标签: 机器学习

数据同化（DA）整合观测数据与模型预测生成优化大气状态，其物理一致性对天气预报和气候研究至关重要。传统贝叶斯DA方法通过经验协方差结构施加物理约束，但准确性和稳健性有限。本研究提出潜空间DA（LDA）框架，利用自编码器从全球大气数据中学习潜空间并进行贝叶斯DA。LDA能捕捉非线性物理关系，无需显式建模约束即可生成平衡分析结果，在理想和真实观测场景下均提升分析质量和预报技巧，且对潜空间维度和训练数据误差具有强稳健性，具备实际应用潜力。

标签: 大气数据同化 机器学习 潜空间数据同化 物理一致性 自编码器

当前先进的投影X射线成像技术难以识别未知物质。本研究开发智能多能X射线成像技术，通过不同能量下的X射线衰减系数比值作为物质标记，利用单极性钙钛矿探测器结合算法将X射线能量解析为七个通道，结合机器学习和材料数据库，可精确区分相似原子序数轻元素组成的低密度生物组织并彩色标记，为能谱CT、靶向给药等领域提供新可能。

标签: 单极性钙钛矿探测器 多能X射线成像 机器学习 物质识别 衰减系数比

我们开发了一种混合模型，将机器学习嵌入SPEAR气候模型以校正海冰预测偏差。通过比较两个版本（一个经冰-气-海耦合反馈训练，另一个未经过），发现前者（HybridCPL）能减少北极季节性误差及南极5-12月误差，将南极冬季海冰范围的4-6个月预报误差降低超一半。后者（HybridIO）因样本外问题导致南极夏季无冰。研究表明机器学习可提升海冰预测能力，且结合耦合过程训练至关重要。

标签: 偏差校正 机器学习 海冰预测 混合模型 耦合气候模型

发表于《肿瘤学年鉴》的研究利用机器学习分析185国数据，揭示影响各国癌症生存率的具体政策/体系改进，发现放射治疗可及性、全民健康覆盖和经济实力等关键因素，且各国优先级不同，并提供在线工具助力资源优化。

标签: 全民健康覆盖 卫生系统政策 放射治疗可及性 机器学习 癌症生存率

本研究提出机器学习驱动的单分子癌症诊断方法，结合原子力显微镜与DNA折纸标签，利用切口酶标记目标DNA，通过YOLOv5l算法快速准确识别，可检测胰腺癌和结直肠癌患者的KRAS及p53突变，准确率媲美传统测序和定量PCR，为单分子检测开辟新途径。

标签: DNA折纸标签 单分子检测 原子力显微镜 机器学习 癌症诊断

大规模平行基因筛选已用于绘制多种遗传元件的序列-功能关系，但这类方法仅能研究短序列，难以对包含多序列元件组合的多kb长度构建体进行高通量分析。本文介绍CLASSIC平台，结合长读和短读下一代测序，可定量评估任意长度、含多样遗传元件组合的构建体库。它能在单次实验中测量人类细胞中超过10万种基因线路设计（5-20kb）的表达谱，生成的数据集可训练机器学习模型准确预测线路行为，揭示元件组合规则，从而加快合成生物学发展，为复杂遗传系统的数据驱动设计奠定实验基础。

标签: CLASSIC平台 合成生物学 基因线路 机器学习

研究人员借助机器学习缩小材料组合范围，通过3D打印制成新型铝合金。该合金强度高、重量轻、耐热，在航空等工业领域应用潜力大，有望节省能源。

标签: 3D打印 可打印铝合金 机器学习 高强度耐热合金

细胞分选对诊断和早期干预至关重要，已从传统方法发展到精密的微流控技术。然而，微流控产生的海量成像数据需先进计算方法处理。机器学习（尤其是计算机视觉和深度学习）可实现自动特征提取和实时分类，提升分选精度并加速诊断。本文综述了微流控与机器学习的融合，探讨其协同作用、挑战及未来展望。

标签: 微流控细胞分选 机器学习 深度学习 细胞分类

卡内基科学研究所研究人员联合国际团队，将先进化学技术与人工智能结合，从古老岩石中发掘古代生物微弱的化学“低语”。通过机器学习识别生物分子指纹，分析400余样本准确率超90%，将可检测古代生命化学信号时间跨度翻倍，为地球早期生物圈研究及地外生命探索提供新方法。

标签: 人工智能 化学低语 古代生命 机器学习 生物标志物

河流向海洋输送的磷对生态系统健康和粮食安全至关重要。一项研究通过机器学习分析了1980-2019年全球420条主要河流的磷通量，发现全球总量看似平衡，实则北半球因水坝拦截而下降（西欧-16.2%、东亚-8.7%），南半球因化肥使用和森林砍伐而上升（南非+15%、马来群岛+20.3%）。小型河流磷通量上升的数量几乎是大型河流的两倍，可能加剧水体富营养化和渔业威胁，需针对性管理。

标签: 人类活动 全球变化 机器学习 水体富营养化 河流磷通量