Amoeba는 NP 시간 문제에 대한 근사 해를 선형 시간으로 구한다

 

.토네이도 강타한 美시애틀 외곽 ′아수라장′

 

 

토네이도 워싱턴 주

국립 기상대 폭풍 피해 조사단이 시애틀 서쪽의 한 도시로 향하고있다. 강력한 토네이도가 인근 마을을 불 태웠다. 2018 년 12 월 18 일 화요일, 워시 포트 오 커드 (Port Orchard)에서 희귀 트위스터가 만지작 거리며 몇 채의 집과 나무를 무너 뜨 렸습니다. 부상에 대한 즉각적인보고는 없었습니다. (Steve Ringman / AP 경유 시애틀 타임즈)

https://www.yna.co.kr/view/IPT20181220000004365?section=gallery/index

 

mss(magic square system)master:jk0620
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com



해바라기 - 내마음의 보석상자

 

 

 

.인위적으로 지능적인 모션 캡쳐로 '행동 언어'번역하기

 

 

 

 프린스턴 연구원은 물리적 마커 나 라벨없이 수백 분의 비디오 프레임에서 신체 부위를 높은 정확도로 수 분 내에 추적 할 수있는 유연한 모션 캡처 도구 인 LEAP를 만들었습니다. 이 프로젝트의 연구원은 (왼쪽부터) : 박사후 연구원 인 Michail Kislin; Lindsay Willmore, 대학원생; Joshua Shaevitz 교수; Sam Wang 교수; Talmo Pereira, 대학원생; 그리고 Mala Murthy 교수. 그림 없음 : 2018 년 Class of Diego Aldarondo. 크레디트 : Denise Applewhite, Princeton University 커뮤니케이션 팀

 

할리우드 스타가 컴퓨터를 헐크 (Hulk) 나 드래곤 (dragon) 또는 매혹적인 짐승 (enchanted beast) 으로 변형시키는 센서로 뒤덮힌 몸 전체의 의상을 입은 "모션 캡쳐"슈트를 보았을 것 입니다. 이제는 Princaon 교수 인 Mala Murthy와 Joshua Shaevitz의 공동 작업이 인공 지능 (AI)의 최신 기술을 사용하여 기존 비디오 에서 동물의 신체 부위를 자동으로 추적합니다 . LEAP (LEAP Estimates Animal Pose)의 새로운 도구 인 LEAP (Leap Estimates Animal Pose)은 물리적 마커 나 라벨을 추가 할 필요없이 수백만 프레임의 비디오에서 동물의 신체 부위를 높은 정확도로 자동 추적합니다. 분자 생물학 교수 인 프린스턴 신경 과학 연구소 (Princeton Neuroscience Institute, PNI)의 머시 (Murthy) 연구원은 "이 방법은 동물 모델 시스템 전반에 광범위하게 사용될 수 있으며 유전 적 돌연변이 또는 약물 치료를 통해 동물의 행동을 측정하는 데 유용 할 것" . 종이 새로운 기술을 자세히는 저널의 2019년 1월 월호에 발표 될 것이다 자연 방법 ,하지만 오픈 액세스 버전 월에 출시가 이미 소프트웨어가 다른 연구소들에 의해 채택하게되었다. 연구원들이 실험실에서 개발 한 다른 정량적 도구와 LEAP를 결합하면 동물 신체의 움직임을 관찰함으로써 "행동 언어"라고 부르는 것을 연구 할 수 있다고 Shaevitz 물리학 교수와 Lewis-Sigler Integrative Genomics 연구소 . 

 

https://3c1703fe8d.site.internapcdn.net/newman/gfx/video/2018/translatingt.mp4

Princeton 연구원의 학제 간 팀이 LEAP를 만들었습니다. 유연한 모션 캡처 도구는 수분 만에 육체적 인 마커 나 라벨없이 수백만 프레임의 비디오를 높은 정확도로 추적 할 수 있습니다. Credit : Murthy Lab과 Princeton University Shaevitz Lab "이것은 원칙적으로 모든 비디오 데이터 에 사용할 수있는 유연한 도구입니다 ."라고이 신문의 첫 번째 저자 인 PNI 대학원생 탈모 페레이라 (Talmo Pereira)는 말했습니다. "몇 가지 비디오에서 몇 가지 포인트를 표시하고 신경망 이 나머지를 처리하는 방식입니다. 사전 프로그래밍 지식없이 LEAP를 자신의 비디오에 적용 할 수있는 누구나 쉽게 사용할 수있는 인터페이스를 제공합니다. " LEAP가 큰 포유류에서 초기 피험자의 대부분을 구성하는 파리와 마우스 에서처럼 잘 작동하는지 묻는 질문에 Pereira는 케냐의 Mpala Research Center의 라이브 피드에서 가져온 기린의 모션 태그가있는 비디오를 신속하게 만들었습니다. Princeton이 관리 파트너 인 현장 조사소. "우리는 Mpala 연구소에서 걸어 다니는 기린의 비디오를 찍었고 30 시간의 비디오 프레임으로 포인트를 표시했습니다. 한 시간도 채 걸리지 않았습니다."라고 Pereira는 말했습니다. "LEAP는 나머지 동영상 (약 500 프레임)을 초 단위로 추적 할 수있었습니다." 인간의 움직임을 추적 할 수있는 인공 지능 도구를 개발하려는 이전의 노력은 수동으로 주석을 첨부 한 데이터의 대규모 교육 세트에 의존해 왔습니다. 이로 인해 소프트웨어는 배경이나 조명 조건이 매우 다른 다양한 종류의 데이터에서 견고하게 작동 할 수있었습니다. Murthy는 다음과 같이 말합니다 : "우리의 경우 실험실 환경에서 수집 된 데이터를 처리하기 위해 유사한 방법을 최적화했습니다. "우리는 사용자가 다른 연구자 또는 회사가 수행 한 작업에 제약을받지 않고 수집 한 데이터 종류에 적합한 신경망을 선택할 수있는 시스템을 구축했습니다." 이 프로젝트는 Murthy 연구소의 수석 논문 학생 인 Diego Aldarondo (2018 클래스)와 Murthy와 Shaevitz가 공동으로 제안한 대학원 학생 멘토 인 Pereira와의 독특한 협력에서 나왔습니다. 

