ИИ и сложнейшие проблемы мира
Наука и научные знания, продвигаемые ИИ, по дисциплинам
Новости о том, как ИИ помогает решать сложные задачи — в математике, физике, термоядерном синтезе, квантовой науке, науках о жизни, медицине, климатологии и гуманитарных науках. Материалы собираются каждые 3 часа из RSS-лент и пресс-релизов университетов, научно-исследовательских институтов, ИИ-лабораторий, журналов и arXiv. Jev отбирает только материалы с реальным научным результатом и сортирует их по дисциплинам; краткие содержания составляются только по началу каждого источника — подробности читайте в оригинале.
RSS-лента · 58 материалов
Интерпретируемая иерархическая модель глубокого обучения для выявления рака лёгких и толстой кишки
Оригинальное название: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Классификация рака лёгких и толстой кишки по гистопатологическим изображениям затруднена, поскольку классы выглядят похоже, а морфология тканей варьируется, а традиционные модели глубокого обучения обеспечивают мало прозрачности. Авторы разбивают задачу с пятью классами на этапы от грубого к точному: сначала норма против рака, затем специализированный классификатор для категорий нормальной ткани или подтипов рака, причём для каждого этапа выбирается наилучшая архитектура. Модель достигла точности 98.50% на LC25000 и 82.01% на независимом наборе данных LungHist700, а методы Grad-CAM, Grad-CAM++, LIME и Occlusion Sensitivity использовались для выделения областей изображения, на которых основаны её предсказания.
Прогнозирование гепатоцеллюлярной карциномы на основе искусственного интеллекта у лиц без инфекции HBV или HCV в эпоху MASLD
Оригинальное название: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
Действующие рекомендации по наблюдению за раком печени (ГЦК) в основном ориентированы на людей с циррозом или вирусным гепатитом. Исследователи создали модель ИИ для прогнозирования риска ГЦК у людей без вирусного гепатита, используя данные примерно 7,96 млн взрослых жителей Южной Кореи, прошедших медицинский скрининг. Из двенадцати сравниваемых моделей лучше всего показала себя MHA_DNN, сохранив стабильную точность в независимой валидационной когорте. Наиболее значимыми предикторами оказались индекс жировой болезни печени и триглицериды, что говорит в пользу персонализированного наблюдения на основе метаболических показателей.
Мультизадачная система глубокого обучения для автоматического прогнозирования состояния здоровья по снимкам глазного дна с использованием гибридного внимания и объяснимого ИИ
Оригинальное название: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Существующие модели глубокого обучения для снимков глазного дна решают только одну задачу, обладают ограниченной интерпретируемостью и плохо справляются с различиями между наборами данных. Авторы предлагают мультизадачную сеть, которая за один прямой проход по одному снимку классифицирует тяжесть диабетической ретинопатии, глаукому, стадию ВМД и сердечно-сосудистый риск, а также формирует объяснения с помощью Grad-CAM. Она достигла точности 94.7% и AUC 0.978 на четырёх наборах данных, статистически превзойдя все однозадачные модели, а в zero-shot оценке на других наборах данных показала AUC не ниже 0.951.
Интегрированная система автоматов и машинного обучения для интеллектуальной диагностики психического здоровья
Оригинальное название: An automata-machine learning integrated framework for intelligent mental health diagnostics
Депрессия среди студентов часто остаётся незамеченной, пока не становится серьёзной, поэтому необходим её ранний прогноз. Авторы объединили поведенческое моделирование на основе конечных автоматов с машинным обучением, генерируя признаки из эмоциональных состояний студентов и объединяя избыточные признаки. При использовании ансамбля из случайного леса и KStar точность выросла с 82,02% у базового случайного леса до 96,88% при использовании признаков на основе автоматов. Авторы утверждают, что такой подход сохраняет интерпретируемость и прослеживаемость признаков.
LitGene: интерпретируемая трансформерная модель, объединяющая текст и онтологию для обучения представлений генов
Оригинальное название: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
Обучение представлений генов часто упускает из виду научную литературу, что может смещать результаты не в пользу малоизученных генов. LitGene — интерпретируемый трансформер, который с помощью контрастного обучения объединяет текст с аннотациями Gene Ontology. Он показал конкурентную точность на восьми белковых бенчмарках, предсказал в режиме zero-shot термины GO, пути KEGG и связи ген—заболевание, а также выделил ANGPTL6 как ген-кандидат идиопатического лёгочного фиброза, что подтверждается дифференциальной экспрессией в независимых образцах.
