AI dan Masalah-Masalah Sulit Dunia ─ Fisika
Sains dan keilmuan yang dimajukan oleh AI, menurut disiplin
Umpan RSS · 5 item
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.
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.
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.
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.