分子动力学模拟是对原子和分子的物理运动及其相互运动的计算机模拟。这些模拟可以应用于化学物理、材料科学和生物分子建模等多个领域。在药理学、药物设计和酶催化领域，分子动力学模拟可以预测小分子药物（配体）与生物分子（蛋白质）的结合模式及结合亲和力。本工作对配体与受体蛋白结合的过程中的数据及其轨迹进行可视化，处理的数据为三个配体同时与受体蛋白结合的过程，整个过程持续时间多于80万个时间步。

继续阅读 »

在人机交互领域内，研究员经常需要设计一些实验去探索或验证特定的因素对于交互技术及其效果的影响。然而在实验设计中既要控制诸多表面上看似无关的变量，也要权衡加入更多条件或被试者的成本与得到更优的实验效应结果之间的利弊，这并不是一件轻松的事情。同时，在2016年Nature期刊的一篇调研[1]中揭露了在科学界严重的“reproducibility crisis”，即70%的科学者无法重现他人的实验。因此，本文的作者们设计了Touchstone2来帮助研究者们设计、规范、分享他们的实验方案。 继续阅读 »

随着人工智能的发展，机器学习的模型变得越来越复杂，它们难以理解且调试繁琐。迄今为止，几乎所有的可视分析方案均是针对单一模型或是仅仅分析结果，它们要么需要了解内部构造（例如对神经网络隐藏层进行可视分析），要么难以对比不同模型，并将分析结果返回模型中迭代。本文提出了一种可视化解决方案名为Manifold，它不用了解算法内部构造，仅关注输入与输出。该方案以散点图可视摘要+特征细化的方式，为用户提供了假设、推理、验证的工作流程，以帮助用户理解、调试复杂的算法，并且能比对同类问题（分类、回归的有监督学习）的多个算法。

继续阅读 »

使用时间序列数据的许多领域专家面临的共同挑战是如何识别和比较类似模式。该操作是很多研究任务的基础，例如检测重复现象或创建类似时间序列的簇。虽然存在用于计算时间序列相似性的自动测量算法，但是通常需要人工干预来视觉检查这些自动生成的结果。可视化文献已经检查了相似性感知及其与折线图的自动相似性度量的关系，但尚未考虑替代可视化表示（例如地平线图和色域）是否会改变这种感知。受神经科学家如何评估癫痫样式模式的启发，本文[1]进行了两项实验，研究这三种可视化技术如何影响EEG信号中的相似性感知。我们试图了解自动相似性度量返回的时间序列结果是否以类似的方式被感知，而与可视化技术无关;如果人们认为与每个可视化相似的东西与不同的自动测量及其相似性约束一致。我们的研究结果表明，水平图与相似性度量对齐，这些度量允许比其他两种技术更多的时间位置或速度的局部变化（即，动态时间扭曲）。另一方面，水平图不与对幅度和y偏移缩放不敏感的度量（即，基于z归一化的度量）对齐，但是线性图和色域的情况似乎是逆的。总的来说，我们的工作表明，可视化的选择会影响我们认为相似的时间模式，即时间序列中的相似性概念不是独立于可视化的。

继续阅读 »