Денис Аветисян

Машина доказательств: Искусственный интеллект осваивает математические теоремы

от

Seed-Prover 1.5 демонстрирует превосходство над существующими передовыми системами доказательства теорем, подтверждая свою эффективность в автоматизированном решении сложных задач.

Новая система Seed-Prover 1.5 демонстрирует значительный прогресс в автоматическом доказательстве теорем, приближая компьютерное мышление к человеческому.

Искусственный интеллект: Диалектика развития

от

Новый подход к построению ИИ основан на принципах конкурентного кодирования и оптимизации структур с минимальной избыточностью, позволяя формировать устойчивые и понятные концепции.

Квантовая симуляция спиновых систем: новый подход к моделированию материалов

от

Для приближенного моделирования намагниченности и энергии основного состояния CuPzN с использованием метода SKQD для систем из 18 и 30 спинов, результаты демонстрируют соответствие теоретическим предсказаниям, полученным методами Бете и передовыми расчетами DMRG.

Исследователи продемонстрировали эффективность алгоритма Sample-based Krylov Quantum Diagonalization для моделирования поведения магнитных моментов в сложных материалах на квантовых компьютерах.

Обучение диалоговых агентов: новый подход к многоходовым взаимодействиям

от

В сравнительном анализе алгоритмов обучения с подкреплением для решения головоломки Сокобан, Turn-PPO демонстрирует превосходство над token-PPO в большинстве конфигураций, что указывает на эффективность оценки преимущества на уровне хода для повышения производительности.

Исследователи предлагают инновационную методику обучения языковых моделей, способных эффективно взаимодействовать в продолжительных диалогах.

Квантовые вычисления на службе белка: новый подход к моделированию сложных биомолекул

от

В рамках вычислений EWF-(SQD,FCI) реализован квантово-классический рабочий процесс, объединяющий выбор решателя, выполнение квантовой схемы и последующую классическую обработку для достижения оптимального баланса между точностью и вычислительной эффективностью.

Исследователи продемонстрировали масштабируемый квантово-центричный метод электронно-структурных расчетов, позволяющий моделировать крупные белки и открывающий перспективы для более точного понимания их функций.

Искусственный разум в науке: насколько близки большие языковые модели к настоящему мышлению?

от

Четырехстадийная схема, включающая этапы обдумывания, концептуализации, действия и восприятия, определяет процесс научных открытий, сопоставляя задачи с возможностями и согласовывая оценку с практикой исследователей.

Новое исследование оценивает способность современных ИИ-систем выполнять полные научные исследования, выявляя существенные ограничения в их способности к комплексному научному мышлению.

Квантовые вычисления с кубитами высшего порядка: новый подход к моделированию

от

Исследование временных затрат и точности моделирования для bDAQC и DQC выявило, что отбраковка коротких блоков симуляции влияет на общую продолжительность, при этом в bDAQC наблюдаются различные режимы точности в зависимости от значения параметра $\theta$, варьирующегося от 0 до $\pi$, с количеством однокубитных гейтов, составляющим 0, 18, 27 и 99 соответственно, что определяет наблюдаемые различия в точности.

В статье рассматривается расширение концепции цифро-аналоговых квантовых вычислений для кубитов с размерностью больше двух, что открывает перспективы для более эффективного квантового моделирования.

Обучение терпению: Как агенты синхронизируются с реальным миром

от

Несинхронность между физическим временем и когнитивным восприятием агента создаёт проблему временной согласованности, которую традиционные подходы решают либо за счёт чрезмерных запросов, либо маскируют за счёт длительности задач, таких как программирование или математические вычисления, в то время как предлагаемый подход активно предсказывает оптимальную задержку $T_{sleep}$, обеспечивая синхронизацию без избыточных запросов и минимизируя расхождение во времени.

Новое исследование показывает, что интеллектуальные агенты могут научиться адаптироваться к задержкам и непредсказуемости реальных сред, предсказывая время выполнения задач.