Akademické práce, výzkumné průlomy a vědecké pokroky ve strojovém učení a AI.
319 článků
Vědci z University of Manchester vyvinuli nový výpočetní přístup, který pomáhá identifikovat dvourozměrné materiály s neobvyklými kvantovými vlastnostmi. Metoda kombinuje fyzikální principy se strojovým učením a má výrazně urychlit hledání slibných kandidátů. Zdroj: phys.org
Tři hlavy víc vědí – toto přísloví platí i ve vývoji AI. Vědci představili nový algoritmus federovaného učení, který má v závodě o dosažení AGI zajistit rychlejší, bezpečnější a soukromější trénování modelů díky spolupráci více zdrojů dat. Zdroj: techxplore.com
Vědci zkombinovali strojové učení s kvantovou fyzikou a objevili dva nové supravodiče. Zároveň vytvořili mnohem rychlejší metodu pro hledání dalších. Zdroj: sciencedaily.com
Mezinárodní výzkumný konsorcium prokázalo, že strojové učení dokáže výrazně urychlit objevování supravodivých materiálů. Jde o první objev tohoto typu vedený strojovým učením v tomto oboru. Zdroj: theaiinsider.tech
Program strojového učení, který identifikoval pacienty s prošlým termínem screeningu kolorektálního karcinomu, pomohl zvýšit míru vyšetření. Studie zjistila souvislost i se snížením úmrtnosti. Zdroj: medicalxpress.com
Klíčovou vlastností přístupu Precision Nutrition and Health je schopnost přizpůsobit intervence individuální variabilitě pomocí multimodálních dat. Zdroj: nature.com
Nástroje AI a strojového učení dnes pohánějí volání variant, anotaci genomu i populační studie. Článek mapuje klíčové metody, které mění podobu genomického výzkumu. Zdroj: technologynetworks.com
Konference ICML každoročně ukazuje, kam tisíce výzkumníků v oblasti AI směřují svou práci. Letošní ročník potvrzuje rostoucí roli otevřených modelů v akademickém výzkumu. Zdroj: blogs.nvidia.com
Autoři představují TopoPrimer, framework, který zavádí globální topologickou strukturu populace časových řad jako explicitní vstup pro jakýkoli předpovědní model. Přístup má doplnit informaci, kterou dosavadní modely při předpovídání opomíjejí. Zdroj: machinelearning.apple.com
ReContext je metoda publikovaná na arXiv dne 2. července 2026, která zlepšuje uvažování LLM nad dlouhým kontextem tím, že opakovaně přehrává relevantní důkazy v okně 128K tokenů. Cílem je, aby modely lépe využívaly klíčové informace rozptýlené v rozsáhlých dokumentech. Zdroj: letsdatascience.com
Google představil TabFM, foundation model pro tabulková data, který umožňuje zero-shot inferenci bez nutnosti trénovat model od základu. Přístup staví na zkušenostech s nástroji jako XGBoost a TabPFN a míří na nasazení v produkčním prostředí včetně otázek správy dat. Zdroj: medium.com
Navrhování vlastních proteinů dříve vyžadovalo pokročilé programátorské dovednosti i hluboké biologické znalosti, což většinu vědců efektivně vyřazovalo ze hry. Díky moderním AI nástrojům se tento proces výrazně demokratizuje a zpřístupňuje výzkumníkům po celém světě. Zdroj: futura-sciences.com
Největší světová konference o ML se poprvé v 43leté historii International Conference on Machine Learning koná v Soulu v Jižní Koreji. Letošní ročník láme rekordy v počtu příspěvků, přičemž dominantním tématem je agentní AI – systémy schopné samostatného rozhodování a jednání. Enormní nárůst submitted prací zároveň výrazně zatěžuje proces peer review. Zdroj: techtimes.com
Apple prezentuje nové výzkumné práce na mezinárodní konferenci ICML 2026, která se letos koná prezenčně v jihokorejském Soulu. Zdroj: machinelearning.apple.com
Velké jazykové modely dokážou vykazovat emergentní schopnosti uvažování, které se často projevují jako opakující se lexikální vzory. Nová metoda využívá řiditelné trajektorie k tomu, aby toto strukturované uvažování v LLM posílila a zpřehlednila. Zdroj: machinelearning.apple.com
Sarvin Moradi obhájila 2. července svou doktorskou disertační práci na katedře elektrotechniky. Práce se zaměřuje na integraci fyzikálních zákonů do AI modelů. Zdroj: tue.nl
Framework TAP odděluje fyzické a sémantické učení u modelů typu Vision-Language-Action, čímž dosahuje výkonu na úrovni expertů s minimálním množstvím označených dat. Přístup je navržen tak, aby byl nezávislý na konkrétním úkolu. Zdroj: startuphub.ai
Rozsáhlá studie využívá pokročilé ML metody k identifikaci společných rizikových faktorů a prediktorů vzniku onemocnění u pacientů s epilepsií a depresí. Výsledky mohou pomoci v časné diagnostice a prevenci obou chorob. Zdroj: medscape.com
Spolehlivý odhad výkonu fotovoltaických (PV) elektráren v suchých oblastech vyžaduje komplexní pochopení radiačních a meteorologických podmínek. Nová studie využívá explainabilní ML a kauzální analýzu k identifikaci klíčových faktorů ovlivňujících produkci energie v lokalitě Bhadla. Zdroj: nature.com
Diffusion LLM (dLLM) dnes dosahují srovnatelného výkonu s autoregresivními modely na celé řadě úloh. Výzkumníci nyní zkoumají, jak se tyto modely mohou učit efektivní politiky odmaskovávání pro zlepšení jejich schopností. Zdroj: machinelearning.apple.com