______________________________________________________________________________
⚛️ ИИ может создавать новые молекулы.
Исследователи из MIT разработали алгоритм языкового обучения, предсказывающий свойства молекул и генерирующий новые, используя минимальные данные для обучения.
Алгоритм MIT может точно предсказывать молекулярные особенности при ограниченном количестве данных благодаря пониманию молекулярных взаимодействий.
Он превзошел предыдущие методы как на малых, так и на больших массивах данных. Ученые создали систему Molecular Grammar, изучающую «язык» молекул и использующую его для создания функциональных молекул и прогнозирования свойств.
Используется обучение с подкреплением для изучения правил молекулярного языка. Новый подход позволил получить более точные прогнозы свойств полимеров при использовании небольших наборов данных.
Исследователи планируют расширить систему для трехмерной формы молекул и полимеров. Изучить другие области применения, помимо химии и материаловедения.
🔇Люди могут слышать тишину!
Спор о том, можем ли мы слышать тишину, является давним философским противоречием. Однако недавнее исследование свидетельствует о том, что тишина действительно может быть услышана.
В исследовании, авторы адаптировали слуховые галлюцинации, заменив звуки периодами тишины между повседневными звуками, и обнаружили, что полученные галлюцинации воспринимаются так же, как и основанные на звуках.
В эксперименте, участники определяли, какая последовательность была длиннее. И большинство проголосовало за вторую, когда на самом деле они были одинаковой длины.
Это свидетельствует о том, что люди воспринимают тишину так же, как и звуки. Данное исследование доказывает, что мы действительно можем слышать тишину, и открывает новые возможности для изучения восприятия отсутствия звука.
⚛️ Теперь можем контролировать квантовые флуктуации.
Исследователи из MIT достигли важного этапа в развитии квантовых технологий, впервые продемонстрировав управление квантовой случайностью.
Традиционные компьютеры детерминированы и имеют ограничения в моделировании физического мира или оптимизации сложных систем. Так как там присутствует огромное количество случайностей.
Здесь пригождается концепция вероятностных вычислений. Вероятностные вычислительные системы используют присущую некоторым процессам случайность для выполнения вычислений. Они не дают одного «правильного» ответа, а предоставляют целый ряд возможных результатов, каждый со своей вероятностью. Поэтому они хорошо подходят для имитации физических явлений и решения оптимизационных задач, в которых может существовать несколько решений и поиск различных возможностей может привести к лучшему решению.
Но применение вероятностных вычислений сдерживалось отсутствием контроля над вероятностными распределениями, связанными с квантовыми флуктуациями. Однако исследование, опубликованное в Science, показывает возможное решение проблемы.
Подача слабого лазерного «смещения» на оптический параметрический осциллятор — оптическую систему, которая естественным образом генерирует случайные числа, — может быть управляемым источником «смещенной» квантовой случайности.
Ученые успешно продемонстрировали способность манипулировать вероятностями, связанными с выходными состояниями оптического параметрического осциллятора, создав Первый управляемый фотонный вероятностный бит ( ф-бит ). В оригинале p-bit.
Также система продемонстрировала чувствительность к временным осцилляциям импульсов смещающего поля, даже на уровне ниже одного фотона.
«Наша фотонная система генерации ф-битов в настоящее время позволяет производить 10 000 битов в секунду, каждый из которых может следовать произвольному биномиальному распределению. Мы ожидаем, что в ближайшие несколько лет эта технология будет развиваться, что приведет к созданию более высокоскоростных фотонных ф-битов и расширению спектра их применения» — сказал Янник Саламин.
Сделав флуктуации вакуума управляемым элементом, мы расширяем границы возможного в квантово-вероятностных вычислениях. Перспектива моделирования сложной динамики в таких областях, как комбинаторная оптимизация и моделирование решеточной квантовой хромодинамики, очень интересна. Исследователи ожидают дальнейшего развития технологии, включая создание фотонных ф-битов с более высокой скоростью передачи данных и более широкий спектр приложений в ближайшем будущем.