Многоэтапная система валидации для надёжного крупномасштабного извлечения клинической информации с помощью больших языковых моделей
Оригинальное название: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
Валидация больших языковых моделей для извлечения клинической информации обычно требует дорогостоящей ручной разметки. Авторы предложили многоэтапную платформу, сочетающую фильтрацию на основе правил, семантическое обоснование, оценку с помощью LLM-судьи, экспертную проверку и анализ предиктивной валидности. При применении к диагнозам расстройств, связанных с употреблением психоактивных веществ, в 919 783 клинических заметках она отсеяла 14,59% положительных извлечений LLM как необоснованные или неправдоподобные. Основная LLM достигла F1-меры 0,80 относительно оценок судьи, а извлечённые ею диагнозы лучше предсказывали последующее обращение за специализированной помощью, чем базовые модели на структурированных данных.
Давние секретные шифры истории взламывают любители с помощью ИИ
Оригинальное название: History’s long-secret codes are being cracked by amateurs using AI
Неспециалисты всё чаще используют большие языковые модели для взлома исторических шифров, опираясь на их способность запускать алгоритмы расшифровки и искать документы в интернете. Картер Леффен, не имеющий опыта в криптографии, попросил GPT-6 Astra расшифровать сообщение немецкой армии, зашифрованное 85 лет назад, и к утру получил решение. Специалисты по криптографии приветствуют этот интерес, но завалены запросами на проверку решений ИИ, многие из которых неверны.
Многоуровневая атрибуция подсемейств вредоносного ПО по RGB-изображениям исполняемых файлов с помощью глубокого обучения с механизмами внимания
Оригинальное название: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
Анализ вредоносного ПО требует решений на нескольких уровнях — от обнаружения до определения семейства и детального подсемейства. Авторы предлагают иерархический фреймворк глубокого обучения, который принимает RGB-изображения файлов Windows PE и выполняет обнаружение, классификацию по семействам и определение 33 подсемейств в одной архитектуре с несколькими выходами. Четыре модели трансферного обучения с механизмом внимания достигли точности 99% при бинарной классификации, 96–97% на уровне семейств и 91–95% на уровне подсемейств, а макро-F1 для детальной атрибуции составил до 0,89.
Привязка ИИ-агентов к биологической реальности: строительные блоки для автономных мокрых лабораторий
Оригинальное название: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
Передовые модели ИИ ненадёжно рассуждают о трёхмерной геометрии и физическом состоянии лаборатории, что затрудняет автоматизацию роботов для работы с жидкостями. Google Research привязала ИИ-агентов к физической лабораторной робототехнике, чтобы они могли выполнять быстрые замкнутые циклы молекулярного дизайна. Агенты обнаружили белковые связывающие молекулы с аффинностью в единицы наномоль к мишеням рака.
ИИ выявляет ишемическую болезнь сердца по фотографиям лица и языка в небольшом тесте
Оригинальное название: AI detects coronary heart disease from face and tongue photos in small test
В новом исследовании из Китая систему ИИ обучили на фотографиях лица и языка для выявления ишемической болезни сердца (ИБС). В небольшом тесте система правильно определила всех пациентов с ИБС.
Выявление случайных (adventitious) дыхательных шумов в лёгких у детей с респираторными заболеваниями в Бангладеш с помощью искусственного интеллекта и цифровой аускультации
Оригинальное название: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
Руководства по комплексному ведению болезней детского возраста обладают высокой чувствительностью, но низкой специфичностью в отношении пневмонии. Медицинские работники в Бангладеш записывали звуки лёгких у детей младше пяти лет с подозрением на пневмонию с помощью цифрового стетоскопа, а алгоритм ИИ сравнивали с экспертной группой педиатров. ИИ выявлял патологические звуки с чувствительностью 61,8% и специфичностью 60,7% в целом и 63,5% и 66,8% в случаях пневмонии по критериям IMCI. Авторы оценивают это как умеренный результат, требующий улучшения в классификации неинтерпретируемых записей.
Автономная маркировка хирургических границ резекции с помощью фундаментальной модели
Оригинальное название: Autonomous labeling of surgical resection margins using a foundation model
Оценка хирургических границ резекции в патологии затруднена ошибками ручной маркировки чернилами, искажением тканей и повреждением при коагуляции. Авторы разработали сеть виртуальной маркировки, которая использует замороженную фундаментальную модель и небольшой классификатор для определения границы резекции на изображениях целых срезов без физических чернил. На 20 срезах из невиданных ранее тканевых блоков она достигла точности около 73,3% на уровне областей и построила наложения, качественно совпадавшие с разметкой экспертов. Результаты носят характер доказательства концепции и требуют проверки на более крупных клинических когортах.
