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.
Microsoft Maia 300 utiliza TSMC N2P y HBM4 para escalar la inferencia de inteligencia artificial a niveles multi-gigawatt hasta 2027, reduciendo la dependencia...
Leer artículo →Un reciente ataque cibernético a TFG London interrumpió los sistemas de TI y los pedidos online de las marcas de moda británicas Phase Eight, Hobbs y Whistles d...
Leer artículo →Palo Alto Networks cerró la vulnerabilidad de código CVE-2026-0322, conocida como Zero-Day, que fue explotada en ataques limitados para lograr ejecución de códi...
Leer artículo →