פרופ' דן רביב

ד"ר יונתן אוסטרומצקי

ד"ר איתי אפשטיין

ד"ר איתי אפשטיין

ד"ר איתי אפשטיין
למידע נוסף על איתי אפשטיין
 

פרופ' אבישי סינטוב

ד''ר אבישי סינטוב

ד
למידע נוסף על אבישי סינטוב

חוקר במחלקה לאלקטרוניקה פיסיקלית 

לאתר 

הפיתוח המהפכני יוצג בתחרות הבינלאומית לביולוגיה סינתטית

13 מאי 2020
נבחרת iGEM
ישיבת צוות של נבחרת iGEM בזום

תחרות iGEM הינה אירוע ביולוגי סינטטי שנתי עולמי המתקיים באוניברסיטת MIT בבוסטון, המיועד לתלמידי אוניברסיטאות לתואר ראשון ושני, כמו גם לתלמידי תיכון ובוגרים. צוותים רב תחומיים עובדים לאורך כל השנה בבניית מערכות מהונדסות גנטית באמצעות חלקים ביולוגיים סטנדרטים. צוותי iGEM עובדים בתוך המעבדה ומחוצה לה, ויוצרים פרויקטים מתוחכמים השואפים ליצור תרומה חיובית לקהילות שלהם ולעולם. בשנה החולפת השתתפו כ-400 צוותים ממיטב האוניברסיטאות בעולם.

 

הנבחרת שלנו

זו השנה השניה שבה אוניברסיטת תל אביב תשתתף כקבוצה רב תחומית של סטודנטים וסטודנטיות בתחרות. הקבוצה מונה 12 סטודנטים: 5 מהפקולטה למדעי החיים (ביולוגיה), 5 מהפקולטה להנדסה ו-2 נוספים ממדעים מדויקים (מתמטיקה) ורפואה. הנחיית הנבחרת בוצעה על ידי פרופ' תמיר טולר מהמחלקה להנדסה ביו-רפואית בפקולטה להנדסה.

הכירו את נבחרת המהנדסים שלנו:

  • קרין סיונוב, הנדסה ביו רפואית שנה ד'
  • בר גליקשטיין, הנדסה ביו רפואית שנה ג'
  • הדר בן שושן, הנדסה ביו רפואית שנה ג'
  • נועה קרייצר, הנדסה ביו רפואית שנה ג'
  • ניב עמיתי, סטודנט לתואר שני בהנדסת חשמל שנה א' ובוגר תואר ראשון בהנדסת חשמל

 

הפתרון שהנבחרת מביאה איתה לתחרות

בתחום של ביולוגיה סינטית ישנו רצון להכניס גן זר לגופים על מנת להעזר בגן הספציפי לפעולה מסוימת בתוך הגוף המארח, פעולה זו נקראת שיבוט DNA. שיבוט DNA הוא החדרת מקטע DNA מיצור אחד ליצור אחר ושכפולו ביצור החדש. כך הוחדר הגן האנושי לאינסולין בחיידקים והופק כך ע"י החיידקים.

 

הבעיה בתהליך זה היא שהחדרת מקטע DNA זר לאורגניזם מקשה על שרידותו שכן הגן החדש מפריע לתפקודם של גנים אחרים. עם הזמן האורגניזם ישתכפל ויעבור אבולוציה. הלחץ האבולוציוני ידחוף את האורגניזם ליצירת מוטציות שיפגעו בתפקודו של הגן המוחדר ובכך יתרמו לשרידותו של האורגניזם המפותח. בזאת, יאבד האורגניזם את יכולתו לבצע את הפעולה שלשמע הוחדר.

"אנו בקבוצת iGEM, פיתחנו מודל חישובי וביו-הנדסי למלחמה כנגד האבולוציה במטרה לייצב גנטית גנים סינתטיים ובכך לשמרם לאורך זמן בגנום המארח. הפתרון שלנו מאפשר להצמיד את גן המטרה (הגן הזר) לגן חיוני בתוך התא, דבר אשר מאריך את אורך חיי הגן בשני סדרי גודל ומאפשר יציבות גנומית. הפתרון שלנו יוכל להוות פריצת דרך ביציבות של גנים סינטתיים, להוזיל עלויות ולשפר משמעותית את התהליכים הללו. כיום אנחנו מפתחים את המודל, מבצעים ניסויים במעבדה ומתכוננים לקראת התחרות שתתקיים באוקטובר". מסביר ניב עמיתי.

 

איך אנחנו יכולים לעזור לנבחרת לנצח?

כחלק מהתחרות צריך מימון. אחת מהספונסריות של התחרות היא חברת Molecularcloud המעניקה $2000  ל-6 קבוצות עם מספר ההצבעות הגבוה ביותר. כל שעליכם לעשות זה להכנס להרשם באתר (הרשמה בסיסית עם שם ומייל אוניברסיטאי) להצביע פעם אחת עבור הקבוצה שלנו על לחצן vote now בקישור הבא: https://bit.ly/2zyH9aK

 

בהצלחה לנבחרת!