Платформа на основе машинного обучения для прогнозирования потенциальной энергии малых молекул
Оригинальное название: A machine learning-based platform for predicting the potential energy of small molecules
Точные оценки потенциальной энергии малых молекул после минимизации энергии важны для разработки лекарственных молекул и молекул для доставки генов. Авторы создали модели глубокого обучения, включая архитектуры CNN-BiLSTM с многоголовым вниманием и без него, и обучили их на наборе данных структур малых молекул с использованием последовательных атомарных представлений. Как сообщается, модели превосходят традиционные методы машинного обучения на основе дескрипторов, а механизм внимания, по утверждению авторов, улучшает обобщающую способность.
Использование электронной структуры для управления ИИ при разработке новых материалов
Оригинальное название: Using electronic structure to guide AI in designing new materials
Структура определяет функцию, поэтому учёные всё чаще используют ИИ для проектирования расположения атомов в новых материалах с нужными свойствами. Исследователи из Института промышленных наук Токийского университета расширили ведущую генеративную модель ИИ так, чтобы она проектировала электронную структуру материала вместе с его кристаллической структурой. Новая модель MatterGen-e⁻ описана в npj Computational Materials.
Небольшое исследование показало: привычки общения и платежей в смартфоне помогают ИИ выявлять ежедневный стресс
Оригинальное название: Smartphone chatting and payment habits help AI identify daily stress, small study finds
Признаки стресса могут скрываться в повседневных привычках использования смартфона, таких как переписка, поиск и платежи. Исследователи KAIST разработали технологию, которая анализирует несколько повторяющихся рутинных действий в приложениях, чтобы определить ежедневный уровень стресса человека.
Пространственно-временное моделирование на основе ИИ регуляции генов и эффектов вариантов в развивающемся мозге человека с помощью Seal
Оригинальное название: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
Исследование посвящено тому, как генетическая изменчивость влияет на регуляцию генов в развивающемся мозге человека, где данных мало. Авторы создали Seal — интерпретируемую платформу трансферного обучения ИИ, которая предсказывает экспрессию генов и эффекты вариантов в 26 областях, 30 типах клеток и 7 стадиях развития. В данных полногеномного секвенирования при аутизме Seal обнаружил значимую нагрузку регуляторных вариантов de novo в транзиторных фетальных возбуждающих нейронах.
Прогнозирование критических точек с помощью ИИ
Оригинальное название: Forecasting Tipping Points with AI
Критические точки, после которых система не может вернуться в исходное состояние, предсказать сложнее, чем краткосрочные изменения погоды. Команда под руководством Калтеха показала, что рекуррентный нейронный оператор (RNO) — разновидность нейронной сети — способен предсказывать наступление критических точек в простых моделях. К ним относятся модель климатической системы и симуляции турбулентного воздушного потока над крылом самолёта. Статья опубликована в PNAS.
Гибридное моделирование для улучшенного предсказания структуры крупных белковых комплексов
Оригинальное название: Hybrid modeling for improved structure prediction of large protein complexes
Цель исследования — предсказать структуры крупных белковых комплексов. Авторы разработали HDOCK-Multimer (HDM) — автоматизированную платформу, которая сочетает докинг ab initio с комбинаторной сборкой. На трёх бенчмарках HDM показала более высокую точность и устойчивость, чем современные методы сборки и методы на основе глубокого обучения, при работе с крупными белковыми сборками.
ИИ-модель расшифровывает язык, на котором общаются клетки
Оригинальное название: AI model decodes the language cells use to communicate
В ходе эмбрионального развития клетки получают химические сигналы, которые включают или выключают гены и определяют их роли. Отследить последовательность сигналов, полученных клеткой, было трудно, поскольку считалось, что сигнальные пути сильно различаются у разных типов клеток. Исследователи из MIT и Whitehead Institute разработали для решения этой задачи вычислительную платформу, которая может помочь ускорить инженерию стволовых клеток, улучшить модели заболеваний и дать информацию для лечения рака.
Развитие субсезонного прогнозирования с помощью машинного обучения
Оригинальное название: Advancing subseasonal forecasting with machine learning
Качество прогнозов резко падает на субсезонных масштабах от 2 до 6 недель. Авторы представляют вероятностную коррекцию смещения — фреймворк машинного обучения, который учится корректировать исторические вероятностные прогнозы, — и применяют его к ведущим динамической и ИИ-моделям ECMWF. Он удвоил скромное субсезонное качество Artificial Intelligence Forecasting System и улучшил динамическую модель для большинства целевых показателей давления, температуры и осадков, а в конкурсе ECMWF 2025 года в реальном времени его глобальные прогнозы оказались лучшими.
Клиническое фенотипирование бурого жира человека с применением искусственного интеллекта
Оригинальное название: Artificial intelligence-enabled clinical phenotyping of human brown fat
Методов для количественной оценки активности бурой жировой ткани (БЖТ) у людей в больших масштабах не хватало. Используя данные 101 243 пациентов крупного онкологического центра, авторы полуавтоматически оценили активность БЖТ примерно у 8 700 пациентов с помощью машинного обучения. Более высокая активность БЖТ, особенно в подмышечном депо, была связана с меньшей вероятностью кардиометаболических заболеваний и более здоровым распределением белой жировой ткани.
