![В рамках исследования разработан фреймворк объяснимого глубокого обучения для выявления реакционных координат, основанный на выборке коммитор-вероятности [latex]p_{\mathrm{B}}^{*}[/latex] и использующий многослойную нейронную сеть с [latex]N_{\mathrm{layer}}[/latex] слоями и [latex]\mathbf{N}_{\mathrm{node}}[/latex] узлами, обученную таким образом, чтобы коммитор-вероятность соответствовала сигмоидальной функции [latex]p_{\mathrm{B}}(q) = [1 + \tanh(q)]/2[/latex], что позволяет идентифицировать доминирующие коллективные переменные, определяющие реакционную координату [latex]q[/latex] и оценивать распределение коммитор-вероятности на соответствующем ландшафте свободной энергии.](https://arxiv.org/html/2603.25237v1/x1.png)
Новый подход, объединяющий глубокое обучение и методы объяснимого искусственного интеллекта, позволяет выявлять ключевые факторы, определяющие ход сложных химических реакций и переходов.
Исследователи предлагают метод, позволяющий значительно повысить скорость работы диффузионных языковых моделей без необходимости дополнительного обучения.
Новое исследование выявляет слабые места метода дистилляции с учителем и предлагает простой способ повышения его надежности в задачах, требующих последовательных действий.
В статье представлен инновационный фреймворк, использующий возможности больших языковых моделей для автоматизации сложных многоступенчатых вычислений в химии.
Новая система Voxtral TTS демонстрирует впечатляющие результаты в преобразовании текста в естественную и выразительную речь, открывая возможности для многоязычного синтеза и клонирования голоса.
Новый обзор научных работ показывает, что хотя ИИ и помогает ускорить разработку программного обеспечения, качество генерируемого кода сильно зависит от взаимодействия человека и машины.
Исследователи представили RealRestorer — модель, способную эффективно восстанавливать фотографии, поврежденные в реальных условиях, и новый эталон для оценки качества восстановления.
Новое исследование оценивает способность современных языковых моделей к вредоносным манипуляциям и выявляет факторы, влияющие на их эффективность.
Исследователи представили WAFT-Stereo — инновационную систему, использующую высокоточное искажение пространства признаков для достижения превосходных результатов в стереосопоставлении.
![Представленная методика обеспечивает высокую степень соответствия между запросами на естественном языке и полученными результатами реконструкции данных, демонстрируя среднее соотношение качества, оцениваемое по PSNR, в 98.1±4.2% на шести модальностях реальных данных, при этом строгость теоретических ограничений варьируется в диапазоне [1.8, 5.2], что подтверждает надежность и математическую обоснованность подхода, особенно заметно при реконструкции данных КТ (24.8 дБ), МРТ (31.7 дБ) и CASSI (24.3 дБ).](https://arxiv.org/html/2603.25636v1/x1.png)
Новая разработка позволяет автоматически проектировать системы вычислительной визуализации, опираясь на описания на естественном языке и используя ограниченный набор базовых операций.