AI dan Masalah-Masalah Sulit Dunia
Sains dan keilmuan yang dimajukan oleh AI, menurut disiplin
Berita tentang AI yang dipakai untuk memecahkan masalah sulit — di bidang matematika, fisika, fusi, sains kuantum, ilmu hayat, kedokteran, iklim, dan humaniora — dikumpulkan setiap 3 jam dari umpan RSS dan siaran pers universitas, lembaga riset, lab AI, jurnal, dan arXiv. Jev hanya menyimpan item yang memiliki hasil ilmiah nyata dan mengurutkannya menurut disiplin; ringkasan hanya ditulis dari bagian awal setiap sumber — baca aslinya untuk detail.
Umpan RSS · 58 item
Kerangka kerja deep learning hierarkis yang dapat diinterpretasikan untuk deteksi kanker paru-paru dan kolon
Judul asli: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Mengklasifikasikan kanker paru-paru dan kolon dari citra histopatologi merupakan tugas yang sulit karena kelas-kelasnya tampak serupa dan morfologi jaringan bervariasi, sementara model deep learning konvensional kurang transparan. Para penulis membagi tugas lima kelas ini menjadi tahap-tahap dari kasar ke halus: pertama normal versus kanker, lalu pengklasifikasi khusus untuk kategori jaringan normal atau subtipe kanker, dengan arsitektur terbaik dipilih untuk setiap tahap. Kerangka kerja ini mencapai akurasi 98.50% pada LC25000 dan 82.01% pada dataset independen LungHist700, dan Grad-CAM, Grad-CAM++, LIME, serta Occlusion Sensitivity digunakan untuk menyorot area citra yang mendasari prediksinya.
Prediksi karsinoma hepatoseluler berbasis kecerdasan buatan pada individu tanpa infeksi HBV atau HCV di era MASLD
Judul asli: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
Pedoman surveilans kanker hati (HCC) saat ini terutama menyasar penderita sirosis atau hepatitis virus. Para peneliti membangun model AI untuk memprediksi risiko HCC pada orang tanpa hepatitis virus, menggunakan data dari sekitar 7,96 juta orang dewasa Korea Selatan yang menjalani pemeriksaan kesehatan. Di antara dua belas model yang dibandingkan, MHA_DNN menunjukkan kinerja terbaik dan mempertahankan akurasi yang konsisten pada kohort validasi independen. Indeks perlemakan hati dan trigliserida merupakan prediktor yang paling berpengaruh, yang menunjukkan dukungan bagi surveilans personal berbasis metabolisme.
Kerangka kerja deep learning multitugas untuk prediksi kondisi kesehatan otomatis dari citra fundus retina menggunakan perhatian hibrida dan AI yang dapat dijelaskan
Judul asli: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Model deep learning yang ada untuk citra fundus retina hanya menangani satu tugas, menawarkan interpretabilitas terbatas, dan kesulitan menghadapi variasi antarkumpulan data. Para penulis mengusulkan jaringan multitugas yang mengklasifikasikan tingkat keparahan retinopati diabetik, glaukoma, stadium AMD, dan risiko kardiovaskular dari satu citra dalam satu kali forward pass, dengan penjelasan Grad-CAM. Model ini mencapai akurasi 94,7% dan AUC 0,978 pada empat kumpulan data, secara statistik mengungguli semua model satu tugas, serta AUC minimal 0,951 pada evaluasi lintas kumpulan data zero-shot.
Kerangka terintegrasi automata–machine learning untuk diagnostik kesehatan mental cerdas
Judul asli: An automata-machine learning integrated framework for intelligent mental health diagnostics
Depresi di kalangan mahasiswa sering tidak terdeteksi hingga menjadi serius, sehingga prediksi dini diperlukan. Para penulis menggabungkan pemodelan perilaku berbasis finite automata dengan machine learning, menghasilkan fitur dari kondisi emosional mahasiswa dan menggabungkan fitur yang redundan. Dengan ensemble random forest dan KStar, akurasi naik dari baseline 82,02% dengan random forest menjadi 96,88% dengan fitur berbasis automata. Para penulis menyatakan bahwa pendekatan ini menjaga fitur tetap dapat diinterpretasikan dan dilacak.
LitGene: model transformer yang dapat diinterpretasikan yang mengintegrasikan teks dan ontologi untuk pembelajaran representasi gen
Judul asli: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
Pembelajaran representasi gen sering mengabaikan literatur ilmiah, yang dapat membiaskan hasil terhadap gen yang kurang diteliti. LitGene adalah transformer yang dapat diinterpretasikan yang mengintegrasikan teks dengan anotasi Gene Ontology melalui contrastive learning. Model ini mencapai akurasi yang kompetitif pada delapan tolok ukur protein, memprediksi term GO, jalur KEGG, dan hubungan gen-penyakit secara zero-shot, serta menandai ANGPTL6 sebagai gen kandidat untuk fibrosis paru idiopatik, didukung oleh ekspresi diferensial pada sampel independen.