Свидетельства мульти-Li⁺-кластеризации в электролитах литий-ионных аккумуляторов
Оригинальное название: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
Объёмную сольватационную структуру электролитов литий-ионных аккумуляторов трудно определить на атомном уровне только экспериментально. Авторы объединили атомистическое моделирование на основе машинного обучения, ЯМР-спектроскопию, электрохимические данные и квантово-химические расчёты. Они выявили ранее не изученные комплексы с несколькими ионами Li+ без связанных анионов, которые легко восстанавливаются, что помогает объяснить, почему эмпирически подобранные смеси растворителей на основе этиленкарбоната работают.
Как искусственные нейронные сети создают собственный механизм обучения
Оригинальное название: How artificial neural networks build their own learning machinery
Группа случайно связанных элементов может самоорганизоваться в эффективную сеть обработки информации, если задать простые правила того, когда и как должны меняться связи. Команда из MIT утверждает, что способность искусственной сети организовываться самостоятельно, без руководства разработчика, является ключевым тестом биологической правдоподобности. Исследователи предупреждают, что такие сети, возможно, мало что дают для понимания биологического обучения.
ИИ всё ближе к решению гипотезы Римана — одной из самых сложных математических задач
Оригинальное название: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude открывает новую ферментную систему
Оригинальное название: Claude discovers a novel enzyme system
Новая лаборатория наук о жизни Anthropic использует Claude для изучения наборов данных ДНК в поисках неописанных семейств белков. В первых результатах, при лишь общем руководстве со стороны учёных, агенты Claude обнаружили новую ферментную систему с неизвестной функцией и свойствами, напоминающими CRISPR. Цель работы — генерировать гипотезы в большом масштабе и проверять их в лаборатории.
NiCLIP: нейровизуализационная модель контрастивного предобучения «язык — изображение» для предсказания текста по изображениям активации мозга
Оригинальное название: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
NiCLIP — это ИИ-модель, которая декодирует когнитивные задачи, понятия и области по паттернам мозговой активации. Она была обучена более чем на 23 000 статей и, как сообщается, превосходит традиционные декодеры при декодировании на уровне группы. Она точно предсказывала когнитивные задачи по групповым картам Human Connectome Project, но показала ограничения на зашумлённых картах отдельных субъектов.
Универсальная фундаментальная модель для мультимодального восстановления и улучшения медицинских изображений
Оригинальное название: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound — это фундаментальная модель, которая восстанавливает и улучшает медицинские изображения, ухудшенные шумом, артефактами движения, низким контрастом или низкодозовой съёмкой, для семи модальностей, включая КТ, МРТ, ПЭТ, эндоскопию, УЗИ, глазное дно и рентген. Обученная на 3,76 млн парных изображений, она превзошла 38 специализированных и универсальных базовых моделей по метрикам качества изображения, оценке врачей и тестам на устойчивость. Улучшенные изображения также повысили результаты в 44 задачах выявления заболеваний, прогнозировании стадии опухоли и стратификации риска выживаемости при немелкоклеточном раке лёгкого.
HIP: гессианные межатомные потенциалы без производных
Оригинальное название: HIP: Hessian Interatomic Potentials without derivatives
Молекулярные гессианы — вторые производные потенциальной энергии — необходимы во многих вычислительных задачах химии, но их вычисление затратно и плохо масштабируется с ростом размера системы. Авторы представляют HIP — модель глубокого обучения, которая предсказывает гессианы напрямую, без автоматического дифференцирования и конечных разностей, используя SE(3)-эквивариантные признаки из графовой нейронной сети. По сообщениям, HIP быстрее и точнее гессианов, полученных с помощью автоматического дифференцирования, на один-два порядка и хорошо проявляет себя при поиске переходных состояний, оптимизации геометрии и колебательном анализе.
Скрытые сигналы во сне могут предсказывать будущее здоровье
Оригинальное название: Hidden signals in sleep can predict future health
Инструменты ИИ могут извлекать из одной ночи сна физиологические закономерности, которые упускают обычные показатели сна, и эти закономерности связаны с заболеваниями и смертностью. Две недавние статьи, в Nature Communications и Nature Medicine, указывают на то, что данные о сне содержат гораздо больше информации о здоровье, чем врачи и исследователи извлекают сейчас. Растёт и число свидетельств того, что изменения сна могут появляться до постановки диагноза.