⚰️ Эпоха кремния подходит к концу?
Закон Мура исчерпывает себя. Квантовые эффекты и увеличение стоимости производства транзисторов сыграли свою роль. И кто же нас спасет?
Исследователи из Техниона в Израиле разработали новый материал — титан диоксид, обладающим уникальным свойством: переключаться из электрического проводника в изолятор и обратно. Это означает, что титан диоксид можно использовать для создания транзисторов, которые более эффективны и энергоэффективны, чем современные транзисторы на кремнии.
Ученые разработали уникальную систему выращивания оксида, которая позволяет им точно контролировать расстояние между атомами в материале. Это позволяет им управлять электрическими свойствами материала и разрабатывать новые типы транзисторов.
Это исследование является важным шагом в разработке будущих чипов, что придут на замену современным. Более энергоэффективные чипы могут привести к снижению выбросов углерода и экономии энергии. Они также могут привести к созданию новых продуктов и услуг, которые не были возможны раньше.
Исследование еще находится в ранней стадии, но у него есть потенциал революционизировать микроэлектронику.
🤖 ИИ “обманывает” ученых искусственными данными.
Исследователи из Иллинойского университета разработали систему ИИ, которая может генерировать искусственные данные с помощью технологии, которая используется для имитации искусства. В частности, ИИ генерирует данные микроскопических экспериментов, используемых для изучения структуры материалов на атомном уровне.
Благодаря включению в генерируемые данные фонового шума и несовершенства эксперимента, ИИ позволяет быстрее и эффективнее выявлять особенности материалов. Эта разработка способствует достижению цели полностью автоматизированного анализа данных.
Исследователи использовали циклическую генеративную состязательную сеть (CycleGAN) для создания большого набора искусственных обучающих данных из небольшого набора реальных, помеченных данных. CycleGAN состоит из «генератора», имитирующего предоставленные данные, и «дискриминатора», выявляющего различия между выходом генератора и реальными данными. В результате конкуренции и обучения генератор создает искусственные данные, которые очень похожи на реальные.
ИИ способен распознавать различные структурные особенности, несмотря на фоновый шум и несовершенства, без явного обучения. Система была успешно применена для обнаружения дефектов в двумерных полупроводниках, что является сложной задачей без помощи ИИ.
Исследователи считают, что эта технология может произвести революцию в анализе данных и проложить путь к созданию «самоуправляемого» микроскопа, в котором микроскоп сам сможет определять интересные особенности без предварительного обучения.
📊 Волк с Firewall street.
Исследователи из Корнелла разработали новую модель машинного обучения, которая использует финансовые новости для более точного прогнозирования доходности акций.
Ученые предположили, что финансовые новости могут дать ценные сведения о взаимосвязи между акциями и торгуемыми активами. Они создали систему прогнозирования, которая объединяет рыночные и текстовые данные, не полагаясь на анализ настроений. Эта система включает в себя «встраивание слов» из NLP и использует алгоритм для создания «вложений активов» для конкретных торгуемых активов на основе финансовых новостей. Затем исследователи разработали собственные алгоритмы для анализа числовых представлений текстовых и рыночных данных.
Команда разработала две отдельные модели: модель News Embedding UMAP Sparse Selection (NEUSS), которая предсказывает доходность отдельных акций, и модель News Sparse Encoder with Rationale (INSER), которая выявляет важные слова для каждой конкретной отрасли, чтобы точно предсказать доходность отрасли.
Модели позволили выявить информацию, специфичную для конкретной акции и отрасли, при этом модель NEUSS превзошла традиционную пятифакторную модель Фамы-Френча на 50%, а модель INSER — на 10%.
💸 Ученые считают, что их разработка может иметь революционное значение для финансовой отрасли и надеются, что она будет использоваться инвесторами и другими участниками рынка для принятия более обоснованных решений.
—
Telegram: @inscieder — регулярные новости науки и технологий. Подписывайся!