Kerangka validasi multitahap untuk ekstraksi informasi klinis berskala besar yang tepercaya menggunakan model bahasa besar
Judul asli: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Validasi model bahasa besar untuk ekstraksi informasi klinis biasanya memerlukan anotasi manual yang mahal. Para penulis mengusulkan kerangka kerja multitahap yang menggabungkan penyaringan berbasis aturan, grounding semantik, evaluasi judge-LLM, tinjauan pakar, dan analisis validitas prediktif. Diterapkan pada diagnosis gangguan penggunaan zat dalam 919.783 catatan klinis, kerangka ini menghapus 14,59% ekstraksi positif LLM karena tidak didukung atau tidak masuk akal. LLM utama mencapai skor F1 sebesar 0,80 terhadap evaluasi judge, dan diagnosis yang diekstraksinya memprediksi keterlibatan perawatan spesialis berikutnya lebih baik daripada baseline data terstruktur.
Kode-kode rahasia sejarah yang lama tersembunyi kini dipecahkan oleh amatir menggunakan AI
Judul asli: History’s long-secret codes are being cracked by amateurs using AI
Orang awam semakin banyak menggunakan model bahasa besar untuk memecahkan sandi bersejarah, dengan memanfaatkan kemampuannya menjalankan algoritma dekripsi dan mencari dokumen di internet. Carter Leffen, yang tidak punya pengalaman kriptografi, meminta GPT-6 Astra untuk memecahkan pesan angkatan darat Jerman yang dienkripsi 85 tahun lalu, dan solusinya sudah muncul pada pagi harinya. Para spesialis kriptografi menyambut baik minat ini, tetapi kewalahan oleh permintaan untuk memvalidasi solusi AI, yang banyak di antaranya keliru.
Atribusi subfamili malware multi-tingkat dari citra RGB berkas eksekusi menggunakan pembelajaran mendalam yang diperkuat atensi
Judul asli: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
Analisis malware memerlukan keputusan di beberapa tingkat, mulai dari deteksi hingga atribusi famili dan subfamili yang terperinci. Para penulis mengusulkan kerangka kerja deep learning hierarkis yang menggunakan gambar RGB dari file Windows PE dan melakukan deteksi, klasifikasi famili, serta atribusi 33 subfamili dalam satu arsitektur multi-output. Empat model transfer learning dengan tambahan atensi mencapai akurasi 99% untuk biner, 96–97% pada tingkat famili, dan 91–95% pada tingkat subfamili, dengan skor macro F1 hingga 0,89 untuk atribusi terperinci.
Membumikan agen AI pada realitas biologis: Blok pembangun untuk laboratorium basah otonom
Judul asli: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
Model AI terdepan tidak dapat bernalar secara andal tentang geometri 3D dan kondisi fisik laboratorium, sehingga otomatisasi robot penanganan cairan menjadi sulit. Google Research membumikan agen AI pada robotika laboratorium fisik sehingga mereka dapat menjalankan siklus desain molekul closed-loop yang cepat. Agen-agen tersebut menemukan pengikat protein dengan afinitas nanomolar satu digit untuk target kanker.
AI mendeteksi penyakit jantung koroner dari foto wajah dan lidah dalam uji kecil
Judul asli: AI detects coronary heart disease from face and tongue photos in small test
Sebuah studi baru dari Tiongkok melatih sistem AI pada foto wajah dan lidah untuk mendeteksi penyakit jantung koroner (PJK). Dalam uji kecil, sistem tersebut mengidentifikasi dengan benar setiap pasien PJK.
Identifikasi suara paru tambahan pada anak dengan penyakit pernapasan di Bangladesh menggunakan kecerdasan buatan dan auskultasi digital
Judul asli: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
Pedoman Manajemen Terpadu Balita Sakit (IMCI) memiliki sensitivitas tinggi tetapi spesifisitas rendah untuk pneumonia. Petugas kesehatan di Bangladesh merekam suara paru dari anak di bawah lima tahun yang diduga menderita pneumonia menggunakan stetoskop digital, dan algoritma AI dibandingkan dengan panel dokter anak. AI mendeteksi suara abnormal dengan sensitivitas 61,8% dan spesifisitas 60,7% secara keseluruhan, serta 63,5% dan 66,8% pada kasus pneumonia menurut IMCI. Para penulis menyebut ini sebagai kinerja sedang, dengan perbaikan yang masih diperlukan dalam mengklasifikasikan rekaman yang tidak dapat diinterpretasikan.
Pelabelan otonom margin reseksi bedah menggunakan model fondasi
Judul asli: Autonomous labeling of surgical resection margins using a foundation model
Penilaian margin reseksi bedah dalam patologi dipengaruhi oleh kesalahan pemberian tinta manual, distorsi jaringan, dan kerusakan akibat kauter. Para penulis mengembangkan jaringan inking virtual yang menggunakan model fondasi yang dibekukan dan pengklasifikasi kecil untuk memetakan margin pada citra whole-slide tanpa tinta fisik. Pada 20 slide dari blok jaringan yang belum pernah dilihat, jaringan ini mencapai akurasi tingkat wilayah sekitar 73,3% dan menghasilkan overlay yang secara kualitatif sesuai dengan anotasi pakar. Hasilnya masih berupa bukti konsep dan perlu divalidasi pada kohort klinis yang lebih besar.
Platform berbasis machine learning untuk memprediksi energi potensial molekul kecil
Judul asli: A machine learning-based platform for predicting the potential energy of small molecules
Estimasi energi potensial molekul kecil yang akurat setelah minimisasi energi penting untuk merancang molekul obat dan penghantar gen. Para penulis membangun model deep learning, termasuk arsitektur CNN-BiLSTM dengan dan tanpa multihead attention, dan melatihnya pada kumpulan data struktur molekul kecil menggunakan representasi sekuensial per atom. Model-model tersebut dilaporkan mengungguli metode machine learning tradisional berbasis deskriptor, dan mekanisme attention disebut meningkatkan generalisasi.
