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.
OpenSSL ha lanzado la versión 4.1.0, que incluye soporte para DTLS 1.3, operaciones criptográficas más rápidas y herramientas nuevas para desarrolladores que co...
Leer artículo →Investigadores encontraron un archivo de instrucciones en formato markdown malicioso llamado AGENTS.md en la carpeta Descargas de un cliente que engañó a un age...
Leer artículo →Dos vulnerabilidades RCE críticas (CVE-2026-109618 y CVE-2026-109619), juntas etiquetadas como PHP2Shell, han sido explotadas con éxito en la wild.
Leer artículo →