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 ataque a nodos de salida Tor se llevó 333 relays, aproximadamente el 10% de la capacidad de salida, utilizando Ebury para interceptar logins SSH y correos el...
Leer artículo →La mayoría de las empresas no eligieron la multinube como una estrategia deliberada. Simplemente la implementaron: una adquisición les trajo una empresa que ya...
Leer artículo →Orlando, Florida, Estados Unidos, 20 de octubre de 2026, CyberNewswire Industrial Defender unifica la inteligencia de endpoints y la monitorización de redes par...
Leer artículo →