医学 AI

On the Utility and Factual Reliability of Pruned Mixture-of-Experts Models in the Biomedical Domain

关于剪枝后的混合专家模型在生物医学领域的实用性与事实可靠性

Atsuki Yamaguchi, Szymon Palucha, Léo Bijar, Aline Villavicencio, Nikolaos Aletras

机构 * University of Sheffield（谢菲尔德大学） ； AstraZeneca（阿斯利康） ； University of Exeter（埃克塞特大学） ； Federal University of Rio Grande do Norte（北里奥格兰德联邦大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 研究通过结构化专家剪枝降低混合专家模型部署成本，评估剪枝对生物医学领域实用性与事实可靠性的影响，发现适度剪枝保持领域内性能但极端剪枝增加幻觉风险。

Comments Under review

MKGR: Multimodal Knowledge-Graph Representation Learning for Cold-Start Protein-Protein Interaction Prediction

MKGR: 面向冷启动蛋白质-蛋白质相互作用预测的多模态知识图谱表示学习

Wenbo Zhang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出MKGR框架，结合区域感知蛋白质序列编码与四个生物医学知识图谱，通过桥接重建目标和成对门控模块，在冷启动场景下显著提升PPI预测性能。

Transiently Driven Reflectionless Resonant Microwave Plasmas via Virtual Critical Coupling

瞬态驱动无反射共振微波等离子体通过虚拟临界耦合

Muhammad Rizwan Akram, Abbas Semnani

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出虚拟临界耦合方法，通过指数增长波形实现动态阻抗匹配，克服等离子体点燃导致的阻抗失配，使谐振器储能提升四倍，实现超高效微波等离子体生成。

Comments 7 Pages, 7 Figures, Submitted to IEEE TMTT