AI اور دنیا کے مشکل مسائل
AI کے ذریعے آگے بڑھنے والے سائنس اور علم، شعبے کے لحاظ سے
مشکل مسائل حل کرنے کے لیے AI کے استعمال کی خبریں — ریاضی، طبیعیات، فیوژن، کوانٹم سائنس، حیاتیاتی علوم، طب، موسمیات اور انسانیات میں — جو جامعات، تحقیقی اداروں، AI لیبز، جرائد اور arXiv کے RSS فیڈز اور پریس ریلیزز سے ہر 3 گھنٹے بعد جمع کی جاتی ہیں۔ Jev صرف وہی آئٹمز رکھتا ہے جن میں حقیقی سائنسی نتیجہ ہو اور انہیں شعبے کے لحاظ سے ترتیب دیتا ہے؛ خلاصے صرف ہر ماخذ کے ابتدائی حصے سے لکھے جاتے ہیں — تفصیلات کے لیے اصل تحریر پڑھیں۔
RSS فیڈ · 58 آئٹمز
پھیپھڑوں اور بڑی آنت کے کینسر کی تشخیص کے لیے ایک قابلِ تشریح درجہ وار ڈیپ لرننگ فریم ورک
اصل عنوان: An interpretable hierarchical deep learning framework for lung and colon cancer detection
ہسٹوپیتھالوجی تصاویر سے پھیپھڑوں اور بڑی آنت کے کینسر کی درجہ بندی مشکل ہے کیونکہ مختلف اقسام ایک دوسرے سے ملتی جلتی نظر آتی ہیں اور بافتوں کی ساخت میں تنوع پایا جاتا ہے، جبکہ روایتی ڈیپ لرننگ ماڈلز بہت کم شفافیت فراہم کرتے ہیں۔ مصنفین نے پانچ اقسام کے اس کام کو موٹے سے باریک مراحل میں تقسیم کیا: پہلے نارمل بمقابلہ کینسر، پھر نارمل بافت کی اقسام یا کینسر کی ذیلی اقسام کے لیے ایک مخصوص درجہ بند، اور ہر مرحلے کے لیے بہترین آرکیٹیکچر کا انتخاب کیا گیا۔ اس فریم ورک نے LC25000 پر 98.50% اور آزاد LungHist700 ڈیٹا سیٹ پر 82.01% درستگی حاصل کی، اور Grad-CAM، Grad-CAM++، LIME اور Occlusion Sensitivity کو تصاویر کے ان حصوں کو نمایاں کرنے کے لیے استعمال کیا گیا جن کی بنیاد پر اس کی پیش گوئیاں کی گئیں۔
MASLD کے دور میں HBV یا HCV انفیکشن کے بغیر افراد میں ہیپاٹوسیلولر کارسنوما کی مصنوعی ذہانت پر مبنی پیش گوئی
اصل عنوان: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
جگر کے کینسر (HCC) کی موجودہ نگرانی کی رہنما ہدایات بنیادی طور پر سروسس یا وائرل ہیپاٹائٹس کے مریضوں کو ہدف بناتی ہیں۔ محققین نے وائرل ہیپاٹائٹس کے بغیر افراد میں HCC کے خطرے کی پیش گوئی کے لیے ایک AI ماڈل بنایا، جس کے لیے جنوبی کوریا کے تقریباً 7.96 ملین ایسے بالغ افراد کا ڈیٹا استعمال کیا گیا جنہوں نے صحت کی اسکریننگ کروائی تھی۔ موازنہ کیے گئے بارہ ماڈلز میں MHA_DNN نے سب سے بہتر کارکردگی دکھائی اور ایک آزاد توثیقی گروہ میں بھی مسلسل درستگی برقرار رکھی۔ فیٹی لیور انڈیکس اور ٹرائیگلیسرائیڈز سب سے زیادہ اثر انگیز پیش گو عوامل تھے، جو میٹابولزم پر مبنی ذاتی نوعیت کی نگرانی کی حمایت کی نشاندہی کرتے ہیں۔
ریٹینل فنڈس تصاویر سے صحت کی حالت کی خودکار پیش گوئی کے لیے ہائبرڈ اٹینشن اور قابلِ وضاحت AI پر مبنی ایک ملٹی ٹاسک ڈیپ لرننگ فریم ورک
اصل عنوان: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
