Денис Аветисян

Искусственный интеллект на службе материаловедению: создание новых материалов по заданным свойствам

от

Новая модель MEIDNet объединяет структурные и функциональные данные, чтобы значительно ускорить поиск и разработку перспективных материалов.

Адаптивные связи: Ускорение машинного обучения для моделирования материалов

от

Динамическая функция отсечения, вводящая разреженность в базовый атомный граф, позволяет сократить потребление памяти до 2.26 раза и время вычислений до 2.04 раза, поддерживая при этом стабильность модели за счет адаптивного определения радиуса, ограничивающего количество рассматриваемых атомов.

Новый подход к построению межatomных потенциалов на основе машинного обучения позволяет значительно сократить вычислительные затраты и объем памяти без потери точности моделирования.

Перестройка смысла: Как модели рассуждений влияют на векторные представления текста?

от

Результаты линейной пробы между моделями демонстрируют, что разница Δ между производительностью, полученной на базе [latex]\mathcal{M}\_{base}[/latex] (или её эмбеддингах [latex]\mathcal{M}\_{base}^{\textit{Emb}}[/latex]) и [latex]\mathcal{M}\_{reason}[/latex] (или [latex]\mathcal{M}\_{reason}^{\textit{Emb}}[/latex]), позволяет оценить степень переносимости знаний между моделями - чем меньше эта разница, тем сильнее способность к переносу.

Новое исследование показывает, что обучение с подкреплением не улучшает качество векторных представлений текста, но существенно меняет их внутреннюю организацию.

Границы Безопасности: Как Данные Определяют Работу Критически Важного ИИ

от

Новый подход позволяет четко определить условия, в которых искусственный интеллект может безопасно функционировать, опираясь на анализ данных, а не только на экспертные оценки.

Несовершенные узоры Тьюринга: самосборка частиц в неспокойной среде

от

Уникальные узоры кожи коробчатой рыбы, демонстрирующие шестиугольные и полосатые структуры, воспроизведены в симуляции посредством диффузиофоретической сборки клеток под воздействием реакции-диффузии биохимических молекул, что позволило смоделировать не только характерные масштабы узоров [latex]\lambda_{C}[/latex] и [latex]\lambda_{N}[/latex], но и присущие им дефекты, вариации толщины и

Новое исследование демонстрирует, как неравновесные процессы и диффузиофорез позволяют создавать сложные биологические структуры, выходящие за рамки классических моделей формирования узоров.

Искусственный интеллект в разработке: новые возможности и скрытые риски

от

Обзор посвящен влиянию больших языковых моделей на способность программного обеспечения к развитию и поддержке, выявляя как преимущества, так и потенциальные проблемы.

Энергоэффективность планирования: как конфигурация модели влияет на потребление

от

Новое исследование показывает, что выбор конфигурации доменной модели в задачах классического планирования оказывает существенное влияние на энергопотребление решателя.

Умный поиск: адаптация запросов для генеративных систем

от

Разработанный алгоритм ACQO использует двухэтапное обучение с подкреплением для адаптивной оптимизации сложных запросов и интеграции результатов множественного поиска посредством объединения рангов и оценок.

Новый подход позволяет оптимизировать сложные запросы в системах, использующих извлечение информации и генерацию текста, повышая их эффективность и качество ответов.

Экономия ресурсов: новый подход к большим языковым моделям

от

Рассматриваемая методика MAR преобразует плотную модель, основанную на механизмах внимания, в разреженную и эффективную линейную последовательность посредством двухэтапной оптимизации, что позволяет снизить вычислительные затраты без потери качества представления данных.

Исследователи предлагают инновационную архитектуру, позволяющую значительно снизить энергопотребление мощных языковых моделей без потери производительности.