USC 提出 Zeta 律:用黎曼 ζ 函数预测生物医学发现需要多少数据
PTenigma · x · 2026-11-17
USC 的 Paul Thompson 发布论文《How Much Data is Enough?》,提出一个基于数据谱结构的跨模态「可发现性」统一框架,试图回答「多少数据才够做出可靠科学发现」这一核心问题。
要点
- 随着生物医学数据集扩展到数百万人、AI 模型扩展到数十亿参数,何时追加数据才能实质性提升检测效果,目前主要靠试错式基准测试,缺乏理论指导。
- 现有 scaling law 与样本复杂度理论难以解释跨领域差异巨大的增益,尤其在需要跨异构数据类型对齐高维信号的科学与生物医学场景。
- 论文基于数据、信号及其对齐的谱结构提出统一框架;配套推导出 ridge-LDA 在静态 rsFC 上 AUC 随样本量 N 与扫描时长 T 的「double-zeta law」,依赖 Hurst 指数与谱视界 K(N,T)。
- 作者同时在推文中提议将 DMD 模式作为冻结编码器,应用于 ENIGMA 跨疾病患者大型 fMRI 数据集(Schaefer-400 加皮层下/小脑分区),并探讨非正规矩阵下的谱理论问题。
「研究」频道最新
- NVIDIA 开源 Nemotron-Labs-Sigma:连续扩散语言模型,14 个 3B/8B 权重 — ArashVahdat · 2026-11-17
- Apple M4 实测「层内投机解码」:猜 token 太难,反慢 14% — azterizm · 2026-11-17
- 字节等开源 Axion1.0:两阶段 SFT+RL 训出科学智能体,122B 超 GPT-6 — 机器之心 · 2026-11-17
- Sci Am 编辑用 Claude 周末做出开源地质史工具 Deep Time Explorer — anselm · 2026-11-17
- E11 Bio 招 ML 科学家,用 AI 给 PB 级脑连接组数据自动校对 — anderssandberg · 2026-11-17
- 14 万次探测实验揭示:probe Transformer 别只看最后一层残差流 — CatAstro_Piyush · 2026-11-17