ریٹینل فنڈس تصاویر کے لیے موجودہ ڈیپ لرننگ ماڈلز صرف ایک ہی کام انجام دیتے ہیں، محدود تشریح پذیری فراہم کرتے ہیں، اور مختلف ڈیٹا سیٹس کے درمیان فرق کے سامنے دشواری کا شکار ہوتے ہیں۔ مصنفین ایک ملٹی ٹاسک نیٹ ورک تجویز کرتے ہیں جو ایک ہی تصویر سے، ایک ہی فارورڈ پاس میں، ذیابیطس ریٹینوپیتھی کی شدت، گلوکوما، AMD کے مرحلے اور قلبی خطرے کی درجہ بندی کرتا ہے، اور Grad-CAM کی وضاحتیں بھی فراہم کرتا ہے۔ اس نے چار ڈیٹا سیٹس میں 94.7% درستگی اور 0.978 AUC حاصل کی، شماریاتی طور پر تمام سنگل ٹاسک ماڈلز سے بہتر کارکردگی دکھائی، اور زیرو شاٹ کراس ڈیٹا سیٹ جانچ میں کم از کم 0.951 AUC حاصل کی۔
ذہنی صحت کی ذہین تشخیص کے لیے آٹومیٹا اور مشین لرننگ کا مربوط فریم ورک
اصل عنوان: An automata-machine learning integrated framework for intelligent mental health diagnostics
طلبہ میں ڈپریشن اکثر سنگین ہونے تک پتا نہیں چلتا، اس لیے ابتدائی پیش گوئی ضروری ہے۔ مصنفین نے فینائٹ آٹومیٹا پر مبنی رویے کی ماڈلنگ کو مشین لرننگ کے ساتھ ملایا، طلبہ کی جذباتی کیفیات سے خصوصیات تیار کیں اور غیر ضروری خصوصیات کو یکجا کیا۔ رینڈم فاریسٹ اور KStar کے ensemble کے استعمال سے درستی رینڈم فاریسٹ کی 82.02% بنیادی سطح سے بڑھ کر آٹومیٹا پر مبنی خصوصیات کے ساتھ 96.88% ہو گئی۔ مصنفین کے مطابق یہ طریقہ خصوصیات کو قابلِ تشریح اور قابلِ سراغ رکھتا ہے۔
LitGene: جینز کی نمائندگی سیکھنے کے لیے متن اور اونٹولوجی کو یکجا کرنے والا قابلِ تشریح ٹرانسفارمر ماڈل
اصل عنوان: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
جین کی نمائندگی کی سیکھ اکثر سائنسی لٹریچر کو نظر انداز کر دیتی ہے، جس سے کم مطالعہ شدہ جینز کے خلاف نتائج میں جانبداری پیدا ہو سکتی ہے۔ LitGene ایک قابلِ تشریح ٹرانسفارمر ہے جو contrastive learning کے ذریعے متن کو Gene Ontology کی تشریحات کے ساتھ مربوط کرتا ہے۔ اس نے آٹھ پروٹین بینچ مارکس پر مسابقتی درستگی حاصل کی، زیرو شاٹ طریقے سے GO terms، KEGG pathways اور جین اور بیماری کے روابط کی پیش گوئی کی، اور ANGPTL6 کو idiopathic pulmonary fibrosis کے لیے ایک امیدوار جین کے طور پر نشان زد کیا، جس کی تائید آزاد نمونوں میں مختلف اظہار سے ہوئی۔
لارج لینگوئج ماڈلز کے ذریعے بڑے پیمانے پر قابلِ اعتماد طبی معلومات نکالنے کے لیے کثیر مرحلہ توثیقی فریم ورک
اصل عنوان: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
کلینیکل معلومات کے استخراج کے لیے بڑے لینگوئج ماڈلز کی توثیق میں عموماً مہنگی دستی تشریح درکار ہوتی ہے۔ مصنفین نے ایک کثیر مرحلہ فریم ورک تجویز کیا جو اصول پر مبنی فلٹرنگ، معنوی بنیاد بندی، جج-LLM کی تشخیص، ماہرین کے جائزے اور پیش گوئی کی افادیت کے تجزیے کو یکجا کرتا ہے۔ جب اسے 919,783 کلینیکل نوٹس میں مادّے کے استعمال کے عارضوں کی تشخیصات پر لاگو کیا گیا تو اس نے LLM کے 14.59% مثبت استخراجات کو غیر مدلل یا ناقابلِ یقین قرار دے کر ہٹا دیا۔ بنیادی LLM نے جج کی تشخیصات کے مقابلے میں 0.80 کا F1 اسکور حاصل کیا، اور اس کی نکالی گئی تشخیصات نے ساختہ ڈیٹا کی بنیادی لائنوں کے مقابلے میں بعد کی خصوصی نگہداشت میں شمولیت کی بہتر پیش گوئی کی۔
تاریخ کے طویل عرصے سے خفیہ کوڈز کو شوقیہ افراد AI کی مدد سے کھول رہے ہیں
