Денис Аветисян ![Система [latex]𝖯𝗋𝗈𝗍𝖾𝗀𝗈𝖥𝖾𝖽\mathsf{ProtegoFed}[/latex] обеспечивает защиту от отравленных данных, поступающих с внешних платформ, посредством преобразования Фурье (DCT) для анализа частотных характеристик, последующего снижения размерности и кластеризации, после чего локальные центроиды отправляются на сервер для поиска по основному кластеру, минимизируя накладные расходы и гарантируя надежность обучения.](https://arxiv.org/html/2603.00516v1/2603.00516v1/x5.png)
Исследователи предлагают метод выявления и нейтрализации отравленных данных в распределенных системах машинного обучения, обеспечивая надежность моделей без ущерба для их производительности.
![Процедура QSGWGW расчётов, начинающаяся с вычислений KS-DFT и приводящая к самосогласованию с использованием программного обеспечения LibRPA, оперирует индексами [latex]i, j[/latex], обозначающими базисные функции NAO с магнитным квантовым числом [latex]m[/latex]; состояниями одночастичных волновых функций [latex]\psi_{p\mathbf{k}}[/latex], где [latex]\mathbf{k}[/latex] - волновой вектор Блоха, и передачей импульса [latex]\mathbf{q}[/latex] в выражении [latex]W_{\mu\nu}^{0}(\mathbf{q},\mathrm{i}\omega)[/latex], учитывая атомные индексы [latex]I, J[/latex] и номер итерации [latex]n[/latex].](https://arxiv.org/html/2603.00637v1/2603.00637v1/QSGW_in_LibRPA.png)
Исследователи разработали усовершенствованный метод QSGW, позволяющий более точно моделировать поведение электронов в молекулах и кристаллических структурах.
Квантовые сенсоры: Новая эра измерений Представьте себе, что вы пытаетесь услышать шепот на шумной улице. Классические датчики – это как кричать громче. Квантовые сенсоры – это как настроить слух на частоту шепота, игнорируя весь остальной шум. Это принципиально иной подход к измерению, и он открывает возможности, недоступные классическим технологиям. В основе квантовых сенсоров лежит та … Читать далее
Статья предлагает переосмыслить подходы к оценке искусственного интеллекта, фокусируясь на понимании скрытых причинно-следственных связей и контекста, в котором ИИ проявляет свои способности.
Исследователи представляют MicroWorldBench — платформу для оценки и улучшения способностей искусственного интеллекта моделировать микроскопические явления, открывая новые горизонты для биомедицинских исследований.
В статье рассматривается, как генеративные модели искусственного интеллекта меняют подход к обеспечению качества программного обеспечения.
Исследователи разработали квантовый алгоритм, позволяющий значительно ускорить процесс диффузии в сетчатых фильтрах, открывая новые возможности для анализа данных.
В статье исследуется, как развитие генеративного искусства и искусственного интеллекта меняет наше представление о создании и восприятии нарративов.
![Трансформерные языковые модели, обученные с использованием Muon-Kimi и AdamW, демонстрируют стабильность норм признаков и эффективную передачу гиперпараметров при масштабировании ширины и глубины благодаря применению [latex]\mu\mu P[/latex], что позволяет добиться снижения потерь по сравнению с SP при увеличении соответствующих параметров.](https://arxiv.org/html/2603.00541v1/2603.00541v1/x4.png)
Исследование предлагает единое условие спектрального масштабирования для стабильной и эффективной тренировки глубоких нейронных сетей при одновременном увеличении ширины и глубины.
![Наблюдения на бенчмарке GEdit демонстрируют, что разработанный алгоритм ADE-CoT (обозначен фиолетовой звездой) последовательно превосходит современные методы Image-CoT по всем моделям и при различных объемах выборки ([latex]N = 1, 2, 4, 8, 16, 32[/latex]), обеспечивая оптимальный баланс между производительностью и вычислительными затратами (NFE).](https://arxiv.org/html/2603.00141v1/2603.00141v1/x6.png)
Новый подход к масштабированию времени выполнения позволяет добиться оптимального баланса между скоростью и качеством при редактировании изображений с использованием диффузионных моделей.