用于GPU的基因组测序软件帮助研究人员更快了解新型冠状病毒。
当危机袭来时,每个人都需全力以赴地应对危机。为应对此次新型冠状病毒疫情,NVIDIA为研究人员们提供了相关工具,使他们能够更快地了解COVID-19,并有助于研究应对措施。
自今日起,NVIDIA将向全球所有新型冠状病毒研究人员免费提供90天的Parabricks使用权。Parabricks基于著名的Genome Analysis Toolkit,可通过GPU将序列数据分析速度提高50倍。
我们认识到此次疫情正在不断变化,因此我们将密切关注疫情并根据需要提供更多的支持。
如果您可以使用NVIDIA GPU,请填写此表(地址:https://www.nvidia.com/en-us/docs/nvidia-parabricks-researchers/)申请Parabricks使用权。
使用Oxford Nanopore long-read数据的研究人员可在GitHub上找到GPU加速工具存储库。此外,以下应用已内置NVIDIA GPU加速功能:Medaka、Racon、Raven、 Reticulatus和Unicycler。
目前,研究人员正在对新型冠状病毒和COVID-19感染者的基因组进行测序,以了解疾病的传播方式并确定易感染人群。但分析基因组序列需要耗费大量的时间和计算力。
长期以来,加速科学研究始终都是NVIDIA的核心使命之一。 Parabricks团队于去年12月加入NVIDIA,为此项工作提供了最新的工具。它可以在一台服务器上快速分析一个人的全部基因组变异,将分析时间从几天缩短至一个小时以内。
鉴于此次疫情史无前例的传播速度,将获得结果的时间从数天缩短至数小时能够对了解病毒进化和疫苗开发产生巨大的推动作用。
NVIDIA正在邀请我们的合作伙伴与我们一同开展这项迫在眉睫的工作,为研究人员提供帮助。我们正在与云服务供应商和超级计算中心讨论在他们的平台上提供计算资源和Parabricks访问。
随着有更多资源可供使用,我们将更新本文中的相关链接,以提供NVIDIA GPU和本软件的云端访问。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。