AI এবং বিশ্বের কঠিন সমস্যাগুলো
AI দ্বারা এগিয়ে চলা বিজ্ঞান ও পাণ্ডিত্য, শাখা অনুযায়ী
গণিত, পদার্থবিজ্ঞান, ফিউশন, কোয়ান্টাম বিজ্ঞান, জীবনবিজ্ঞান, চিকিৎসা, জলবায়ু ও মানবিক বিদ্যায় কঠিন সমস্যা সমাধানে AI ব্যবহারের খবর — বিশ্ববিদ্যালয়, গবেষণা প্রতিষ্ঠান, AI ল্যাব, জার্নাল ও arXiv-এর RSS ফিড ও প্রেস বিজ্ঞপ্তি থেকে প্রতি ৩ ঘণ্টায় সংগৃহীত। Jev শুধু প্রকৃত বৈজ্ঞানিক ফলাফলসহ আইটেম রাখে এবং শাখা অনুযায়ী সাজায়; সারসংক্ষেপ লেখা হয় কেবল প্রতিটি উৎসের শুরুর অংশ থেকে — বিস্তারিত জানতে মূল লেখাটি পড়ুন।
RSS ফিড · 58 আইটেম
ফুসফুস ও কোলন ক্যানসার শনাক্তকরণের জন্য একটি ব্যাখ্যাযোগ্য স্তরবিন্যস্ত ডিপ লার্নিং কাঠামো
মূল শিরোনাম: An interpretable hierarchical deep learning framework for lung and colon cancer detection
হিস্টোপ্যাথোলজি ইমেজ থেকে ফুসফুস ও কোলন ক্যানসার শ্রেণিবদ্ধ করা কঠিন, কারণ শ্রেণিগুলো দেখতে একই রকম এবং টিস্যুর গঠন বিভিন্ন হয়, আর প্রচলিত ডিপ লার্নিং মডেল খুব কম স্বচ্ছতা দেয়। লেখকেরা পাঁচ-শ্রেণির কাজটিকে স্থূল থেকে সূক্ষ্ম ধাপে ভাগ করেছেন: প্রথমে স্বাভাবিক বনাম ক্যানসার, তারপর স্বাভাবিক টিস্যুর শ্রেণি বা ক্যানসারের উপধরনের জন্য একটি বিশেষায়িত শ্রেণিবদ্ধকারী, যেখানে প্রতিটি ধাপের জন্য সেরা আর্কিটেকচার বেছে নেওয়া হয়েছে। কাঠামোটি LC25000-এ 98.50% নির্ভুলতা এবং স্বাধীন LungHist700 ডেটাসেটে 82.01% নির্ভুলতা অর্জন করেছে, আর এর পূর্বাভাসের পেছনের ছবির অংশগুলো তুলে ধরতে Grad-CAM, Grad-CAM++, LIME এবং Occlusion Sensitivity ব্যবহার করা হয়েছে।
MASLD যুগে HBV বা HCV সংক্রমণ ছাড়া ব্যক্তিদের মধ্যে হেপাটোসেলুলার কার্সিনোমার কৃত্রিম বুদ্ধিমত্তা-ভিত্তিক পূর্বাভাস
মূল শিরোনাম: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
বর্তমান যকৃতের ক্যান্সার (HCC) নজরদারি নির্দেশিকাগুলো মূলত সিরোসিস বা ভাইরাল হেপাটাইটিসে আক্রান্ত ব্যক্তিদের লক্ষ্য করে তৈরি। গবেষকরা স্বাস্থ্য পরীক্ষা করানো প্রায় 7.96 মিলিয়ন দক্ষিণ কোরীয় প্রাপ্তবয়স্কের তথ্য ব্যবহার করে ভাইরাল হেপাটাইটিস নেই এমন ব্যক্তিদের HCC ঝুঁকি পূর্বাভাসের জন্য একটি AI মডেল তৈরি করেছেন। তুলনা করা বারোটি মডেলের মধ্যে MHA_DNN সবচেয়ে ভালো ফল দিয়েছে এবং একটি স্বতন্ত্র যাচাইকরণ কোহর্টেও ধারাবাহিক নির্ভুলতা বজায় রেখেছে। ফ্যাটি লিভার ইনডেক্স ও ট্রাইগ্লিসারাইড ছিল সবচেয়ে প্রভাবশালী পূর্বাভাসক, যা বিপাক-ভিত্তিক ব্যক্তিগতকৃত নজরদারির সহায়তার ইঙ্গিত দেয়।
হাইব্রিড অ্যাটেনশন ও ব্যাখ্যাযোগ্য এআই ব্যবহার করে রেটিনাল ফান্ডাস ছবি থেকে স্বয়ংক্রিয়ভাবে স্বাস্থ্য অবস্থার পূর্বাভাসের জন্য একটি মাল্টি-টাস্ক ডিপ লার্নিং কাঠামো
মূল শিরোনাম: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
রেটিনাল ফান্ডাস ছবির জন্য বিদ্যমান ডিপ লার্নিং মডেলগুলো কেবল একটি কাজ সামলাতে পারে, ব্যাখ্যাযোগ্যতা সীমিত এবং বিভিন্ন ডেটাসেটের মধ্যকার পার্থক্যের কারণে সমস্যায় পড়ে। লেখকেরা একটি মাল্টি-টাস্ক নেটওয়ার্ক প্রস্তাব করেছেন, যা একটি মাত্র ছবি থেকে একবারের ফরোয়ার্ড পাসেই ডায়াবেটিক রেটিনোপ্যাথির তীব্রতা, গ্লুকোমা, AMD-এর পর্যায় এবং হৃদরোগের ঝুঁকি শ্রেণিবদ্ধ করে এবং Grad-CAM ব্যাখ্যা দেয়। এটি চারটি ডেটাসেটজুড়ে ৯৪.৭% নির্ভুলতা ও AUC ০.৯৭৮ অর্জন করেছে, পরিসংখ্যানগতভাবে সব একক-টাস্ক মডেলকে ছাড়িয়ে গেছে, এবং জিরো-শট ক্রস-ডেটাসেট মূল্যায়নে AUC ন্যূনতম ০.৯৫১ পেয়েছে।
বুদ্ধিমান মানসিক স্বাস্থ্য নির্ণয়ের জন্য একটি অটোমাটা-মেশিন লার্নিং সমন্বিত কাঠামো
মূল শিরোনাম: An automata-machine learning integrated framework for intelligent mental health diagnostics
শিক্ষার্থীদের মধ্যে বিষণ্নতা প্রায়ই গুরুতর না হওয়া পর্যন্ত ধরা পড়ে না, তাই আগে থেকে পূর্বাভাস প্রয়োজন। লেখকরা ফাইনাইট অটোমাটা-ভিত্তিক আচরণ মডেলিংয়ের সঙ্গে মেশিন লার্নিং একত্রিত করেছেন, শিক্ষার্থীদের আবেগীয় অবস্থা থেকে বৈশিষ্ট্য তৈরি করে এবং অপ্রয়োজনীয় বৈশিষ্ট্য একত্র করে। র্যান্ডম ফরেস্ট ও KStar-এর এনসেম্বল ব্যবহার করে র্যান্ডম ফরেস্টের 82.02% বেসলাইন থেকে অটোমাটা-ভিত্তিক বৈশিষ্ট্য দিয়ে নির্ভুলতা বেড়ে 96.88% হয়েছে। লেখকরা জানিয়েছেন, এই পদ্ধতি বৈশিষ্ট্যগুলোকে ব্যাখ্যাযোগ্য ও খুঁজে বের করার উপযোগী রাখে।
LitGene: জিন রিপ্রেজেন্টেশন লার্নিংয়ের জন্য টেক্সট ও অন্টোলজি সমন্বিতকারী একটি ব্যাখ্যাযোগ্য ট্রান্সফর্মার মডেল
মূল শিরোনাম: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
জিন উপস্থাপনা শেখার পদ্ধতি প্রায়ই বৈজ্ঞানিক সাহিত্যকে উপেক্ষা করে, যা কম গবেষণা হওয়া জিনের বিরুদ্ধে ফলাফলে পক্ষপাত তৈরি করতে পারে। LitGene একটি ব্যাখ্যাযোগ্য ট্রান্সফর্মার, যা কনট্রাস্টিভ লার্নিংয়ের মাধ্যমে পাঠ্যকে Gene Ontology অ্যানোটেশনের সঙ্গে একত্র করে। এটি আটটি প্রোটিন বেঞ্চমার্কে প্রতিযোগিতামূলক নির্ভুলতা অর্জন করেছে, জিরো-শটে GO টার্ম, KEGG পাথওয়ে ও জিন-রোগ সংযোগের পূর্বাভাস দিয়েছে, এবং স্বাধীন নমুনায় ডিফারেনশিয়াল এক্সপ্রেশন দ্বারা সমর্থিত হয়ে ANGPTL6-কে ইডিওপ্যাথিক পালমোনারি ফাইব্রোসিসের প্রার্থী জিন হিসেবে চিহ্নিত করেছে।
বৃহৎ ভাষা মডেল ব্যবহার করে নির্ভরযোগ্য বৃহৎ-পরিসরের ক্লিনিক্যাল তথ্য নিষ্কাশনের জন্য একটি বহু-ধাপের যাচাইকরণ কাঠামো
মূল শিরোনাম: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
