Akademické práce, výzkumné průlomy a vědecké pokroky ve strojovém učení a AI.
577 článků
Důležitost:Zprávaquantum machine learning
Kvantové počítače a strojové učení: co je na tom pravdy
Kvantové strojové učení spojuje kvantové výpočty s technikami AI a slibuje rychlejší zpracování u vybraných úloh díky hybridním kvantově-klasickým modelům. Obor je ale teprve v plenkách a současné implementace brzdí omezené možnosti hardwaru, takže o náhradě klasického ML zatím nemůže být řeč. Zdroj: usa.inquirer.net
Důležitost:Spuštěnígenomics
Google DeepMind spustil AlphaGenome Atlas s daty o 9 miliardách DNA variant
Google DeepMind zveřejnil AlphaGenome Atlas, volně dostupný nástroj pro výzkumníky s předpočítanými predikcemi molekulárních účinků a AVI skóre pro zhruba 9 miliard lidských DNA variant. Cílem je usnadnit vědcům rychlé posouzení vlivu genetických variací na biologické funkce. Zdroj: marktechpost.com
Důležitost:Zprávafusion control
AI z Princetonu zvládá řídit fúzní plazma žhavější než Slunce
Vědci z Princetonu vyvinuli AI systém PACMAN, který dokáže v reálném čase a během milisekund korigovat chování fúzního plazmatu. Systém navíc umí předpovědět nebezpečné nestability plazmatu ještě předtím, než nastanou, což by mohlo zvýšit bezpečnost fúzních reaktorů. Zdroj: scitechdaily.com
Důležitost:Zprávamaterials science
AI modely pro materiálovou vědu potřebují lepší fyzikální základ
Tým vedený Michelem Simoncellim vytvořil nový benchmark, který testuje, jak přesně modely strojového učení zachycují kvantové interakce mezi atomy. Cílem je posunout AI systémy používané v materiálové vědě k fyzikálně konzistentnějším předpovědím. Zdroj: eurekalert.org
Důležitost:Výzkumscaling reasoning
Mimozemská mysl: jak začalo škálování tréninku uvažování u AI
Text popisuje, jak v polovině roku 2023 přinesl interní projekt „RLSlow“ první výsledky, které týmu daly jistotu, že škálování tréninku zaměřeného na uvažování je reálně proveditelné. Tento okamžik měl představovat klíčový zlom v důvěře, že se schopnosti modelů v oblasti uvažování dají dál posouvat. Zdroj: openai.com
Důležitost:ZprávaAI research methodology
Meta FAIR představuje Research Preference Models pro třídění ML experimentů před spuštěním na GPU
AI výzkumní agenti dnes dokážou sami navrhovat, spouštět i hodnotit strojové experimenty, jenže zatímco generování nápadů je levné, jejich ověřování už ne. Nové RPM modely od Meta FAIR mají pomoct vybrat nadějné experimenty dřív, než se na ně vynaloží drahý výpočetní výkon na GPU. Zdroj: marktechpost.com
Důležitost:Výzkummultidisciplinary
AI navržená pro fyzikální signály může zlepšit lékařské zobrazování i senzory aut
Tým vědců z UCLA a University of Rochester vylepšil zobrazovací systém využívající AI přizpůsobenou zpracování fyzikálních signálů, nikoli běžných digitálních dat. Přístup by mohl zpřesnit zachycení detailů v biomedicínském zobrazování i u senzorů autonomních vozidel. Zdroj: technology.org
Důležitost:Výzkumtelecommunications
Nový rámec strojového učení má zefektivnit přidělování zdrojů v sítích 5G
Nová studie ukazuje, jak může strojové učení zlepšit správu rádiových zdrojů, tedy jedné z nejcennějších a nejomezenějších složek sítí 5G. Navržený systém má přinést chytřejší a adaptivnější přidělování kapacit pro vyšší efektivitu sítě. Zdroj: bioengineer.org
Důležitost:ZprávaMaterials Science
NSF podpoří nástroj Texas A&M pro rychlejší objevování materiálů
National Science Foundation financuje nový bezplatný open-source software, který pomocí strojového učení pomáhá vědcům rychleji odpovídat na klíčovou otázku při vývoji materiálů. Nástroj má zpřístupnit proces objevování širší vědecké komunitě. Zdroj: news.engineering.tamu.edu
Důležitost:VýzkumMedical AI
Modely strojového učení mají předvídat retinopatii nedonošených dětí
Nová studie zkoumá modely strojového učení pro predikci retinopatie nedonošených, oční choroby, která může u novorozenců způsobit ztrátu zraku. Včasná detekce pomocí těchto modelů by lékařům mohla umožnit rychlejší zásah a prevenci slepoty. Zdroj: nature.com