 

https://3c1703fe8d.site.internapcdn.net/newman/gfx/video/2018/1-translatingt.mp4

프린스턴 연구원은 물리적 마커 나 라벨없이 수백 분의 비디오 프레임에서 신체 부위를 높은 정확도로 수 분 내에 추적 할 수있는 유연한 모션 캡처 도구 인 LEAP를 만들었습니다. 여기 대학원생 Talmo Pereira가 Mpala Research Center의 라이브 비디오 피드에서 기린 영상을 찍었습니다. 30 프레임짜리 LEAP의 신경망을 훈련 시켰고 LEAP가 몇 초 만에이를 생성했습니다. 제공 : 왼쪽 : mpalalive.org의 원시 비디오 푸티 지 가운데와 오른쪽 : 연구원의 의례 "디에고 (Diego)는 Princeton의 컴퓨터 과학 수업 중 하나를 통해 동물 행동 데이터에 주석을 달기위한 심 신경 네트워크 (deep neural networks)의 사용을 탐구하고 있었고 Talmo 실험실의 심야 대화를 통해이 방법이 자신의 데이터에 강력하게 적용될 수 있음을 깨달았습니다 : 과일의 비디오가 그들의 구혼 의식 중에 상호 작용하고 날아간다 "라고 Murthy가 말했다,. "협업은 거기에서 시작되었으며, 함께 일하는 것은 놀라운 즐거움이었습니다. 디에고와 탈모는 이러한 AI 방법이 얼마나 효과적인지 보여주었습니다." 이 연구에는 참여하지 않은 영국 왕립 수의과 대학의 구조 및 운동 실험실의 수석 강사 인 모니카 데일리 (Monica Daley)가 말했다. "나의 연구의 대부분은 동물이 다른 지형과 환경 조건 하에서 어떻게 효과적으로 움직이는지를 이해하는 것을 목표로한다"라고 Daley는 말했다. "현장에서 가장 큰 과제 중 하나는 비디오 영상에서 동물의 움직임에 대한 의미있는 정보를 얻는 것입니다. 수동으로 비디오를 처리하거나 지루한 작업을 많이하거나 자동화 할 수있는 매우 단순하고 제한적인 분석에 집중합니다. 이 논문에서 이전에 가능했던 것보다 더 많은 노동 집약적 인 부분을 자동화 할 가능성이있어, 동물의 운동 능력을 다양하게 연구 할 수 있습니다. " 일단 그들이 운동과 행동의 데이터베이스를 가지면, 팀의 신경 과학자들은 그 뒤에있는 신경 과정에 연결을 이끌어 낼 수 있습니다. 이것은 연구원들이 뇌가 어떻게 행동을 만들어 내는지에 대해 더 잘 이해할뿐만 아니라 누군가의 행동을 해석하는 컴퓨터에 의존하는 미래의 진단 및 치료법을 연구 할 수있게 해줄 것이라고 Shaevitz는 말했다. 유사한 도구는 프린스턴 팀이 자신을 생성하는 반면, 신경 네트워크 아키텍처를 기존의 사용 하버드 연구자들로 구성된 팀에 의해 여름 동안 공유했다. Murthy는 "우리의 방법과 장점은 다른 장점이 있습니다. "이것은 행동과 신경 활동에 대한 연구를위한 인공 지능 도구를 개발하는 데 많은 활동을하고있는 지금 매우 놀라운 분야입니다." "우리는 새로운 접근법을 사용합니다. 새로운 접근법을 사용합니다. 작고 가벼운 네트워크는 새로운 데이터 세트를 신속하게 전문화 함으로써 높은 정확성 을 얻을 수 있습니다 ."라고 Pereira는 말했습니다. "더 중요한 것은 인공 지능을 통한 동물의 자세 추적을위한 사용하기 쉬운 옵션이 있음을 보여 주며, 이는 현장에서 행동 측정에 대한보다 정량적이고 정확한 접근법을 채택하기 시작하기를 바랍니다." "지난 5 년 동안 신경 과학은 두뇌 활동을 관찰하고 조작하는 기술에서 엄청난 발전을 이루었습니다"라고 공동 저자 인 Samuel Wang 교수는 말했다. "이제는 행동의 자동 분류가이 기술에 대한 보완책이 될 수 있습니다. 프린스턴은 컴퓨터 신경 과학의 신흥 분야에서 중심 허브가되고 있습니다." 추가 탐색 행동과 종 전체의 움직임을 연구하기위한 오픈 소스 인공 지능 도구

 

더 자세한 정보 : Talmo D. Pereira et al., 깊은 신경망을 이용한 빠른 동물 자세 추정, Nature Methods (2018). DOI : 10.1038 / s41592-018-0234-5 Princeton University에서 제공

https://techxplore.com/news/2018-12-language-behavior-artificially-intelligent-motion.html

 

 

 

.블랙홀 특이점 너머

 

 

