За семь дней появилось много научных новостей, поэтому то, что новое исследование не упоминается здесь в субботу утром, не означает, что его не было. А много произошло нечто большее. Но также ознакомьтесь с этими четырьмя историями:

Бактерии используют фаги как оружие

В сельскохозяйственных условиях на возделываемых землях один из вариантов бактерий Pseudomonas viridiflava распространяется и становится доминирующим микробом, но на невозделываемых землях этого не происходит. Исследователи из Университета Юты хотели выяснить, почему, но в начале своего исследования они заметили нечто настолько неожиданно странное, что это изменило весь фокус исследования.

Изучая геномы бактериальных патогенов, они обнаружили, что один образец захватил фаг — вирус, атакующий бактерии, — и перепрофилировал его для уничтожения собственных бактериальных конкурентов. В частности, бактерии приобрели несамореплицирующиеся кластеры перепрофилированного фага, называемые тайлоцинами, которые проникают через внешние мембраны патогенов и убивают их.

Размышляя об этом открытии, ведущий автор Талия Бакман говорит, что тайлоцины потенциально могут привести к созданию новых антибиотиков для решения кризиса устойчивости к противомикробным препаратам: «Хотя тайлоцины были обнаружены ранее в геномах других бактерий и изучались в лабораторных условиях, их влияние и эволюция в дикой природе Бактериальные популяции не были известны. Тот факт, что мы обнаружили, что все эти дикие растительные патогены имеют тайлоцины, и эти тайлоцины эволюционируют, чтобы убивать соседние бактерии, показывает, насколько значимыми они могут быть в природе».

Языковая модель программирует себя так, чтобы иметь смысл

Большие языковые модели способны создавать текст. Я собирался завершить эту мысль словами «это убедительно убедительно» или чем-то в этом роде, но мне пришлось остановиться и положить голову на стол, потому что цикл шумихи вокруг ИИ разорвал свою привязь и полностью оторвался от реальности, и я усталый.

Существующие LLM представляют собой не что иное, как предсказатели текста без каких-либо знаний семантики или логики, и поэтому могут помочь людям только с генерацией текста, который содержит нулевой процент символических рассуждений, и теперь они будут в каждом устройстве. Хорошо, я здесь не для того, чтобы жаловаться на шумиху вокруг ИИ.

Стремясь улучшить производительность программ LLM, исследователи из Массачусетского технологического института предложили инновационный метод выполнения задач естественного языка, математики и анализа данных путем генерации кода Python. Они называют этот подход встроенными программами на естественном языке и сообщают о 90% точности решения широкого спектра задач рассуждения.

Технология представляет собой четырехэтапный процесс. На первом этапе NLEP вызывает пакеты, необходимые для выполнения задачи. На втором этапе он импортирует представления знаний или данных, необходимых для выполнения задачи, на естественном языке. На третьем этапе модель генерирует функцию, которая вычисляет ответ. А на четвертом этапе модель генерирует результат на естественном языке. Это также более эффективно для определенных задач, особенно тех, в которых у пользователя много похожих вопросов; вместо создания новой программы Python для каждого запроса NLEP может генерировать одну базовую программу и изменять переменные для каждого запроса.

Рубашка классная

В то время как летние купола жары окутывают регионы северного полушария, исследователи из Притцкеровской школы молекулярной инженерии Калифорнийского университета в Чикаго сообщают о новой носимой ткани, которая может защитить горожан в специфических условиях городских островов тепла. Существующие охлаждающие ткани рассеивают прямой солнечный свет. Но солнечный свет виден, тогда как тепловое излучение строительных материалов, тротуаров и инфраструктуры является инфракрасным.

Инженеры стремились создать ткань с двумя оптическими свойствами, которые могли бы отражать оба источника. А поскольку он работает пассивно, его можно использовать для охлаждения в районах с повышенным потреблением энергии. Помимо теплоотражающей одежды, этот материал потенциально может использоваться в качестве строительного материала для снижения температуры в салоне или в качестве изолятора для автомобилей. Исследователи также предполагают, что его можно использовать для транспортировки скоропортящихся продуктов, что снизит потребность в активных системах охлаждения.

Дети незрелые, исследование показало

Исследователи из Национального университета Сингапура сообщают, что более низкое соотношение нервного возбуждения (E) к нейронному торможению (I) является положительным признаком созревания мозга. Они обнаруживают, что дети с более низким соотношением E/I лучше учатся в школе и сдают когнитивные тесты. . Предыдущие исследования показали, что слишком сильное возбуждение или торможение сопряжено с более высоким риском заболеваний головного мозга, включая аутизм, болезнь Альцгеймера и другие. Исследование изучало, как E/I меняется в молодости, путем анализа МРТ-сканирований головного мозга и результатов когнитивных тестов 885 детей, подростков и молодых людей.

Примечательно, что команда создала неинвазивный метод изучения реакций нервного возбуждения и торможения. В первой части эксперимента испытуемые принимали противотревожное лекарство Ксанакс или плацебо перед МРТ-сканированием мозга. Это позволило исследователям установить, что Ксанакс усиливает нервное торможение, в результате чего общее соотношение E/I снижается. Во второй части эксперимента команда установила связь между соотношением E/I и когнитивной функцией, проведя когнитивные тесты. Участники с более низким E/I превзошли участников с более высоким соотношением.

© 2024 Сеть Science X