ক্লিনিক্যাল তথ্য নিষ্কাশনের জন্য বৃহৎ ভাষা মডেল যাচাই করতে সাধারণত ব্যয়বহুল ম্যানুয়াল অ্যানোটেশন প্রয়োজন হয়। লেখকেরা একটি বহু-পর্যায়ের কাঠামো প্রস্তাব করেছেন, যাতে রুল-ভিত্তিক ফিল্টারিং, সিমান্টিক গ্রাউন্ডিং, জাজ-LLM মূল্যায়ন, বিশেষজ্ঞ পর্যালোচনা এবং প্রেডিক্টিভ ভ্যালিডিটি বিশ্লেষণ একত্র করা হয়েছে। ৯১৯,৭৮৩টি ক্লিনিক্যাল নোটে মাদক ব্যবহার ব্যাধির রোগনির্ণয়ে প্রয়োগ করে এটি LLM-এর ইতিবাচক নিষ্কাশনের ১৪.৫৯% অসমর্থিত বা অসম্ভাব্য হিসেবে বাদ দিয়েছে। প্রাথমিক LLM জাজ মূল্যায়নের বিপরীতে ০.৮০ F1 স্কোর অর্জন করেছে, এবং এর নিষ্কাশিত রোগনির্ণয় কাঠামোবদ্ধ-ডেটা বেসলাইনের চেয়ে পরবর্তী বিশেষায়িত পরিচর্যায় অংশগ্রহণ ভালোভাবে পূর্বাভাস করেছে।
ইতিহাসের দীর্ঘকাল গোপন কোডগুলো এখন AI ব্যবহার করে শৌখিন ব্যক্তিরা ভাঙছেন
মূল শিরোনাম: History’s long-secret codes are being cracked by amateurs using AI
অ-বিশেষজ্ঞরা ঐতিহাসিক সাইফার ভাঙতে ক্রমশ বৃহৎ ভাষা মডেল ব্যবহার করছেন, যেগুলো ডিক্রিপশন অ্যালগরিদম চালাতে এবং নথির জন্য ইন্টারনেটে অনুসন্ধান করতে পারে। ক্রিপ্টোগ্রাফির কোনো অভিজ্ঞতা না থাকা Carter Leffen, GPT-6 Astra-কে ৮৫ বছর আগে এনক্রিপ্ট করা একটি জার্মান সেনাবাহিনীর বার্তা ডিকোড করতে বলেছিলেন, এবং সকালের মধ্যেই এটি একটি সমাধান দিয়েছে। ক্রিপ্টোগ্রাফি বিশেষজ্ঞরা এই আগ্রহকে স্বাগত জানালেও AI-এর সমাধান যাচাইয়ের অনুরোধের চাপে অভিভূত, যার অনেকগুলোই ভুল।
অ্যাটেনশন-সমৃদ্ধ ডিপ লার্নিং ব্যবহার করে RGB এক্সিকিউটেবল ইমেজ থেকে বহু-স্তরীয় ম্যালওয়্যার উপ-পরিবার শনাক্তকরণ
মূল শিরোনাম: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
ম্যালওয়্যার বিশ্লেষণে শনাক্তকরণ থেকে শুরু করে পরিবার ও সূক্ষ্ম উপ-পরিবার নির্ধারণ পর্যন্ত একাধিক স্তরে সিদ্ধান্ত নিতে হয়। লেখকেরা একটি শ্রেণিবদ্ধ ডিপ লার্নিং কাঠামো প্রস্তাব করেছেন, যা Windows PE ফাইলের RGB ছবি নিয়ে একটি মাল্টি-আউটপুট আর্কিটেকচারে শনাক্তকরণ, পরিবার শ্রেণিবিন্যাস এবং 33টি উপ-পরিবার নির্ধারণ করে। অ্যাটেনশন-সংবলিত চারটি ট্রান্সফার লার্নিং মডেল বাইনারি স্তরে 99%, পরিবার স্তরে 96–97% এবং উপ-পরিবার স্তরে 91–95% নির্ভুলতা অর্জন করেছে, এবং সূক্ষ্ম নির্ধারণে ম্যাক্রো F1-স্কোর ছিল সর্বোচ্চ 0.89।
AI এজেন্টদের জৈবিক বাস্তবতায় ভিত্তি দেওয়া: স্বয়ংক্রিয় ওয়েট ল্যাবের জন্য বিল্ডিং ব্লক
মূল শিরোনাম: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
অগ্রগামী AI মডেলগুলো ত্রিমাত্রিক জ্যামিতি ও পরীক্ষাগারের বাস্তব অবস্থা নিয়ে নির্ভরযোগ্যভাবে যুক্তি করতে পারে না, যার ফলে তরল-হ্যান্ডলিং রোবট স্বয়ংক্রিয় করা কঠিন হয়। Google Research AI এজেন্টদের বাস্তব পরীক্ষাগার রোবটিক্সের সঙ্গে সংযুক্ত করেছে, যাতে তারা দ্রুত ক্লোজড-লুপ আণবিক নকশা চক্র চালাতে পারে। এজেন্টরা ক্যানসার লক্ষ্যের জন্য এক অঙ্কের ন্যানোমোলার আসক্তিসম্পন্ন প্রোটিন বাইন্ডার আবিষ্কার করেছে।
ছোট পরীক্ষায় এআই মুখ ও জিহ্বার ছবি থেকে করোনারি হার্ট ডিজিজ শনাক্ত করেছে
মূল শিরোনাম: AI detects coronary heart disease from face and tongue photos in small test
চীনের একটি নতুন গবেষণায় করোনারি হার্ট ডিজিজ (CHD) শনাক্ত করতে মুখ ও জিহ্বার ছবির ওপর একটি এআই সিস্টেমকে প্রশিক্ষণ দেওয়া হয়েছে। একটি ছোট পরীক্ষায় সিস্টেমটি CHD আক্রান্ত প্রতিটি রোগীকে সঠিকভাবে শনাক্ত করেছে।
কৃত্রিম বুদ্ধিমত্তা ও ডিজিটাল অসকালটেশন ব্যবহার করে বাংলাদেশে শ্বাসতন্ত্রের রোগে আক্রান্ত শিশুদের ফুসফুসের অতিরিক্ত শব্দ শনাক্তকরণ
মূল শিরোনাম: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
শিশুর অসুস্থতার সমন্বিত ব্যবস্থাপনার নির্দেশিকা নিউমোনিয়ার ক্ষেত্রে উচ্চ সংবেদনশীলতা কিন্তু নিম্ন নির্দিষ্টতা দেখায়। বাংলাদেশে স্বাস্থ্যকর্মীরা নিউমোনিয়ার সন্দেহভাজন পাঁচ বছরের কম বয়সী শিশুদের ফুসফুসের শব্দ ডিজিটাল স্টেথোস্কোপ দিয়ে রেকর্ড করেছেন, এবং একটি AI অ্যালগরিদমকে শিশুরোগ বিশেষজ্ঞ প্যানেলের সঙ্গে তুলনা করা হয়েছে। AI সামগ্রিকভাবে 61.8% সংবেদনশীলতা ও 60.7% নির্দিষ্টতায় অস্বাভাবিক শব্দ শনাক্ত করেছে, এবং IMCI-এর অধীনে নিউমোনিয়ার ক্ষেত্রে তা ছিল 63.5% ও 66.8%। লেখকেরা এটিকে মাঝারি মানের কার্যকারিতা হিসেবে বর্ণনা করেছেন, যেখানে ব্যাখ্যার অযোগ্য রেকর্ডিং শ্রেণিবদ্ধ করার ক্ষেত্রে উন্নতি প্রয়োজন।
ফাউন্ডেশন মডেল ব্যবহার করে অস্ত্রোপচারে অপসারিত টিস্যুর প্রান্তসীমার স্বয়ংক্রিয় লেবেলিং
মূল শিরোনাম: Autonomous labeling of surgical resection margins using a foundation model
অস্ত্রোপচারে অপসারিত টিস্যুর প্রান্তসীমা (surgical resection margin) প্যাথলজিতে মূল্যায়ন করার কাজটি হাতে কালি লাগানোর ভুল, টিস্যুর বিকৃতি এবং ক্যাটারি-জনিত ক্ষতির কারণে প্রভাবিত হয়। লেখকেরা একটি ভার্চুয়াল ইঙ্কিং নেটওয়ার্ক তৈরি করেছেন, যা একটি স্থির (frozen) ফাউন্ডেশন মডেল ও একটি ছোট ক্লাসিফায়ার ব্যবহার করে বাস্তব কালি ছাড়াই হোল-স্লাইড ইমেজে প্রান্তসীমা চিহ্নিত করে। অদেখা টিস্যু ব্লক থেকে নেওয়া ২০টি স্লাইডে এটি অঞ্চল-স্তরে প্রায় ৭৩.৩% নির্ভুলতা অর্জন করেছে এবং এমন ওভারলে তৈরি করেছে যা গুণগতভাবে বিশেষজ্ঞদের অ্যানোটেশনের সঙ্গে মিলেছে। ফলাফলগুলো প্রুফ-অব-কনসেপ্ট পর্যায়ের এবং বড় আকারের ক্লিনিক্যাল কোহর্টে যাচাই করা প্রয়োজন।
ক্ষুদ্র অণুর বিভব শক্তি পূর্বাভাস দেওয়ার জন্য মেশিন লার্নিংভিত্তিক একটি প্ল্যাটফর্ম