2018 년 12 월 20 일, Sam Sholtis, 펜실베니아 주립 대학 , 블랙홀의 아티스트 표현입니다. 이미지의 아래쪽 절반은 일반적인 상대성 이론에 따라 빛을 포함한 모든 것을 가두는 블랙홀을 묘사합니다. 양자 역학을 사용하여 아인슈타인의 일반 상대성 이론을 확장하는 이론 인 루프 양자 중력 (loop quantum gravity)은이 엄청난 힘을 극복하고 모든 것을 해방시켜 (블랙홀에서 이전에 상실된 정보의 복구를위한 구체적인 수단을 제공한다) 특이. 크레디트 : A. Corichi와 JP Ruiz

 

블랙홀의 중심 근처에 존재하는 물리학에 대한 우리의 첫눈은 양자 역학을 사용하여 아인슈타인의 일반 상대성 이론 이상으로 중력 물리학을 확장시키는 이론 인 "루프 양자 중력"을 사용하여 가능하게되었습니다. 펜 스테이트 (Penn State)에서 유래했으며 전 세계 많은 과학자들이 개발 한 루프 양자 중력 (loop quantum gravity)은 현대 물리학에서 새로운 패러다임을 열어 가고 있습니다. 이 이론은 일반 상대성 이론의 방정식이 유용하지 않게되는 블랙홀과 같은 우주 부분에서 극단적 인 우주 론적 및 천체 물리 현상을 분석하는 주요 후보로 부상했다. 현장에서 영향력이 큰 루프 양자 중력에 대한 이전 연구는 빅뱅의 양자 본질을 분석했으며, 현재 루이지애나 주립 대학의 펜 스테이트 (Penn State) 및 파라 프리트 싱 (Parampreet Singh)의 Abhay Ashtekar 및 Javier Olmedo가 작성한 두 개의 새로운 논문은 그 결과를 블랙홀 내부 . 이 논문 은 2018 년 12 월 10 일 Physical Review Letters 및 Physical Review 저널에 "편집자의 제안"으로 표시되며 Physics 저널의 Viewpoint 기사에서도 강조되었습니다 . "오늘날 우리가 가진 최고의 중력 이론은 일반 상대성 이론 이지만 제한이 있습니다"라고 물리학 교수 인 에반 피 (Ericly)의 물리학 교수 인 Evan Pugh와 펜실베니아 주립 대학의 중력과 우주 연구소의 책임자는 말했다. . "예를 들어, 일반 상대성 이론 은 우주에 중력이 무한히되고 시공간이 끝나는 장소가 있음을 예측합니다 . 이러한 장소를 '특이점'이라고 부릅니다. 그러나 아인슈타인조차도 일반 상대성 이론의 이러한 한계는 양자 역학을 무시한다는 사실에 동의했다 . " 블랙홀의 중심에서 중력은 매우 강하기 때문에 일반적인 상대성 이론에 따르면 시공간이 너무 극도로 커지므로 궁극적으로 곡률은 무한대가됩니다. 이는 넘어 가장자리에 들쭉날쭉 한 가지는 시공간 결과 물리학이 더 이상 존재하지-특이점을. 특이성의 또 다른 예는 빅뱅입니다. 빅뱅 이전에 무슨 일이 있었는지 묻는 것은 시공간이 끝나기 때문에 일반 상대성 이론에서 의미없는 질문입니다. 그러나 양자 역학을 통해 양자 역학을 통합 한 아인슈타인의 방정식을 수정하면 연구진은 물리학을 빅뱅 이상으로 확장하고 새로운 예측을 할 수있었습니다. 최근의 두 논문은 블랙홀 특이성에 대해서도 같은 결과를 얻었다. "루프 양자 중력의 기본은 시공간적 기하학이 우주론적인 사건이 발생하는 단계 일뿐만 아니라 그 자체가 구부러 질 수있는 물리적 실재물이라는 아인슈타인의 발견이다"라고 Ashtekar는 말했다. "물리적 인 엔티티로서 시공간의 기하학은 물질이 원자로 구성되어있는 것처럼 기본적인 단위들로 구성되어 있습니다. 양자 기하학 (quantum excitations)이라고 불리는이 기하학 단위는 오늘날 우리가 발견 할 수있는 것보다 훨씬 작은 크기입니다 기술이지만, 우리는 그들의 행동을 예측하는 정확한 양자 방정식을 가지고 있으며, 그 효과를 찾는 가장 좋은 장소 중 하나는 블랙홀의 중심에 있습니다. " 일반 상대성 이론에 따르면, 블랙홀의 중심에서 중력은 무한대가되므로 물리적 계산에 필요한 정보를 포함하여 모든 것이 손실됩니다. 이것은 이론 물리학 자들이 40 년 이상 함께 해왔 던 유명한 '정보 역설'을 불러옵니다. 그러나 루프 양자 중력의 양자 보정은 고전의 가장 강한 힘을 압도 할 수있는 반발력을 허용합니다.중력 이므로 물리학은 계속 존재할 수 있습니다. 이것은 연구원들이 현재 추구하고있는 블랙홀의 중심에 정보가 손실되지 않는다는 것을 상세하게 보여주는 길을 열어 준다. 흥미롭게도 루프 양자 중력 이 일반 상대성 이론이 블랙홀 특이성을 무너 뜨리는 곳에서 계속 작동 한다고해도 빅뱅은 그 특이점과는 거리가 먼 극한 상황에서 일반 상대성 이론의 예측과 정확하게 일치합니다. 루이지애나 주립 대학 물리학 부교수 인 싱 (Singh)은 "두 가지를 모두 달성하는 것은 대단히 중요하지 않다. "실제로 많은 수사관들이 지난 10 년 동안 블랙홀 특이점의 양자 본질을 탐구 해 왔지만 특이점이 우세하거나 해결 된 메커니즘이 부 자연스러운 결과를 낳았습니다. 우리의 새로운 연구는 그러한 모든 한계에서 자유 롭습니다."

