Paper List
-
Evolutionarily Stable Stackelberg Equilibrium
通过要求追随者策略对突变入侵具有鲁棒性，弥合了斯塔克尔伯格领导力模型与演化稳定性之间的鸿沟。
-
Recovering Sparse Neural Connectivity from Partial Measurements: A Covariance-Based Approach with Granger-Causality Refinement
通过跨多个实验会话累积协方差统计，实现从部分记录到完整神经连接性的重建。
-
Atomic Trajectory Modeling with State Space Models for Biomolecular Dynamics
ATMOS通过提供一个基于SSM的高效框架，用于生物分子的原子级轨迹生成，弥合了计算昂贵的MD模拟与时间受限的深度生成模型之间的差距。
-
Slow evolution towards generalism in a model of variable dietary range
通过证明是种群统计噪声（而非确定性动力学）驱动了模式形成和泛化食性的演化，解决了间接竞争下物种形成的悖论。
-
Grounded Multimodal Retrieval-Augmented Drafting of Radiology Impressions Using Case-Based Similarity Search
通过将印象草稿基于检索到的历史病例，并采用明确引用和基于置信度的拒绝机制，解决放射学报告生成中的幻觉问题。
-
Unified Policy–Value Decomposition for Rapid Adaptation
通过双线性分解在策略和价值函数之间共享低维目标嵌入，实现对新颖任务的零样本适应。
-
Mathematical Modeling of Cancer–Bacterial Therapy: Analysis and Numerical Simulation via Physics-Informed Neural Networks
提供了一个严格的、无网格的PINN框架，用于模拟和分析细菌癌症疗法中复杂的、空间异质的相互作用。
-
Sample-Efficient Adaptation of Drug-Response Models to Patient Tumors under Strong Biological Domain Shift
通过从无标记分子谱中学习可迁移表征，利用最少的临床数据实现患者药物反应的有效预测。
癌症-细菌疗法的数学建模：基于物理信息神经网络的数值模拟与分析
International University of Rabat | Université de Lorraine, CNRS, CRAN | Université de Lorraine, CNRS, IECL | Univ Rennes, INSA, CNRS, IRMAR-UMR 6625
30秒速读
IN SHORT: 提供了一个严格的、无网格的PINN框架，用于模拟和分析细菌癌症疗法中复杂的、空间异质的相互作用。
核心创新
- Methodology First coupled PDE model integrating tumor, bacteria, oxygen, immunosuppressive cytokines, and quorum-sensing signals for bacterial cancer therapy.
- Theory Proved global well-posedness and stability of the five-species reaction-diffusion system, establishing a rigorous mathematical foundation.
- Methodology Established convergence guarantees for PINNs on this nonlinear system, with an overall error bound of 𝒪(n^{-2}ln^{4}(n)+N^{-1/2}).
主要结论
- PINN框架实现了𝒪(n^{-2}ln^{4}(n)+N^{-1/2})的可量化误差率，能够对耦合系统进行准确的无网格模拟。
- 敏感性分析表明，治疗效果高度依赖于缺氧维持（通过KH/(KH+O)建模）和细菌的氧耐受性。
- 该模型识别了三个生物学相关的稳态，并确认扩散不会引发图灵不稳定性，表明时空动力学的稳定性。
摘要: 细菌癌症疗法利用厌氧细菌靶向缺氧肿瘤区域的能力，然而肿瘤生长、细菌定植、氧气水平、免疫抑制细胞因子和细菌通讯之间的相互作用仍然缺乏量化。我们提出了一个二维组织域中五个耦合非线性反应-扩散方程的数学模型。我们证明了模型的全局适定性，并确定了其稳态以分析稳定性。此外，物理信息神经网络（PINN）无需网格和大量数据即可求解该系统。它通过结合残差稳定性和Sobolev近似误差界提供了收敛保证。这导致整体误差率为𝒪(n^{-2}ln^{4}(n)+N^{-1/2})，该误差率取决于网络宽度n和配置点数量N。我们进行了多项数值实验，包括预测肿瘤对治疗的反应。我们还对某些参数进行了敏感性分析。结果表明，长期治疗效果可能需要维持肿瘤中的缺氧区域，或者使用更能耐受氧气的细菌，这对于持久的肿瘤控制可能是必要的。