Menggunakan struktur elektronik untuk memandu AI dalam merancang material baru
Judul asli: Using electronic structure to guide AI in designing new materials
Struktur menentukan fungsi, sehingga para ilmuwan semakin sering menggunakan AI untuk merancang susunan atom dalam material baru dengan sifat yang diinginkan. Peneliti di Institute of Industrial Science, University of Tokyo, memperluas sebuah model AI generatif terkemuka sehingga dapat merancang struktur elektronik material bersama dengan struktur kristalnya. Model baru tersebut, MatterGen-e⁻, dilaporkan dalam npj Computational Materials.
Studi kecil menemukan kebiasaan mengobrol dan membayar lewat ponsel pintar membantu AI mengidentifikasi stres harian
Judul asli: Smartphone chatting and payment habits help AI identify daily stress, small study finds
Petunjuk tentang stres dapat tersembunyi dalam kebiasaan sehari-hari di ponsel pintar seperti mengobrol, mencari, dan melakukan pembayaran. Peneliti KAIST mengembangkan teknologi yang menganalisis beberapa perilaku rutin yang berulang kali dilakukan di dalam aplikasi untuk mengidentifikasi kondisi stres harian seseorang.
Pemodelan berbasis AI spasiotemporal untuk regulasi gen dan efek varian pada otak manusia yang sedang berkembang menggunakan Seal
Judul asli: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
Studi ini membahas bagaimana variasi genetik membentuk regulasi gen pada otak manusia yang sedang berkembang, di mana data terbatas. Para penulis membangun Seal, kerangka pembelajaran transfer AI yang dapat diinterpretasi yang memprediksi ekspresi gen dan efek varian di 26 wilayah, 30 jenis sel, dan 7 tahap perkembangan. Pada data genom utuh autisme, Seal menemukan beban signifikan varian regulasi de novo pada neuron eksitatori janin transien.
Memprakirakan Titik Kritis dengan AI
Judul asli: Forecasting Tipping Points with AI
Titik kritis, yang setelahnya suatu sistem tidak dapat kembali ke keadaan semula, lebih sulit diprediksi daripada perubahan cuaca jangka pendek. Tim yang dipimpin Caltech menunjukkan bahwa recurrent neural operator (RNO), sejenis jaringan saraf tiruan, dapat memprediksi kapan titik kritis terjadi pada model sederhana. Model tersebut mencakup model sistem perubahan iklim dan simulasi aliran udara turbulen di atas sayap pesawat. Makalah ini diterbitkan di PNAS.
Pemodelan hibrida untuk prediksi struktur kompleks protein besar yang lebih baik
Judul asli: Hybrid modeling for improved structure prediction of large protein complexes
Studi ini bertujuan memprediksi struktur kompleks protein berukuran besar. Para penulis mengembangkan HDOCK-Multimer (HDM), sebuah kerangka kerja otomatis yang menggabungkan docking ab initio dengan perakitan kombinatorial. Pada tiga tolok ukur, HDM lebih akurat dan tangguh daripada metode perakitan mutakhir dan metode berbasis deep learning untuk rakitan protein besar.
Model AI menguraikan bahasa yang digunakan sel untuk berkomunikasi
Judul asli: AI model decodes the language cells use to communicate
Selama perkembangan embrio, sel menerima sinyal kimia yang menghidupkan atau mematikan gen dan menentukan perannya. Melacak urutan sinyal yang telah diterima sebuah sel selama ini sulit, karena jalur pensinyalan diasumsikan sangat berbeda di antara jenis sel. Peneliti MIT dan Whitehead Institute mengembangkan kerangka komputasi untuk mengatasi hal ini, yang dapat membantu mempercepat rekayasa sel punca, meningkatkan model penyakit, dan memberi masukan bagi pengobatan kanker.
Memajukan prakiraan submusiman dengan machine learning
Judul asli: Advancing subseasonal forecasting with machine learning
Kemampuan prakiraan turun tajam pada skala waktu submusiman, yaitu 2 hingga 6 minggu ke depan. Para penulis memperkenalkan koreksi bias probabilistik, sebuah kerangka kerja machine learning yang belajar mengoreksi prakiraan probabilistik historis, dan menerapkannya pada model dinamis dan model AI terkemuka milik ECMWF. Pendekatan ini menggandakan kemampuan submusiman yang sederhana dari AI Forecasting System dan meningkatkan model dinamis untuk sebagian besar target tekanan, suhu, dan curah hujan, dan dalam kompetisi waktu nyata ECMWF 2025, prakiraan globalnya adalah yang terbaik.
Fenotipe klinis lemak cokelat manusia berbasis kecerdasan buatan
Judul asli: Artificial intelligence-enabled clinical phenotyping of human brown fat
Metode untuk mengukur aktivitas jaringan adiposa cokelat (BAT) pada manusia dalam skala besar masih belum tersedia. Menggunakan data dari 101.243 pasien di sebuah pusat kanker besar, para penulis mengukur aktivitas BAT secara semiotomatis pada sekitar 8.700 pasien dengan machine learning. Aktivitas BAT yang lebih tinggi, terutama pada depot aksila, dikaitkan dengan peluang yang lebih rendah untuk penyakit kardiometabolik dan distribusi lemak putih yang lebih sehat.
