Искусственный интеллект на службе науки: новая эра самообучения
![В ходе сравнительного анализа эволюционных алгоритмов [latex]ASI-Evolve[/latex], [latex]GEPA[/latex] и [latex]OpenEvolve[/latex] продемонстрирована вариативность в динамике развития, особенно заметная при использовании моделей [latex]GPT-5-mini[/latex] и [latex]Qwen3-{32}B[/latex] для [latex]ASI-Evolve[/latex], что указывает на чувствительность алгоритмов к базовым моделям и необходимость учета разброса результатов при повторных запусках.](https://arxiv.org/html/2603.29640v1/assets/model_comparison.png)
В статье представлена система Asi-Evolve, демонстрирующая, как ИИ может самостоятельно проводить научные исследования и ускорять собственное развитие.
![В ходе сравнительного анализа эволюционных алгоритмов [latex]ASI-Evolve[/latex], [latex]GEPA[/latex] и [latex]OpenEvolve[/latex] продемонстрирована вариативность в динамике развития, особенно заметная при использовании моделей [latex]GPT-5-mini[/latex] и [latex]Qwen3-{32}B[/latex] для [latex]ASI-Evolve[/latex], что указывает на чувствительность алгоритмов к базовым моделям и необходимость учета разброса результатов при повторных запусках.](https://arxiv.org/html/2603.29640v1/assets/model_comparison.png)
В статье представлена система Asi-Evolve, демонстрирующая, как ИИ может самостоятельно проводить научные исследования и ускорять собственное развитие.
![Алгоритм вариационного итеративного вращения, основанный на динамической системе классических вращающихся тел, использует последовательные вращения спинов в [latex]xz[/latex]-плоскости под углом α, локальные вращения вокруг оси [latex]z[/latex] на угол [latex]\gamma_{n}h_{i}^{z}[/latex], определяемый локальным полем [latex]h_{i}^{z}=\sum_{j\neq i}J_{ij}s_{j}^{z}[/latex], и глобальное вращение вокруг оси [latex]x[/latex] на угол [latex]\beta_{n}[/latex], повторяемые [latex]p[/latex] раз, оптимизируя параметры α, [latex]\gamma_{n}[/latex] и [latex]\beta_{n}[/latex] для минимизации средней энергии финального состояния, что приводит к детерминированной эволюции спинов в конфигурации Изинга с [latex]s_{i}^{z}=\pm 1[/latex], соответствующей минимуму целевой функции исходной оптимизационной задачи.](https://arxiv.org/html/2604.01512v1/FIGURE-1.png)
Исследователи разработали классический алгоритм, демонстрирующий превосходство над квантовым алгоритмом QAOA при решении сложной задачи оптимизации, ставя под вопрос необходимость квантовых ресурсов.
В статье рассматривается применение байесовской оптимизации для эффективного планирования экспериментов и автоматизации процесса научных исследований.
В статье представлен всесторонний обзор проблем и возможностей создания масштабируемой квантовой сети, объединяющей классические и квантовые ресурсы.

Новое исследование выявило, как языковые модели локализуют и извлекают факты, используя отдельные нейроны в ранних слоях сети.
Квантовые Забавы: Ошибки, Близнецы и Криптография Знаете, как в шахматах? Кажется, что ты контролируешь ситуацию, но достаточно одной маленькой ошибки, и вся партия может пойти прахом. Квантовый мир – это примерно то же самое, только ошибки появляются сами собой, и их гораздо, гораздо больше. Ошибка – двигатель прогресса Две статьи – одна о защите криптовалюты … Читать далее
![Реализация функции [latex] \mathbf{U}_{g}(z) [/latex] для индикатора среднего значения [latex] g(z, \bm{X}^{\<i>}) = \mathbf{1}\{\bar{X}^{\</i>}\leq z\} [/latex] включает в себя накопление суммы [latex] \sum_{j}X_{j}^{\<i>} [/latex] в регистре, сравнение с порогом </i>z*, изменение состояния кубита-метки и последующую отмену арифметических операций, демонстрируя способ реализации логики на основе квантовых вычислений.](https://arxiv.org/html/2604.00951v1/figures/QC_mean_exmp.png)
В статье представлена методика Квантового СтатБута (QBOOT), использующая возможности квантовых вычислений для потенциального ускорения расчёта бутстрап-распределений.

В статье представлен обзор текущих тенденций и перспектив применения искусственного интеллекта для эффективного и экологичного поиска новых материалов и химических соединений.
![Ограничение длины ответов значительно улучшает производительность больших языковых моделей, сокращая разрыв между ними и более компактными системами на 67% (с 44.2% до 14.8%, [latex]t=7.80[/latex], [latex]p<0.0001[/latex]), и даже приводя к превосходству больших моделей в задачах, требующих краткости, таких как GSM8K и MMLU-STEM, что подтверждается снижением средней длины ответа с 197 токенов до 78 (сокращение на 60%) и устанавливает причинно-следственную связь между излишней многословностью и снижением эффективности.](https://arxiv.org/html/2604.00025v1/x3.png)
Новое исследование показывает, что в определенных задачах меньшие языковые модели могут превосходить более крупные, демонстрируя феномен, когда увеличение масштаба приводит к снижению производительности.
Квантовый горизонт: Ближе, чем кажется Представьте себе, что вы пытаетесь удержать воду в решете. Чем быстрее течет вода, тем больше усилий требуется. Вот и с криптографией: мы постоянно совершенствуем «решето» (алгоритмы), но квантовые компьютеры – это все более мощный поток. Эти последние работы показывают, что поток приближается быстрее, чем мы думали. По сути, все сводится … Читать далее