اصل عنوان: History’s long-secret codes are being cracked by amateurs using AI
غیر ماہرین تاریخی خفیہ تحریروں (سائفرز) کو توڑنے کے لیے بڑے لینگویج ماڈلز کا استعمال بڑھتے ہوئے کر رہے ہیں، جو ڈیکرپشن الگورتھم چلانے اور دستاویزات کے لیے انٹرنیٹ پر تلاش کرنے کی ان کی صلاحیت سے فائدہ اٹھاتے ہیں۔ Carter Leffen، جنہیں کرپٹوگرافی کا کوئی تجربہ نہیں، نے GPT-6 Astra سے 85 سال پہلے خفیہ کیے گئے جرمن فوج کے ایک پیغام کو ڈی کوڈ کرنے کو کہا، اور اس نے صبح تک حل پیش کر دیا۔ کرپٹوگرافی کے ماہرین اس دلچسپی کا خیر مقدم کرتے ہیں لیکن AI کے حلوں کی توثیق کی درخواستوں سے مغلوب ہیں، جن میں سے بہت سے غلط ہیں۔
توجہ پر مبنی ڈیپ لرننگ کے ذریعے RGB ایگزیکیوٹیبل امیجز سے ملٹی لیول میلویئر ذیلی خاندان کی شناخت
اصل عنوان: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
میلویئر کے تجزیے میں شناخت سے لے کر خاندان اور باریک ذیلی خاندان کی نسبت تک کئی سطحوں پر فیصلے درکار ہوتے ہیں۔ مصنفین ایک درجہ وار ڈیپ لرننگ فریم ورک تجویز کرتے ہیں جو Windows PE فائلوں کی RGB تصاویر لیتا ہے اور ایک ہی کثیر آؤٹ پٹ ڈھانچے میں شناخت، خاندان کی درجہ بندی اور 33 ذیلی خاندانوں کی نسبت انجام دیتا ہے۔ توجہ سے مزین چار ٹرانسفر لرننگ ماڈلز نے 99% بائنری، 96–97% خاندانی سطح اور 91–95% ذیلی خاندانی سطح کی درستگی حاصل کی، جبکہ باریک نسبت کے لیے میکرو F1-اسکور 0.89 تک رہے۔
AI ایجنٹس کو حیاتیاتی حقیقت میں مستحکم کرنا: خودمختار ویٹ لیبز کے بنیادی اجزاء
اصل عنوان: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
فرنٹیئر AI ماڈلز تھری ڈی جیومیٹری اور لیب کی طبعی حالت کے بارے میں قابلِ اعتماد طور پر استدلال نہیں کرتے، جس کی وجہ سے مائع سنبھالنے والے روبوٹس کو خودکار بنانا مشکل ہو جاتا ہے۔ Google Research نے AI ایجنٹس کو طبعی لیب روبوٹکس سے جوڑا تاکہ وہ تیز بند حلقے والے مالیکیولر ڈیزائن کے چکر چلا سکیں۔ ایجنٹس نے کینسر کے اہداف کے لیے سنگل ڈیجٹ نینومولر ایفینٹی رکھنے والے پروٹین بائنڈرز دریافت کیے۔
AI نے ایک چھوٹے ٹیسٹ میں چہرے اور زبان کی تصاویر سے کورونری ہارٹ ڈیزیز کا پتا لگا لیا
اصل عنوان: AI detects coronary heart disease from face and tongue photos in small test
چین کی ایک نئی تحقیق میں ایک AI نظام کو چہرے اور زبان کی تصاویر پر تربیت دی گئی تاکہ کورونری ہارٹ ڈیزیز (CHD) کا پتا چلایا جا سکے۔ ایک چھوٹے ٹیسٹ میں اس نظام نے CHD کے ہر مریض کی درست شناخت کی۔
مصنوعی ذہانت اور ڈیجیٹل سٹیتھوسکوپی کے ذریعے بنگلہ دیش میں سانس کی بیماریوں کے شکار بچوں میں پھیپھڑوں کی اضافی آوازوں کی شناخت
اصل عنوان: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
بچپن کی بیماریوں کے مربوط انتظام کی رہنما ہدایات نمونیا کے لیے زیادہ حساسیت مگر کم مخصوصیت رکھتی ہیں۔ بنگلہ دیش میں صحت کے کارکنوں نے نمونیا کے مشتبہ پانچ سال سے کم عمر بچوں کے پھیپھڑوں کی آوازیں ڈیجیٹل سٹیتھوسکوپ سے ریکارڈ کیں، اور ایک AI الگورتھم کا موازنہ ماہرینِ اطفال کے پینل سے کیا گیا۔ AI نے مجموعی طور پر غیر معمولی آوازوں کی 61.8% حساسیت اور 60.7% مخصوصیت کے ساتھ نشاندہی کی، اور IMCI کے تحت نمونیا کے کیسز میں یہ شرحیں 63.5% اور 66.8% رہیں۔ مصنفین اسے اوسط درجے کی کارکردگی قرار دیتے ہیں، جس میں ناقابلِ تشریح ریکارڈنگز کی درجہ بندی میں بہتری درکار ہے۔
