Денис Аветисян

Искусственный интеллект в поисках лекарств: за пределами формул

от

Разрыв между вычислительными возможностями в области разработки лекарств - эффективными при работе с молекулярными представлениями и базами данных - и сложной реальностью биологических исследований, включающей многомодальные данные и компромиссы между различными целями, подчеркивает архитектурные ограничения, которые данная работа стремится преодолеть.

Новое исследование выявляет ключевые ограничения современных систем искусственного интеллекта, используемых для разработки лекарств, и предлагает пути их преодоления.

Изображение как обходной путь: как взломать нейросети для редактирования фото

от

Предложенная платформа 𝙸𝙴𝚂𝙱𝚎𝚗𝚌𝚑 демонстрирует уязвимость систем компьютерного зрения к взлому без использования текстовых запросов, что подтверждается исключительно визуальным методом атак [latex]VJA[/latex].

Новое исследование демонстрирует, что злоумышленники могут обходить текстовые фильтры безопасности, используя визуальные подсказки для манипулирования моделями редактирования изображений.

Квантовый расчёт сложных молекул: новый подход к электронным структурам

от

Гибридный квантово-классический рабочий процесс, объединяющий вариационный квантовый алгоритм (VQE) с методом классической теории функционала плотности пар (MC-PDFT), позволяет эффективно разделять статическую и динамическую корреляции в электронных системах, используя химически обоснованное активное пространство, представленное π-системой бензола, и самосогласованную оптимизацию как коэффициентов конфигураций, так и молекулярных орбиталей посредством квантовой схемы, включающей параметризованный оператор вращения орбиталей [latex]\hat{U}(\boldsymbol{\kappa})[/latex], полученного из классического градиента орбитального вращения [latex]\boldsymbol{\kappa}[/latex].

Исследователи разработали гибридный квантово-классический алгоритм, позволяющий более точно моделировать поведение электронов в сложных химических системах.

Математика на Автопилоте: Искусственный Интеллект в Поисках Новых Истин

от

Агент Aletheia представлен в виде схемы, демонстрирующей архитектуру, предназначенную для реализации принципов, лежащих в основе поиска истины и обработки информации.

Новое исследование демонстрирует, как системы искусственного интеллекта могут самостоятельно исследовать математические задачи, проверять гипотезы и даже делать новые открытия.

Фотонные вычисления и машинное обучение: новый инструмент для исследований

от

Архитектура MerLin объединяет оптимизацию на основе PyTorch с нативным фотонным исполнением посредством логико-фотонного моста и дифференцируемых квантовых слоёв, позволяя моделировать и выполнять квантовые вычисления, включая инференс на фотонных квантовых процессорах Quandela, причём стратегии измерений и поведение детекторов раскрывают полные квантовые состояния или частично измеренные наблюдаемые, возвращая амплитуды или вероятностные распределения в качестве классических выходных данных для задач машинного обучения.

Представлен MerLin — программный комплекс, позволяющий моделировать и оценивать производительность фотонных квантовых алгоритмов машинного обучения.

Где кончается разум: оптимальная длина ответа в нейросетях

от

В ходе обучения модели Qwen3-1.7B-Base обнаружена выраженная отрицательная зависимость длины ответа от корректности, проявляющаяся в том, что ошибочные ответы в среднем значительно превосходят по длине правильные, что подтверждается анализом скользящего среднего за 20 шагов.

Новое исследование показывает, что производительность языковых моделей, обученных с подкреплением, не всегда растет с увеличением длины генерируемого текста.

Оптимизация Комбинаторных Задач: Новый Взгляд с Помощью Автокодировщиков

от

Автокодировщик, обученный исключительно на допустимых решениях, преобразует комбинаторные задачи в компактный бинарный код, который затем используется для обучения машины факторизации, аппроксимирующей целевую функцию в виде QUBO и оптимизируемой с помощью имитации квантового отжига, позволяя осуществлять чёрноящичную оптимизацию без ручного кодирования признаков.

Исследование показывает, как автокодировщики, обучаясь на представлении задачи, могут значительно повысить эффективность поиска решений в сложных комбинаторных задачах.