.Advanced imaging reveals new cellular and molecular details of coral-algae relationship
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Advanced imaging reveals new cellular and molecular details of coral-algae relationship
고급 이미징은 산호-조류 관계의 새로운 세포 및 분자 세부 정보를 보여줍니다
캘리포니아 대학교 - 샌디에이고 분기 Acropora yongei 산호. 이 40배 확대 이미지는 휴대용 디지털 현미경을 사용하여 캡처되었습니다. 크레딧: UC 샌디에이고의 스크립스 해양학 연구소/앵거스 티스. MARCH 11, 2022
UC 샌디에이고의 스크립스 해양학 연구소(Scripps Institution of Oceanography)의 연구원들은 산호가 내부에 서식하는 조류의 세포 내 환경을 제어하는 데 사용하는 새로운 분자 과정을 발견했습니다. 특수 단백질은 산호의 세포막 을 통해 조류 로의 질소와 이산화탄소의 변동하는 낮과 밤의 이동을 제어합니다 .
산호와 조류는 공생이라는 상호 유익한 관계에 있기 때문에 이 과정이 중요합니다. 팀은 단백질을 찾을 것으로 예상했지만 관찰한 세포 내 영역의 주야간 변화를 예측할 수 없었습니다. Scripps Oceanography 해양 생리학자 Martin Tresguerres의 연구실에서 일하는 박사 과정 학생인 Angus Thies는 "우리는 동물 숙주와 그 안에 사는 식물 사이의 경계면이 동적으로 제어되는 미세 환경임을 보여줍니다."라고 말했습니다.
캐나다 매니토바 대학의 과학자들을 포함하는 Thies와 그의 공동 저자들은 Science Advances 3월 11일호에서 산호와 공생 조류 사이의 세포 경계면에 대한 최초의 직접적인 관찰을 설명합니다 . 이 연구는 Tresguerres의 보조금과 Thies의 펠로우십을 통해 NSF(National Science Foundation)의 지원을 받았습니다. 최근까지 Science Advances 에 보고된 결과는 거의 얻기가 불가능했습니다. Tresguerres의 그룹은 현미경 과학을 위해 산호를 가장 잘 준비하는 방법을 개척하는 데 이미 수년을 투자했습니다.
그러나 이 업적을 달성한 것은 UC 샌디에이고 해양 생물학의 Arthur M.과 Kate E. Tode 연구 기부금이 지원한 레이저 공초점 초해상도 시스템으로 알려진 장치를 팀이 획득한 것입니다. 이 시스템을 통해 팀은 이전 연구실의 현미경보다 2배 이상의 해상도로 조류를 둘러싸고 있는 산호막을 이미지화할 수 있었습니다. 새로운 시스템은 120나노미터 떨어진 피처를 분리할 수 있습니다. 그에 비해 사람의 머리카락은 두께가 90,000나노미터 입니다 .
Tresguerres는 "수십 년에 걸친 연구에 따르면 산호가 조류에 제공하는 질소의 양을 조절하는 것으로 보입니다."라고 말했습니다. 그러나 조류가 질소를 너무 많이 섭취하면 너무 빨리 성장하고 증식하여 공생을 방해할 수 있습니다. "인간과 마찬가지로 산호의 건강과 질병은 세포 수준으로 추적할 수 있습니다. 세포 수준에서 일이 제대로 진행되면 산호가 번성합니다. 그리고 일이 잘못되면 일반적으로 '표백'을 비롯한 기능 장애나 질병으로 이어집니다. 우리가 공생 경계면이라고 부르는 것은 전체 산호초에서 가장 중요한 경계면, 가장 중요한 막일 수 있습니다."라고 Tresguerres가 말했습니다.
공생은 많은 살아있는 시스템에서 중요한 생물학적 상호 작용을 형성합니다. 예를 들어, 인간은 소화관을 채우는 박테리아와 공생 관계를 맺고 있습니다. 하지만 차이점이 있습니다. "인간의 경우 박테리아는 세포 외부, 예를 들어 장 내부와 피부에 살고 있습니다. 그러나 산호에서는 이러한 조류가 숙주 동물 자체의 세포 내부에 삽니다."라고 Thies는 말했습니다. "매우 협소한 공간입니다. 마치 영원히 룸메이트가 있는 것과 같으며 정말 좋은 룸메이트가 되기를 바랍니다. 가능한 한 모두를 행복하게 해주고 싶습니다."