فاؤنڈیشن ماڈل کے ذریعے سرجیکل ریسیکشن مارجنز کی خودکار لیبلنگ
اصل عنوان: Autonomous labeling of surgical resection margins using a foundation model
پیتھالوجی میں سرجیکل ریسیکشن مارجنز کا جائزہ دستی انکنگ کی غلطیوں، ٹشو کی بگاڑ اور کاٹری سے ہونے والے نقصان سے متاثر ہوتا ہے۔ مصنفین نے ایک ورچوئل انکنگ نیٹ ورک تیار کیا جو ایک فروزن فاؤنڈیشن ماڈل اور ایک چھوٹے کلاسیفائر کو استعمال کرتے ہوئے جسمانی سیاہی کے بغیر پوری سلائیڈ کی تصاویر پر مارجن کی نشاندہی کرتا ہے۔ غیر دیکھے ہوئے ٹشو بلاکس کی 20 سلائیڈز پر اس نے ریجن کی سطح پر تقریباً 73.3% درستگی حاصل کی اور ایسے اوورلے تیار کیے جو معیاری طور پر ماہرین کی تشریحات سے مطابقت رکھتے تھے۔ یہ نتائج تصورِ ثبوت کی حیثیت رکھتے ہیں اور بڑے کلینیکل گروہوں میں توثیق کے محتاج ہیں۔
چھوٹے مالیکیولز کی ممکنہ توانائی کی پیش گوئی کے لیے مشین لرننگ پر مبنی پلیٹ فارم
اصل عنوان: A machine learning-based platform for predicting the potential energy of small molecules
توانائی کی کمی کے بعد چھوٹے مالیکیولز کی ممکنہ توانائی کے درست تخمینے ادویات اور جین کی ترسیل کے مالیکیولز ڈیزائن کرنے کے لیے اہم ہیں۔ مصنفین نے گہری لرننگ ماڈلز بنائے، جن میں ملٹی ہیڈ اٹینشن کے ساتھ اور اس کے بغیر CNN-BiLSTM آرکیٹیکچرز شامل ہیں، اور انہیں ایٹم وار ترتیب وار نمائندگی کے ذریعے چھوٹے مالیکیولز کی ساختوں کے ڈیٹاسیٹ پر تربیت دی۔ بتایا جاتا ہے کہ یہ ماڈلز روایتی ڈسکرپٹر پر مبنی مشین لرننگ طریقوں سے بہتر کارکردگی دکھاتے ہیں، اور کہا جاتا ہے کہ اٹینشن میکانزم عمومی کارکردگی کو بہتر بناتا ہے۔
الیکٹرانک ساخت کے ذریعے نئے مواد کے ڈیزائن میں AI کی رہنمائی
اصل عنوان: Using electronic structure to guide AI in designing new materials
ساخت فعل کا تعین کرتی ہے، اس لیے سائنس دان مطلوبہ خصوصیات والے نئے مواد میں ایٹموں کی ترتیب کو ڈیزائن کرنے کے لیے تیزی سے AI استعمال کر رہے ہیں۔ University of Tokyo کے Institute of Industrial Science کے محققین نے ایک نمایاں جنریٹو AI ماڈل کو وسعت دی تاکہ وہ کسی مواد کی الیکٹرانک ساخت کو اس کی قلمی ساخت کے ساتھ مل کر ڈیزائن کر سکے۔ نیا ماڈل، MatterGen-e⁻، npj Computational Materials میں رپورٹ کیا گیا ہے۔
ایک چھوٹے مطالعے سے معلوم ہوا ہے کہ اسمارٹ فون پر چیٹنگ اور ادائیگی کی عادات AI کو روزمرہ کے تناؤ کی شناخت میں مدد دیتی ہیں
اصل عنوان: Smartphone chatting and payment habits help AI identify daily stress, small study finds
تناؤ کے اشارے روزمرہ اسمارٹ فون عادات جیسے چیٹ کرنے، تلاش کرنے اور ادائیگیاں کرنے میں چھپے ہو سکتے ہیں۔ KAIST کے محققین نے ایک ایسی ٹیکنالوجی تیار کی جو ایپس میں بار بار انجام دیے جانے والے کئی معمول کے رویوں کا تجزیہ کر کے کسی شخص کی روزانہ کی تناؤ کی کیفیت کی شناخت کرتی ہے۔
