Ingegneria

DYRECT Computed Tomography: Ricostruzione Dinamica di Eventi su Scala Temporale Continua

by

DYRECT Computed Tomography: Una Rivoluzione nella Tomografia 4D

La tomografia computerizzata a raggi X ad alta risoluzione con risoluzione temporale (4D $\mu$CT) è una tecnica di imaging che offre una visione dettagliata dell’evoluzione dei processi dinamici all’interno di materiali opachi alla luce visibile. Tuttavia, le tecniche di ricostruzione tomografica convenzionali si basano sulla registrazione di una sequenza di immagini 3D, limitando la risoluzione temporale. Questo approccio frame-based richiede molto tempo per le scansioni CT, gonfiando la quantità di dati e rendendo costosi i calcoli di post-elaborazione.

Il nuovo approccio, denominato DYRECT, stima i profili di evoluzione dell’attenuazione individuali per ogni posizione nel campione. Ciò porta a una rappresentazione event-based efficiente della memoria del campione, utilizzando solo tre volumi di immagini: l’attenuazione iniziale, l’attenuazione finale e i tempi di transizione. Questo terzo volume rappresenta eventi locali su una scala temporale continua invece dei frame temporali globali discreti. Il metodo proposto ricostruisce iterativamente i tempi di transizione e i volumi di attenuazione.

La tecnica di ricostruzione dinamica è stata convalidata su dati sintetici e sperimentali, dimostrando di individuare efficacemente i tempi di transizione con una risoluzione temporale superiore rispetto ai metodi tradizionali. DYRECT offre una soluzione più efficiente e accurata per l’analisi dei fenomeni dinamici, aprendo nuove possibilità nella ricerca scientifica.

Paper: ArXiv.org

CosyEdit: Sbloccare la capacità di editing vocale end-to-end da modelli Text-to-Speech Zero-Shot

by

CosyEdit: Rivoluzione nell’Editing Vocale con Modelli Zero-Shot

Un nuovo studio pubblicato su arXiv (2601.05329v1) presenta CosyEdit, un modello innovativo per l’editing vocale end-to-end. A differenza dei sistemi tradizionali che si basano su complesse pipeline di pre-elaborazione e allineamento temporale esplicito, CosyEdit si basa su un approccio diretto e semplificato.

CosyEdit, derivato da CosyVoice, è stato adattato attraverso un fine-tuning specifico per il compito e una procedura di inferenza ottimizzata. Questo permette al modello di internalizzare l’allineamento testo-audio, garantendo al contempo un’elevata coerenza tra il parlato originale e quello modificato. Il modello, con soli 400 milioni di parametri, è stato addestrato su 250 ore di dati supervisionati del dataset GigaEdit, dimostrando prestazioni affidabili nell’editing vocale.

I risultati ottenuti sul benchmark RealEdit sono sorprendenti. CosyEdit non solo supera modelli basati su modelli linguistici con miliardi di parametri, ma eguaglia anche le prestazioni degli approcci a cascata all’avanguardia. Questo dimostra che, con un fine-tuning specifico e ottimizzazioni di inferenza, è possibile ottenere capacità di editing vocale robuste ed efficienti da un modello TTS zero-shot, offrendo una soluzione end-to-end innovativa e conveniente per l’editing vocale di alta qualità.

Paper: ArXiv.org

Cedalion Tutorial: Un framework Python per l’analisi completa di fNIRS e DOT multimodali, dal laboratorio al mondo reale

by

Cedalion Tutorial: Un framework Python per l’analisi completa di fNIRS e DOT multimodali, dal laboratorio al mondo reale

La spettroscopia funzionale nel vicino infrarosso (fNIRS) e la tomografia ottica diffusa (DOT) stanno evolvendo rapidamente verso la neuroimmagine indossabile, multimodale e basata sui dati, supportata dall’intelligenza artificiale (AI), applicabile nel mondo reale. Tuttavia, gli attuali strumenti di analisi sono frammentati tra diverse piattaforme, limitando la riproducibilità, l’interoperabilità e l’integrazione con i moderni flussi di lavoro di machine learning (ML).