ידיעות נוספות בנושא

פרופ' עדי אריה
פרופ' עדי אריה
בוקר אנושי – יחד מעצבים את ישראל 2026
בוקר אנושי – יחד מעצבים את ישראל 2026
לבחור מסלול ולהוביל דרך: מהנדסות מאנבידיה פוגשות סטודנטיות לתארים מתקדמים
לבחור מסלול ולהוביל דרך: מהנדסות מאנבידיה פוג...

EE ZOOM Seminar: Evaluating the Evaluation of Diversity in Natural Language Generation

20 במאי 2020, 15:00 
zoom  

שמיעה = עפ"י רישום שם מלא + מספר ת.ז.  בצ'אט

Join Zoom Meeting
https://zoom.us/j/92610353303

 

Speaker: Guy Tevet

M.Sc. student under the supervision of Prof. Jonathan Berant

 

Wednesday, May 20th, 2020 at 15:00

 

Evaluating the Evaluation of Diversity in Natural Language Generation

Abstract

Despite growing interest in natural language generation (NLG) models that produce diverse outputs, there is currently no principled method for evaluating the diversity of an NLG system. In this work, we propose a framework for evaluating diversity metrics. The framework measures the correlation between a proposed diversity metric and a diversity parameter, a single parameter that controls some aspect of diversity in generated text. For example, a diversity parameter might be a binary variable used to instruct crowdsourcing workers to generate text with either low or high content diversity. We demonstrate the utility of our framework by: (a) establishing best practices for eliciting diversity judgments from humans, (b) showing that humans substantially outperform automatic metrics in estimating content diversity, and (c) demonstrating that existing methods for controlling diversity by tuning a "decoding parameter" mostly affect form but not meaning. Our framework can advance the understanding of different diversity metrics, an essential step on the road towards better NLG systems.

 

EE ZOOM Seminar: Long-term Unsupervised Tracking with GOTURN

18 במאי 2020, 15:00 
zoom  

השתתפות בסמינר תיתן קרדיט שמיעה = עפ"י רישום שם מלא + מספר ת.ז.  בצ'אט

 

Join Zoom Meeting

https://zoom.us/j/99387669018?pwd=bEttWTlSZEJ3UjgycnV5RkpzbkxKUT09
Meeting ID: 993 8766 9018
Password: 291827

 

Speaker: Guy Adler

M.Sc. student under the supervision of Prof. Shai Avidan

 

Monday, May 18th, 2020 at 15:00

         ZOOM

 

Long-term Unsupervised Tracking with GOTURN

Abstract

Visual object tracking faces many challenges when adapting to varying conditions. Objects can deform, perform out of plane rotations, become partially occluded or even leave the scene entirely only to return many frames later. The quality of long-term tracking depends on the robustness of the tracker to such disruptions. To overcome these challenges, machine learning algorithms require a large amount of annotated data. This work seeks to decrease the amount of annotation required for the tracking task by implementing unsupervised training methods.

 

None of the existing methods are candidates for utilizing end-to-end learning with unsupervised learning for improving its decision making, and thus are not able to generalize well enough. We try to address this shortage of learnable long-term methods by enhancing the efficient and simple GOTURN tracker by adding a spatial transformer, a module that allows estimation of affine transformations between images. Combining these two methods and adding memory to the system (in the form of RNNs) will allow propagation of information from a few labelled frames to the entire sequence, thus enabling end-to-end semi-supervised training of a general object tracker.

 

EE ZOOM Seminar: Can Implicit Bias Explain Generalization?

13 במאי 2020, 15:00 
zoom  

+ מספר ת.ז.  בצ'אט

Join Zoom Meeting

https://zoom.us/j/94007495169
Meeting ID: 940 0749 5169

Speaker: Assaf Dauber

M.Sc. student under the supervision of Prof. Meir Feder

 

Wednesday, May 13th, 2020 at 15:00

 

Can Implicit Bias Explain Generalization?

Abstract

The notion of implicit bias, or implicit regularization, has been suggested as a means to explain the surprising generalization ability of modern-days overparameterized learning algorithms. This notion refers to the tendency of the optimization algorithm towards a certain structured solution that often generalizes well. Recently, several papers have studied implicit regularization and were able to identify this phenomenon in various scenarios.

In this seminar, we revisit this paradigm in arguably the simplest non-trivial setup, and study the implicit bias of Stochastic Gradient Descent (SGD) in the context of Stochastic Convex Optimization. As a first step, we provide a simple construction that rules out the existence of a  distribution-independent implicit regularizer that governs the generalization ability of SGD.

We then demonstrate a learning problem that rules out a very general class of distribution-dependent implicit regularizers from explaining generalization, which includes strongly convex regularizers as well as non-degenerate norm-based regularizations. Certain aspects of our constructions point out to significant difficulties in providing a comprehensive explanation of an algorithm's generalization performance by solely arguing about its implicit regularization properties.

 

עמודים

אוניברסיטת תל אביב עושה כל מאמץ לכבד זכויות יוצרים. אם בבעלותך זכויות יוצרים בתכנים שנמצאים פה ו/או השימוש שנעשה בתכנים אלה לדעתך מפר זכויות
שנעשה בתכנים אלה לדעתך מפר זכויות נא לפנות בהקדם לכתובת שכאן >>
אוניברסיטת תל-אביב, ת.ד. 39040, תל-אביב 6997801