Seal کے ذریعے نشوونما پاتے انسانی دماغ میں جین کے ضابطے اور ویریئنٹ کے اثرات کی مکانی و زمانی AI پر مبنی ماڈلنگ
اصل عنوان: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
یہ مطالعہ اس سوال کو دیکھتا ہے کہ نشوونما پاتے انسانی دماغ میں، جہاں ڈیٹا محدود ہے، جینیاتی تغیر جین کے ضابطے کو کیسے تشکیل دیتا ہے۔ مصنفین نے Seal بنایا، جو ایک قابلِ تشریح AI ٹرانسفر لرننگ فریم ورک ہے اور 26 خطوں، 30 قسم کے خلیات اور 7 نشوونمائی مراحل میں جین کے اظہار اور ویریئنٹ کے اثرات کی پیش گوئی کرتا ہے۔ آٹزم کے مکمل جینوم ڈیٹا میں، Seal نے عارضی جنینی تحریکی نیورونز میں de novo ریگولیٹری ویریئنٹس کا نمایاں بوجھ پایا۔
AI کے ذریعے ٹپنگ پوائنٹس کی پیش گوئی
اصل عنوان: Forecasting Tipping Points with AI
ٹپنگ پوائنٹس، جن کے بعد کوئی نظام اپنی اصل حالت میں واپس نہیں آ سکتا، کی پیش گوئی مختصر مدت کے موسمی تغیرات کے مقابلے میں زیادہ مشکل ہوتی ہے۔ Caltech کی قیادت میں ایک ٹیم نے دکھایا کہ recurrent neural operator (RNO)، جو ایک قسم کا نیورل نیٹ ورک ہے، سادہ ماڈلز میں ٹپنگ پوائنٹس کے واقع ہونے کی پیش گوئی کر سکتا ہے۔ ان میں موسمیاتی تبدیلی کے نظام کا ایک ماڈل اور ہوائی جہاز کے پر کے اوپر ہنگامہ خیز ہوا کے بہاؤ کی سمولیشنز شامل ہیں۔ یہ مقالہ PNAS میں شائع ہوا۔
بڑے پروٹین کمپلیکسز کی ساخت کی بہتر پیش گوئی کے لیے ہائبرڈ ماڈلنگ
اصل عنوان: Hybrid modeling for improved structure prediction of large protein complexes
اس مطالعے کا مقصد بڑے پروٹین کمپلیکسز کی ساختوں کی پیش گوئی کرنا ہے۔ مصنفین نے HDOCK-Multimer (HDM) تیار کیا، جو ایک خودکار فریم ورک ہے اور ab initio ڈاکنگ کو امتزاجی اسمبلی کے ساتھ جوڑتا ہے۔ تین بینچ مارکس میں، بڑے پروٹین اسمبلیز کے لیے HDM جدید ترین اسمبلی اور ڈیپ لرننگ پر مبنی طریقوں کے مقابلے میں زیادہ درست اور مضبوط ثابت ہوا۔
AI ماڈل خلیات کے باہمی رابطے کی زبان کو سمجھ لیتا ہے
اصل عنوان: AI model decodes the language cells use to communicate
جنینی نشوونما کے دوران خلیوں کو کیمیائی اشارے ملتے ہیں جو جینز کو فعال یا غیر فعال کرتے ہیں اور ان کا کردار طے کرتے ہیں۔ کسی خلیے کو ملنے والے اشاروں کی ترتیب کا سراغ لگانا مشکل رہا ہے، کیونکہ یہ فرض کیا جاتا تھا کہ سگنلنگ پاتھ ویز مختلف اقسامِ خلیات میں بہت مختلف ہوتے ہیں۔ MIT اور Whitehead Institute کے محققین نے اس مسئلے کے حل کے لیے ایک کمپیوٹیشنل فریم ورک تیار کیا، جو اسٹیم سیل انجینئرنگ کو تیز کرنے، بیماریوں کے ماڈلز کو بہتر بنانے اور کینسر کے علاج میں رہنمائی کرنے میں مدد دے سکتا ہے۔
مشین لرننگ کے ذریعے ذیلی موسمی پیش گوئی میں پیش رفت
اصل عنوان: Advancing subseasonal forecasting with machine learning