Bukti adanya klasterisasi multi-Li + pada elektrolit baterai lithium-ion
Judul asli: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
Struktur solvasi curah elektrolit baterai litium-ion sulit ditentukan hingga tingkat atom hanya dengan eksperimen. Para penulis menggabungkan simulasi atomistik berbasis pembelajaran mesin, spektroskopi NMR, data elektrokimia, dan perhitungan kimia kuantum. Mereka mengidentifikasi kompleks multi-Li+ yang sebelumnya belum diteliti tanpa anion terikat yang mudah tereduksi, yang membantu menjelaskan mengapa campuran pelarut etilena karbonat yang dipilih secara empiris dapat bekerja.
Bagaimana jaringan saraf tiruan membangun mesin pembelajarannya sendiri
Judul asli: How artificial neural networks build their own learning machinery
Sekelompok unit yang terhubung secara acak dapat menata ulang diri menjadi jaringan pemrosesan informasi yang efektif bila diberi aturan sederhana tentang kapan dan bagaimana koneksi harus berubah. Tim MIT berpendapat bahwa kemampuan jaringan buatan untuk mengorganisasi diri, tanpa panduan pengembang, merupakan ujian kunci bagi kemungkinan biologisnya (biological plausibility). Para peneliti mengingatkan bahwa jaringan semacam itu mungkin tidak banyak memberi wawasan tentang pembelajaran biologis.
AI semakin dekat untuk memecahkan hipotesis Riemann, salah satu masalah matematika tersulit
Judul asli: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude menemukan sistem enzim baru
Judul asli: Claude discovers a novel enzyme system
Laboratorium ilmu hayati baru Anthropic menggunakan Claude untuk menjelajahi kumpulan data DNA guna menemukan famili protein yang belum dikarakterisasi. Pada hasil awal, hanya dengan arahan tingkat tinggi dari para ilmuwan, agen Claude menemukan sistem enzim baru dengan fungsi yang belum diketahui dan sifat yang mengingatkan pada CRISPR. Pekerjaan ini bertujuan menghasilkan hipotesis dalam skala besar dan mengujinya di laboratorium.
NiCLIP: model pralatih kontrastif bahasa-citra neuroimaging untuk memprediksi teks dari citra aktivasi otak
Judul asli: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
NiCLIP adalah model AI yang menguraikan tugas kognitif, konsep, dan domain dari pola aktivasi otak. Model ini dilatih dengan lebih dari 23.000 artikel dan dilaporkan mengungguli dekoder tradisional dalam pendekodean tingkat kelompok. Model ini memprediksi tugas kognitif secara akurat dari peta tingkat kelompok Human Connectome Project, tetapi menunjukkan keterbatasan pada peta tingkat subjek yang berderau.
Model fondasi serba-guna untuk restorasi dan peningkatan citra medis multimodal
Judul asli: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound adalah model fondasi yang memulihkan dan meningkatkan kualitas citra medis yang menurun akibat derau, artefak gerakan, kontras rendah, atau akuisisi dosis rendah pada tujuh modalitas, termasuk CT, MRI, PET, endoskopi, ultrasonografi, fundus, dan sinar-X. Dilatih dengan 3,76 juta pasang citra, model ini mengungguli 38 baseline khusus tugas maupun umum pada metrik kualitas citra, penilaian klinisi, dan uji ketahanan. Citra yang ditingkatkan juga memperbaiki 44 tugas deteksi penyakit, prediksi stadium tumor, dan stratifikasi risiko kelangsungan hidup pada kanker paru non-sel kecil.
HIP: Hessian Interatomic Potentials tanpa turunan
Judul asli: HIP: Hessian Interatomic Potentials without derivatives
Hessian molekul, yaitu turunan kedua dari energi potensial, dibutuhkan dalam banyak alur kerja kimia komputasi, tetapi mahal untuk dihitung dan skalanya buruk terhadap ukuran sistem. Para penulis memperkenalkan HIP, model pembelajaran mendalam yang memprediksi Hessian secara langsung, tanpa diferensiasi otomatis atau selisih hingga, menggunakan fitur ekuivarian SE(3) dari jaringan saraf graf. HIP dilaporkan satu hingga dua orde besaran lebih cepat dan lebih akurat daripada Hessian hasil diferensiasi otomatis, serta berkinerja baik dalam pencarian keadaan transisi, optimasi geometri, dan analisis getaran.
Sinyal tersembunyi dalam tidur dapat memprediksi kesehatan di masa depan
Judul asli: Hidden signals in sleep can predict future health
Alat AI dapat mengekstraksi pola fisiologis dari tidur satu malam yang terlewatkan oleh pengukuran tidur konvensional, dan pola-pola ini dikaitkan dengan penyakit dan kematian. Dua makalah terbaru, di Nature Communications dan Nature Medicine, menunjukkan bahwa data tidur menyimpan jauh lebih banyak informasi kesehatan daripada yang saat ini diekstraksi oleh dokter dan peneliti. Bukti yang makin banyak juga menunjukkan bahwa perubahan tidur dapat muncul sebelum suatu penyakit didiagnosis.