 

더 자세히 살펴보기 : 이론가들은 블랙홀에 루프 양자 중력 이론을 적용합니다. 자세한 정보 : Abhay Ashtekar 외, Kruskal Black Holes의 양자 변형, Physical Review Letters (2018). DOI : 10.1103 / PhysRevLett.121.241301 저널 참조 : Physical Review Letters :에 의해 제공 펜실베니아 주립 대학

https://phys.org/news/2018-12-black-hole-singularity.html

 

 

.Amoeba는 NP 시간 문제에 대한 근사 해를 선형 시간으로 구한다

 

 

https://youtu.be/8GCJq-HQbyk

2018 년 12 월 20 일 Lisa Zyga, Phys.org 기능 Amoeba는 NP 시간 문제에 대한 근사 해를 선형 시간으로 구한다. TSP 솔루션은 4, 5, 6, 7 및 8 도시에 대해 아메바 기반 컴퓨팅 시스템에서 얻은 것입니다. 신용 : Zhu 외. © 2018 Royal Society 열린 과학

 

 

연구자들은 대부분 젤라틴 원형질로 구성된 단세포 유기체 인 아메바 (amoeba)가 언젠가는 평범한 컴퓨터에서 사용되는 방법에 대한 경쟁력있는 대안을 제공 할 수있는 독특한 컴퓨팅 능력을 가지고 있음을 입증했습니다. 게이오 대학의 마사오 아오노 (Masashi Aono)가 이끄는 연구자들은 여행 판매원 문제 (Traveling Salesman Problem, TSP)를 해결하기 위해 아메바 (amoeba)를 할당했다. TSP는 여러 도시 간 최단 경로를 찾아 각 도시가 정확히 한 번 방문되고 시작 지점과 끝 지점이 같아 지도록 하는 최적화 문제 입니다. 문제는 NP-hard입니다. 즉 도시의 수가 증가하면 컴퓨터가이를 해결하는 데 필요한 시간이 기하 급수적으로 증가한다는 것을 의미합니다. 복잡성은 가능한 많은 솔루션으로 인해 발생합니다. 예를 들어, 4 개 도시의 경우 가능한 경로는 3 개뿐입니다. 그러나 8 개 도시의 경우 가능 경로 수가 2520 개로 늘어납니다. 새로운 연구에서 연구자들은 아메바가 도시 수가 4에서 8로 증가함에 따라 선형 적으로 증가하는 시간 내에 TSP에 대한 합리적인 (거의 최적의) 솔루션을 찾을 수 있음을 발견했습니다. 기존의 컴퓨터가 선형 시간으로 근사 해를 구할 수 있지만, 아메바의 접근법은 전통적인 알고리즘과 완전히 다릅니다. 과학자들이 설명 하듯이 amoeba는 겔을 무정형 몸체에 일정한 속도로 지속적으로 재분배하고 연속적으로가 아니라 병렬로 광학 피드백을 처리함으로써 솔루션 공간을 탐구합니다. 기존의 컴퓨터가 여전히 문제의 크기가 작은 경우 특히 아메바보다 훨씬 빠른 TSP를 해결할 수 있지만 새로운 결과는 흥미 롭다. 선형의 훨씬 큰 크기의 계산 상 복잡한 문제에 대한 근사 솔루션을 유도하는 새로운 아날로그 컴퓨터의 개발로 이어질 수있다 시각. 작동 원리 과학자들이 사용했던 아메바의 특정 유형은 체중이 약 12mg이고 귀리 플레이크를 소비하는 플라스 모디움 또는 "진정한 점액 곰팡이"였습니다. 이 아메바 (Amoeba)는 약 1mm / 초의 속도로 반복적으로 겔을 공급 및 회수하여 비정형 몸체를 계속 변형시켜 슈도 포드 형 부속 장치를 만듭니다. 그들의 실험에서, 연구원들은 바깥쪽으로 돌출 된 64 개의 좁은 채널을 가진 원형 접시 인 별 모양의 칩 중앙에 아메바 를 놓은 다음 한천 플레이트 위에 칩을 놓았다. 아메바는 칩 안에 갇혀 있지만 여전히 64 개 채널로 이동할 수 있습니다. 아메바는 영양소 흡수를 극대화하기 위해 가능한 한 한천과 접촉하도록 칩 내부로 확장하려고 시도합니다. 그러나 아메바는 빛을 좋아하지 않습니다. 각 채널은 빛에 의해 선택적으로 조명 될 수 있기 때문에 아메바가 조명 된 채널에서 후퇴하도록 할 수 있습니다. TSP를 모델링하기 위해, 별 모양의 칩의 각 채널은 판매원 경로의 정렬 된 도시를 나타냅니다. 예를 들어, AD라고 표시된 4 개 도시의 경우, 아메바가 채널 A4, B2, C1 및 D3을 점유하면 TSP에 해당하는 솔루션은 C, B, D, A, C입니다. 아메바를 최적 또는 거의 최적의 해법으로 안내하기 위해 열쇠는 빛을 제어하는 ​​데 있습니다. 이를 위해 연구자들은 매 6 초마다 시스템이 어떤 채널을 조명 하는지를 신경 네트워크 모델 을 사용합니다 . 이 모델에는 각 도시 쌍 사이의 거리 정보와 채널에서의 아메바의 현재 위치에서 얻은 피드백이 통합되어 있습니다. 이 모델은 아메바가 몇 가지 방법으로 TSP에 대한 유효한 솔루션을 찾도록합니다. 