2 سے 6 ہفتے آگے کے ذیلی موسمی اوقات میں پیش گوئی کی مہارت تیزی سے گر جاتی ہے۔ مصنفین probabilistic bias correction متعارف کراتے ہیں، جو ایک مشین لرننگ فریم ورک ہے اور تاریخی احتمالی پیش گوئیوں کی تصحیح سیکھتا ہے، اور اسے ECMWF کے اعلیٰ ڈائنامیکل اور AI ماڈلز پر لاگو کرتے ہیں۔ اس نے AI Forecasting System کی معمولی ذیلی موسمی مہارت کو دگنا کر دیا اور زیادہ تر دباؤ، درجہ حرارت اور بارش کے اہداف کے لیے ڈائنامیکل ماڈل کو بہتر بنایا، اور ECMWF کے 2025 کے ریئل ٹائم مقابلے میں اس کی عالمی پیش گوئیاں بہترین رہیں۔
مصنوعی ذہانت سے ممکن بنائی گئی انسانی براؤن فیٹ کی طبی فینوٹائپنگ
اصل عنوان: Artificial intelligence-enabled clinical phenotyping of human brown fat
انسانوں میں براؤن ایڈیپوز ٹشو (BAT) کی سرگرمی کو بڑے پیمانے پر ناپنے کے طریقے دستیاب نہیں رہے ہیں۔ ایک بڑے کینسر مرکز کے 101,243 مریضوں کے ڈیٹا کی مدد سے مصنفین نے مشین لرننگ کے ذریعے تقریباً 8,700 مریضوں میں BAT کی سرگرمی کو نیم خودکار طریقے سے ناپا۔ BAT کی زیادہ سرگرمی، خاص طور پر بغل کے ذخیرے میں، قلبی و میٹابولک بیماری کے کم امکانات اور سفید چربی کی صحت مند تقسیم سے وابستہ پائی گئی۔
لیتھیم آئن بیٹری الیکٹرولائٹس میں multi-Li + کلسٹرنگ کے شواہد
اصل عنوان: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
لیتھیم آئن بیٹری الیکٹرولائٹس کی بلک سالویشن ساخت کو صرف تجربے سے ایٹمی تفصیل میں متعین کرنا مشکل ہے۔ مصنفین نے مشین لرننگ سے چلنے والی ایٹمی سمولیشنز، NMR اسپیکٹروسکوپی، برقی کیمیائی ڈیٹا اور کوانٹم کیمیائی حسابات کو یکجا کیا۔ انہوں نے پہلے سے غیر مطالعہ شدہ، بغیر جڑے ہوئے اینیئنز والے متعدد Li+ کمپلیکس کی نشاندہی کی جو آسانی سے ریڈیوس ہو جاتے ہیں، جس سے یہ سمجھنے میں مدد ملتی ہے کہ تجربے کی بنیاد پر منتخب کیے گئے ایتھیلین کاربونیٹ سالوینٹ مرکبات کیوں کام کرتے ہیں۔
مصنوعی نیورل نیٹ ورکس اپنی سیکھنے کی مشینری خود کیسے بناتے ہیں
اصل عنوان: How artificial neural networks build their own learning machinery
بے ترتیب طور پر جڑی اکائیوں کا ایک گروہ، جب اسے یہ سادہ اصول دیے جائیں کہ روابط کب اور کیسے بدلنے چاہئیں، تو خود کو از سرِ نو منظم کر کے معلومات پر عمل کرنے والا مؤثر نیٹ ورک بن سکتا ہے۔ MIT کی ٹیم کا موقف ہے کہ مصنوعی نیٹ ورک کا ڈویلپر کی رہنمائی کے بغیر خود کو منظم کرنا حیاتیاتی قابلِ فہم ہونے کا ایک اہم امتحان ہے۔ محققین خبردار کرتے ہیں کہ ایسے نیٹ ورکس حیاتیاتی سیکھنے کے بارے میں زیادہ بصیرت فراہم نہیں کر سکتے۔
AI ریمان مفروضے کو حل کرنے کے قریب پہنچ گیا، جو ریاضی کے مشکل ترین مسائل میں سے ایک ہے
اصل عنوان: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude نے ایک نیا اینزائم نظام دریافت کیا
اصل عنوان: Claude discovers a novel enzyme system
Anthropic کی نئی لائف سائنسز لیب Claude کے ذریعے DNA ڈیٹاسیٹس میں غیر شناخت شدہ پروٹین خاندانوں کی کھوج کرتی ہے۔ ابتدائی نتائج میں، سائنس دانوں کی صرف اعلیٰ سطحی رہنمائی کے ساتھ، Claude ایجنٹس نے نامعلوم فعل والا ایک نیا اینزائم نظام دریافت کیا جس کی خصوصیات CRISPR کی یاد دلاتی ہیں۔ اس کام کا مقصد بڑے پیمانے پر مفروضے تیار کرنا اور لیب میں ان کی جانچ کرنا ہے۔