মূল শিরোনাম: A machine learning-based platform for predicting the potential energy of small molecules
শক্তি ন্যূনতমকরণের পর ক্ষুদ্র অণুর বিভব শক্তির নির্ভুল অনুমান ওষুধ ও জিন-বাহক অণু ডিজাইনের জন্য গুরুত্বপূর্ণ। লেখকরা মাল্টিহেড অ্যাটেনশনসহ ও ছাড়া CNN-BiLSTM আর্কিটেকচার সহ ডিপ লার্নিং মডেল তৈরি করেছেন এবং পরমাণু-ভিত্তিক ক্রমিক উপস্থাপনা ব্যবহার করে ক্ষুদ্র অণুর গঠনের একটি ডেটাসেটে সেগুলোকে প্রশিক্ষণ দিয়েছেন। জানা যায়, মডেলগুলো প্রথাগত ডেসক্রিপ্টর-ভিত্তিক মেশিন লার্নিং পদ্ধতিকে ছাড়িয়ে গেছে, এবং অ্যাটেনশন প্রক্রিয়া নাকি সাধারণীকরণ উন্নত করে।
নতুন উপকরণ ডিজাইনে AI-কে পথ দেখাতে ইলেকট্রনিক কাঠামোর ব্যবহার
মূল শিরোনাম: Using electronic structure to guide AI in designing new materials
গঠনই কার্যকারিতা নির্ধারণ করে, তাই বিজ্ঞানীরা কাঙ্ক্ষিত বৈশিষ্ট্যসম্পন্ন নতুন উপকরণে পরমাণুর বিন্যাস নকশা করতে ক্রমশ AI ব্যবহার করছেন। University of Tokyo-র Institute of Industrial Science-এর গবেষকরা একটি শীর্ষস্থানীয় জেনারেটিভ AI মডেলকে এমনভাবে সম্প্রসারিত করেছেন যাতে এটি কোনো উপকরণের স্ফটিক গঠনের পাশাপাশি তার ইলেকট্রনিক গঠনও নকশা করে। নতুন মডেল MatterGen-e⁻ npj Computational Materials-এ প্রকাশিত হয়েছে।
স্মার্টফোনে চ্যাট ও পেমেন্টের অভ্যাস AI-কে দৈনন্দিন মানসিক চাপ শনাক্ত করতে সাহায্য করে, ছোট একটি গবেষণায় জানা গেছে
মূল শিরোনাম: Smartphone chatting and payment habits help AI identify daily stress, small study finds
চ্যাট করা, সার্চ করা ও পেমেন্ট করার মতো দৈনন্দিন স্মার্টফোন অভ্যাসের মধ্যে মানসিক চাপের সূত্র লুকিয়ে থাকতে পারে। KAIST-এর গবেষকেরা এমন একটি প্রযুক্তি তৈরি করেছেন যা অ্যাপের মধ্যে বারবার সম্পাদিত বিভিন্ন নিয়মিত আচরণ বিশ্লেষণ করে একজন ব্যক্তির দৈনন্দিন মানসিক চাপের অবস্থা শনাক্ত করে।
Seal ব্যবহার করে বিকাশমান মানব মস্তিষ্কে জিন নিয়ন্ত্রণ ও ভ্যারিয়েন্টের প্রভাবের স্থান-কালভিত্তিক AI-নির্ভর মডেলিং
মূল শিরোনাম: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
গবেষণাটি সীমিত উপাত্তসম্পন্ন বিকাশমান মানব মস্তিষ্কে জিনগত বৈচিত্র্য কীভাবে জিন নিয়ন্ত্রণকে প্রভাবিত করে তা নিয়ে কাজ করে। লেখকরা Seal তৈরি করেছেন, এটি একটি ব্যাখ্যাযোগ্য AI ট্রান্সফার লার্নিং কাঠামো, যা ২৬টি অঞ্চল, ৩০টি কোষ প্রকার এবং ৭টি বিকাশ পর্যায় জুড়ে জিন এক্সপ্রেশন ও ভ্যারিয়েন্টের প্রভাব অনুমান করে। অটিজমের সম্পূর্ণ-জিনোম উপাত্তে Seal ক্ষণস্থায়ী ভ্রূণীয় উত্তেজক নিউরনে ডি নোভো নিয়ন্ত্রক ভ্যারিয়েন্টের উল্লেখযোগ্য বোঝা খুঁজে পেয়েছে।
AI দিয়ে টিপিং পয়েন্টের পূর্বাভাস
মূল শিরোনাম: Forecasting Tipping Points with AI
টিপিং পয়েন্ট, যার পরে কোনো সিস্টেম তার আগের অবস্থায় ফিরতে পারে না, স্বল্পমেয়াদি আবহাওয়া পরিবর্তনের চেয়ে পূর্বাভাস করা কঠিন। Caltech-এর নেতৃত্বাধীন একটি দল দেখিয়েছে যে রিকারেন্ট নিউরাল অপারেটর (RNO), এক ধরনের নিউরাল নেটওয়ার্ক, সরল মডেলে টিপিং পয়েন্ট কখন ঘটে তা পূর্বাভাস করতে পারে। এর মধ্যে রয়েছে একটি জলবায়ু পরিবর্তন সিস্টেম মডেল এবং বিমানের ডানার ওপর দিয়ে প্রবাহিত বিক্ষুব্ধ বায়ুপ্রবাহের সিমুলেশন। গবেষণাপত্রটি PNAS-এ প্রকাশিত হয়েছে।
বৃহৎ প্রোটিন কমপ্লেক্সের উন্নত গঠন পূর্বাভাসের জন্য হাইব্রিড মডেলিং
মূল শিরোনাম: Hybrid modeling for improved structure prediction of large protein complexes
এই গবেষণার লক্ষ্য বড় প্রোটিন কমপ্লেক্সের গঠন পূর্বাভাস করা। লেখকেরা HDOCK-Multimer (HDM) তৈরি করেছেন, এটি একটি স্বয়ংক্রিয় কাঠামো যা ab initio ডকিংকে কম্বিনেটোরিয়াল অ্যাসেম্বলির সঙ্গে যুক্ত করে। তিনটি বেঞ্চমার্ক জুড়ে, বড় প্রোটিন অ্যাসেম্বলির ক্ষেত্রে HDM অত্যাধুনিক অ্যাসেম্বলি ও ডিপ লার্নিং-ভিত্তিক পদ্ধতিগুলোর চেয়ে বেশি নির্ভুল ও শক্তিশালী ছিল।
AI মডেল কোষগুলোর যোগাযোগের ভাষা ডিকোড করছে
মূল শিরোনাম: AI model decodes the language cells use to communicate
ভ্রূণের বিকাশের সময় কোষ রাসায়নিক সংকেত পায়, যা জিন চালু বা বন্ধ করে এবং কোষের ভূমিকা নির্ধারণ করে। একটি কোষ কোন কোন সংকেত ক্রমানুসারে পেয়েছে তা খুঁজে বের করা কঠিন ছিল, কারণ ধারণা করা হতো সিগন্যালিং পথগুলো বিভিন্ন কোষের ধরনে ব্যাপকভাবে ভিন্ন। MIT ও Whitehead Institute-এর গবেষকরা এটি মোকাবিলায় একটি কম্পিউটেশনাল কাঠামো তৈরি করেছেন, যা স্টেম সেল ইঞ্জিনিয়ারিং ত্বরান্বিত করতে, রোগের মডেল উন্নত করতে এবং ক্যান্সার চিকিৎসায় তথ্য জোগাতে সাহায্য করতে পারে।
মেশিন লার্নিংয়ের মাধ্যমে সাবসিজনাল পূর্বাভাসে অগ্রগতি
মূল শিরোনাম: Advancing subseasonal forecasting with machine learning
২ থেকে ৬ সপ্তাহ আগের উপ-মৌসুমি সময়সীমায় পূর্বাভাসের দক্ষতা তীব্রভাবে কমে যায়। লেখকেরা সম্ভাব্যতাভিত্তিক বায়াস সংশোধন উপস্থাপন করেছেন, এটি একটি মেশিন লার্নিং কাঠামো যা ঐতিহাসিক সম্ভাব্যতাভিত্তিক পূর্বাভাস সংশোধন করতে শেখে, এবং তা ECMWF-এর শীর্ষস্থানীয় গতিশীল ও AI মডেলে প্রয়োগ করেছেন। এটি AI Forecasting System-এর সীমিত উপ-মৌসুমি দক্ষতা দ্বিগুণ করেছে এবং বেশিরভাগ চাপ, তাপমাত্রা ও বৃষ্টিপাতের লক্ষ্যমাত্রায় গতিশীল মডেলের উন্নতি ঘটিয়েছে, আর ECMWF-এর 2025 সালের রিয়েল-টাইম প্রতিযোগিতায় এর বৈশ্বিক পূর্বাভাস ছিল সেরা।
মানুষের বাদামি চর্বির কৃত্রিম বুদ্ধিমত্তা-সক্ষম ক্লিনিক্যাল ফেনোটাইপিং
মূল শিরোনাম: Artificial intelligence-enabled clinical phenotyping of human brown fat