왼쪽: 산호 숙주 세포와 세포 내 공생 조류의 초고해상도 공초점 이미지. 오른쪽: 세포 패턴을 더 잘 시각화할 수 있는 Imaris 소프트웨어를 사용한 3D 렌더링. 크레딧: UC 샌디에이고의 스크립스 해양학 연구소
언뜻보기에 산호는 꽤 작은 폴립을 낳는 다채로운 암석처럼 보일 수 있습니다. "사실 그들은 지구상에서 가장 중요한 동물 중 하나입니다."라고 Thies는 말했습니다. 약 10억 명의 사람들이 산호초 생태계에 직간접적으로 식량을 의존하고 있지만 과학자들은 산호가 세포 수준에서 어떻게 기능하는지 거의 알지 못합니다.
Science Advances 연구 는 정상적인 조건에서 공생 조류에 질소 전달을 매개하는 세포 메커니즘을 확인했습니다. 프로세스가 잘못되었을 때 어떤 일이 발생하는지 이해하려면 과학자들이 먼저 건강한 산호에서 어떻게 작동하는지 확인해야 하기 때문에 이것은 중요한 발견입니다. 그러나 이 과정은 기후 변화나 오염으로 인해 어떻게 변경됩니까? Tresguerres는 "아마도 기후 변화의 특정 조건에서 이 메커니즘이 방해를 받아 조류에 질소가 충분하지 않거나 질소가 너무 많기 때문에 표백으로 이어질 수 있습니다"라고 말했습니다.
"그것은 우리와 다른 연구실 모두에서 많은 연구를 할 수 있는 기회를 제공합니다." 2017년 UC 샌디에이고에서 해양생물학 학사 학위를 받은 Thies는 Tresguerres의 연구실에서 학부생으로 이 프로젝트를 시작했습니다. 그는 NSF 대학원 연구원과 스크립스 해양학 박사 연구원으로 프로젝트를 계속했습니다. "산호는 작업하기 쉬운 유기체가 아닙니다."라고 Thies는 말했습니다. "산호는 복잡한 공생 동물이기 때문에 수족관 관리가 많이 필요합니다. 때로는 행복하게 유지하기 어렵습니다." 그러나 6명의 UC 샌디에이고 학부생과 대학원생으로 구성된 팀은 정확히 그 일을 해냈고 그들의 노력에 대해 Science Advances 논문에서 인정을 받았습니다.
Tresguerres 연구실은 많은 다른 유기체를 연구하지만, 그들이 얼마나 멀리 관련되어 있든 한 유기체에서 발견한 것이 종종 다른 유기체에서 나타납니다. 산호, 상어 및 조류가 동일한 효소(고도로 전문화된 단백질)를 공유할 수 있지만 각 유기체는 이를 다른 용도로 사용합니다. 같은 깊이에 서식하는 두 개의 별도 산호 종조차도 완전히 다른 적응을 사용할 수 있습니다. 단백질과 효소는 Tresguerres가 LEGO 브릭에 비해 세포 빌딩 블록 역할을 합니다. 산호 에서 많은 효소가 공생을 지원합니다 .
고래 사체 를 먹고 사는 Osedax 벌레 의 유사한 효소는 벌레가 뼈를 통해 먹는 것을 돕습니다 . 그리고 상어와 가오리 아가미 에서 유사한 효소가 혈액 산도를 건강한 수준으로 유지하는 데 관여합니다 . Tresguerres는 "특히 세포 수준에서 진화가 매력적이라고 생각합니다."라고 말했습니다. "단백질은 동일하지만 다른 단백질과 짝을 이루거나 다른 세포 구획에 있으며 완전히 다른 기능을 수행합니다." Thies와 Tresguerres 외에도 연구팀에는 캐나다 매니토바 대학의 Alex R. Quijada-Rodriguez, Haonan Zhouyao, Dirk Weihrauch 교수가 포함되었습니다.
추가 탐색 가오리의 혈액 pH를 조절하는 양성자 펌프 발견 추가 정보: Angus Thies et al, 산호 공생체 막의 붉은털 채널은 조류 공생체에 대한 NH3 및 CO2 전달을 조절하는 새로운 메커니즘을 제안합니다, Science Advances (2022). DOI: 10.1126/sciadv.abm0303 . www.science.org/doi/10.1126/sciadv.abm0303 저널 정보: 과학 발전 캘리포니아 대학교 - 샌디에이고 제공
https://phys.org/news/2022-03-advanced-imaging-reveals-cellular-molecular.html
.Study highlights the potential of neuromorphic architectures to perform random walk computations
연구는 랜덤 워크 계산을 수행하기 위한 뉴로모픽 아키텍처의 잠재력을 강조합니다
작성자: Ingrid Fadelli, Tech Xplore 뉴로모픽 하드웨어에 대한 입자 시뮬레이션. 크레딧: Darby Smith et al.MARCH 14, 2022 FEATURE
지난 10여 년 동안 전 세계의 많은 연구자들은 뉴로모픽 컴퓨팅 도구라고도 하는 뇌에서 영감을 받은 컴퓨터 시스템을 개발하기 위해 노력해 왔습니다. 이러한 시스템의 대부분은 현재 딥 러닝 알고리즘 및 기타 인공 지능(AI) 도구를 실행하는 데 사용됩니다. Sandia National Laboratories의 연구원들은 최근에 다른 유형의 계산, 즉 랜덤 워크 계산을 수행하기 위한 뉴로모픽 아키텍처의 잠재력을 평가하는 연구를 수행했습니다. 이것은 수학적 공간에서 일련의 무작위 단계를 포함하는 계산입니다.