NiCLIP: دماغی ایکٹیویشن امیجز سے متن کی پیش گوئی کے لیے نیورو امیجنگ کنٹراسٹیو لینگویج-امیج پری ٹریننگ ماڈل
اصل عنوان: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
NiCLIP ایک AI ماڈل ہے جو دماغی ایکٹیویشن کے نمونوں سے علمی کاموں، تصورات اور شعبوں کو ڈی کوڈ کرتا ہے۔ اسے 23,000 سے زائد مضامین پر تربیت دی گئی تھی اور بتایا گیا ہے کہ یہ گروپ سطح کی ڈی کوڈنگ میں روایتی ڈی کوڈرز سے بہتر کارکردگی دکھاتا ہے۔ اس نے Human Connectome Project کے گروپ سطح کے نقشوں سے علمی کاموں کی درست پیش گوئی کی، لیکن شور والے سبجیکٹ سطح کے نقشوں کے ساتھ اس کی حدود سامنے آئیں۔
کثیر طریقۂ کار طبی تصاویر کی بحالی اور بہتری کے لیے ایک ہمہ گیر فاؤنڈیشن ماڈل
اصل عنوان: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound ایک فاؤنڈیشن ماڈل ہے جو شور، حرکت سے پیدا ہونے والے نقائص، کم کنٹراسٹ یا کم خوراک والی امیجنگ سے خراب ہونے والی طبی تصاویر کو بحال اور بہتر بناتا ہے، اور سات طریقۂ کار پر کام کرتا ہے جن میں CT، MRI، PET، اینڈوسکوپی، الٹراساؤنڈ، فنڈس اور ایکس رے شامل ہیں۔ 3.76 ملین جوڑی دار تصاویر پر تربیت پانے کے بعد، اس نے تصویر کے معیار کے پیمانوں، معالجین کی جانچ اور مضبوطی کے ٹیسٹوں میں 38 کام مخصوص اور عمومی بیس لائنز کو پیچھے چھوڑ دیا۔ بہتر کی گئی تصاویر نے نان اسمال سیل لنگ کینسر میں 44 بیماری کی شناخت کے کاموں، ٹیومر کے مرحلے کی پیش گوئی اور بقا کے خطرے کی درجہ بندی کو بھی بہتر بنایا۔
HIP: بغیر مشتقات کے Hessian Interatomic Potentials
اصل عنوان: HIP: Hessian Interatomic Potentials without derivatives
مالیکیولر ہیسیئنز، یعنی پوٹینشل انرجی کے دوسرے مشتقات، کمپیوٹیشنل کیمسٹری کے کئی ورک فلوز میں درکار ہوتے ہیں لیکن انہیں حساب کرنا مہنگا ہوتا ہے اور سسٹم کے سائز کے ساتھ ان کا پھیلاؤ ناقص ہے۔ مصنفین HIP پیش کرتے ہیں، جو ایک ڈیپ لرننگ ماڈل ہے اور گراف نیورل نیٹ ورک کی SE(3)-ایکوویرینٹ خصوصیات استعمال کرتے ہوئے ہیسیئنز کی براہ راست پیش گوئی کرتا ہے، بغیر آٹومیٹک ڈیفرنشی ایشن یا فنائٹ ڈفرنسز کے۔ رپورٹ کے مطابق HIP آٹومیٹک ڈیفرنشی ایشن والے ہیسیئنز سے ایک سے دو درجے زیادہ تیز اور زیادہ درست ہے، اور ٹرانزیشن-اسٹیٹ سرچ، جیومیٹری آپٹیمائزیشن اور وائبریشنل تجزیے میں اچھی کارکردگی دکھاتا ہے۔
نیند میں چھپے اشارے مستقبل کی صحت کی پیش گوئی کر سکتے ہیں
اصل عنوان: Hidden signals in sleep can predict future health
AI ٹولز ایک ہی رات کی نیند سے ایسے فزیولوجیکل پیٹرنز نکال سکتے ہیں جو نیند کی روایتی پیمائشوں سے چھوٹ جاتے ہیں، اور یہ پیٹرنز بیماری اور اموات سے جڑے ہیں۔ Nature Communications اور Nature Medicine میں شائع ہونے والے دو حالیہ مقالے بتاتے ہیں کہ نیند کے ڈیٹا میں صحت سے متعلق اتنی معلومات موجود ہیں جتنی معالجین اور محققین فی الحال نکال پاتے ہیں اس سے کہیں زیادہ۔ بڑھتے ہوئے شواہد یہ بھی ظاہر کرتے ہیں کہ نیند میں تبدیلیاں بیماری کی تشخیص سے پہلے ظاہر ہو سکتی ہیں۔
