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.
Descubre AMD Helion, la nueva hoja de ruta de infraestructura de rack abierta diseñada para la inteligencia artificial autónoma, que equilibra CPU y GPU para de...
Leer artículo →Paquetes falsos de Arch Linux que se presentaban como yay y paru ejecutaron malware root desde el AUR. Aprende a verificar y responder. Posts relacionados: Inve...
Leer artículo →El hack en el monedero caliente de Gamdom podría haber costado más de $4.2 millones, superando la estimación inicial de $3 millones, después de una brecha de se...
Leer artículo →