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.
Una brecha de seguridad en la Red Ferroviaria podría haber expuesto variables de entorno y claves API. Los usuarios deben rotar todos los secretos almacenados a...
Leer artículo →El código de explotación y los detalles están en la vista pública para CVE-2026-23074, una falla de escalada de privilegios en el kernel Linux teql qdisc que da...
Leer artículo →GoDaddy anuló 404,607 certificados SSL/TLS después de identificar errores en la política de certificado, afectando sitios web incluyendo algunas páginas web gub...
Leer artículo →