মানুষের ব্রাউন অ্যাডিপোজ টিস্যু (BAT) কার্যকলাপ বৃহৎ পরিসরে পরিমাপের পদ্ধতির অভাব ছিল। একটি বড় ক্যান্সার কেন্দ্রের 101,243 জন রোগীর তথ্য ব্যবহার করে লেখকেরা মেশিন লার্নিং দিয়ে প্রায় 8,700 জন রোগীর BAT কার্যকলাপ আধা-স্বয়ংক্রিয়ভাবে পরিমাপ করেছেন। বিশেষ করে অ্যাক্সিলারি ডিপোতে উচ্চতর BAT কার্যকলাপ কার্ডিওমেটাবলিক রোগের কম সম্ভাবনা এবং সাদা চর্বির স্বাস্থ্যকর বণ্টনের সঙ্গে যুক্ত ছিল।
লিথিয়াম-আয়ন ব্যাটারি ইলেক্ট্রোলাইটে মাল্টি-Li + ক্লাস্টারিংয়ের প্রমাণ
মূল শিরোনাম: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
লিথিয়াম-আয়ন ব্যাটারি ইলেক্ট্রোলাইটের বাল্ক সলভেশন গঠন শুধু পরীক্ষার মাধ্যমে পারমাণবিক পর্যায়ের বিশদে নির্ধারণ করা কঠিন। লেখকরা মেশিন-লার্নিংচালিত পারমাণবিক সিমুলেশন, NMR স্পেকট্রোস্কোপি, তড়িৎ-রাসায়নিক উপাত্ত এবং কোয়ান্টাম-রাসায়নিক গণনা একত্রিত করেছেন। তাঁরা অ্যানায়ন-সংযুক্ত নয় এমন, সহজে বিজারিত হওয়া এবং আগে অধ্যয়ন না করা বহু-Li+ জটিল যৌগ শনাক্ত করেছেন, যা অভিজ্ঞতালব্ধভাবে বেছে নেওয়া ইথিলিন-কার্বনেট দ্রাবক মিশ্রণ কেন কাজ করে তা ব্যাখ্যা করতে সাহায্য করে।
কৃত্রিম নিউরাল নেটওয়ার্ক কীভাবে নিজস্ব শেখার যন্ত্রব্যবস্থা তৈরি করে
মূল শিরোনাম: How artificial neural networks build their own learning machinery
এলোমেলোভাবে সংযুক্ত একদল ইউনিট, সংযোগ কখন ও কীভাবে বদলাবে তার সহজ নিয়ম পেলে নিজেদের পুনর্গঠন করে একটি কার্যকর তথ্য-প্রক্রিয়াকরণ নেটওয়ার্কে পরিণত হতে পারে। MIT-র দলটির যুক্তি, ডেভেলপারের নির্দেশনা ছাড়াই নিজেকে সংগঠিত করার ক্ষমতা একটি কৃত্রিম নেটওয়ার্কের জৈবিক গ্রহণযোগ্যতার একটি মূল পরীক্ষা। গবেষকরা সতর্ক করেছেন যে এ ধরনের নেটওয়ার্ক জৈবিক শিখন সম্পর্কে খুব বেশি অন্তর্দৃষ্টি নাও দিতে পারে।
গণিতের কঠিনতম সমস্যাগুলোর একটি রিম্যান অনুমান সমাধানের আরও কাছাকাছি এআই
মূল শিরোনাম: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude একটি নতুন এনজাইম ব্যবস্থা আবিষ্কার করেছে
মূল শিরোনাম: Claude discovers a novel enzyme system
Anthropic-এর নতুন লাইফ সায়েন্সেস ল্যাব অচিহ্নিত প্রোটিন পরিবারের জন্য ডিএনএ ডেটাসেট অনুসন্ধানে Claude ব্যবহার করছে। প্রাথমিক ফলাফলে, বিজ্ঞানীদের কেবল উচ্চ-স্তরের দিকনির্দেশনায়, Claude এজেন্টরা অজানা কার্যকারিতাসম্পন্ন এবং CRISPR-এর কথা মনে করিয়ে দেওয়া বৈশিষ্ট্যযুক্ত একটি নতুন এনজাইম সিস্টেম খুঁজে পেয়েছে। এই কাজের লক্ষ্য বড় পরিসরে অনুমান তৈরি করা এবং ল্যাবে তা পরীক্ষা করা।
NiCLIP: মস্তিষ্কের সক্রিয়তার ইমেজ থেকে টেক্সট পূর্বাভাসের জন্য নিউরোইমেজিং কনট্রাস্টিভ ল্যাঙ্গুয়েজ-ইমেজ প্রি-ট্রেনিং মডেল
মূল শিরোনাম: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
NiCLIP হলো একটি AI মডেল যা মস্তিষ্কের সক্রিয়তার প্যাটার্ন থেকে জ্ঞানীয় কাজ, ধারণা ও ক্ষেত্র ডিকোড করে। এটি ২৩,০০০-এর বেশি নিবন্ধের ওপর প্রশিক্ষিত হয়েছে এবং জানা গেছে যে গ্রুপ-স্তরের ডিকোডিংয়ে এটি প্রচলিত ডিকোডারের চেয়ে ভালো ফল দেয়। এটি Human Connectome Project-এর গ্রুপ-স্তরের মানচিত্র থেকে জ্ঞানীয় কাজ নির্ভুলভাবে পূর্বাভাস দিয়েছে, তবে নয়েজযুক্ত বিষয়-স্তরের মানচিত্রে সীমাবদ্ধতা দেখিয়েছে।
বহুমাধ্যম চিকিৎসা চিত্র পুনরুদ্ধার ও উন্নতকরণের জন্য একটি অল-ইন-ওয়ান ফাউন্ডেশন মডেল
মূল শিরোনাম: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound একটি ফাউন্ডেশন মডেল, যা CT, MRI, PET, এন্ডোস্কপি, আল্ট্রাসাউন্ড, ফান্ডাস ও এক্স-রে সহ সাতটি মোডালিটিতে নয়েজ, মোশন আর্টিফ্যাক্ট, কম কনট্রাস্ট বা কম-ডোজ ইমেজিংয়ের কারণে নষ্ট হওয়া চিকিৎসা চিত্র পুনরুদ্ধার ও উন্নত করে। ৩.৭৬ মিলিয়ন জোড়া চিত্রে প্রশিক্ষিত হয়ে এটি চিত্রের মানের মেট্রিক, চিকিৎসকের মূল্যায়ন ও রোবাস্টনেস পরীক্ষায় ৩৮টি টাস্ক-নির্দিষ্ট ও সাধারণ বেসলাইনকে ছাড়িয়ে গেছে। উন্নত চিত্র ৪৪টি রোগ শনাক্তকরণ কাজ, টিউমারের স্তর পূর্বাভাস এবং নন-স্মল-সেল ফুসফুস ক্যানসারে বেঁচে থাকার ঝুঁকির স্তরবিন্যাসও উন্নত করেছে।
HIP: ডেরিভেটিভ ছাড়া হেসিয়ান ইন্টারঅ্যাটমিক পটেনশিয়াল
মূল শিরোনাম: HIP: Hessian Interatomic Potentials without derivatives
আণবিক হেসিয়ান, অর্থাৎ বিভব শক্তির দ্বিতীয় অন্তরকলজ, বহু কম্পিউটেশনাল রসায়ন ওয়ার্কফ্লোতে প্রয়োজন হয়, কিন্তু এগুলো গণনা করা ব্যয়বহুল এবং সিস্টেমের আকার বাড়লে দক্ষতা কমে যায়। লেখকেরা HIP উপস্থাপন করেছেন, একটি ডিপ লার্নিং মডেল যা গ্রাফ নিউরাল নেটওয়ার্কের SE(3)-ইকুইভেরিয়েন্ট ফিচার ব্যবহার করে অটোমেটিক ডিফারেনশিয়েশন বা ফাইনাইট ডিফারেন্স ছাড়াই সরাসরি হেসিয়ান পূর্বাভাস দেয়। জানা গেছে, HIP অটোমেটিক-ডিফারেনশিয়েশন হেসিয়ানের চেয়ে এক থেকে দুই মাত্রা দ্রুত ও আরও নির্ভুল, এবং ট্রানজিশন-স্টেট অনুসন্ধান, জ্যামিতি অপটিমাইজেশন ও কম্পন বিশ্লেষণে ভালো কাজ করে।
ঘুমের লুকানো সংকেত ভবিষ্যতের স্বাস্থ্যের পূর্বাভাস দিতে পারে
মূল শিরোনাম: Hidden signals in sleep can predict future health
এআই টুল এক রাতের ঘুম থেকে এমন শারীরবৃত্তীয় ধরন বের করে আনতে পারে যা প্রচলিত ঘুম পরিমাপে ধরা পড়ে না, এবং এই ধরনগুলো রোগ ও মৃত্যুর সঙ্গে সম্পর্কিত। Nature Communications ও Nature Medicine-এ প্রকাশিত দুটি সাম্প্রতিক গবেষণাপত্র ইঙ্গিত দেয় যে ঘুমের তথ্যে চিকিৎসক ও গবেষকরা বর্তমানে যতটা বের করেন তার চেয়ে অনেক বেশি স্বাস্থ্যতথ্য রয়েছে। ক্রমবর্ধমান প্রমাণ এও নির্দেশ করে যে রোগ নির্ণয়ের আগেই ঘুমের পরিবর্তন দেখা দিতে পারে।