네이처 일렉트로닉스( Nature Electronics ) 에 발표된 이 팀의 연구 결과 는 뉴로모픽 아키텍처가 이러한 계산을 구현하는 데 적합할 수 있고 따라서 기계 학습 응용 프로그램을 넘어 도달할 수 있음을 시사합니다. 연구를 수행한 연구원 중 한 명인 James Bradley Aimone은 TechXplore에 "뉴로모픽 컴퓨팅 과 관련된 대부분의 과거 연구 는 딥 러닝 과 같은 인지 응용 프로그램에 중점을 두었습니다 ."라고 말했습니다. "우리는 또한 그 방향에 대해 흥분하고 있지만, 우리는 다른 보완적인 질문을 하고 싶었습니다. 뉴로모픽 컴퓨팅은 우리의 두뇌가 실제로 해결할 수 없는 복잡한 수학 작업에서 탁월할 수 있습니까?" 컴퓨터 과학 커뮤니티는 지금까지 두뇌와 같은 컴퓨터 시스템이 복잡한 수학적 작업을 잘 수행할 가능성을 배제했습니다.
Aimone과 그의 동료들의 최근 연구는 예상과 달리 이것이 사실일 수 있음을 보여줍니다. 더 구체적으로 말하면, 팀은 칩이 랜덤 워크 계산을 사용하여 이산 시간 Markov Chain(즉, 유명한 물리학 모델)을 시뮬레이션할 수도 있다는 것을 발견했습니다. Aimone은 "우리는 기본적으로 두뇌(및 뉴로모픽 컴퓨팅)가 기존 컴퓨터와 다른 유형의 병렬 컴퓨팅 아키텍처 를 가지고 있다는 것을 인식했습니다."라고 설명했습니다. "많은 유형의 과학 컴퓨팅 문제를 살펴보았을 때 우리는 몬테카를로 랜덤 워크가 이러한 플랫폼에 맞게 랜덤 워크 수학을 재구성하는 데 영리했다면 뉴로모픽 아키텍처에 자연스럽게 맞을 수 있는 특정 유형의 문제라는 것을 인식했습니다."
-최근 연구를 지원한 팀에는 수학자, 컴퓨터 엔지니어, 이론적인 신경 과학자인 Aimone이 포함되었습니다. 연구원들은 전문 지식을 결합하여 지금까지 주로 기존 컴퓨팅 도구를 사용하여 구현되었던 Monte Carlo 시뮬레이션을 뉴로모픽 컴퓨팅의 맥락에서 조사할 수 있었습니다. 이를 통해 '뉴로모픽 이점'이 있을 수 있는 유명하고 복잡한 수학적 작업을 완료하기 위한 뉴로모픽 아키텍처의 잠재력을 입증할 수 있었습니다. Aimone과 그의 동료들은 뉴로모픽 하드웨어가 기존 CPU 및 GPU보다 줄당 더 많은 랜덤 워크 계산을 수행할 수 있기 때문에 다른 시스템보다 에너지 효율적이라는 것을 보여주었습니다. 또한 뉴로모픽 칩은 여전히 기존 CPU 및 GPU보다 느리지만 문제가 커지고 복잡해질수록 이러한 속도 차이가 감소한다는 것을 발견했습니다.
Aimone은 "뉴로모픽 하드웨어가 빠른 속도로 계속 개선되고 더 큰 시스템을 곧 사용할 수 있다는 점을 감안할 때 이러한 이점이 더 큰 문제에 대해 계속 성장할 것으로 기대합니다."라고 말했습니다. " 컴퓨터 생물학 , 재료 과학 , 금융 모델링 및 인공 지능 을 포함하여 계산 워크로드의 일부로 Monte Carlo 랜덤 워크 모델을 사용하는 실제 응용 프로그램이 많이 있습니다 . 그러나 이러한 모델을 실행하는 데 계산 비용이 많이 들고 막대한 에너지를 소모하는 경우가 많습니다. , 시간 및 재정적 비용." 뉴로모픽 하드웨어는 아직 개발 초기 단계에 있지만 점차적으로 쉽게 사용할 수 있고 프로그래밍하기가 더 쉬워질 것입니다. 이러한 일이 발생하면 이 연구원 팀의 최근 연구는 수학적 문제를 보다 효율적으로 해결하기 위해 뇌에서 영감을 받은 시스템의 사용을 고무할 수 있습니다.