Анализ транспорта частиц, создаваемого ресничками, с помощью машинного обучения позволяет отличить первичную цилиарную дискинезию от нормальных ресничек
Оригинальное название: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
Первичная цилиарная дискинезия (ПЦД) — генетическое заболевание, при котором реснички двигаются нарушенно, а диагностика остаётся сложной. Авторы разработали CiliaTracks — фреймворк машинного обучения, который анализирует транспорт частиц на культивируемых клетках дыхательных путей, снятый с помощью высокоскоростной микроскопии. Классические модели машинного обучения и свёрточная нейронная сеть классифицировали записи 14 пациентов с ПЦД и 10 здоровых доноров с точностью 95–97%.
Меньше — значит лучше: предсказание свойств с помощью больших языковых моделей
Оригинальное название: Less can be more for predicting properties with large language models
Прогнозирование свойств по данным «координаты — категории», например энергий образования или модулей упругости по кристаллическим структурам, занимает центральное место в вычислительной науке, и для этой задачи применяют большие языковые модели (LLM). На синтетических наборах данных и бенчмарке MatText авторы показывают, что LLM стабильно не способны учитывать информацию о координатах, хотя хорошо справляются с категориальными закономерностями. Это верно для моделей размером до 70 миллиардов параметров, наборов данных до 2 × 10^6 структур и различных текстовых представлений, а при прогнозировании свойств, в котором преобладают структурные эффекты, специализированные геометрические архитектуры превосходят LLM.
ETSAM: эффективная сегментация клеточных мембран на крио-электронных томограммах
Оригинальное название: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
Клеточные мембраны трудно различить в зашумлённых томограммах, полученных методом криоэлектронной томографии. Авторы представляют ETSAM — двухэтапный метод, который дообучает Segment Anything Model 2 (SAM2) для сегментации мембран; он обучался на 83 экспериментальных и 28 симулированных томограммах. На 17 экспериментальных тестовых томограммах он превзошёл другие методы глубокого обучения, показав высокую чувствительность и лучшую точность.
Фотонные схемы становятся обучаемым аппаратным обеспечением для ИИ
Оригинальное название: Photonic circuits become trainable AI hardware
Авторы демонстрируют основанный на физике метод обучения in situ, который напрямую измеряет оптические градиенты в фотонных интегральных схемах. Он позволяет обучать схемы с разной топологией уже после изготовления, не требуя полной цифровой модели схемы. Сообщается, что это оборудование обеспечивает проектирование матриц, многоволновые вычисления и быстрое метаобучение.
Tangermeme: набор инструментов для понимания цис-регуляторной логики с помощью моделей глубокого обучения
Оригинальное название: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
Модели глубокого обучения хорошо предсказывают геномные данные, но более сложный шаг — использовать их для биологических открытий. В этой статье описывается tangermeme — высокооптимизированный набор инструментов для тех частей геномного глубокого обучения, которые не относятся к самой модели. Показано, как tangermeme может преобразовывать цис-регуляторные паттерны, выученные моделями, в понятные человеку выводы.
OpenAI выложила в сеть 700 математических препринтов: математики возмущены
Оригинальное название: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAI применила невыпущенную модель к сотням громких математических задач и 6 октября опубликовала на GitHub более 700 препринтов, созданных ИИ. Одни математики приветствовали решения давних проблем, другие жаловались в социальных сетях, что их опередили. Один математик назвал этот поток «слопокалипсисом», хотя содержание всё же может оказаться формально верным.
Обобщаемое предсказание возмущений
Оригинальное название: Generalizable perturbation prediction
Данные о возмущениях клеток раскрывают причинно-следственные регуляторные связи, но таких данных часто мало, что стимулирует разработку методов, предсказывающих отклик в одном контексте на основе других. Авторы разработали State — модель машинного обучения, которая сочетает трансформерную модель переходов состояний для эффектов возмущений в одиночных клетках с предобученной моделью эмбеддингов клеток. Она обучалась на данных о возмущениях более чем 100 миллионов клеток и на данных наблюдений 167 миллионов клеток, а команда также создала Cell-Eval — систему оценки для сравнения моделей.
Сегментация опухолей головного мозга с помощью выравнивания гистограммы, оптимизированного методом роя частиц, и U-Net на основе VGG19
Оригинальное название: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
Сегментация опухолей головного мозга на МРТ — медленный процесс, подверженный ошибкам и субъективности оператора, а модели глубокого обучения часто недостаточно интерпретируемы. Авторы предлагают SPOHE-VGGNet, сочетающую модифицированную U-Net с VGG-19 и выравнивание гистограммы, оптимизированное методом роя частиц, для повышения контраста МРТ. Модель достигла коэффициентов Dice 0,9522 (менингиома), 0,9428 (глиома) и 0,9518 (опухоль гипофиза) на наборе данных Figshare и 0,9463 для сегментации опухоли целиком на BraTS 2021, хотя авторы подчёркивают, что перед клиническим применением всё ещё необходима внешняя, объёмная и ориентированная на врачей валидация.