Analisis machine learning terhadap transpor partikel yang digerakkan silia membedakan diskinesia silia primer dari silia normal
Judul asli: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
Diskinesia silia primer (PCD) adalah kondisi genetik dengan silia yang gerakannya tidak normal, dan diagnosisnya masih menantang. Para penulis mengembangkan CiliaTracks, kerangka kerja pembelajaran mesin yang menganalisis transpor partikel pada sel saluran napas yang dikultur dan direkam dengan mikroskopi berkecepatan tinggi. Model pembelajaran mesin klasik dan jaringan saraf konvolusional mengklasifikasikan rekaman dari 14 individu PCD dan 10 donor sehat dengan akurasi 95-97%.
Lebih sedikit bisa lebih baik dalam memprediksi properti dengan model bahasa besar
Judul asli: Less can be more for predicting properties with large language models
Memprediksi sifat dari data koordinat-kategori, seperti energi pembentukan atau modulus elastis dari struktur kristal, merupakan inti ilmu komputasi, dan model bahasa besar (LLM) telah diterapkan untuk hal ini. Dengan menggunakan dataset sintetis dan tolok ukur MatText, para penulis menemukan bahwa LLM secara konsisten gagal menangkap informasi koordinat, sementara mampu menangani pola kategori dengan baik. Hal ini berlaku pada berbagai ukuran model hingga 70 miliar parameter, dataset hingga 2 × 10^6 struktur, dan berbagai representasi teks, dan untuk prediksi sifat yang didominasi oleh efek struktural, arsitektur geometris khusus mengungguli LLM.
ETSAM: segmentasi membran sel secara efektif pada tomogram krio-elektron
Judul asli: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
Membran sel sulit dibedakan dalam volume tomografi krio-elektron yang berderau. Para penulis memperkenalkan ETSAM, metode dua tahap yang melakukan fine-tuning pada Segment Anything Model 2 (SAM2) untuk menyegmentasi membran, dilatih pada 83 tomogram eksperimental dan 28 tomogram simulasi. Pada 17 tomogram uji eksperimental, metode ini mengungguli metode deep learning lainnya dengan sensitivitas tinggi dan presisi yang lebih baik.
Sirkuit fotonik menjadi perangkat keras AI yang dapat dilatih
Judul asli: Photonic circuits become trainable AI hardware
Para penulis mendemonstrasikan metode pembelajaran in situ berbasis fisika yang secara langsung mengukur gradien optik pada sirkuit terpadu fotonik. Metode ini memungkinkan berbagai topologi sirkuit dilatih setelah fabrikasi, tanpa memerlukan model digital lengkap dari sirkuit tersebut. Perangkat kerasnya dilaporkan mampu mencapai perancangan matriks, komputasi multipanjang gelombang, dan meta-pembelajaran yang cepat.
Tangermeme: perangkat untuk memahami logika regulasi cis menggunakan model pembelajaran mendalam
Judul asli: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
Model deep learning dapat memprediksi data genomik dengan baik, tetapi langkah yang lebih sulit adalah menggunakannya untuk penemuan biologis. Makalah ini menjelaskan tangermeme, perangkat yang sangat dioptimalkan untuk bagian-bagian deep learning genomik selain modelnya sendiri. Makalah ini menunjukkan bagaimana tangermeme dapat menyarikan pola cis-regulator yang dipelajari model menjadi wawasan yang dapat dipahami manusia.
OpenAI unggah 700 pracetak matematika secara daring: para matematikawan berang
Judul asli: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAI menggunakan model yang belum dirilis pada ratusan masalah matematika terkemuka dan mengunggah lebih dari 700 pracetak buatan AI di GitHub pada 6 Oktober. Sebagian matematikawan menyambut baik penyelesaian masalah yang sudah lama belum terpecahkan, sementara yang lain mengeluh di media sosial karena temuan mereka didahului. Seorang matematikawan menyebut banjir ini sebagai "slopocalypse", meskipun isinya masih bisa terbukti benar secara formal.
Prediksi perturbasi yang dapat digeneralisasi
Judul asli: Generalizable perturbation prediction
Data perturbasi sel mengungkap hubungan regulasi kausal, tetapi data semacam itu sering langka, sehingga mendorong pengembangan metode yang memprediksi respons dalam satu konteks dari konteks lainnya. Para penulis mengembangkan State, model pembelajaran mesin yang menggabungkan model transisi keadaan berbasis transformer untuk efek perturbasi sel tunggal dengan model embedding sel yang telah dilatih sebelumnya. Model ini dilatih menggunakan data perturbasi dari lebih dari 100 juta sel dan data observasional dari 167 juta sel, dan tim juga membangun Cell-Eval, kerangka evaluasi untuk membandingkan model.
Segmentasi tumor otak menggunakan ekualisasi histogram yang dioptimalkan dengan particle swarm dan U-Net berbasis VGG19
Judul asli: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
Segmentasi tumor otak pada MRI lambat, rawan kesalahan, dan dipengaruhi bias operator, sementara model deep learning sering kali kurang dapat diinterpretasikan. Para penulis mengusulkan SPOHE-VGGNet, yang menggabungkan U-Net yang dimodifikasi dengan VGG-19 dan ekualisasi histogram yang dioptimalkan dengan particle swarm untuk meningkatkan kontras MRI. Model ini mencapai skor Dice 0,9522 (meningioma), 0,9428 (glioma), dan 0,9518 (tumor hipofisis) pada dataset Figshare serta 0,9463 untuk segmentasi seluruh tumor pada BraTS 2021, meskipun para penulis menyatakan bahwa validasi eksternal, volumetrik, dan berpusat pada klinisi masih diperlukan sebelum digunakan secara klinis.
