Революция искусственного интеллекта в научных исследованиях. От предсказания структуры белков до поиска новых лекарств. Машинное обучение в физике, химии, биологии, астрономии. Автоматизация научных экспериментов, анализ больших данных, открытия с помощью ИИ. Междисциплинарные проекты и прорывные результаты.
Учёные MIT создали вычислительный фреймворк, моделирующий эволюцию зрения у ИИ-агентов. Инструмент помогает понять, как задачи формируют зрительные системы, и может использоваться для проектирования сенсоров в робототехнике.
На площадке ITER начались криогенные испытания первой тороидальной катушки при температуре 4 К (-269°C). Месяц в условиях глубокого космола позволит проверить сверхпроводимость магнитов перед сборкой реактора.
Исследователи MIT разработали модель глубокого обучения, предсказывающую движение и деление клеток эмбриона плодовой мушки с точностью 90%. Метод объединяет два подхода к моделированию и открывает путь к изучению развития сложных тканей и ранней диагностике заболеваний.
Стэнфордские учёные использовали GPT-4 для анализа Google Street View и обнаружили, что после стихийных бедствий богатые районы отстраиваются лучше, а бедные превращаются в пустыри, что подтверждает гипотезу «машины восстановления».
Ученые применили AlphaFold для создания гибридных ферментов, устойчивых к жаре, что может защитить сельскохозяйственные культуры от глобального потепления.
Ученые эксперимента LUX-ZEPLIN зафиксировали сигналы, которые могут быть первым прямым свидетельством существования темной материи — загадочной субстанции, составляющей 85% материи Вселенной.
