.png){kind=icon}
返回
Bidirectional Mamba state-space model for anomalous diffusion
.png){kind=icon}
OA
AI
DOI：10.1088/2515-7647/add42c.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
表征异常扩散（AnDi）对于理解从分子相互作用到细胞动力学的复杂随机系统的演化至关重要。在此，我们评估了一种新颖的状态空间深度学习架构Bi-Mamba在该任务中的性能，该架构围绕双向扫描机制构建。我们的实现基于AnDi-2挑战数据集进行测试。专为回归任务设计，Bi-Mamba架构能够高效地从单次、短时间轨迹中推断出有效扩散系数和异常指数。因此，我们的结果表明，Bi-Mamba架构在表征AnDi方面具有潜在的实用价值。
Keyword:
anomalous diffusion
deep learning
Mamba
particle tracking
期刊
J
IF:
8.4
论文数:
125
被引数:
1.4K
机构
引用论文
Scanning STED-FCS reveals spatiotemporal heterogeneity of lipid interaction in the plasma membrane of living cells.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Nanoscale Fluorescence Correlation Spectroscopy on Intact Living Cell Membranes with NSOM ProbesBIOPHYSICAL JOURNALOAAI
BIOPHYSICAL JOURNALIF3.1
OAAI分享收藏The random walk's guide to anomalous diffusion: a fractional dynamics approach随机游走的异常扩散指南: 分数动力学方法
PREAI
分享收藏Dimerization of iLID optogenetic proteins observed using 3D single-molecule tracking in live E. coliBIOPHYSICAL JOURNAL
BIOPHYSICAL JOURNALIF3.1
PREAI
分享收藏分享收藏分享收藏
查看更多内容