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.
Operadores de ransomware Qilin y INC explotan una vulnerabilidad PAN-OS (CVE-2026-0257) en Palo Alto para obtener acceso a la red virtual propietaria, luego rob...
Leer artículo →Alrededor de 500 proveedores de servicios energéticos desatendidos recibirán apoyo para fortalecer su seguridad cibernética a través de una iniciativa privada l...
Leer artículo →El escándalo de privacidad con datos de Cambridge Analytica hace diez años aún afecta los finanzas de Meta.
Leer artículo →