সিলিয়া-চালিত কণা পরিবহনের মেশিন লার্নিং বিশ্লেষণ প্রাইমারি সিলিয়ারি ডিসকাইনেসিয়াকে স্বাভাবিক সিলিয়া থেকে আলাদা করে
মূল শিরোনাম: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
প্রাইমারি সিলিয়ারি ডিসকাইনেসিয়া (PCD) একটি জিনগত অবস্থা, যাতে সিলিয়ার গতি অস্বাভাবিক হয়, এবং এর রোগনির্ণয় এখনও কঠিন। লেখকেরা CiliaTracks তৈরি করেছেন, একটি মেশিন লার্নিং ফ্রেমওয়ার্ক, যা উচ্চগতির মাইক্রোস্কোপিতে ধারণ করা কালচারকৃত শ্বাসনালির কোষে কণার পরিবহন বিশ্লেষণ করে। ক্লাসিকাল মেশিন লার্নিং মডেল ও একটি কনভোলিউশনাল নিউরাল নেটওয়ার্ক ১৪ জন PCD আক্রান্ত ব্যক্তি এবং ১০ জন সুস্থ দাতার রেকর্ডিং ৯৫-৯৭% নির্ভুলতায় শ্রেণিবদ্ধ করেছে।
বৃহৎ ভাষা মডেল দিয়ে বৈশিষ্ট্য পূর্বাভাসে কম মানেই বেশি হতে পারে
মূল শিরোনাম: Less can be more for predicting properties with large language models
স্ফটিকের গঠন থেকে গঠন-শক্তি বা ইলাস্টিক মডুলাসের মতো বৈশিষ্ট্য অনুমান করা, অর্থাৎ স্থানাঙ্ক-শ্রেণি (coordinate-category) ডেটা থেকে বৈশিষ্ট্য পূর্বাভাস, গণনামূলক বিজ্ঞানের একটি কেন্দ্রীয় বিষয়, এবং এতে বৃহৎ ভাষা মডেল (LLM) প্রয়োগ করা হয়েছে। সিনথেটিক ডেটাসেট ও MatText বেঞ্চমার্ক ব্যবহার করে লেখকেরা দেখেছেন, LLM শ্রেণির প্যাটার্ন ভালোভাবে সামলালেও স্থানাঙ্কের তথ্য ধরতে ধারাবাহিকভাবে ব্যর্থ হয়। এটি ৭০ বিলিয়ন প্যারামিটার পর্যন্ত মডেলের আকার, 2 × 10^6 কাঠামো পর্যন্ত ডেটাসেট এবং বিভিন্ন টেক্সট উপস্থাপনার ক্ষেত্রেই সত্য, আর কাঠামোগত প্রভাবের ওপর নির্ভরশীল বৈশিষ্ট্য পূর্বাভাসে বিশেষায়িত জ্যামিতিক আর্কিটেকচার LLM-কে ছাড়িয়ে যায়।
ETSAM: ক্রায়ো-ইলেকট্রন টোমোগ্রামে কোষ ঝিল্লির কার্যকর সেগমেন্টেশন
মূল শিরোনাম: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
কোলাহলপূর্ণ ক্রায়ো-ইলেকট্রন টোমোগ্রাফি ভলিউমে কোষ ঝিল্লি আলাদা করে চেনা কঠিন। লেখকেরা ETSAM উপস্থাপন করেছেন, এটি একটি দ্বি-পর্যায়ের পদ্ধতি যা ঝিল্লি সেগমেন্ট করার জন্য Segment Anything Model 2 (SAM2)-কে ফাইন-টিউন করে; এটি ৮৩টি পরীক্ষামূলক ও ২৮টি সিমুলেটেড টোমোগ্রামে প্রশিক্ষিত। ১৭টি পরীক্ষামূলক টেস্ট টোমোগ্রামে এটি উচ্চ সংবেদনশীলতা ও আরও ভালো নির্ভুলতা (precision) নিয়ে অন্যান্য ডিপ লার্নিং পদ্ধতিকে ছাড়িয়ে গেছে।
ফোটনিক সার্কিট প্রশিক্ষণযোগ্য AI হার্ডওয়্যারে পরিণত হচ্ছে
মূল শিরোনাম: Photonic circuits become trainable AI hardware
লেখকরা একটি পদার্থবিদ্যাভিত্তিক ইন সিটু লার্নিং পদ্ধতি প্রদর্শন করেছেন, যা ফোটোনিক ইন্টিগ্রেটেড সার্কিটে অপটিক্যাল গ্রেডিয়েন্ট সরাসরি পরিমাপ করে। এর ফলে সার্কিটের পূর্ণাঙ্গ ডিজিটাল মডেল ছাড়াই তৈরির পরে বিভিন্ন সার্কিট টপোলজি প্রশিক্ষণ দেওয়া যায়। জানানো হয়েছে যে এই হার্ডওয়্যার ম্যাট্রিক্স নকশা, মাল্টিওয়েভলেংথ গণনা এবং দ্রুত মেটা-লার্নিং অর্জন করে।
Tangermeme: ডিপ লার্নিং মডেল ব্যবহার করে সিস-নিয়ন্ত্রক যুক্তি বোঝার একটি টুলকিট
মূল শিরোনাম: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
ডিপ লার্নিং মডেল জিনোমিক ডেটা ভালোভাবে পূর্বাভাস দিতে পারে, কিন্তু কঠিন ধাপ হলো জৈবিক আবিষ্কারে সেগুলোর ব্যবহার। এই গবেষণাপত্রে tangermeme-এর বর্ণনা দেওয়া হয়েছে, যা মডেল বাদে জিনোমিক ডিপ লার্নিংয়ের অন্যান্য অংশের জন্য অত্যন্ত অপ্টিমাইজড একটি টুলকিট। এটি দেখায় কীভাবে tangermeme মডেলের শেখা সিস-নিয়ন্ত্রক প্যাটার্নগুলোকে মানুষের বোধগম্য অন্তর্দৃষ্টিতে রূপান্তর করতে পারে।
OpenAI অনলাইনে ৭০০টি গণিত প্রিপ্রিন্ট প্রকাশ করেছে: গণিতবিদরা ক্ষুব্ধ
মূল শিরোনাম: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAI একটি অপ্রকাশিত মডেল শত শত হাই-প্রোফাইল গাণিতিক সমস্যায় ব্যবহার করেছে এবং ৬ October তারিখে GitHub-এ AI-উৎপাদিত ৭০০-এর বেশি প্রিপ্রিন্ট প্রকাশ করেছে। কিছু গণিতবিদ দীর্ঘদিনের সমস্যার সমাধানকে স্বাগত জানিয়েছেন, আবার অন্যরা সোশ্যাল মিডিয়ায় আগে প্রকাশের মাধ্যমে পিছনে ফেলে দেওয়ার অভিযোগ করেছেন। একজন গণিতবিদ এই প্লাবনকে "slopocalypse" বলেছেন, যদিও বিষয়বস্তু আনুষ্ঠানিকভাবে সঠিক প্রমাণিত হতে পারে।
সাধারণীকরণযোগ্য পারটার্বেশন পূর্বাভাস
মূল শিরোনাম: Generalizable perturbation prediction
কোষ পারটারবেশন (perturbation) ডেটা কার্যকারণমূলক নিয়ন্ত্রণ সম্পর্ক উন্মোচন করে, কিন্তু এ ধরনের ডেটা প্রায়ই দুষ্প্রাপ্য, যা এমন পদ্ধতির প্রয়োজনীয়তা তৈরি করে যা এক প্রেক্ষাপট থেকে অন্য প্রেক্ষাপটের সাড়া ভবিষ্যদ্বাণী করতে পারে। লেখকেরা State তৈরি করেছেন, একটি মেশিন-লার্নিং মডেল, যা একক-কোষ পারটারবেশন প্রভাবের জন্য ট্রান্সফর্মার-ভিত্তিক স্টেট ট্রানজিশন মডেলকে একটি প্রি-ট্রেইনড সেল-এমবেডিং মডেলের সঙ্গে যুক্ত করে। এটিকে ১০ কোটিরও বেশি কোষের পারটারবেশন ডেটা এবং ১৬ কোটি ৭০ লাখ কোষের পর্যবেক্ষণমূলক ডেটার ওপর প্রশিক্ষণ দেওয়া হয়েছে, এবং দলটি মডেলগুলোর তুলনার জন্য একটি মূল্যায়ন কাঠামো Cell-Eval-ও তৈরি করেছে।
পার্টিকল সোয়ার্ম অপ্টিমাইজড হিস্টোগ্রাম ইকুয়ালাইজেশন এবং VGG19-ভিত্তিক U-Net ব্যবহার করে ব্রেন টিউমার সেগমেন্টেশন
