ИИ помог сузить границы постоянной Гротендика в современной математике

Сегодняшняя подборка особенно хороша тем, что здесь ИИ выступает не как общая витрина возможностей, а как рабочий инструмент в очень разных научных областях: математике, медицинской визуализации, клиническом анализе текстов, биологии и химическом сенсинге. Во всех пяти случаях важен не только сам результат, но и то, что системы пытаются работать там, где данные сложны, шумны или неполны.

Совместная работа людей и ИИ помогла сузить границы постоянной Гротендика

Авторы показывают редкий и важный пример того, как ИИ-система помогла математикам продвинуться в задаче на переднем крае исследований. Речь идёт об улучшении лучших известных границ для постоянной Гротендика — важной величины, которая связывает комбинаторную оптимизацию с непрерывными расслаблениями. Ценность здесь не только в самой теореме, но и в том, что аккуратно выстроенный цикл из машинных подсказок, человеческой проверки и строгой верификации может приносить действительно новые математические идеи.

Источник: arXiv

Mr3D-VL переносит языково-зрительные модели в многопараметрическую трёхмерную МРТ

Mr3D-VL — это модель на 4 млрд параметров, созданная для работы с многопараметрической трёхмерной МРТ, где врачу нужно учитывать сразу несколько режимов сканирования и объёмную структуру опухоли, а не отдельные плоские срезы. Авторы сообщают о сильных результатах в генерации описаний и ответах на вопросы по снимкам. Если такой подход подтвердится дальше, он может сделать системы анализа опухолей мозга более понятными и полезными в клинической практике.

Источник: arXiv

CRAFT восстанавливает временные линии симптомов из неаккуратных клинических описаний

Система CRAFT сочетает порождающую модель с проверяющим модулем на правилах, чтобы пошагово восстанавливать ход симптомов из клинических текстов без явных отметок времени. На новом наборе данных MedTempo с более чем 5 тысячами сообщений о побочных реакциях после вакцинации работа стабильно улучшает точность восстановления временного порядка на четырёх разных базовых моделях. Это важно для медицины, потому что свободный текст часто хранит ценные сигналы о развитии болезни или нежелательных событиях, но без такой обработки они плохо пригодны для анализа.

Источник: arXiv

EGRL точнее предсказывает связи между РНК и белками для ранее невиданных молекул

EGRL использует графовое обучение с учётом типов связей и отдельный генератор правдоподобных недостающих рёбер, чтобы лучше предсказывать взаимодействия между РНК и белками. На контрольных наборах данных система не только остаётся конкурентоспособной в среднем, но и особенно заметно улучшает качество на новых, ранее не встречавшихся молекулах. Для биологии и разработки лекарств это сильный сигнал, потому что реальные открытия как раз начинаются там, где данных мало и привычные методы чаще всего спотыкаются.

Источник: arXiv

UltraIR переносит обучение базовых моделей в инфракрасный химический анализ

UltraIR предварительно обучили как крупную базовую модель более чем на 60 миллионах смоделированных инфракрасных спектров, а затем донастроили на реальных лабораторных задачах: от распознавания функциональных групп и анализа смесей до классификации бактерий, микропластика и свойств почвы. Главный результат — перенос из моделирования в реальный эксперимент даже при малом количестве размеченных данных и при различиях между приборами и лабораториями. Если этот подход окажется устойчивым, химический анализ можно будет масштабировать заметно дешевле, чем сегодня.

Источник: arXiv