Akademické práce, výzkumné průlomy a vědecké pokroky ve strojovém učení a AI.
314 článků
Vědci vyvinuli metodu strojového učení, která identifikuje rakovinné buňky na základě způsobu, jakým rozptylují světlo v obarvených vzorcích. Přístup by mohl doplnit klasické cytologické vyšetření, při němž patologové buňky posuzují pod mikroskopem. Zdroj: medicalxpress.com
Vědci vytvořili AI pipeline kombinující screening podle symetrie, strojové učení a výpočty teorie funkcionálu hustoty pro hledání altermagnetických kovoorganických struktur (MOF). Z desítek tisíc kandidátů tak zůstalo jen 15 nejperspektivnějších materiálů. Zdroj: azom.com
Výzkumníci ze Stanfordu představili nástroj Paper2Agent, který převádí vědecké články na otestované MCP servery, díky nimž mohou AI agenti spouštět popsané metody pomocí přirozeného jazyka. Cílem je, aby agenti dokázali reprodukovat publikované výsledky a aplikovat je na nová data. Zdroj: marktechpost.com
Výzkumníci uvádějí, že při použití vhodného logického kontextu dosáhly náhodné stabilizátorové úlohy stoprocentní přesnosti na pěti- a šestikubitových kvantových systémech. Zjištění naznačují hlubší souvislost mezi strukturami kvantové logiky a interpretovatelnými ML modely. Zdroj: quantumzeitgeist.com
S rozvojem AI systémů se část výzkumníků zaměřuje na to, jak by AI mohla nejen řešit, ale i vytvářet nové matematické úlohy. Tento přístup, označovaný jako generování obrácených problémů, je prezentován jako nová oblast pro počítačovou matematiku. Zdroj: techxplore.com
Strojové učení umožňuje počítačům učit se vzory z dat a využívat je k předpovědím či rozhodování. Ve zdravotnictví se takové modely čím dál více uplatňují při vyhodnocování lékařských snímků a vědci nyní vyvíjejí nové postupy, které mají tyto AI analýzy učinit spolehlivějšími. Zdroj: medicalxpress.com
Nová rozsáhlá analýza tvrdí, že inženýři už nemusí drahé neuronové sítě nejprve natrénovat, aby zjistili, zda daná architektura vůbec funguje. Návrh hlubokých modelů dosud znamenal nákladný proces pokus-omyl s hodinami až dny výpočtů na GPU. Podle nových zjištění lze výkon modelu odhadnout ještě před samotným trénováním, což může výrazně ušetřit výpočetní zdroje. Zdroj: bioengineer.org
Vědci z UC Santa Barbara a Lawrence Livermore National Laboratory zahájili spolupráci na využití AI pro zrychlení simulací plazmatu při jaderné fúzi. Cílem partnerství je zefektivnit složité modelování plazmatu a přiblížit tak praktické využití fúzní energie. O projektu informoval Andrew Masuda. Zdroj: edhat.com
Tenká vrstva materiálu mezi elektrolytem a elektrodami v lithium-iontových bateriích výrazně ovlivňuje, jak snadno se ionty pohybují uvnitř článku. Vědci z LLNL použili strojové učení k lepšímu pochopení a vylepšení této mezivrstvy s cílem zvýšit výkon baterií. Zdroj: hpcwire.com
Multi-label klasifikace, tedy přiřazování více štítků najednou jednomu objektu, je běžnou úlohou v moderních AI systémech. Nový přístup přeformulovává štítky jako preference, což činí modely odolnějšími a spolehlivějšími. Zdroj: bioengineer.org
Průmyslové řídicí systémy tiše pohánějí moderní svět — od úpravy pitné vody přes elektrické rozvodné sítě až po chemické provozy. Výzkumníci nyní kombinují teorii informace se strojovým učením, aby dokázali odhalit kyberútoky mířící na tuto kritickou infrastrukturu. Zdroj: bioengineer.org
Proteiny jsou základem biologických procesů a jejich funkce závisí na složitém vztahu mezi sekvencí aminokyselin a jejich prostorovou strukturou. Nový model SimpleDesign navrhuje sekvenci i strukturu společně, místo aby je řešil odděleně jako dosavadní přístupy. Zdroj: machinelearning.apple.com
Google Research vyvinul framework ToolGrad, který generuje trénovací data pro využívání nástrojů v LLM tak, že postupuje odzadu od výsledné odpovědi. Přístup dosahuje 99,8% úspěšnosti a skóre 83,1 v benchmarku BFCL. Zdroj: marktechpost.com
Vědci z Columbia University a University of Cambridge vytvořili nový benchmark pro hodnocení strojového učení při predikci vlastností materiálů. Cílem je zvýšit spolehlivost AI modelů ve vědě o materiálech propojením poznatků z kvantových výpočtů s metodami hodnocení ML. Zdroj: quantumzeitgeist.com
IBM a NASA zveřejnily jako open source model NASA-IBM Lunar Foundation Model, jeden z prvních veřejně dostupných základních modelů určených pro vědecký výzkum Měsíce. Model má podpořit další výzkum a průzkum lunárního povrchu. Zdroj: newsroom.ibm.com
Kreditní skóre, tříciferné číslo, výrazně ovlivňuje přístup Američanů k hypotékám, autoúvěrům i dalším formám úvěru. Strojové učení se stále více využívá k přesnějšímu výpočtu a využití tohoto skóre věřiteli. Zdroj: cacm.acm.org
Tenká vrstva materiálu mezi elektrolytem a elektrodami v lithium-iontových bateriích výrazně ovlivňuje jejich výkon. Díky strojovému učení vědci nyní lépe chápou, jak tato mezivrstva ovlivňuje pohyb lithiových iontů. Zdroj: techxplore.com
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
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
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