মূল শিরোনাম: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI-তে ব্রেন টিউমার সেগমেন্টেশন ধীর, ভুলপ্রবণ এবং অপারেটরের পক্ষপাতের দ্বারা প্রভাবিত, আর ডিপ লার্নিং মডেলগুলোর ব্যাখ্যাযোগ্যতা প্রায়ই কম থাকে। লেখকেরা SPOHE-VGGNet প্রস্তাব করেছেন, যা একটি পরিবর্তিত U-Net-কে VGG-19 এবং MRI-র কনট্রাস্ট বাড়ানোর জন্য পার্টিকল সোয়ার্ম অপ্টিমাইজড হিস্টোগ্রাম ইকুয়ালাইজেশনের সঙ্গে যুক্ত করে। এটি Figshare ডেটাসেটে মেনিনজিওমার জন্য ০.৯৫২২, গ্লিওমার জন্য ০.৯৪২৮ এবং পিটুইটারি টিউমারের জন্য ০.৯৫১৮ Dice স্কোর অর্জন করেছে, আর BraTS 2021-এ সম্পূর্ণ টিউমার সেগমেন্টেশনের জন্য পেয়েছে ০.৯৪৬৩; তবে লেখকেরা জানিয়েছেন, ক্লিনিক্যাল ব্যবহারের আগে বাহ্যিক, ভলিউমেট্রিক এবং চিকিৎসক-কেন্দ্রিক যাচাই এখনও প্রয়োজন।
বৈশ্বিক জনস্বাস্থ্যের জন্য Earth AI-এর গ্রহভিত্তিক ভূ-স্থানিক ফাউন্ডেশন মডেলের সম্ভাবনা উন্মোচন
মূল শিরোনাম: Unlocking Earth AI’s planetary geospatial foundation models for global public health
জনস্বাস্থ্য-সংক্রান্ত সিদ্ধান্ত প্রায়ই প্রতিবেদনে বিলম্ব, বিচ্ছিন্ন ডেটা ও অপর্যাপ্ত ডেটার কারণে ধীর হয়ে যায়। Google-এর Population Dynamics Foundation Model (PDFM) গোপনীয়তা-সুরক্ষিত সার্চ ট্রেন্ড, মানুষের চলাচল, নির্মিত পরিবেশের ঘনত্ব এবং পরিবেশগত উপাদানকে অবস্থান এমবেডিংয়ে সংকুচিত করে। এই এমবেডিংগুলো নির্দিষ্ট কাজের জন্য ফাইন-টিউনিং ছাড়াই বিদ্যমান মহামারিবিজ্ঞানভিত্তিক মডেলে যুক্ত করা যায়, এবং পাঁচটি অংশীদার কেস স্টাডি উপস্থাপন করা হয়েছে।
স্থানিক আণবিক তথ্যের নির্ভুল ও পর্যাপ্ত সক্ষমতাসম্পন্ন কেস–কন্ট্রোল বিশ্লেষণ
মূল শিরোনাম: Accurate and well-powered case–control analysis of spatial molecular data
স্থানিক আণবিক ডেটার জন্য বিদ্যমান পদ্ধতিগুলো প্রায়ই সীমাবদ্ধ অনুমান ব্যবহার করে, যার ফলে রোগের গুরুত্বপূর্ণ সংকেত বাদ পড়ে যেতে পারে। VIMA একটি ডিপ-লার্নিং পদ্ধতি, যা ভ্যারিয়েশনাল অটোএনকোডারের একটি এনসেম্বল ব্যবহার করে ক্ষুদ্র টিস্যু প্যাচের সারসংক্ষেপ তৈরি করে এবং এমন মাইক্রোনিশ শনাক্ত করে যাদের পরিমাণ কেস বা কন্ট্রোল অবস্থার সঙ্গে সম্পর্কিত। সিমুলেশনে এটি ভালোভাবে ক্যালিব্রেটেড ও শক্তিশালী ছিল, এবং তিনটি রোগজুড়ে ডেটাসেটে প্রয়োগ করে এটি পরিচিত জীববিজ্ঞান পুনরুদ্ধার করেছে এবং রোগের নতুন স্থানিক বৈশিষ্ট্য শনাক্ত করেছে।
ProFormer: ডিপ লার্নিং ব্যবহার করে একক-কোষ ও প্লাজমা প্রোটিওমের সাধারণীকরণযোগ্য শ্রেণিবিন্যাস
মূল শিরোনাম: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
বর্তমান প্রোটিওমিক ওয়ার্কফ্লোতে থ্রুপুট কম এবং ব্যাপক ডেটা প্রসেসিং প্রয়োজন হয়, যা নমুনা শ্রেণিবিন্যাসকে ধীর করে। ProFormer একটি ট্রান্সফরমার-ভিত্তিক ডিপ-লার্নিং পাইপলাইন, যা ভর স্পেকট্রোমেট্রি ডেটা থেকে সরাসরি MS1-স্তরের পেপটাইড আয়ন বৈশিষ্ট্য গ্রহণ করে। এটি 14টি আর্কিটেকচার জুড়ে প্রচলিত মেশিন লার্নিং ও CNN-কে ছাড়িয়ে গেছে এবং কোষের ধরন, চক্রের পর্যায় ও পার্থক্যকরণ গতিপথ অনুযায়ী একক-কোষ প্রোটিওম, পাশাপাশি প্লাজমা প্রোটিওম থেকে রোগীর রোগের অবস্থা শ্রেণিবদ্ধ করেছে।
CellART: উচ্চ-রেজোলিউশন স্পেশিয়াল ট্রান্সক্রিপ্টমিক্স থেকে একক-কোষের তথ্য বের করার একটি একীভূত কাঠামো
মূল শিরোনাম: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
উচ্চ-রেজোলিউশনের স্থানিক ট্রান্সক্রিপ্টমিক্স প্ল্যাটফর্ম হয় প্রতিটি স্পটে বিক্ষিপ্ত ট্রান্সক্রিপ্ট গণনা ধারণ করে, নয়তো সীমিত সংখ্যক জিন পরিমাপ করে, ফলে একক-কোষ তথ্য বের করা কঠিন হয়। CellART স্টেইনিং ছবি, স্থানিক ট্রান্সক্রিপ্টমিক্স ডেটা এবং একক-কোষ RNA-seq রেফারেন্স একত্র করে, এবং ডিপ লার্নিং ও সম্ভাব্যতাভিত্তিক মডেলিং ব্যবহার করে একসঙ্গে কোষ বিভাজন ও কোষের ধরন চিহ্নিত করে। লেখকেরা জানিয়েছেন এটি কার্যকর, সাধারণীকরণযোগ্য ও শক্তপোক্ত, এবং এর ফলাফল ব্যাপকভাবে ব্যবহৃত কমিউনিটি টুলের সঙ্গে সামঞ্জস্যপূর্ণ।
২ডি মাল্টি-ভিউ ইকোকার্ডিওগ্রাফি ব্যবহার করে হাইপারট্রফিক কার্ডিওমায়োপ্যাথি ও কার্ডিয়াক অ্যামাইলয়েডোসিসের মধ্যে পার্থক্য নির্ণয়ের জন্য ডিপ লার্নিংচালিত একটি পাইপলাইন
মূল শিরোনাম: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
হাইপারট্রফিক কার্ডিওমায়োপ্যাথি (HCM) এবং কার্ডিয়াক অ্যামাইলয়েডোসিস (CA) ইকোকার্ডিওগ্রাফিতে দেখতে একই রকম, ফলে এদের আলাদা করা কঠিন। এই গবেষণায় একটি ডিপ-লার্নিং কাঠামো তৈরি করা হয়েছে, যা 2D ইকো ছবিকে পাঁচটি ক্লিনিক্যালি প্রাসঙ্গিক ভিউতে শ্রেণিবদ্ধ করে, প্রতিটি ভিউ থেকে বৈশিষ্ট্য আহরণ করে এবং সেগুলোকে একত্রিত করে। 212 জন HCM, 119 জন CA এবং 200 জন নিয়ন্ত্রণ রোগীর ওপর পাঁচগুণ ক্রস-ভ্যালিডেশনে এটি 0.83 প্রিসিশন, 0.81 সংবেদনশীলতা, 0.89 নির্দিষ্টতা এবং 0.82 মাইক্রো-F1 অর্জন করেছে, এবং লেখকেরা একে একটি নির্ভরযোগ্য রোগনির্ণয় সরঞ্জাম হিসেবে বর্ণনা করেছেন।
আলোচালিত এই AI প্রায় ৯৮% নির্ভুলতায় ডিপফেক শনাক্ত করতে পারে
মূল শিরোনাম: This light-powered AI can spot deepfakes with nearly 98% accuracy
UCLA-র গবেষকেরা আলো ব্যবহার করে ডিপফেক ভিডিও শনাক্ত করার একটি অপটিক্যাল-নিউরাল প্রসেসর তৈরি করেছেন, যার লক্ষ্য ক্রমবর্ধমান AI-নির্মিত ভিডিও যাচাই করা। ভিডিও একটি একটি করে পরীক্ষা করা প্রচলিত ব্যবস্থার বিপরীতে এটি একটিমাত্র অপটিক্যাল পাসে একই সঙ্গে ১৫টি বা তার বেশি ভিডিও স্ট্রিম বিশ্লেষণ করে। দলটি প্রায় ৯৮% শনাক্তকরণ নির্ভুলতার কথা জানিয়েছে, এবং গবেষণাটি eLight-এ প্রকাশিত হয়েছে।
Claude-আকৃতির বিজ্ঞান
মূল শিরোনাম: Claude-shaped science