예를 들어 아메바가 특정 채널의 특정 부분, 예를 들어 A3을 점유하면 도시 A가 두 번 방문하는 것을 금지하기 위해 채널 A1, A2 및 기타 모든 "A"채널이 켜집니다. 또한 B3, C3, D3 및 기타 모든 "3"채널이 조명되어 여러 도시로의 동시 방문을 금지합니다. 이 모델은 더 짧은 거리보다 더 먼 거리의 도시를 나타내는 채널을 밝게하기 쉽게 도시 사이의 거리를 설명합니다. 예를 들어 아메바가 B2 채널을 점유하고 C3와 D3 채널을 동일한 양으로 침투하기 시작했으며 도시 B와 C 사이의 거리는 100이고 도시 B와 D 사이의 거리는 50입니다. B C는 결국 시스템이 채널 C3을 비추 게하여 아메바가 그 채널 에서 퇴각 하지만 D3으로 계속 이동하게합니다. 전반적으로, 아메바로 TSP를 모델링하는 것은 아메바의 안정된 평형을 찾는 자연스러운 경향을 이용한다. 더 짧은 경로를 나타내는 채널이 조명 될 가능성이 적기 때문에 아메바는 한천 플레이트에서 표면적을 최대화하기 위해 그 채널에서 펼쳐지 고 다른 비 조명 채널을 계속 탐사 할 수 있습니다. 연구진은 또한 AmoebaTSP라는 컴퓨터 시뮬레이션을 개발하여 아메바가 일정한 속도로 공급되고 다양한 채널에서 빠져 나올 때 젤의 지속적인 이동을 포함하여 아메바가 문제를 해결하는 방법의 주요 특징을 모방합니다. " n - city TSP 를 해결하기위한 우리의 별 모양의 칩 에서 amoeba가 마침내 대략적인 해결책을 발견했을 때 amoeba 몸체의 전체 면적은 n이 됩니다"라고 Aono는 Phys.org에 말했다 . "아메바가 비 조명 채널에서 팽창하는 젤라틴 자원을 일정한 비율, 즉 x로 공급하는 '법'이있는 것처럼 보입니다 .이 법칙은 일부 자원이 조명 채널에서 튀어 나오더라도 지켜 질 것입니다. 본체 영역 확장하는 데 필요한 시간 N 용액을 나타내는하게는 N / X .이 메커니즘은 선형 시간 원점 될 것이며, 이것은 우리의 컴퓨터 시뮬레이션 모델에 의해 재생한다. "그러나 아메바가 근사해의 솔루션 , 즉 짧은 길의 길이를 유지하는 메커니즘은 여전히 수수께끼로 남아 있습니다 먼 거리에있는 아메바의 분지 부분의 공간적, 시간적 상관 운동 각 브랜치 그룹은 공간적으로 멀리 떨어져 있어도 정보를 공유하기 위해 동기화 및 동기화 해제를 수행합니다. " 앞으로 연구원은 아메바의 컴퓨팅 능력을 더욱 향상시킬 계획입니다. Keio University의 공동 저자 인 Song-Ju Kim은 "이러한 복잡한 시공간 진동 동역학이보다 짧은 시간에 고품질의 솔루션을 찾는 데있어 컴퓨터 성능을 향상시키는 방법을 더 연구 할 것입니다. "그것이 명확해질 수 있다면 지식은 회로의 전류의 시공간 역 동성을 활용하는 새로운 아날로그 컴퓨터를 만드는 데 기여할 것입니다. "물론 전통적인 디지털 컴퓨터에서 선형 시간 동안 다른 알고리즘을 실행하면 TSP에 대한 근사 솔루션을 도출 할 수 있습니다. 반면에 우리는 시뮬레이션 모델 (AmoebaTSP 또는 개발 된 버전)을 기존 컴퓨터에서 실행할 때 연구에서 아날로그 및 병렬 시공간 역학은 디지털 및 직렬 프로세스로 시뮬레이션하기 위해 비선형 시간을 필요로하므로 아날로그 시스템에서 모델을 선형 시간 또는 선형 시간으로 실행하여 훨씬 더 높은 품질의 솔루션을 얻으려고합니다. 짧아. " 연구자들은 또한 더 큰 칩을 제작함으로써 아메바 가 수천 개의 채널을 필요로하지만 수백 개의 도시에서 TSP 문제를 해결할 수있을 것으로 기대합니다 .

 

추가 정보 : 보건부, 아메바가 오클라호마 호수에서 수영을 저지했다고 말함 더 많은 정보 : Liping Zhu, 김송학, Masahiko Hara, Masashi Aono. "단세포 아메바이드 균주의 현저한 문제 해결 능력과 그 메커니즘." 왕립 학회 열린 과학 . royalsocietypublishing.org/doi/10.1098/rsos.180396 저널 참조 : Royal Society Open Science 

https://phys.org/news/2018-12-amoeba-approximate-solutions-np-hard-problem.html#nRlv

 

 

 

.거대한 모핑 소재는 복잡한 모양을가집니다

 

2018 년 12 월 20 일, 라이스 대학교 , Rice University의 재료 과학자 인 Rafael Verduzco와 대학원생 인 Morgan Barnes는 모양이 바뀌는 폴리머 작업을하면서 샘플을 확인합니다. 그들은 가열 될 때 하나에서 다른 것으로 이동하는 모양으로 성형 될 수있는 액정 엘라스토머를 만들었습니다. 크레디트 : Jeff Fitlow / Rice University