Раскрытие потенциала планетарных геопространственных фундаментальных моделей Earth AI для глобального общественного здравоохранения
Оригинальное название: Unlocking Earth AI’s planetary geospatial foundation models for global public health
Решения в сфере общественного здравоохранения часто замедляются из-за задержек в отчётности, разрозненности данных и их нехватки. Модель Google Population Dynamics Foundation Model (PDFM) сжимает данные о поисковых трендах, мобильности людей, плотности застройки и факторах окружающей среды с сохранением конфиденциальности в эмбеддинги местоположений. Эти эмбеддинги можно встраивать в существующие эпидемиологические модели без дообучения под конкретную задачу; было представлено пять тематических исследований с партнёрами.
Точный и обладающий высокой статистической мощностью анализ «случай — контроль» пространственных молекулярных данных
Оригинальное название: Accurate and well-powered case–control analysis of spatial molecular data
Существующие методы анализа пространственных молекулярных данных часто опираются на ограничивающие допущения, из-за которых могут упускаться важные сигналы заболеваний. VIMA — метод глубокого обучения, который использует ансамбль вариационных автоэнкодеров для обобщения небольших участков ткани и выявления микронiш, обилие которых коррелирует со статусом «случай» или «контроль». В симуляциях метод был хорошо откалиброван и обладал высокой мощностью, а при применении к наборам данных по трём заболеваниям он воспроизвёл известную биологию и выявил новые пространственные признаки болезни.
ProFormer: обобщаемая классификация протеомов отдельных клеток и плазмы с помощью глубокого обучения
Оригинальное название: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
Современные протеомные рабочие процессы имеют низкую пропускную способность и требуют масштабной обработки данных, что замедляет классификацию образцов. ProFormer — это конвейер глубокого обучения на основе трансформеров, который берёт признаки пептидных ионов уровня MS1 непосредственно из данных масс-спектрометрии. Он превзошёл традиционное машинное обучение и сверточные нейронные сети (CNN) на 14 архитектурах и классифицировал протеомы отдельных клеток по типу клеток, стадии цикла и траектории дифференцировки, а также определял статус заболевания пациентов по протеомам плазмы.
CellART: единая платформа для извлечения информации об отдельных клетках из пространственной транскриптомики высокого разрешения
Оригинальное название: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
Платформы пространственной транскриптомики с высоким разрешением либо фиксируют разреженное число транскриптов на пятно, либо измеряют лишь ограниченное число генов, из-за чего трудно извлечь информацию об отдельных клетках. CellART объединяет изображения окрашивания, данные пространственной транскриптомики и референсы одноклеточной РНК-секвенации, используя глубокое обучение и вероятностное моделирование для одновременной сегментации клеток и аннотации их типов. Авторы сообщают, что метод эффективен, обобщаем и устойчив, а его результаты совместимы с широко используемыми инструментами сообщества.
Конвейер на основе глубокого обучения для дифференциации гипертрофической кардиомиопатии и амилоидоза сердца с использованием двумерной многопроекционной эхокардиографии
Оригинальное название: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
Гипертрофическая кардиомиопатия (ГКМП) и кардиальный амилоидоз (КА) похожи друг на друга при эхокардиографии, из-за чего их трудно различить. В исследовании разработан фреймворк глубокого обучения, который классифицирует 2D-эхокардиографические изображения по пяти клинически значимым проекциям, извлекает признаки из каждой проекции и объединяет их. При пятикратной перекрёстной проверке на 212 пациентах с ГКМП, 119 с КА и 200 контрольных пациентах он показал точность 0,83, чувствительность 0,81, специфичность 0,89 и микро-F1 0,82, а авторы называют его надёжным диагностическим инструментом.
Этот ИИ на основе света распознаёт дипфейки с точностью почти 98%
Оригинальное название: This light-powered AI can spot deepfakes with nearly 98% accuracy
Исследователи из UCLA создали оптико-нейронный процессор, использующий свет для обнаружения дипфейк-видео, чтобы фильтровать растущий объём видео, созданного ИИ. В отличие от обычных систем, которые проверяют видео по одному, он анализирует 15 и более видеопотоков одновременно за один оптический проход. Команда сообщает о точности обнаружения почти 98%; исследование опубликовано в eLight.