Membuka potensi model fondasi geospasial planet dari Earth AI untuk kesehatan masyarakat global
Judul asli: Unlocking Earth AI’s planetary geospatial foundation models for global public health
Keputusan kesehatan masyarakat sering terhambat oleh keterlambatan pelaporan, data yang terkotak-kotak, dan data yang jarang. Population Dynamics Foundation Model (PDFM) milik Google memadatkan tren pencarian yang menjaga privasi, mobilitas manusia, kepadatan lingkungan binaan, dan faktor lingkungan menjadi embedding lokasi. Embedding ini dapat dipasang pada model epidemiologi yang sudah ada tanpa fine-tuning khusus tugas, dan lima studi kasus mitra dipaparkan.
Analisis kasus–kontrol data molekuler spasial yang akurat dan bertenaga statistik memadai
Judul asli: Accurate and well-powered case–control analysis of spatial molecular data
Metode yang ada untuk data molekuler spasial sering menggunakan asumsi yang membatasi sehingga dapat melewatkan sinyal penyakit yang penting. VIMA, sebuah metode deep learning, menggunakan ensemble variational autoencoder untuk merangkum potongan kecil jaringan dan mengidentifikasi mikroniche yang kelimpahannya berkorelasi dengan status kasus atau kontrol. Dalam simulasi, metode ini terkalibrasi dengan baik dan bertenaga, dan ketika diterapkan pada dataset yang mencakup tiga penyakit, metode ini menemukan kembali biologi yang sudah diketahui serta mengidentifikasi fitur spasial baru dari penyakit.
ProFormer: klasifikasi proteom sel tunggal dan plasma yang dapat digeneralisasi menggunakan pembelajaran mendalam
Judul asli: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
Alur kerja proteomik saat ini memiliki throughput rendah dan memerlukan pemrosesan data yang ekstensif, sehingga memperlambat klasifikasi sampel. ProFormer adalah pipeline deep learning berbasis transformer yang mengambil fitur ion peptida tingkat MS1 langsung dari data spektrometri massa. Metode ini mengungguli machine learning tradisional dan CNN pada 14 arsitektur, serta mengklasifikasikan proteom sel tunggal berdasarkan jenis sel, tahap siklus, dan lintasan diferensiasi, serta status penyakit pasien dari proteom plasma.
CellART: kerangka kerja terpadu untuk mengekstraksi informasi sel tunggal dari transkriptomik spasial beresolusi tinggi
Judul asli: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
Platform transkriptomik spasial beresolusi tinggi either menangkap jumlah transkrip yang jarang per spot atau hanya mengukur sejumlah gen yang terbatas, sehingga informasi sel tunggal sulit diekstraksi. CellART menggabungkan citra pewarnaan, data transkriptomik spasial, dan referensi RNA-seq sel tunggal, menggunakan deep learning dan pemodelan probabilistik untuk mensegmentasi sel dan menganotasi tipe sel secara bersamaan. Para penulis melaporkan bahwa metode ini efisien, dapat digeneralisasi, dan tangguh, serta keluarannya kompatibel dengan alat komunitas yang banyak digunakan.
Pipeline berbasis deep learning untuk membedakan kardiomiopati hipertrofik dari amiloidosis jantung menggunakan ekokardiografi 2D multi-tampilan
Judul asli: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
Kardiomiopati hipertrofik (HCM) dan amiloidosis jantung (CA) tampak mirip pada ekokardiografi, sehingga sulit dibedakan. Studi ini mengembangkan kerangka kerja deep learning yang mengklasifikasikan gambar ekokardiografi 2D ke dalam lima tampilan yang relevan secara klinis, mengekstraksi fitur dari setiap tampilan, lalu menggabungkannya. Dalam validasi silang lima lipatan pada 212 pasien HCM, 119 pasien CA, dan 200 pasien kontrol, kerangka ini mencapai presisi 0,83, sensitivitas 0,81, spesifisitas 0,89, dan micro-F1 0,82, dan para penulis menyebutnya sebagai alat diagnostik yang andal.
AI bertenaga cahaya ini dapat mendeteksi deepfake dengan akurasi hampir 98%
Judul asli: This light-powered AI can spot deepfakes with nearly 98% accuracy
Peneliti di UCLA membangun prosesor saraf-optik yang menggunakan cahaya untuk mendeteksi video deepfake, dengan tujuan menyaring volume video buatan AI yang terus bertambah. Berbeda dari sistem konvensional yang memeriksa video satu per satu, prosesor ini menganalisis 15 aliran video atau lebih sekaligus dalam satu lintasan optik. Tim melaporkan akurasi deteksi hampir 98%, dan studi tersebut diterbitkan di eLight.
Sains ala Claude
Judul asli: Claude-shaped science
Prof. Matthew Schwartz menjelaskan bagaimana, setelah ia berhenti melawan Claude dan membiarkannya menemukan masalah yang sesuai dengan kemampuannya saat ini, ia membangun BootLoops, perangkat untuk perhitungan eksak dalam sains kuantitatif. Karena perhitungan serupa muncul berulang di berbagai bidang, Claude menemukan keterkaitan dengan ekologi, genetika populasi, dan selusin bidang lainnya, meskipun hasilnya sering kali benar secara teknis tetapi pada awalnya tidak istimewa. Schwartz kemudian bekerja sama dengan pakar bidang terkait untuk mengarahkan BootLoops ke pertanyaan-pertanyaan yang menjadi perhatian bidang-bidang tersebut.
