AI এবং বিশ্বের কঠিন সমস্যাগুলো ─ পদার্থবিজ্ঞান
AI দ্বারা এগিয়ে চলা বিজ্ঞান ও পাণ্ডিত্য, শাখা অনুযায়ী
RSS ফিড · 5 আইটেম
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।
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।
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।
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।