AIが解く世界の難問 ─ 物理学
AI が進めた科学と学問の成果を、学問ごとに
RSS フィード · 5 件
学習可能なフォトニック回路によるAIハードウェア
原題: Photonic circuits become trainable AI hardware
製造後のフォトニック集積回路を、回路の完全なデジタルモデルを使わずに学習させる手法が示された。物理に基づくその場（in situ）学習法で、光の勾配を直接測定することで、さまざまな回路構造を製造後に学習させられる。このハードウェアは行列の設計、複数波長での計算、高速なメタ学習を実現するとされる。
光を使うAIで、ディープフェイク動画を約98%の精度で検出
原題: This light-powered AI can spot deepfakes with nearly 98% accuracy
AI生成動画が増える中で大量の動画を高速に検出する必要があり、UCLAの研究者は光を用いた光-ニューラルプロセッサを開発した。従来のように動画を一本ずつ処理するのではなく、光の伝搬により15本以上の動画を同時に分析できる。検出精度は約98%とされ、研究はeLightに掲載された。
Claudeに適した問題から進める科学
原題: Claude-shaped science
マシュー・シュワルツ教授は、Claudeと対立するのをやめ、現在のLLMツールが得意とする「Claude型」の問題をClaudeに見つけさせた。その結果、定量科学における正確な計算のためのツールキットBootLoopsを構築した。似た計算は多くの分野に現れるため、Claudeは生態学や集団遺伝学など十数の分野との関連を見つけたが、当初は技術的には正しくても科学的には目新しくないものだった。そこでシュワルツ教授は各分野の専門家と協力し、それらの分野が関心を持つ問いへ向けて調整した。
エネルギーフロンティアのニュートリノ検出器向け基盤モデル的手法：自己教師あり事前学習
原題: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
加速器によるニュートリノ実験のエネルギーフロンティア領域では、検出器上に密で重なり合った信号が生じ、従来の再構成は実用的でなく、ラベル付きデータが少ない場合は教師あり学習も難しかった。研究では、疎なVision Transformerによる枠組みを用い、マスク付きオートエンコーダによる再構成と関係的なボクセル単位の目的関数で自己教師あり事前学習を行った後、分類と回帰のタスクで共同微調整した。提案されたFASERCAL検出器のシミュレーションイベントで、ニュートリノの種類判定、チャームクォーク識別、運動量回帰、頂点再構成が改善し、約1000個のラベル付きイベントでは、事前学習済みエンコーダがスクラッチ学習モデルのフレーバー分類性能に匹敵した。