 

라이스 대학교 (Rice University)의 과학자들은 요구에 따라 하나의 정교한 형태에서 다른 형태로 변신하는 고무 모양의 변형 소재를 만들었습니다. 재료 과학자 인 Rafael Verduzco와 대학원생 인 Morgan Barnes가 폴리머에 프로그래밍 한 모양 은 대기 상태에서 나타나고 열이 가해지면 녹습니다. 이 과정은 역으로 작동합니다. 부드러운 동작은 나노 스케일의 전투에서 거짓말을합니다. 나노 스케일에서는 액체 크리스탈과 임베디드 엘라스토머가 제어를 위해 싸우고 있습니다. 시원할 때, 액정에 프로그램 된 모양이 지배적이지만, 가열하면 얼음 결빙처럼 고무 밴드와 같은 엘라스토머에서 결정이 이완됩니다. Barnes가 지금까지 만들었던 대부분의 샘플에는 얼굴, 쌀 로고, 레고 블록 및 장미가 포함되어 있습니다.이 물질은 상온 에서 복잡한 모양을 나타내지 만 섭씨 약 80 도의 온도 로 가열되면 화씨 176도), 붕괴되어 평평한 시트가됩니다. 열이 제거되면 모양이 몇 분 안에 다시 나타납니다. 이것이 보이는 것처럼 기발한 것으로서,이 물질은 유기체를 모방 한 부드러운 로봇 과 체온 에서 사전 프로그래밍 된 형태를 취하는 재료가 필요한 생물 의학 응용 분야 에 대한 약속을 보여줍니다 . 이 연구는 Royal Society of Chemistry 저널 인 Soft Matter에 기술되어있다 .

 

 

라이스 대학교 (Rice University)의 고유 한 폴리머로 만들어진면은 냉각 될 때 형태를 취하고 가열되면 평평 해집니다. 이 소재는 소프트 로봇 제작 및 생체 의학 응용 분야에 유용합니다. 크레디트 : Jeff Fitlow / Rice University

 

"이것은 오랜 시간 동안 행해지는 2 단계 화학으로 만들어졌습니다."라고 화학 및 생체 분자 공학 교수이자 재료 과학 및 나노 공학 교수 인 Verduzco는 말했습니다. "사람들은 액정을 패터닝하는 데 집중 해 왔지만,이 두 네트워크가 어떻게 상호 작용하는지에 대해서는 생각하지 않았습니다. "네트워크 간의 균형을 최적화 할 수 있다면 너무 딱딱하게 만들지 않고 너무 부드럽게 만들지 않으면 서 정교한 모양 변경을 얻을 수 있다고 생각했습니다." 액정 상태가 프로그래밍하는 것이 가장 쉬운 방법이다, 그는 말했다. 재료가 몰드에서 형상이되면, 자외선 하에서 5 분간 경화시켜 결정질을 정한다. Barnes는 또한 두 가지 모양을 전환하는 샘플을 만들었습니다. "단순한 단축 모양 변경 대신에 길이가 길고 계약 된 것이있는 곳에서 2 차원 모양에서 3 차원 모양으로, 또는 3 차원 모양에서 다른 3 차원 모양으로 다른 모양을 가질 수 있습니다. D 모양 "이라고 말했다. 실험실의 다음 목표는 전이 온도를 낮추는 것입니다. "체온을 올리면 더 많은 응용 프로그램을 사용할 수 있습니다."라고 Barnes는 말했습니다. 그녀는 시각 장애인을 만진 시각적 장애가있는 점자 텍스트가 접촉 할 때 나타나는 촉감적인 스마트 폰 버튼이 있다고 말했다. 그녀는 열보다는 빛에 반응하는 변형을 개발하기를 원합니다. "우리는 사진 반응 형으로 만들고 싶습니다."라고 Barnes는 말했습니다. "전체 샘플을 가열하는 대신, 제어하려는 액정 엘라스토머 부분 만 활성화하면 부드러운 로봇을 제어하는 ​​훨씬 쉬운 방법이 될 것입니다." 더 자세히 알아보기 : 모핑 복합 소재는 잠재력이 있습니다 (동영상 포함).

 

자세한 정보 : Morgan Barnes 외, Liquid Elastomers의 Direct Shape Programming, Soft Matter (2018). DOI : 10.1039 / C8SM02174K 저널 참조 : Soft Matter :에 의해 제공 라이스 대학 (Rice University) 

https://phys.org/news/2018-12-mighty-morphing-materials-complex.html#nRlv

 

 

 

.연구원은 기존의 방법보다 우수한 박테리아 기반의 약물 전달 시스템을 만듭니다

 

 

2018 년 12 월 20 일, 버지니아 공대 , 릭 데이비스 (왼쪽), 화학 공학 교수; Bahareh Behkam (중간), 기계 공학 부교수; 와 Coy Allen (오른쪽), 버지니아 - 메릴랜드 수의과 대학 생물 의학 및 조교수 조교수. 이 세 곳 모두 Virginia Tech의 Macromolecules Innovation Institute와 제휴 관계를 맺고 있으며 NanoBEADS Credit이라는 새로운 약물 전달 시스템 개발에 협력 해 왔습니다. Virginia Tech

 