Důležitost:VýzkumGenomics
Google Research zlepšuje genomické predikce pro nezastoupené populace
Inženýři Google Research Joey Poomarin Phloyphisut a Cory McLean popisují metodu transfer learningu, která má zpřesnit genomické předpovědi pro populace dosud málo zastoupené v genetických studiích. Cílem je omezit zkreslení modelů trénovaných převážně na datech úzké demografické skupiny. Zdroj: research.google
Důležitost:VýzkumNeural Networks
Studie s neuronovou sítí ukazuje, jak trénink ovlivňuje učení
Nová studie použila model neuronové sítě ke zkoumání toho, jak různé typy tréninku ovlivňují samotný proces učení. Výsledky naznačují mechanismy učení, které se mohou týkat jak umělých, tak biologických systémů. Zdroj: healthcare.utah.edu
Důležitost:VýzkumHealthcare
Strojové učení mapuje nerovnosti v primární zdravotní péči
Vědci využívají strojové učení k tvorbě průběžně aktualizovaných map důkazů, které mají pomoci řešit přetrvávající nerovnosti ve zdravotní péči. Metoda by měla odhalit, kde chybí výzkum a péče pro znevýhodněné pacienty nejvíce chybí. Zdroj: bioengineer.org
Důležitost:Výzkumbioinformatics ML
Nový nástroj strojového učení mapuje možná symbiotická spojení mikrobů z genomových dat
Nástroj strojového učení nazvaný symclatron analyzuje genomová data a odhaduje, zda nekultivované bakterie a archea žijí samostatně, nebo vytvářejí symbiotické vztahy s jinými organismy. Přístup nabízí nový způsob, jak zkoumat mikroby, které se nedají pěstovat v laboratorních podmínkách. Zdroj: nature.com
Důležitost:Zprávafinancial forecasting
Studie: kombinace ekonometrie a ML zlepšuje předpovědi volatility, pokud se hlídá kapacita modelu
Nový výzkum zpochybňuje představu, že větší modely a více dat automaticky znamenají lepší finanční předpovědi. Kombinace tradičních ekonometrických metod se strojovým učením spolu s pečlivou kontrolou kapacity modelu naopak zvyšuje přesnost předpovědí volatility. Zdroj: bioengineer.org
Důležitost:Zprávafinancial fraud detection
Nový nástroj strojového učení odhaluje praní špinavých peněz přes stablecoiny
Výzkumníci vyvinuli AI systém založený na analýze chování, který sleduje transakce USDT a USDC na Ethereu a rozděluje peněženky do tří skupin: sankcionované či zmrazené, spojené s kyberzločinem a běžné. Nástroj by měl úřadům usnadnit odhalování nelegálních toků stablecoinů. Zdroj: eurekalert.org
Důležitost:Výzkumtime series forecasting
Google představil TimesFM-3, model pro předpovídání více veličin najednou
Nový model TimesFM-3 od Googlu je základní model pro předpovídání časových řad, který zvládá pracovat s více proměnnými zároveň bez nutnosti dodatečného trénování na konkrétní úlohu. Cílem je dosáhnout špičkové přesnosti napříč různými typy prognóz v rámci jediného univerzálního přístupu. Zdroj: research.google
Důležitost:Zprávamedical AI
AI modely pomáhají odhalit pacienty s Parkinsonem ohrožené rychlejším zhoršováním nemoci
Vědci z University of Miami vyvinuli modely strojového učení, které kombinují klinická data, biomarkery a zobrazovací snímky k identifikaci pacientů s Parkinsonovou nemocí ohrožených rychlejším postupem onemocnění. Přístup by mohl lékařům umožnit dřívější a cílenější zásah. Zdroj: newswise.com
Důležitost:VýzkumAI for Fusion Systems
PACMAN: AI framework řídí fúzní reaktory a rozhoduje během milisekund
PACMAN je AI framework určený k bezpečnému řízení fúzních systémů, který dokáže klíčová rozhodnutí učinit během milisekund. Taková rychlost má pomoci předcházet nestabilitám, jež by mohly poškodit fúzní reaktor nebo narušit jeho provoz. Zdroj: phys.org
Důležitost:ZprávaQuantum AI
Od MIT po IBM: rychlejší nasazení AI a kvantových technologií
Spolupráce mezi výzkumem na MIT a technologickým zázemím IBM má urychlit přechod AI a kvantových počítačů z laboratoří do praktického nasazení. Konkrétní projekty ani časový harmonogram zatím nebyly upřesněny. Zdroj: news.mit.edu