Автоматизированная лаборатория материалов: ускорение исследований в экстремальных условиях

Лаборатория искусственного интеллекта для разработки материалов в Университете Джонса Хопкинса объединяет пять экспериментальных установок - рентен-дифракцию и рентен-флуоресценцию (MAXIMA), установку для ударных исследований с использованием лазерного микрофлаера (HELIX) и наноиндентатор (SPHINX) - вокруг центральной системы транспортировки и роботизированной обработки образцов, дополненных профилометрией для анализа топографии поверхности и гибкой станцией для интеграции новых возможностей.

Новая платформа позволяет проводить высокопроизводительный анализ структурных материалов, открывая путь к более быстрым и эффективным открытиям.

Творческий процесс под микроскопом: от логов к искусственному интеллекту

В ходе творческого процесса пользователь исследует множество параллельных вариаций, представленных узлами изображения, видео и запросов, прежде чем сфокусироваться на единой линии развития, что отражает закономерность поиска и сужения возможностей.

Новый подход позволяет реконструировать сложные этапы творческой работы пользователя на основе анализа системных журналов, открывая путь к созданию более интеллектуальных помощников.

Медицинские изображения: управление генерацией с помощью «контрастных векторов»

Метод MedSteer реализует направляемое управление генерацией изображений посредством пространственно-селективного воздействия на активации замороженной модели DiT, где оценка патологических векторов, основанная на кросс-внимании и нормализации, позволяет корректировать активации на определенных слоях [latex]l \in \{L_s, \dots, L_e\}[/latex] во время процесса денойзинга, используя косинусную меру схожести для определения степени воздействия и получения контрфактических активаций [latex]h'_{l,t}[/latex].

Новый метод позволяет создавать реалистичные медицинские изображения, изменяя отдельные характеристики и сохраняя общую структуру, без дополнительного обучения моделей.

Поэт и машина: как искусственный интеллект меняет наше понимание стихов

В исследовании оценивалось влияние помощи искусственного интеллекта на интерпретацию поэзии, где участники, анализируя стихи, работали в трех условиях: без помощи, с одной интерпретацией ИИ и с тремя интерпретациями ИИ, что позволило выявить, как различные объемы предоставленной ИИ информации влияют на процесс понимания и восприятия поэтических текстов.

Новое исследование показывает, что помощь ИИ в интерпретации поэзии может повысить качество анализа, но избыток машинных толкований не только не улучшает впечатления, но и снижает уверенность опытных читателей.

Визуальный стиль под контролем: планирование и рассуждения для редактирования изображений

Переход от пустынного ландшафта к мшистому саду демонстрирует, что модель, использующая три действия и детализированное контекстуальное обоснование, способна генерировать более правдоподобные результаты трансформации стиля по сравнению с базовой моделью, также использующей три действия.

Новый подход позволяет создавать сложные визуальные эффекты, используя планирование на основе рассуждений и обучение с подкреплением на основе готовых данных.

Физика по плечу нейросетям? Проверка искусственного интеллекта на прочность

Наблюдаемые колебания в эффективности моделей искусственного интеллекта при оценке экзаменационных работ по физике демонстрируют нестабильность рейтингов, поскольку конкретные характеристики экзаменационных заданий разных лет - например, повышенная сложность в 2017 и 2022 годах или, напротив, относительная легкость в 2021 - существенно влияют на результаты и степень согласованности оценок между независимыми экспертами.

Новое исследование сравнивает способность современных языковых моделей решать задачи из курса углубленной физики, выявляя сильные и слабые стороны искусственного интеллекта в научном мышлении.

Искусственный интеллект настраивает CUDA-ядра как профессионал

Предлагаемый фреймворк, включающий в себя комплексный бенчмарк MSKernelBench для оптимизации CUDA-ядер в различных областях - от плотных вычислений до моделей больших языков - и систему CUDAMaster, классифицирующую задачи по узким местам производительности и использующую многоагентный подход, демонстрирует способность не только достигать значительных улучшений производительности и поддерживать корректность операций во всех протестированных сценариях, но и генерировать ядра, превосходящие по эффективности даже закрытые, вручную оптимизированные библиотеки.

Новая система, основанная на больших языковых моделях, демонстрирует впечатляющие результаты в автоматической оптимизации CUDA-ядер для различных сценариев.