기타 Macromolecules Innovation Institute와 제휴 한 버지니아 공대 교수 3 명으로 구성된 학제 간 팀이 암 치료 옵션을 근본적으로 확장 할 수있는 약물 전달 시스템을 만들었습니다. 혈관 내에 나노 입자 약물을 주입하는 기존의 암 치료 방법은 효과가 낮다. 인체의 복잡성으로 인해 나노 입자가 실제로 암 부위에 도달하는 경우는 거의 없으며 암 조직에 대한 전달이 제한적입니다. 버지니아 공대의 새로운 시스템은 나노 스케일 박테리아 기반 자율 약물 전달 시스템 (NanoBEADS)으로 알려져있다. 연구진은 항암제 나노 입자를 약독 화 된 박테리아 세포에 화학적으로 부착시키는 과정을 개발했다.이 박테리아 세포는 암 부위에 직접 주입하는 것보다 효과적임이 밝혀졌다. NanoBEADS는 시험관 내 (종양 회전 타원체에서)와 생체 내 (생쥐에서) 모델 모두에서 암 조직에서 나노 입자의 분포와 유지력이 최대 100 배 향상 된 결과를 나타 냈습니다. 이것은 기계 공학 부교수 Bahareh Behkam의 5 년 국립 과학 재단 경력 보너스의 산물입니다. 이 학제 간 팀의 협력자는 화학 공학 교수 인 릭 데이비스 (Rick Davis)와 버지니아 - 메릴랜드 수의과 대학의 생물 의학 및 병리학 조교수 코이 알렌 (Coy Allen)입니다. "당신은 가장 놀라운 약을 만들 수 있지만, 그것이 필요한 곳으로 전달할 수 없다면, 그다지 효과적 일 수 없다"고 Behkam이 말했다. "전달을 개선함으로써 효능을 향상시킬 수 있습니다." 기계 공학, 생물 의학 공학, 화학 공학 및 수의학 분야의 전문 지식을 결합한이 작품은 최근에 Advanced Science 에서 자세히 다루었습니다 . 좋은 살모넬라 균 사용 암 환자가 살모넬라 균과 같은 감염에 걸렸을 때 암이 완화되었다고 인간은 고대 이집트까지 거슬러 올라갔습니다. 어느 쪽도 이상적은 아니지만 인간은 살모넬라 감염을 암보다 효과적으로 치료할 수 있습니다. 현대에 알렌은 1800 년대 후반까지 감염으로 암을 치료한다는 생각은 면역계로 진화 해 왔으며 의사는 암세포를 공격하기 위해 면역계를 활성화하려고 시도했다고 전했다. 물론 살모넬라 균은 사람에게 해롭지 만 약화 된 버전은 이론상 살모넬라 감염의 해로운 영향없이 면역 요법의 이점을 제공 할 수 있습니다. 이 개념은 면역력을 키우기 위해 백신에서 약화 된 독감 바이러스를 접한 사람들과 비슷한 개념입니다. 6 년 전 Behkam은 기존의 항암제로 암을 공격하기 위해 박테리아 면역 요법을 강화하려는 아이디어를 제시했습니다. 문제는 항암제의 수동 전달이 효과가 없다는 것입니다. 바이오 하이브리드 마이크로 로봇에 대한 배경을 고려할 때, 그녀는 나노 입자 형태의 약물을 암 부위로 직접 운반하기 위해 자율 운반체로서 살모넬라 박테리아를 사용하기를 원했습니다. 이 작업은 Behkam의 첫 박사 과정 학생 인 Mahama Aziz Traore에서 시작되어 수십 개의 폴리스티렌 나노 입자를 대장균 박테리아에 조립하여 NanoBEAD의 1 세대를 만들었습니다. 몇 년 동안 NanoBEAD 시스템의 역 동성과 제어 측면을 철저히 연구 한 후에 Behavam은 약물 전달을위한 고분자 나노 입자 제조 경험을 가지고 Davis를이 프로젝트에 참여 시켰습니다. "그녀는 마약과 나노 입자를 전달하는 근본적으로 다른 접근 방식에 대해 언급했다"고 데이비스는 말했다. "나는 대화의 생각에서 벗어났다. '이 사람이 일할 수 있다면 환상적 일 것이다.' Behkam은이 특정 박테리아 균주 인 Salmonella enterica serovar Typhimurium VNP20009를 1 상 임상 시험에서 철저히 연구하고 성공적으로 시험했기 때문에이 균주를 선택했습니다. "병원체로서의 (살모넬라 균의) 직업은 조직을 관통하는 것"이라고 베컴은 말했다. "우리가 생각한 바는 박테리아가 조직을 통해 움직이는 데 아주 뛰어났다면, 나노 메디신을 박테리아와 결합시켜 수동적으로 퍼져 나갈 때보 다 훨씬 더 멀리 약을 옮길 수 있을까?" 종양에 도달하기 위해 세포 사이를 이동하는 살모넬라 박테리아 세포에 나노 입자가 부착되는 방법을 보여주는 그래픽 비디오

 

 

NanoBEADS 작용제는 폴리 락틱 - 코 - 글리콜 산 (poly (lactic-co-glycolic acid)) 나노 입자를 종양 표적 살모넬라 티피 뮤륨 (tumor-targeting Salmonella typhimurium)과 결합시킴으로써 만들어진다. NanoBEADS는 고형 종양에서 나노 입자의 세포 내 (세포 간) 자기 복제 (self-replication)와 전좌 (translocation)를 통해 현저한 약 100 배까지 나노 입자의 유지와 분포를 향상시킵니다. 이러한 수송 향상은 외부 적으로 적용된 추진력 또는 제어 입력을 필요로하지 않고 자율적으로 달성됩니다. 크레디트 : Virginia Tech