Наука в стиле Claude
Оригинальное название: Claude-shaped science
Проф. Мэттью Шварц рассказывает, как, перестав спорить с Claude и позволив ему находить задачи, соответствующие его текущим возможностям, он создал BootLoops — набор инструментов для точных расчётов в количественных науках. Поскольку похожие вычисления повторяются в разных областях, Claude нашёл связи с экологией, популяционной генетикой и ещё десятком других областей, хотя эти результаты зачастую были технически верными, но поначалу ничем не примечательными. Затем Шварц работал с экспертами предметных областей, чтобы направить BootLoops на вопросы, которые волнуют эти области.
Большие языковые модели находят взаимодополняющие эвристики для комбинаторной оптимизации
Оригинальное название: Large language models discover complementary heuristics for combinatorial optimization
Комбинаторная оптимизация лежит в основе решений в производстве, логистике и энергетике, но разработка эвристик для каждого нового варианта требует месяцев работы экспертов, а однопроходная генерация кода с помощью LLM часто оказывается неудачной. LACE разделяет проектирование алгоритма на схемы, библиотеку инструментов и портфель эвристик, а затем в рамках ограничений по времени выполнения развивает взаимодополняющие специализированные эвристики. На 36 классических задачах CO-Bench он показал средний результат 0,945 против 0,870 у сильнейшего из предыдущих методов на основе LLM и 0,571 у прямого промптинга.
Этот ИИ для игр — новый чемпион в Stratego
Оригинальное название: This game-playing AI is the new champ at Stratego
Исследователи создали систему ИИ для Stratego — настольной игры для двух игроков, в которой фигуры противника скрыты и которую часто используют для проверки стратегического мышления. Сочетая эффективные алгоритмы обучения с новыми методами принятия решений в условиях скрытой информации, система с большим отрывом победила сильнейших игроков-людей и превзошла следующие по качеству модели, при этом её обучение обходится дешевле. Она также обыграла лучших игроков-людей в других стратегических играх с иными правилами.
На пути к моделям фундаментального типа для гетерогенных нейтринных детекторов энергетического фронтира с помощью самоконтролируемого предобучения
Оригинальное название: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
Интерпретация событий в нейтринных детекторах энергетического фронтира непрактична для традиционной реконструкции и затруднительна для обучаемых с учителем моделей при нехватке размеченных данных. Авторы предварительно обучают разреженный Vision Transformer с помощью реконструкции на основе маскированного автокодировщика и реляционных целей на уровне вокселей, а затем совместно дообучают его на классификацию и регрессию. На смоделированных событиях для предлагаемого калориметра FASER предварительное обучение улучшило идентификацию аромата и очарованных кварков, регрессию импульса и реконструкцию вершины, а примерно при 1000 размеченных событий предобученный энкодер сравнялся по качеству классификации аромата с моделью, обученной с нуля.
Прогнозирование рисков космической погоды для электросетей
Оригинальное название: Forecasting space weather risks on power grids
Экстремальные события космической погоды могут индуцировать токи в передающих сетях, которые повреждают оборудование, и операторам энергосетей необходимо с достаточным упреждением знать, когда и где последствия будут наиболее серьёзными. Microsoft Research создала конвейер машинного обучения, объединяющий данные о солнечном ветре, прогнозы AE и Dst, местную широту, геологию и проводимость грунта, чтобы получать оценки риска для 66 935 подстанций на континентальной части США. За оценочный период он обнаружил почти 80% крупных событий космической погоды и способен предупредить операторов за 30–60 минут до появления конкретного риска.
D4RT: единая быстрая реконструкция и отслеживание 4D-сцен
Оригинальное название: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
ИИ-инструмент для картирования культур мелких фермеров доказал свою эффективность в Сенегале
Оригинальное название: AI tool for mapping smallholder crops proves itself in Senegal
Небольшие фермерские хозяйства Сенегала, зависящие от дождей, делают значительную часть населения уязвимой к климатическим потрясениям, однако спутниковые инструменты картографирования сельскохозяйственных культур им почти недоступны. Исследователи из Кембриджского университета использовали Tessera — модель ИИ с открытым исходным кодом, обученную на спутниковых снимках, — чтобы составить карту посевов в арахисовом бассейне Сенегала. В тестах она давала верный результат в 84% случаев, то есть точнее современных методов, при этом используя лишь малую долю вычислительных ресурсов и размеченных данных. В одном из сценариев она показала результат на 28% лучше, чем следующая по качеству модель.
Представляем Quine: исследовательскую ИИ-систему, созданную для сложности биологии
Оригинальное название: Introducing Quine: An AI research system designed for the complexity of biology
Quine от Microsoft Research — это начальный этап работы по созданию мультимодальной модели мира биологии и интерактивной среды, которая связывает модели, научные инструменты, литературу и исследователей и помогает учёным расставлять приоритеты среди гипотез до лабораторной проверки. Совместно с исследователями из Broad Institute of Harvard and MIT команда использовала её, чтобы выделить в приоритет соединения, которые, как предсказано, вызывают терапевтические сдвиги состояния опухоли, и подтвердила несколько наиболее высокоранжированных кандидатов в ходе нескольких лабораторных анализов. Система носит экспериментальный характер, предназначена только для исследований, а её результаты требуют проверки квалифицированными исследователями.
