fuente: https://ai.epfl.ch/an-ai-capable-of-doubt-can-optimize-scientific-discovery/
Un equipo de la EPFL ha desarrollado un marco que entrena modelos de lenguaje a gran escala para crear sistemas de IA capaces de encontrar la configuración óptima o "receta" para un experimento científico.
Las herramientas computacionales modernas permiten a los científicos explorar un gran número de moléculas, materiales y reacciones químicas posibles. Sin embargo, probar todas las combinaciones en el laboratorio es lento y costoso. Entonces, ¿cómo eligen los investigadores la mejor "receta" para su experimento?
Un método llamado "optimización bayesiana" aprende de resultados previos, predice qué opciones parecen prometedoras y estima el grado de incertidumbre de dichas predicciones. Esto permite a los investigadores centrar sus próximos experimentos en las opciones más útiles para probar y evitar desperdiciar tiempo y dinero en posibilidades menos prometedoras.
TP-Link ha corregido recientemente tres vulnerabilidades graves en el router TL-MR6400 versión 7. En concreto, estos fallos permiten a los atacantes ejecutar có...
Leer artículo →Una vulnerabilidad recientemente descubierta en el kernel de Linux permite la escalada de privilegios local. Identificada como CVE-2026-74480 y con una califica...
Leer artículo →FortiGuard Labs descubrió recientemente la botnet Evooo1Bot para Linux. Si bien este malware reutiliza el motor DDoS del código fuente de Mirai, filtrado públic...
Leer artículo →