VisionPangu: Искусственный интеллект, который видит и понимает
Новая компактная модель с 1,7 миллиардами параметров демонстрирует впечатляющие результаты в детальном описании изображений и выполнении инструкций.
Денис Аветисян
Предсказание теорем: новый подход к решению геометрических задач
Исследователи разработали метод, позволяющий искусственным интеллектам эффективно решать многошаговые математические задачи, используя структуру предшествующих теорем.
Квантовый эффект Холла: новый взгляд на границы состояний
![Предсказанное поперечное сопротивление Холла, определяемое как [latex]\rho\_{xy}=(h/e^{2})/\nu\_{\rm eff}[/latex], демонстрирует формирование дробных плато, ширина которых обусловлена плотностью допустимых эффективных факторов заполнения, возникающих в результате граничной квантизации; при этом граничные условия Неймана и Робина приводят к последовательностям [latex]\nu\_{\rm eff}=\nu\_{p}/(n+1)[/latex] и [latex]\nu\_{\rm eff}=\nu\_{p}/(n+2)[/latex] соответственно, формируя слегка более широкие плато в первом случае и более плотную, но сближенную последовательность во втором.](https://arxiv.org/html/2603.04652v1/2603.04652v1/IFQHEBoundaryConditionsOnly.jpg)
Исследование показывает, что дробные плато в квантовом эффекте Холла возникают из-за квантования краевых состояний, обусловленного граничными условиями, а не только из топологических свойств материала.
Голос будущего: Оптимизация речевых моделей в условиях децентрализации
Новый подход к обучению языковых моделей для систем распознавания речи позволяет добиться качества, сравнимого с централизованным обучением, используя возможности федеративного обучения и алгоритмов оптимизации.
Искусственный интеллект предсказывает дефекты в материалах с высокой точностью
![Оценка отклонений предсказанных машинными потенциалами структур дефектов от расчетов теории функционала плотности выявила существенные погрешности, проявляющиеся в значительном увеличении среднеквадратического отклонения (RMSD) для дефекта [latex]V_{Sb}[/latex] в [latex]Sb_2Se_3[/latex] при различных зарядовых состояниях, что указывает на неспособность базовых моделей точно воспроизводить энергетические поверхности дефектов и локальное атомное окружение, особенно при экстремальных зарядах.](https://arxiv.org/html/2603.05238v1/2603.05238v1/x1.png)
Новый подход, основанный на машинном обучении, позволяет эффективно моделировать энергетику и структуру точечных дефектов в заряженных кристаллических решетках.
Искусственный интеллект упрощает сложные научные расчеты
Новый агент, разработанный для экосистемы MOOSE, позволяет преобразовывать запросы на естественном языке в готовые к запуску файлы для многофизических симуляций.
Аналогии в нейросетях: как Transformer «понимает» сходство
Новое исследование проливает свет на механизм, позволяющий Transformer-моделям рассуждать, основываясь на аналогиях и связях между понятиями.
Рассуждения на графах: как большие языковые модели учатся видеть мир
Новая архитектура объединяет возможности графовых нейронных сетей и больших языковых моделей для более эффективной обработки и анализа мультимодальных данных.
Полимеры на автопилоте: ускорение поиска новых материалов
Новый автоматизированный подход к высокопроизводительному скринингу полимеров позволяет быстро и надежно предсказывать их свойства, открывая путь к ускоренному материаловедению.
Оптимизация работы больших языковых моделей: динамическая маршрутизация и каскадирование
В статье представлен обзор современных методов интеллектуального распределения запросов между различными большими языковыми моделями для повышения эффективности и снижения затрат.