial Intelligence Cloud for Accelerated NMR Spectroscopy
• Title（参考訳）: XCloud-MoDern:加速NMR分光のための人工知能クラウド
• Authors: Zi Wang, Di Guo, Zhangren Tu, Yihui Huang, Yirong Zhou, Jian Wang, Liubin Feng, Donghai Lin, Yongfu You, Tatiana Agback, Vladislav Orekhov, Xiaobo Qu
• Abstract要約: まず, 高速な深層学習フレームワーク (MoDern) を考案し, 挑戦的な多次元NMRスペクトルの頑健かつ高品質な再構成における驚くべき性能を示す。 そこで我々は,高速NMRのための信頼性,広く利用可能な,超高速かつ使いやすい技術として,新しい人工知能クラウドコンピューティングプラットフォーム(XCloud-MoDern)を開発した。
• 参考スコア（独自算出の注目度）: 12.059763077500891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For accelerated multi-dimensional NMR spectroscopy, non-uniform sampling is a powerful approach but requires sophisticated algorithms to reconstruct undersampled data. Here, we first devise a high-performance deep learning framework (MoDern), which shows astonishing performance in robust and high-quality reconstruction of challenging multi-dimensional protein NMR spectra and reliable quantitative measure of the metabolite mixture. Remarkably, the few trainable parameters of MoDern allowed the neural network to be trained on solely synthetic data while generalizing well to experimental undersampled data in various scenarios. Then, we develop a novel artificial intelligence cloud computing platform (XCloud-MoDern), as a reliable, widely-available, ultra-fast, and easy-to-use technique for highly accelerated NMR. All results demonstrate that XCloud-MoDern contributes a promising platform for further development of spectra analysis.
• Abstract（参考訳）: 高速な多次元NMR分光法では、非一様サンプリングは強力なアプローチであるが、アンダーサンプルデータの再構成には洗練されたアルゴリズムが必要である。 そこで,我々はまず,高性能な深層学習フレームワーク (MoDern) を考案し,挑戦的な多次元NMRスペクトルの堅牢かつ高品質な再構成とメタボライト混合物の信頼性定量化に驚くべき性能を示した。 注目すべきなのは、MoDernのトレーニング可能なパラメータによって、ニューラルネットワークを単なる合成データでトレーニングし、さまざまなシナリオにおける実験的なアンダーサンプルデータにうまく一般化することができたことだ。 そこで我々は,高速NMRのための信頼性,広く利用可能な,超高速かつ使いやすい技術として,新しい人工知能クラウドコンピューティングプラットフォーム(XCloud-MoDern)を開発した。 これらの結果は,XCloud-MoDernがスペクトル分析のさらなる発展に寄与していることを示している。

関連論文リスト

• DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
  DiffMSは式制限エンコーダ-デコーダ生成ネットワークである。 我々は、潜伏埋め込みと分子構造を橋渡しする頑健なデコーダを開発する。 実験の結果、DiffMS は $textitde novo$ 分子生成で既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-13T18:29:48Z)
• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
  我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• Soft Random Sampling: A Theoretical and Empirical Analysis [59.719035355483875]
  ソフトランダムサンプリング(SRS)は、大量のデータを扱う際に、効率的なディープニューラルネットワークに対して単純だが効果的なアプローチである。 それは、各エポックに設定された各データセットから、ランダムに置換された均一な速度を選択する。 実世界の産業規模で重要な競争力を持つ、強力で競争力のある戦略であることが示されている。
  論文  参考訳（メタデータ） (2023-11-21T17:03:21Z)
• CloudBrain-NMR: An Intelligent Cloud Computing Platform for NMR Spectroscopy Processing, Reconstruction and Analysis [25.248146237383622]
  核磁気共鳴分光法(NMR)は、化学と生物学における分子構造と力学を研究するための強力な分析ツールとなっている。 CloudBrain-NMRは、NMRデータ読み込み、処理、再構築、定量分析のために設計された、インテリジェントなオンラインクラウドコンピューティングプラットフォームである。
  論文  参考訳（メタデータ） (2023-09-12T21:40:51Z)
• Assessing the Performance of 1D-Convolution Neural Networks to Predict Concentration of Mixture Components from Raman Spectra [0.0]
  ラマン分光法の新たな応用は、生薬製造中の化学反応器の状態を監視することである。 化学計測アルゴリズムは、反応が進行するにつれてバイオリアクターの複雑な混合物から生成されるラマンスペクトルを解釈するために用いられる。 特定のバイオリアクター環境に最適なアルゴリズムを見つけることは、ラマン混合データセットが不足しているため困難である。
  論文  参考訳（メタデータ） (2023-06-29T01:41:07Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
  ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。 この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。 我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
  論文  参考訳（メタデータ） (2021-06-09T17:59:10Z)
• Spectral Unmixing With Multinomial Mixture Kernel and Wasserstein Generative Adversarial Loss [4.56877715768796]
  本研究では1次元畳み込みカーネルとスペクトル不確実性を用いたスペクトルアンミックスのための新しいフレームワークを提案する。 高レベルの表現はデータから計算され、さらに多項混合モデルでモデル化される。 実データと合成データの両方で実験を行う。
  論文  参考訳（メタデータ） (2020-12-12T16:49:01Z)
• Blind Source Separation for NMR Spectra with Negative Intensity [0.0]
  我々は、負の強度を含むNMRスペクトル分析のためのブラインド音源分離手法をベンチマークした。 FastICA、SIMPLISMA、NNMFは最高のパフォーマンス技術である。 FastICAとSIMPLISMAの精度は、過剰な(非現実的な)純粋なコンポーネントが予測されると急速に低下する。
  論文  参考訳（メタデータ） (2020-02-07T20:57:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。