অধ্যাপক Matthew Schwartz বর্ণনা করেছেন, Claude-এর সঙ্গে লড়াই বন্ধ করে তার বর্তমান সামর্থ্যের উপযোগী সমস্যা খুঁজে নিতে দেওয়ার পর তিনি কীভাবে BootLoops তৈরি করলেন, যা পরিমাণগত বিজ্ঞানে সুনির্দিষ্ট গণনার একটি টুলকিট। একই ধরনের গণনা বিভিন্ন ক্ষেত্রে বারবার আসে বলে Claude বাস্তুবিদ্যা, জনসংখ্যা জেনেটিক্স এবং আরও এক ডজন ক্ষেত্রের সঙ্গে সংযোগ খুঁজে পেয়েছে, যদিও এগুলো প্রায়ই প্রযুক্তিগতভাবে সঠিক হলেও প্রথমে উল্লেখযোগ্য ছিল না। এরপর Schwartz সংশ্লিষ্ট ক্ষেত্রের বিশেষজ্ঞদের সঙ্গে কাজ করে BootLoops-কে সেই ক্ষেত্রগুলোর গুরুত্বপূর্ণ প্রশ্নের দিকে পরিচালিত করেছেন।
বৃহৎ ভাষা মডেলগুলো কম্বিনেটোরিয়াল অপ্টিমাইজেশনের জন্য পরিপূরক হিউরিস্টিক আবিষ্কার করে
মূল শিরোনাম: Large language models discover complementary heuristics for combinatorial optimization
সংমিশ্রণমূলক অপ্টিমাইজেশন উৎপাদন, লজিস্টিকস ও জ্বালানি খাতের সিদ্ধান্তের ভিত্তি, কিন্তু প্রতিটি নতুন ভেরিয়েন্টের জন্য হিউরিস্টিক ডিজাইন করতে বিশেষজ্ঞদের কয়েক মাসের শ্রম লাগে, আর একবারে LLM দিয়ে কোড তৈরি প্রায়ই ব্যর্থ হয়। LACE অ্যালগরিদম ডিজাইনকে স্কিমা, একটি টুল লাইব্রেরি ও একটি হিউরিস্টিক পোর্টফোলিওতে ভাগ করে, তারপর রানটাইম সীমার মধ্যে পরস্পরের পরিপূরক বিশেষায়িত হিউরিস্টিক বিবর্তিত করে। ৩৬টি ক্লাসিক্যাল CO-Bench সমস্যায় এর গড় ছিল 0.945, যেখানে পূর্বের সবচেয়ে শক্তিশালী LLM-ভিত্তিক পদ্ধতির গড় 0.870 এবং সরাসরি প্রম্পটিংয়ের 0.571।
গেম খেলা এই AI এখন Stratego-তে নতুন চ্যাম্পিয়ন
মূল শিরোনাম: This game-playing AI is the new champ at Stratego
গবেষকরা Stratego-র জন্য একটি AI সিস্টেম তৈরি করেছেন, এটি দুজন খেলোয়াড়ের একটি বোর্ড গেম যেখানে প্রতিপক্ষের ঘুঁটিগুলো লুকানো থাকে এবং যা প্রায়ই কৌশলগত চিন্তার পরীক্ষায় ব্যবহৃত হয়। দক্ষ প্রশিক্ষণ অ্যালগরিদমের সঙ্গে লুকানো তথ্যের অধীনে সিদ্ধান্ত নেওয়ার নতুন কৌশল যুক্ত করে সিস্টেমটি শীর্ষ র্যাঙ্কের মানব খেলোয়াড়দের বড় ব্যবধানে হারিয়েছে এবং প্রশিক্ষণে কম খরচ হওয়া সত্ত্বেও পরবর্তী সেরা মডেলগুলোকে ছাড়িয়ে গেছে। এটি ভিন্ন নিয়মের অন্যান্য কৌশলভিত্তিক গেমেও শীর্ষ মানব খেলোয়াড়দের হারিয়েছে।
সেলফ-সুপারভাইজড প্রি-ট্রেনিংয়ের মাধ্যমে এনার্জি-ফ্রন্টিয়ার ভিন্নধর্মী নিউট্রিনো ডিটেক্টরের জন্য ফাউন্ডেশন-ধাঁচের মডেলের দিকে
মূল শিরোনাম: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
শক্তি-সীমান্ত নিউট্রিনো ডিটেক্টরে ঘটনার ব্যাখ্যা প্রচলিত পুনর্গঠনের জন্য অব্যবহারিক এবং লেবেলযুক্ত ডেটা কম থাকলে সুপারভাইজড মডেলের জন্য কঠিন। লেখকরা মাস্কড-অটোএনকোডার পুনর্গঠন ও সম্পর্কভিত্তিক ভক্সেল-স্তরের লক্ষ্য দিয়ে একটি স্পার্স Vision Transformer প্রিট্রেইন করেছেন, তারপর শ্রেণিবিন্যাস ও রিগ্রেশনে একযোগে ফাইন-টিউন করেছেন। প্রস্তাবিত FASER ক্যালোরিমিটারের সিমুলেটেড ঘটনায় প্রিট্রেনিং ফ্লেভার ও চার্ম-কোয়ার্ক শনাক্তকরণ, ভরবেগ রিগ্রেশন এবং ভার্টেক্স পুনর্গঠন উন্নত করেছে, এবং প্রায় 1,000টি লেবেলযুক্ত ঘটনা থাকলে প্রিট্রেইন করা এনকোডার শুরু থেকে প্রশিক্ষিত মডেলের ফ্লেভার-শ্রেণিবিন্যাস কর্মক্ষমতার সমান হয়েছে।
পাওয়ার গ্রিডে মহাকাশ আবহাওয়ার ঝুঁকির পূর্বাভাস
মূল শিরোনাম: Forecasting space weather risks on power grids
চরম মহাকাশ-আবহাওয়ার ঘটনা বিদ্যুৎ সঞ্চালন নেটওয়ার্কে প্রবাহ সৃষ্টি করে যন্ত্রপাতির ক্ষতি করতে পারে, এবং গ্রিড অপারেটরদের যথেষ্ট আগাম সতর্কতাসহ জানা দরকার কখন ও কোথায় প্রভাব সবচেয়ে গুরুতর হবে। Microsoft Research একটি মেশিন লার্নিং পাইপলাইন তৈরি করেছে, যা সৌর বায়ুর ডেটা, AE ও Dst পূর্বাভাস, স্থানীয় অক্ষাংশ, ভূতত্ত্ব এবং ভূমির পরিবাহিতা একত্র করে মহাদেশীয় যুক্তরাষ্ট্রের 66,935টি সাবস্টেশনের ঝুঁকির অনুমান তৈরি করে। মূল্যায়নের সময়কালে এটি প্রায় 80% বড় মহাকাশ-আবহাওয়ার ঘটনা শনাক্ত করেছে এবং কোনো নির্দিষ্ট ঝুঁকি দেখা দেওয়ার 30 থেকে 60 মিনিট আগে অপারেটরদের সতর্ক করতে পারে।
D4RT: ইউনিফাইড, দ্রুত 4D দৃশ্য পুনর্গঠন ও ট্র্যাকিং
মূল শিরোনাম: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
সেনেগালে ক্ষুদ্র কৃষকদের ফসলের মানচিত্র তৈরির এআই টুল নিজের কার্যকারিতা প্রমাণ করেছে
মূল শিরোনাম: AI tool for mapping smallholder crops proves itself in Senegal
সেনেগালের বৃষ্টিনির্ভর ছোট খামারগুলোর কারণে জনসংখ্যার একটি বড় অংশ জলবায়ুজনিত আঘাতের ঝুঁকিতে থাকে, অথচ স্যাটেলাইটভিত্তিক ফসল-মানচিত্রণের সরঞ্জাম প্রায় নাগালের বাইরে। University of Cambridge-এর গবেষকরা স্যাটেলাইট চিত্রে প্রশিক্ষিত একটি ওপেন-সোর্স AI মডেল Tessera ব্যবহার করে সেনেগালের চিনাবাদাম অববাহিকার ফসলের মানচিত্র তৈরি করেছেন। পরীক্ষায় এটি ৮৪% ক্ষেত্রে সঠিক ফলাফল দিয়েছে, যা বর্তমান পদ্ধতির চেয়ে বেশি নির্ভুল, অথচ এতে কম্পিউটিং সম্পদ ও লেবেলযুক্ত ডেটার সামান্য অংশই লেগেছে। একটি পরিস্থিতিতে এটি পরবর্তী সেরা মডেলের চেয়ে ২৮% ভালো ফল করেছে।
Quine পরিচিতি: জীববিজ্ঞানের জটিলতার জন্য ডিজাইন করা একটি AI গবেষণা সিস্টেম
মূল শিরোনাম: Introducing Quine: An AI research system designed for the complexity of biology