Model bahasa besar menemukan heuristik yang saling melengkapi untuk optimisasi kombinatorial
Judul asli: Large language models discover complementary heuristics for combinatorial optimization
Optimisasi kombinatorial menjadi dasar pengambilan keputusan di bidang manufaktur, logistik, dan energi, tetapi merancang heuristik untuk setiap varian baru memerlukan upaya pakar selama berbulan-bulan, dan pembuatan kode LLM sekali jalan sering gagal. LACE membagi perancangan algoritma menjadi skema, pustaka alat, dan portofolio heuristik, lalu mengembangkan heuristik spesialis yang saling melengkapi dalam batas waktu eksekusi. Pada 36 masalah CO-Bench klasik, LACE meraih rata-rata 0,945, dibandingkan 0,870 untuk metode berbasis LLM terkuat sebelumnya dan 0,571 untuk prompt langsung.
AI pemain gim ini menjadi juara baru di Stratego
Judul asli: This game-playing AI is the new champ at Stratego
Para peneliti membangun sistem AI untuk Stratego, permainan papan dua pemain di mana bidak lawan tersembunyi dan yang sering digunakan untuk menguji pemikiran strategis. Dengan menggabungkan algoritma pelatihan yang efisien dan teknik baru untuk pengambilan keputusan dalam kondisi informasi tersembunyi, sistem ini mengalahkan pemain manusia peringkat teratas dengan selisih besar dan mengungguli model terbaik berikutnya, sekaligus lebih murah untuk dilatih. Sistem ini juga mengalahkan pemain manusia terbaik dalam permainan strategi lain dengan aturan yang berbeda.
Menuju model bergaya foundation untuk detektor neutrino heterogen di batas energi melalui pralatihan swa-supervisi
Judul asli: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
Interpretasi peristiwa pada detektor neutrino berenergi frontier tidak praktis bagi rekonstruksi konvensional dan sulit bagi model terawasi ketika data berlabel langka. Para penulis melakukan pralatih Vision Transformer jarang (sparse) dengan rekonstruksi masked-autoencoder dan tujuan relasional tingkat voxel, lalu melakukan fine-tuning secara bersamaan pada klasifikasi dan regresi. Pada peristiwa simulasi dari kalorimeter FASER yang diusulkan, pralatih meningkatkan identifikasi flavor dan quark charm, regresi momentum, dan rekonstruksi vertex, dan dengan sekitar 1.000 peristiwa berlabel, encoder yang dipralatih menyamai kinerja klasifikasi flavor model yang dilatih dari awal.
Memprakirakan risiko cuaca antariksa pada jaringan listrik
Judul asli: Forecasting space weather risks on power grids
Peristiwa cuaca antariksa ekstrem dapat menginduksi arus pada jaringan transmisi yang merusak peralatan, dan operator jaringan listrik perlu mengetahui kapan dan di mana dampaknya paling parah dengan peringatan yang cukup. Microsoft Research membangun pipeline machine learning yang menggabungkan data angin surya, prakiraan AE dan Dst, lintang lokal, geologi, dan konduktivitas tanah untuk menghasilkan estimasi risiko bagi 66.935 gardu induk di Amerika Serikat daratan. Selama periode evaluasi, sistem ini mendeteksi hampir 80% peristiwa cuaca antariksa besar dan dapat memperingatkan operator 30 hingga 60 menit sebelum risiko tertentu muncul.
D4RT: Rekonstruksi dan Pelacakan Adegan 4D yang Terpadu dan Cepat
Judul asli: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
Alat AI untuk memetakan tanaman petani kecil terbukti andal di Senegal
Judul asli: AI tool for mapping smallholder crops proves itself in Senegal
Lahan pertanian kecil Senegal yang bergantung pada hujan membuat sebagian besar penduduk rentan terhadap guncangan iklim, namun alat pemetaan tanaman berbasis satelit sebagian besar belum terjangkau. Peneliti University of Cambridge menggunakan Tessera, model AI sumber terbuka yang dilatih dengan citra satelit, untuk memetakan tanaman di cekungan kacang tanah Senegal. Dalam pengujian, model ini memberikan hasil yang benar sebesar 84% dari waktu, lebih akurat daripada metode saat ini, sambil hanya menggunakan sebagian kecil sumber daya komputasi dan data berlabel. Dalam salah satu skenario, kinerjanya 28% lebih baik daripada model terbaik berikutnya.
Memperkenalkan Quine: Sistem riset AI yang dirancang untuk kompleksitas biologi
Judul asli: Introducing Quine: An AI research system designed for the complexity of biology
Quine dari Microsoft Research adalah upaya tahap awal untuk membangun model dunia multimodal tentang biologi serta perangkat interaktif yang menghubungkan model, alat ilmiah, literatur, dan para peneliti, sehingga membantu ilmuwan memprioritaskan hipotesis sebelum diuji di laboratorium. Bekerja sama dengan peneliti di Broad Institute of Harvard and MIT, tim menggunakannya untuk memprioritaskan senyawa yang diprediksi dapat mendorong pergeseran status tumor secara terapeutik dan memvalidasi beberapa kandidat peringkat teratas melalui berbagai uji laboratorium basah. Sistem ini bersifat eksperimental, hanya ditujukan untuk penelitian, dan keluarannya perlu ditinjau oleh peneliti yang berkualifikasi.
