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.
Un nuevo kit de arranque UEFI denominado BlackX, implementado en una campaña de espionaje en el año 2026, explotó la antigua vulnerabilidad Baton Drop para sobr...
Leer artículo →Google ha actualizado su política de privacidad para explicar que el uso de características de búsqueda personalizadas en Google Search o Gemini podría permitir...
Leer artículo →LiteLLM reveló el viernes que una clave maestra del Agente Plataforma se publicó accidentalmente en un repositorio público de GitHub en mayo de 2026, lo que per...
Leer artículo →