Microsoft Research-এর Quine হলো জীববিজ্ঞানের একটি মাল্টিমোডাল ওয়ার্ল্ড মডেল এবং একটি ইন্টারঅ্যাক্টিভ হার্নেস তৈরির প্রাথমিক পর্যায়ের প্রচেষ্টা, যা মডেল, বৈজ্ঞানিক টুল, সাহিত্য ও গবেষকদের সংযুক্ত করে এবং ল্যাব পরীক্ষার আগে বিজ্ঞানীদের হাইপোথিসিসকে অগ্রাধিকার দিতে সাহায্য করে। Harvard ও MIT-এর Broad Institute-এর গবেষকদের সহযোগিতায় দলটি এটি ব্যবহার করে এমন যৌগগুলোকে অগ্রাধিকার দিয়েছে, যেগুলো থেরাপিউটিক টিউমার-স্টেট পরিবর্তন ঘটাবে বলে পূর্বাভাস দেওয়া হয়েছে, এবং একাধিক ওয়েট-ল্যাব অ্যাসেতে শীর্ষ র্যাঙ্কের বেশ কয়েকটি প্রার্থীকে যাচাই করেছে। সিস্টেমটি পরীক্ষামূলক, শুধুমাত্র গবেষণার জন্য উদ্দিষ্ট, এবং এর আউটপুট যোগ্য গবেষকদের পর্যালোচনা প্রয়োজন।
নতুন ফর্মুলেশন RNA টিকাকে উচ্চ তাপমাত্রা সহ্য করতে সাহায্য করে
মূল শিরোনাম: New formulation helps RNA vaccines withstand high temperatures
RNA ভ্যাকসিনের জন্য সাধারণত অতি-শীতল সংরক্ষণ দরকার হয়, তাই MIT-র গবেষকেরা একটি AI অ্যালগরিদম ব্যবহার করে mRNA ভ্যাকসিন বহনকারী লিপিড ন্যানোপার্টিকেলের চারপাশের ফর্মুলেশন পরিমার্জন করেছেন। অ্যালগরিদমটি সর্বোত্তম ফর্মুলেশন অনুমান করেছে, ফলে প্রয়োজনীয় পরীক্ষার সংখ্যা কমেছে এবং উন্নয়ন দ্রুত হয়েছে। প্রাপ্ত ভ্যাকসিনগুলো ঘরের তাপমাত্রায় এক বছর পর্যন্ত বা প্রায় ১০০°F-এ দুই মাস স্থিতিশীল ছিল, এবং ইঁদুরে একটি Covid-19 ভ্যাকসিন Moderna-র অনুরূপ একটি RNA ভ্যাকসিনের মতোই শক্তিশালী রোগপ্রতিরোধ সাড়া তৈরি করেছে।
সম্ভাব্যতাভিত্তিক মেশিন লার্নিং ব্যবহার করে জলবায়ু মডেল থেকে আঞ্চলিক জলবায়ু ঝুঁকি মূল্যায়ন
মূল শিরোনাম: Regional climate risk assessment from climate models using probabilistic machine learning
আঞ্চলিক ঝুঁকি-সংক্রান্ত সিদ্ধান্তের জন্য জলবায়ু মডেলগুলো খুবই স্থূল, আর বিদ্যমান ডাউনস্কেলিং পদ্ধতিগুলো বড় এনসেম্বলের জন্য অত্যন্ত ব্যয়বহুল, বহুচলকীয় নির্ভরতা ধরতে ব্যর্থ, অথবা সময়-সমন্বিত প্রশিক্ষণ জোড়া দরকার হয় যা ফ্রি-রানিং প্রজেকশনে থাকে না। GenFocal একটি জেনারেটিভ AI কাঠামো, যা জোড়াবদ্ধ প্রশিক্ষণ ডেটা ছাড়াই স্থূল প্রজেকশন থেকে পরিসংখ্যানগতভাবে নির্ভুল সূক্ষ্ম-স্কেলের আবহাওয়া তৈরি করে। এটি তাপপ্রবাহ ও ক্রান্তীয় ঘূর্ণিঝড়ের মতো দীর্ঘস্থায়ী বিপদ সংশ্লেষণ করে, শীর্ষস্থানীয় পদ্ধতিগুলোর চেয়ে আরও নির্ভুলভাবে বিরল ও উচ্চ-প্রভাবের ঘটনার নমুনা নেয়, এবং যৌগিক চরম ঘটনার আঞ্চলিক অনুমান উন্নত করে।
Claude রীমান জিটা ফাংশনের যেসব শূন্য রীমান অনুমান মেনে চলে, তাদের অনুপাতের একটি দীর্ঘদিনের নিম্নসীমা উন্নত করেছে
মূল শিরোনাম: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
রিম্যান অনুমান একটি অমীমাংসিত সমস্যা, যা বলে যে রিম্যান জিটা ফাংশনের সব শূন্য একটি নির্দিষ্ট উল্লম্ব রেখার ওপর অবস্থিত। সমস্যাটি নিয়ে কাজ করার সময় Claude-এর একটি অপ্রকাশিত গবেষণা সংস্করণ এটি প্রমাণ করতে পারেনি, কিন্তু যে শূন্যগুলো এই শর্ত পূরণ করে তাদের অনুপাতের একটি দীর্ঘদিনের নিম্নসীমা ৪১.৬% থেকে বাড়িয়ে ৬৭.২% করেছে। Anthropic-এর দুজন গণিতবিদ গবেষণাপত্রটি যাচাই করেছেন এবং একটি অনানুষ্ঠানিক বিশেষজ্ঞ নোট লিখেছেন, এবং Claude একটি আনুষ্ঠানিকভাবে যাচাইযোগ্য প্রমাণও তৈরি করেছে। এই ফলাফল থেকে অনুমানটির প্রমাণ পাওয়া যাবে বলে আশা করা হচ্ছে না।
Claude N=4 সুপার-ইয়াং-মিলসে নয়-লুপ অ্যাম্প্লিচিউড গণনা করেছে
মূল শিরোনাম: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
পদার্থবিজ্ঞানী ও বিজ্ঞান লেখক Matt von Hippel AI কোম্পানিগুলোকে একটি কঠিন তাত্ত্বিক পদার্থবিজ্ঞানের সমস্যা সমাধানের চ্যালেঞ্জ দিয়েছিলেন: N=4 super-Yang-Mills-এ নাইন-লুপ অ্যাম্পলিচিউড গণনা করা। Claude এটি গণনা করেছে, প্রায় এক মাস পর চ্যালেঞ্জটি জিতে নিয়েছে।
লেখা থেকে আত্মহত্যার ঝুঁকি নির্ণয়
মূল শিরোনাম: Estimating suicide risk from text
মানসিক স্বাস্থ্য সংকটের সময় আত্মহত্যার উচ্চ ঝুঁকিতে থাকা ব্যক্তিদের শনাক্ত করা কাউন্সেলরদের অগ্রাধিকার। MIT-এর McGovern Institute-এর গবেষকেরা একটি ভাষা-প্রক্রিয়াকরণ সরঞ্জাম তৈরি করেছেন, যা 49টি আত্মহত্যা ঝুঁকির কারণের সঙ্গে সম্পর্কিত শব্দ ও বাক্যাংশের জন্য লেখা অনুসন্ধান করে একজন ব্যক্তির ঝুঁকি অনুমান করে। সংকট কাউন্সেলরদের সঙ্গে টেক্সট কথোপকথনে সরঞ্জামটি আত্মহত্যার ঝুঁকি নির্ভুলভাবে অনুমান করেছে, এবং আরও যাচাইয়ের পর এটি ক্লিনিক্যাল ও সংকট-সহায়তা পরিবেশে ঝুঁকি মূল্যায়নে সহায়তা করতে পারে।
MIT-এর ক্ষুদ্র উড়ন্ত রোবট AI দিয়ে 450% দ্রুততর হলো
মূল শিরোনাম: MIT’s tiny flying robot gets 450% faster with AI
পোকার আকারের উড়ন্ত রোবট সাধারণত ধীর এবং সরল উড়ান-পথে সীমাবদ্ধ ছিল। MIT-এর গবেষকেরা দুই অংশের নিয়ন্ত্রণ ব্যবস্থাসহ একটি AI-ভিত্তিক কন্ট্রোলার তৈরি করেছেন, যা বারবার বডি ফ্লিপ করতে সক্ষম করে। দলটির আগের সেরা ফলাফলের তুলনায় রোবটের গতি প্রায় 450% এবং ত্বরণ প্রায় 250% বেড়েছে, এবং বাতাসের বাধার মধ্যেও এটি 11 সেকেন্ডে 10টিডিগবাজি সম্পন্ন করেছে।
Claude কীভাবে জৈব-আণবিক মডেলিংকে এগিয়ে নিচ্ছে
মূল শিরোনাম: How Claude is uplifting biomolecular modeling
বিজ্ঞানীরা জৈব অণুর পূর্বাভাস ও নকশার জন্য যে ওপেন-সোর্স মডেল ব্যবহার করেন, সেগুলো ধীর এবং প্রচুর মেমরি-নির্ভর ছিল। Claude Science-এর মধ্যে কাজ করে Claude মাত্র চার সপ্তাহের কিছু কম সময়ে এরকম ৩০টির বেশি মডেল অপটিমাইজ করেছে, যার ফলে গড়ে প্রায় ৪ গুণ দ্রুত হয়েছে। এটি একটি লো-মেমরি মোডও তৈরি করেছে, যা একটি একক NVIDIA GPU নোডে ১০,০০০ টোকেনের বেশি আকারের সিস্টেমের নির্ভুল পূর্বাভাস সম্ভব করে, এবং অপটিমাইজ করা কোড ওপেন-সোর্স করা হচ্ছে।