그래픽 요소에 대한 설명 : NanoBEADS 제제는 폴리 (락트산 글리콜 산) 나노 입자를 살모넬라 티피 무리 움 (Salmonella typhimurium)을 표적으로하는 종양과 접합시킴으로써 구성된다. NanoBEADS는 고형 종양에서 나노 입자의 유지 및 분포를 세포 간 (세포 간) 자기 복제 (self-replication) 및 전위 (translocation)를 통해 최대 100 배까지 향상시킵니다. 이러한 수송 향상은 외부 적으로 적용된 추진력 또는 제어 입력을 필요로하지 않고 자율적으로 달성됩니다. 시행 착오 Behkam이 신약 전달 시스템에 대한 비전을 가지고 있었지만 , 그것이 현실화되기까지 수 년이 걸렸습니다. "나노 입자를 만들고 박테리아에 강력하고 반복적 인 방식으로 부착하는 과정은 도전적 이었지만 박테리아가 살아남도록 보장하는 것, 암 조직에서 박테리아 수송 메커니즘을 발견하는 것, 정량적으로 기술하는 방법을 고안하는 것 NanoBEADS의 효과가 있었고 이것은 어려운 프로젝트였다 "고 Davis는 말했다. 서승범, 베컴의 전 Ph.D. 학생, Amy Jo, Davis의 전 Ph.D. 학생, 박테리아가 살아있는 동안 nanoparticles를 붙이기에 함께 일했다. 그들이 성공을 찾기 시작한 것은 네 번째 시도 때가 아니 었습니다. 베컴은 "우리는 이들 입자를 만들기 위해 협력했으며, 우리는 이들 입자를 박테리아에 붙였다. "그렇다면 종양에서의 전좌 메커니즘은 무엇이며, 종양에 얼마나 멀리 들어가는가, 어떻게 성능의 정량적 측정 방법을 제시 할 것인가?" Behkam은 Suh와 현재의 박사 과정 학생 Ying Zhan과 함께 실험실에서 자란 종양에서 나노 입자가 부착 된 살모넬라 균을 테스트했습니다. 그들은 수동 확산 나노 입자와 비교하여 NanoBEAD 플랫폼을 사용하여 나노 입자 침투 및 분포가 최대 80 배 향상되었음을 발견했습니다. 또한 Suh와 Behkam은 NanoBEAD가 암세포 사이의 공간을 통해 전이함으로써 종양에 크게 침투한다는 것을 발견했다. Behkam은 시험관 단계에서 NanoBEAD 결과를 강화하기를 원했습니다. 그녀는 길을 잃은 수의과 대학을 졸업하고 동료 MII 교직원 인 Allen을 입회시켜 NanoBEAD 시스템을 생체 내에서 테스트했습니다. 쥐의 유방암 종양에서의 검사 결과는 수동 전달과 비교하여 유의 한 개선을 보였다. 검사 결과 간에는 간장에 비해 종양에 약 1,000 배 더 많은 살모넬라 균이 있었으며 비장보다 10,000 배 많은 양이 나타났습니다. "가장 중요한 것은 살모넬라 자체가 종양의 입자를 100 배 이상으로 유지하는 데 도움이되어 효과적인 전달 수단이 될 수 있음을 알 수있었습니다."라고 알렌은 말했다. 연구의 다음 단계는 NanoBEAD 시스템에 암 치료제를로드하여 효능의 잠재적 향상을 테스트하는 것입니다.

벤치에서 개장까지

이 협력은 MII와 Virginia Tech를 통해 가능한 학제 적 연구의 다양성을 강조합니다. Behkam은 "다양한 전문 기술의 시너지 효과가 통합되어이 작업의 결과로 얻은 영향력있는 발견에 필수적입니다. VTC의 Virginia Tech Carilion School of Medicine과 Fralin Biomedical Research Institute의 추가로 Virginia Tech는 과학적 연구를 "벤치에서 숙면까지"시험 할 가능성이 있다고 말했다. 앨런은 "이 프로젝트는 3 가지 부분 없이는 앞으로 나아갈 수 없었다. "이 연구는 화학 물질, 병원체의 배경, 아이디어, 그리고 실제 동물 모델에서 실제 종양에서이를 테스트하는 생리 학적 및 임상 적 관련성을 갖지 않고도 영향력있는 저널에 참여하지 못했을 것입니다." Davis는 모든 약물 전달 메커니즘이 동물 실험을 거쳐야하므로 캠퍼스에 수의학의 "절대적으로 환상적인"대학을 가지고 연구가 더 높은 수준으로 나아 갔다고 말했습니다. "이 프로젝트에 관심을 끈 것은 Bahareh와 Coy와 같은 사람들과 일하는 능력이었습니다. 그들은 세포와 동물 연구를 통해 실제로 작업을 번역했습니다."Davis가 말했습니다. "많은 학교에서 사람들의 조합을 찾는 것은 어렵습니다."

 

더 탐험 : 새로운 컴퓨터 모델이 암과 싸울 수있는 약물 전달 전략을 디자인 추가 정보 : SeungBeum Suh et al. Nanoscale 박테리아 가능 자율 약물 전달 시스템 (NanoBEADS)은 나노 과학 의 종양 이동을 향상시키고, 고급 과학 (2018). DOI : 10.1002 / advs.201801309 곁에 제공하는 : Virginia Tec

https://phys.org/news/2018-12-bacteria-based-drug-delivery-outperforms-conventional.html

 

A&B, study(egg mainhotspot project)

B/http://www.mdpi.com/2072-4292/10/8/1261
A/https://www.nature.com/articles/s41598-018-28963-0