Раскрывая тайны рассеянного склероза: возможности машинного обучения

Доля генов, связанных с рассеянным склерозом, выявленных как значимые методами DEA и SHAP, демонстрирует, что часть генов была исключена из анализа после очистки и интеграции данных.

Новое исследование демонстрирует, как анализ многомерных данных о транскриптоме с помощью машинного обучения позволяет выявить ключевые гены и механизмы развития рассеянного склероза.

Понять, почему код не работает: объяснимый ИИ для отладки интеллектуальных агентов

Система, представленная на рисунке, преобразует необработанные данные трассировки в итоговый отчет посредством последовательной автоматической аннотации, генерации объяснений и синтеза отчета, демонстрируя тем самым комплексный процесс анализа и представления информации.

Новое исследование предлагает эффективный подход к анализу сбоев в работе ИИ-агентов, создающих код, позволяя разработчикам быстро выявлять и устранять ошибки.

От мечты к модели: генеративный ИИ для параметрического CAD

Исследование представляет систему DreamCAD, использующую разреженный Transformer VAE для кодирования данных из сеток, DINOv2 эмбеддингов, нормалей и SDF значений в структурированные латентные представления [latex]z_i[/latex], которые затем декодируются в параметрические поверхности (рациональные кривые Безье) с последующей оптимизацией посредством Chamfer loss, позволяя генерировать параметрические поверхности из разреженных вокселей с использованием flood-fill и преобразования в квады, а также осуществлять мультимодальную генерацию CAD моделей из изображений или точек посредством coarse-to-fine flow-matching фреймворка, переходя от грубой воксельной сетки к уточнению параметрических поверхностей.

Новая система DreamCAD позволяет создавать редактируемые 3D-модели из изображений, текста и облаков точек, открывая новые возможности для автоматизированного проектирования.

Предсказывая скачки атомов: новая эра моделирования материалов

Исследование демонстрирует, что из одного исходного атомного состояния могут возникать различные траектории перехода, при этом атомы, участвующие в каждом конкретном переходе, выделяются визуально, что указывает на множественность возможных путей эволюции системы на атомном уровне.

Исследователи продемонстрировали, как нейронные сети-трансформеры могут предсказывать переходы атомов в материалах, открывая путь к более быстрым и эффективным симуляциям.

Раскрытие Потенциала Глубоких Трансформеров: Постепенное Включение Residual Connections

Норма активации слоев в архитектуре Pre-LN демонстрирует стабильность и сходимость как при использовании, так и без использования ProRes, что указывает на эффективность предложенного метода нормализации.

Новый подход к предварительному обучению языковых моделей позволяет более эффективно использовать глубину сети за счет контролируемой активации residual connections.

От поиска к пониманию: как AI помогает в систематических обзорах

Система Arcis, спроектированная для решения ключевых задач систематического обзора литературы, объединяет унифицированный поисковый интерфейс, прозрачное сравнение результатов поиска, интегрированный поиск по ссылкам и верифицируемый модуль искусственного интеллекта с участием человека, обеспечивая тем самым стратегический контроль и оптимизацию процесса создания обзора.

Новый инструмент позволяет исследователям эффективнее анализировать научную литературу, снижая когнитивную нагрузку и открывая новые возможности для синтеза знаний.

Визуальный интеллект из текста: Новый подход к мультимодальным моделям

Исследователи представили Penguin-VL — компактную модель, объединяющую зрение и язык, и показали, что для достижения высокой производительности не всегда требуется контрастное обучение.

Новая кристаллическая структура в GdNiSn4: вызов для алгоритмов предсказания материалов

Открытие ранее неизвестного типа кристаллической структуры в интерметаллиде GdNiSn4 демонстрирует ограничения существующих моделей машинного обучения в области предсказания новых материалов.