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.
Plataforma en nube Railway emitió un aviso urgente a sus usuarios tras detectar actividad sospechosa en sus sistemas que almacenan variables de entorno de clien...
Leer artículo →Pillow, la biblioteca de imágenes más utilizada para Python, puede ejecutar comandos del sistema operativo en un servidor especificando el nombre de un archivo...
Leer artículo →El grupo de ciberataques estatal ruso Sandworm trabajó en conjunto con otro actor de amenazas para llevar a cabo un ataque destructivo que objetaba una empresa...
Leer artículo →