Новая формула помогает РНК-вакцинам выдерживать высокие температуры
Оригинальное название: New formulation helps RNA vaccines withstand high temperatures
РНК-вакцины обычно требуют хранения при сверхнизких температурах, поэтому исследователи из MIT с помощью ИИ-алгоритма скорректировали состав липидных наночастиц, доставляющих мРНК-вакцины. Алгоритм предсказал оптимальные составы, сократив число необходимых экспериментов и ускорив разработку. Полученные вакцины сохраняли стабильность до года при комнатной температуре или два месяца при температуре почти 100°F, а у мышей вакцина против Covid-19 вызвала иммунный ответ такой же силы, как РНК-вакцина, похожая на вакцину Moderna.
Оценка региональных климатических рисков по климатическим моделям с помощью вероятностного машинного обучения
Оригинальное название: Regional climate risk assessment from climate models using probabilistic machine learning
Климатические модели слишком грубы для принятия региональных решений о рисках, а существующие методы даунскейлинга слишком затратны для больших ансамблей, упускают многомерные зависимости или требуют синхронизированных по времени обучающих пар, которых нет у свободно рассчитываемых прогнозов. GenFocal — генеративная ИИ-платформа, которая создаёт статистически точную мелкомасштабную погоду на основе грубых прогнозов без парных обучающих данных. Она синтезирует долгоживущие опасные явления, такие как волны жары и тропические циклоны, точнее ведущих методов воспроизводит редкие события с сильным воздействием и улучшает региональные оценки составных экстремальных явлений.
Claude улучшил давнюю нижнюю оценку доли нулей дзета-функции Римана, удовлетворяющих гипотезе Римана
Оригинальное название: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
Гипотеза Римана — нерешённая проблема — утверждает, что все нули дзета-функции Римана лежат на определённой вертикальной прямой. Пытаясь решить эту задачу, неопубликованная исследовательская версия Claude не доказала гипотезу, но улучшила давнюю нижнюю оценку доли нулей, удовлетворяющих ей, повысив её с 41,6% до 67,2%. Два математика Anthropic проверили статью и написали неформальную экспертную заметку, а Claude также подготовил формально проверяемое доказательство. Ожидается, что этот результат не приведёт к доказательству самой гипотезы.
Claude вычисляет девятипетлевую амплитуду в суперсимметричной теории Янга — Миллса N=4
Оригинальное название: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
Физик и научный писатель Matt von Hippel бросил AI-компаниям вызов: решить сложную задачу теоретической физики — вычислить девятипетлевую амплитуду в N=4 супер-Янга—Миллса. Claude вычислил её, выиграв этот вызов примерно через месяц.
Оценка риска суицида по тексту
Оригинальное название: Estimating suicide risk from text
Выявление людей с высоким риском суицида — приоритет для консультантов во время кризисов психического здоровья. Исследователи из Института Макговерна при MIT разработали инструмент обработки языка, который ищет в тексте слова и фразы, связанные с 49 факторами суицидального риска, чтобы оценить риск конкретного человека. В текстовых беседах с кризисными консультантами инструмент точно предсказывал риск суицида, а после дальнейшей валидации он мог бы помогать в оценке риска в клинических условиях и службах кризисной поддержки.
Крошечный летающий робот MIT стал на 450% быстрее благодаря ИИ
Оригинальное название: MIT’s tiny flying robot gets 450% faster with AI
Летающие роботы размером с насекомое обычно были медленными и ограничивались простыми траекториями полёта. Исследователи из MIT разработали контроллер на основе ИИ с двухкомпонентной системой управления, позволяющий выполнять повторяющиеся перевороты корпуса. По сравнению с предыдущими лучшими результатами команды скорость робота выросла примерно на 450%, а ускорение — примерно на 250%, и он выполнил 10 сальто за 11 секунд даже при воздействии ветра.
Как Claude улучшает моделирование биомолекул
Оригинальное название: How Claude is uplifting biomolecular modeling
Модели с открытым исходным кодом, которые учёные используют для предсказания и проектирования биомолекул, работали медленно и требовали много памяти. Работая в Claude Science, Claude оптимизировал более 30 таких моделей чуть меньше чем за четыре недели, ускорив их в среднем примерно в 4 раза. Он также создал режим с низким потреблением памяти, позволяющий точно предсказывать системы размером более 10 000 токенов на одном узле с GPU NVIDIA; оптимизированный код публикуется с открытым исходным кодом.