![Разность химических потенциалов льда Ih и воды, рассчитанная с использованием моделей, основанных на теории функционала плотности, демонстрирует температурные точки, в которых [latex]\Delta\mu\_{\mathrm{ice}-\mathrm{liq}}(T)=0[/latex], определяющие температуры плавления [latex]T\_{\mathrm{m}}[/latex].](https://arxiv.org/html/2512.23939v1/x7.png)
Новое исследование сравнивает точность различных методов машинного обучения при моделировании поведения воды и льда, раскрывая ключевые факторы, влияющие на предсказание фазовых переходов.
В этой статье мы расскажем, как быстро и эффективно обучать модели Hugging Face на платформе AWS SageMaker, избавляя вас от сложностей развертывания в облаке.
![Разработанная модель SeedFold, масштабируемая по ширине ([latex]Pairformer[/latex]), архитектуре - за счет линейного треугольного внимания, снижающего вычислительную сложность, и объему данных - благодаря дистилляции до 26.5 миллионов примеров, демонстрирует передовые результаты на FoldBench, превосходя AlphaFold3 и другие открытые модели в различных задачах, при этом SeedFold с шириной 512 использует стандартное треугольное внимание, а SeedFold-Linear с шириной 384 - линейное.](https://arxiv.org/html/2512.24354v1/x1.png)
Исследователи представили SeedFold — модель, способную предсказывать структуру биомолекул с беспрецедентной эффективностью благодаря масштабированию данных и инновационной архитектуре.
Исследователи представили масштабный мультимодальный датасет и модель, позволяющие значительно улучшить выявление дефектов в промышленности, используя возможности генеративного искусственного интеллекта.
![В синтетических экспериментах, имитирующих смешанные искажения, наблюдается, что относительное изменение [latex]\Delta F_1[/latex] напрямую зависит от степени повсеместного ранжирования ([latex]qP_P[/latex]) и интенсивности искажения ([latex]Ud_d[/latex]), при этом увеличение плотности локального искажения ([latex]Ld_d[/latex]) при фиксированном повсеместном искажении закономерно снижает общую производительность, что подтверждено усреднением по десяти повторным измерениям.](https://arxiv.org/html/2512.24696v1/figures/dcl2_rep10_SHD_vs_Ld.png)
Новый подход позволяет обнаруживать причинно-следственные связи даже при наличии скрытых переменных, влияющих на данные.
Статья представляет комплексный подход к созданию интеллектуальных образовательных систем, способных учитывать когнитивные, эмоциональные и социокультурные факторы, влияющие на процесс обучения.
Исследователи представили комплексный набор данных, позволяющий оценить способность моделей машинного обучения понимать сложные биологические процессы и взаимосвязи.
Исследователи показали, что масштабное обучение моделей предсказанию следующего аудио-токена открывает путь к созданию систем, способных к обучению в процессе использования и превосходящих закрытые аналоги.
Исследователи представили SeedProteo — модель, позволяющую конструировать белки с заданными свойствами, используя возможности диффузионных моделей и всесторонний учёт атомной структуры.
Новое исследование показывает, что большие языковые модели демонстрируют структуру, согласующуюся с принципами байесовского вывода, организуя неопределенность в рамках низкоразмерных ‘многообразий ценностей’.