Cedalion è un framework open-source basato su Python progettato per unificare l’analisi avanzata, basata su modelli e sui dati, di dati fNIRS e DOT multimodali, all’interno di un ambiente riproducibile, estensibile e guidato dalla comunità. Cedalion integra modellazione diretta, co-registrazione fotogrammetrica degli optodi, elaborazione del segnale, analisi GLM, ricostruzione di immagini DOT e metodi basati su ML, all’interno di un’unica architettura standardizzata basata sull’ecosistema Python. Aderisce agli standard SNIRF e BIDS, supporta notebook Jupyter eseguibili sul cloud e fornisce flussi di lavoro containerizzati per pipeline di analisi scalabili e completamente riproducibili, da fornire insieme alle pubblicazioni di ricerca originali.

Cedalion collega le consolidate pipeline di neuroimmagine ottica con i framework ML come scikit-learn e PyTorch, consentendo una fusione multimodale senza soluzione di continuità con EEG, MEG e dati fisiologici. Implementa algoritmi validati per la valutazione della qualità del segnale, la correzione del movimento, la modellazione GLM e la ricostruzione DOT, integrati da moduli per la simulazione, l’aumento dei dati e l’analisi della fisiologia multimodale. La documentazione automatica collega ogni metodo alla sua pubblicazione di origine e i test di integrazione continua ne garantiscono la robustezza. Questo tutorial fornisce sette notebook completamente eseguibili che dimostrano le funzionalità principali. Cedalion offre una base aperta, trasparente e comunitariamente estensibile che supporta flussi di lavoro fNIRS/DOT riproducibili, scalabili, pronti per il cloud e per il ML, per la neuroimmagine sia in laboratorio che nel mondo reale.

Paper: ArXiv.org

Come il Meccanismo di Adeguamento del Carbonio alle Frontiere sta Energizzando il Mercato del Carbonio dell’UE e la Trasformazione Industriale

by

How Carbon Border Adjustment Mechanism is Energizing the EU Carbon Market and Industrial Transformation

Il mercato globale del carbonio è frammentato e caratterizzato da una limitata trasparenza dei prezzi e da prove empiriche, creando sfide per gli investitori e i responsabili politici nell’identificare le opportunità di gestione del carbonio. L’Unione Europea è tra le diverse regioni che hanno implementato la fissazione dei prezzi delle emissioni attraverso un sistema di scambio di quote di emissioni (EU ETS). Sebbene l’EU ETS abbia contribuito alla riduzione delle emissioni, ha anche sollevato preoccupazioni in merito alla competitività internazionale e alla rilocalizzazione delle emissioni di carbonio, in particolare data la forte integrazione delle industrie dell’UE nelle catene globali del valore. Per affrontare queste sfide, la Commissione Europea ha proposto il Meccanismo di adeguamento del carbonio alle frontiere (CBAM) nel 2021. Il CBAM è progettato per operare insieme all’EU ETS applicando un prezzo del carbonio a determinate merci importate, allineando così i costi del carbonio tra produttori nazionali ed esteri. Sostituirà gradualmente le attuali misure di mitigazione della rilocalizzazione delle emissioni di carbonio, inclusa l’assegnazione di quote gratuite nell’ambito dell’EU ETS. L’ambito iniziale del CBAM comprende energia elettrica, cemento, fertilizzanti, alluminio, ferro e acciaio. Poiché le politiche climatiche si intensificano nell’ambito dell’accordo di Parigi, ci si aspetta che i meccanismi simili al CBAM svolgano un ruolo sempre più importante nella gestione dei rischi commerciali legati al carbonio e nel sostegno alla transizione verso le emissioni nette zero.

Paper: ArXiv.org