Медицинская визуализация: новый взгляд на точность и эффективность
Исследователи предлагают инновационный подход к сегментации медицинских изображений, объединяющий возможности компьютерного зрения и обработки естественного языка.
Исследователи предлагают инновационный подход к сегментации медицинских изображений, объединяющий возможности компьютерного зрения и обработки естественного языка.

Новый подход позволяет более эффективно корректировать ошибки в системах искусственного интеллекта, особенно в тех случаях, когда модель излишне уверена в неверных ответах.
Новое исследование показывает, что современные системы искусственного интеллекта, основанные на оптимизации, принципиально не способны к соблюдению этических норм и нормативного регулирования.

Новый подход позволяет значительно повысить скорость и снизить затраты на адаптацию крупных языковых моделей к конкретным задачам.

Представлен масштабный лингвистический ресурс, открывающий новые возможности для анализа и исследований в области блокчейн и других технологий распределенного реестра.

Новое исследование показывает, как персонализированные диалоги с ИИ могут помочь людям лучше понимать эффективность мер по борьбе с изменением климата и стимулировать их к действиям.
![В ходе моделирования структуры, чувствительной к вариациям, на платформе SuperMUC-NG с использованием 64 MPI процессов, установлено, что производительность стратегии симуляции напрямую зависит от степени неоднородности размеров областей и вариативности скорости спайков между ними, причём коэффициент вариации размеров областей [latex] CV_{\mathrm{area\;size}} [/latex] и скорости спайков [latex] CV_{\mathrm{spike\;rate}} [/latex] оказывают существенное влияние на фактор реального времени, а отношение [latex] D_D [/latex] минимальной межобластной задержки к общей минимальной задержке [latex] d_{\mathrm{min}} = 0.1\,\mathrm{ms} [/latex] определяет стабильность и эффективность симуляции, что подтверждается усреднением данных по трём независимым начальным условиям.](https://arxiv.org/html/2602.23274v1/2602.23274v1/x8.png)
Новое исследование показывает, как учет структуры связей в нейронных сетях позволяет значительно повысить эффективность крупномасштабных симуляций.

Новое исследование систематически анализирует внутреннюю структуру моделей, обученных на данных одноклеточной геномики, чтобы понять, насколько хорошо они отражают реальные биологические закономерности.
![Предложенная гибридная параллельная схема диффузионного вывода адаптивно переключает режимы параллелизма в точках [latex]\tau_{1}[/latex] и [latex]\tau_{2}[/latex], оптимизируя баланс между вычислительной эффективностью и согласованностью условного управления, что позволяет добиться значительного ускорения вывода при сохранении высокого качества генерируемых результатов.](https://arxiv.org/html/2602.21760v1/x3.png)
Исследователи предлагают гибридный метод распараллеливания, позволяющий значительно ускорить процесс генерации изображений с помощью диффузионных моделей, не теряя при этом в качестве.
![Интегрированный выжиматель двойного резонанса демонстрирует снижение квантовых шумов на [latex] -0.81\text{\,}\mathrm{d}\mathrm{B} [/latex] и увеличение антивыжимания на [latex] +4.29\text{\,}\mathrm{d}\mathrm{B} [/latex] при изменении угла выжимания, что подтверждает возможность управления квантовыми флуктуациями посредством модуляции фазы в экспериментальной схеме, включающей ближний инфракрасный лазер, фазовый модулятор и гомодинный детектор.](https://arxiv.org/html/2602.22693v1/2602.22693v1/Fig/F4_Squeezing.jpg)
Исследователи продемонстрировали компактный и эффективный источник сжатого света на базе ниобата лития, открывающий перспективы для создания масштабируемых квантовых устройств.