Aimone은 "우리의 발견이 랜덤 워크 계산 작업을 지금보다 훨씬 저렴하고 에너지 효율적으로 수행할 수 있기를 바랍니다."라고 말했습니다. "이것은 차례로 컴퓨팅을 더 저렴하고 기후 친화적으로 만들 것입니다." Aimone과 그의 동료들의 최근 연구는 주로 확산 과정을 나타내는 것과 같은 간단한 랜덤 워크 시뮬레이션에 중점을 두었습니다. 그러나 미래에 팀은 더 복잡한 랜덤 워크 시뮬레이션을 실행하기 위한 뉴로모픽 칩의 잠재력도 테스트하고 싶습니다. Aimone은 "우리는 뉴로모픽 컴퓨팅에서 볼 수 있는 이점이 더 복잡한 랜덤 워크에서 훨씬 더 두드러질 것이라고 가정하지만 뉴런으로 더 복잡한 물리학을 시뮬레이션하는 방법을 탐구해야 합니다"라고 덧붙였습니다. "또한 이제 우리는 뉴로모픽 하드웨어가 몬테카를로 랜덤 워크와 같은 확률적 컴퓨팅 응용 프로그램에 적합하다는 것을 인식하고 있기 때문에 뇌가 새로운 알고리즘에 대한 잠재적인 아이디어를 위해 기본 아키텍처에서 확률 컴퓨팅을 사용할 수 있는 위치를 되돌아보고 있습니다. 뇌에서 영감을 얻은 인공 지능."
추가 탐색 뉴로모픽 시뮬레이션은 많은 애플리케이션과 관련된 계산상의 이점을 얻을 수 있습니다. 추가 정보: 에너지 효율적인 랜덤 워크 계산을 위한 뉴로모픽 스케일링 이점. 네이처 일렉트로닉스 (2022). DOI: 10.1038/s41928-021-00705-7 . 저널 정보: 네이처 일렉트로닉스
https://techxplore.com/news/2022-03-highlights-potential-neuromorphic-architectures-random.html
==================
메모 2203150501 나의 사고실험 oss 스토리텔링
매우 복잡한 계산은 샘플c.oss에서 나타난다. 순식간에 베이스가 폭증하고 확장과 축소와 충돌이 가속화될 때, 기억력에 따라 느리지만 거침없이 과정들이 오고가는 숫자더미 물질더미들이 있다. 뉴로모픽 컴퓨팅이 이런 알고리즘을 가진다면 자연의 작은 부분에서도 복잡계를 설명하는 도구가 될것이다. 허허.
샘플a.oms(standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
샘플b.quasi oms(standard)
0100000010=0,2
0010000100
0001000001
0010001000
0001010000
0000100100
0000100010
2000000000
0000001001
샘플a1.prime oms(standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
샘플c_oss(standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
=bigrip/zerosum, npir+c(dark energy)
sample c.oss
domain(2203080543):
Sample hypothesis 1.2 domain (2203140640):
-The team that supported the recent study included Aimone, a mathematician, computer engineer, and theoretical neuroscientist. Combining their expertise, the researchers have been able to investigate Monte Carlo simulations, which have hitherto been primarily implemented using traditional computing tools, in the context of neuromorphic computing. This allowed us to demonstrate the potential of neuromorphic architectures to complete famous and complex mathematical tasks that may have a 'neuromorphic advantage'. Aimone and his colleagues have shown that neuromorphic hardware is more energy efficient than other systems because it can perform more random walk computations per line than conventional CPUs and GPUs. We also found that while neuromorphic chips are still slower than traditional CPUs and GPUs, these speed differences diminish as the problem grows and becomes more complex.
=====================
memo 2203150501 my thought experiment oss storytelling
A very complex calculation is shown in sample c.oss. When the base explodes in an instant and the expansion, contraction, and collision accelerate, there are piles of numbers and piles of material that go back and forth slowly but relentlessly according to memory. If neuromorphic computing had such an algorithm, it would be a tool to explain complex systems in small parts of nature. haha.
Sample a.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sample b.quasi oms(standard)
0100000010=0,2
0010000100
0001000001
0010001000
0001010000
0000100100
0000100010
2000000000
0000001001
samplea1.prime oms(standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c_oss(standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
=bigrip/zerosum, npir+c(dark energy)
sample c.oss
domain(2203080543):
Sample hypothesis 1.2 domain (2203140640):
댓글