Formulasi baru membantu vaksin RNA tahan terhadap suhu tinggi
Judul asli: New formulation helps RNA vaccines withstand high temperatures
Vaksin RNA biasanya memerlukan penyimpanan ultradingin, sehingga peneliti MIT menggunakan algoritma AI untuk menyesuaikan formulasi di sekitar nanopartikel lipid yang mengantarkan vaksin mRNA. Algoritma tersebut memprediksi formulasi optimal, mengurangi jumlah eksperimen yang diperlukan dan mempercepat pengembangan. Vaksin yang dihasilkan tetap stabil hingga satu tahun pada suhu ruang atau dua bulan pada suhu hampir 100°F, dan pada tikus, vaksin Covid-19 menghasilkan respons imun sekuat vaksin RNA yang mirip dengan milik Moderna.
Penilaian risiko iklim regional dari model iklim menggunakan pembelajaran mesin probabilistik
Judul asli: Regional climate risk assessment from climate models using probabilistic machine learning
Model iklim terlalu kasar untuk keputusan risiko regional, dan metode downscaling yang ada terlalu mahal untuk ensambel besar, melewatkan ketergantungan multivariat, atau memerlukan pasangan data pelatihan yang selaras waktu yang tidak dimiliki proyeksi yang berjalan bebas. GenFocal adalah kerangka kerja AI generatif yang menghasilkan cuaca skala halus yang akurat secara statistik dari proyeksi kasar tanpa data pelatihan berpasangan. Kerangka ini mensintesis bahaya berumur panjang seperti gelombang panas dan siklon tropis, mengambil sampel peristiwa berdampak tinggi yang langka dengan lebih akurat daripada metode terkemuka, dan memperbaiki estimasi regional untuk ekstrem majemuk.
Claude telah memperbaiki batas bawah yang sudah lama ada untuk proporsi nol fungsi zeta Riemann yang memenuhi hipotesis Riemann
Judul asli: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
Hipotesis Riemann, sebuah masalah yang belum terpecahkan, menyatakan bahwa semua nol dari fungsi zeta Riemann terletak pada suatu garis vertikal tertentu. Saat mencoba menyelesaikan masalah ini, versi riset Claude yang belum dirilis tidak berhasil membuktikannya, tetapi memperbaiki batas bawah yang telah lama ada untuk proporsi nol yang memenuhinya, menaikkannya dari 41,6% menjadi 67,2%. Dua matematikawan Anthropic memvalidasi makalah tersebut dan menulis catatan pakar informal, dan Claude juga menghasilkan bukti yang dapat diverifikasi secara formal. Hasil ini tidak diharapkan akan mengarah pada bukti hipotesis itu sendiri.
Claude menghitung amplitudo sembilan-loop dalam super-Yang-Mills N=4
Judul asli: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
Fisikawan dan penulis sains Matt von Hippel menantang perusahaan-perusahaan AI untuk menyelesaikan masalah fisika teoretis yang sulit: menghitung amplitudo sembilan-loop dalam super-Yang-Mills N=4. Claude berhasil menghitungnya, mengalahkan tantangan itu sekitar sebulan kemudian.
Memperkirakan risiko bunuh diri dari teks
Judul asli: Estimating suicide risk from text
Mengidentifikasi orang dengan risiko bunuh diri yang tinggi merupakan prioritas bagi konselor saat terjadi krisis kesehatan mental. Peneliti di McGovern Institute MIT mengembangkan alat pemrosesan bahasa yang menelusuri teks untuk mencari kata dan frasa yang terkait dengan 49 faktor risiko bunuh diri guna memperkirakan risiko seseorang. Dalam percakapan teks dengan konselor krisis, alat ini secara akurat memprediksi risiko bunuh diri, dan dengan validasi lebih lanjut alat ini dapat mendukung penilaian risiko di lingkungan klinis dan layanan dukungan krisis.
Robot terbang mungil MIT menjadi 450% lebih cepat berkat AI
Judul asli: MIT’s tiny flying robot gets 450% faster with AI
Robot terbang berukuran serangga umumnya lambat dan terbatas pada jalur terbang yang sederhana. Peneliti MIT mengembangkan pengendali berbasis AI dengan sistem kendali dua bagian yang memungkinkan robot melakukan putaran tubuh berulang kali. Dibandingkan dengan hasil terbaik tim sebelumnya, kecepatan robot naik sekitar 450% dan percepatannya sekitar 250%, dan robot ini menyelesaikan 10 salto dalam 11 detik bahkan di bawah gangguan angin.
Bagaimana Claude meningkatkan pemodelan biomolekuler
Judul asli: How Claude is uplifting biomolecular modeling
Model sumber terbuka yang digunakan ilmuwan untuk memprediksi dan merancang biomolekul lambat dan boros memori. Bekerja di dalam Claude Science, Claude mengoptimalkan lebih dari 30 model ini dalam waktu kurang dari empat minggu, mempercepatnya rata-rata sekitar 4x. Claude juga membangun mode memori rendah yang memungkinkan prediksi akurat untuk sistem berukuran lebih dari 10.000 token pada satu node GPU NVIDIA, dan kode yang telah dioptimalkan itu akan dirilis sebagai sumber terbuka.