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.

Новый подход позволяет значительно повысить скорость и снизить затраты на адаптацию крупных языковых моделей к конкретным задачам.
Новое исследование показывает, что современные системы искусственного интеллекта, основанные на оптимизации, принципиально не способны к соблюдению этических норм и нормативного регулирования.

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.
![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.

Новое исследование систематически анализирует внутреннюю структуру моделей, обученных на данных одноклеточной геномики, чтобы понять, насколько хорошо они отражают реальные биологические закономерности.