سیلیا کے ذریعے ذرات کی منتقلی کا مشین لرننگ تجزیہ بنیادی سیلیائی ڈسکائنیزیا کو نارمل سیلیا سے ممتاز کرتا ہے
اصل عنوان: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
پرائمری سلیئری ڈسکائنیزیا (PCD) ایک موروثی کیفیت ہے جس میں سیلیا کی حرکت درست نہیں ہوتی، اور اس کی تشخیص اب بھی مشکل ہے۔ مصنفین نے CiliaTracks تیار کیا، جو ایک مشین لرننگ فریم ورک ہے اور تیز رفتار مائیکروسکوپی سے ریکارڈ کیے گئے، کلچر کیے ہوئے سانس کی نالی کے خلیوں پر ذرات کی نقل و حمل کا تجزیہ کرتا ہے۔ روایتی مشین لرننگ ماڈلز اور ایک کنوولوشنل نیورل نیٹ ورک نے 14 PCD مریضوں اور 10 صحت مند عطیہ دہندگان کی ریکارڈنگز کو 95-97% درستی سے درجہ بند کیا۔
بڑے لسانی ماڈلز کے ساتھ خصوصیات کی پیش گوئی کے لیے کم زیادہ ثابت ہو سکتا ہے
اصل عنوان: Less can be more for predicting properties with large language models
نقاط کے محدد اور زمرے پر مبنی ڈیٹا سے خصوصیات کی پیش گوئی، مثلاً کرسٹل ڈھانچوں سے تشکیلی توانائیوں یا لچکی موڈیولس کی پیش گوئی، کمپیوٹیشنل سائنس کا مرکزی موضوع ہے، اور بڑے لسانی ماڈلز (LLMs) اس پر آزمائے جا چکے ہیں۔ مصنوعی ڈیٹا سیٹس اور MatText بینچ مارک کی مدد سے مصنفین نے پایا کہ LLMs زمرے کے نمونوں کو تو اچھی طرح سنبھالتے ہیں، مگر محدد کی معلومات کو مسلسل گرفت میں لانے میں ناکام رہتے ہیں۔ یہ نتیجہ 70 ارب پیرامیٹرز تک کے ماڈلز، 2 × 10^6 ڈھانچوں تک کے ڈیٹا سیٹس اور مختلف متنی نمائندگیوں پر صادق آتا ہے، اور جن خصوصیات کی پیش گوئی میں ساختی اثرات غالب ہوں، وہاں مخصوص جیومیٹرک ساختیں LLMs سے بہتر کارکردگی دکھاتی ہیں۔
ETSAM: کرائیو الیکٹران ٹوموگرامز میں خلوی جھلیوں کی مؤثر سیگمنٹیشن
اصل عنوان: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
شور والے کرائیو الیکٹران ٹوموگرافی والیمز میں خلیاتی جھلیوں کو الگ پہچاننا مشکل ہوتا ہے۔ مصنفین نے ETSAM پیش کیا ہے، جو دو مرحلوں پر مشتمل طریقہ ہے اور جھلیوں کی سیگمنٹیشن کے لیے Segment Anything Model 2 (SAM2) کو فائن ٹیون کرتا ہے، اور اسے 83 تجرباتی اور 28 مصنوعی ٹوموگرامز پر تربیت دی گئی۔ 17 تجرباتی ٹیسٹ ٹوموگرامز پر اس نے اعلیٰ حساسیت اور بہتر پریسیژن کے ساتھ دیگر ڈیپ لرننگ طریقوں سے بہتر کارکردگی دکھائی۔
فوٹونک سرکٹس قابلِ تربیت AI ہارڈ ویئر بن گئے
اصل عنوان: Photonic circuits become trainable AI hardware
مصنفین ایک طبیعیات پر مبنی in situ لرننگ طریقہ پیش کرتے ہیں جو فوٹونک انٹیگریٹڈ سرکٹس میں آپٹیکل گریڈیئنٹس کو براہِ راست ناپتا ہے۔ یہ تیاری کے بعد مختلف سرکٹ ٹوپولوجیز کی تربیت کی اجازت دیتا ہے، اور اس کے لیے سرکٹ کے مکمل ڈیجیٹل ماڈل کی ضرورت نہیں پڑتی۔ رپورٹ کے مطابق یہ ہارڈویئر میٹرکس ڈیزائن، ملٹی ویولینتھ کمپیوٹیشن اور تیز میٹا لرننگ حاصل کرتا ہے۔
Tangermeme: گہری لرننگ ماڈلز کے ذریعے سس-ریگولیٹری منطق کو سمجھنے کا ایک ٹول کٹ
اصل عنوان: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
ڈیپ لرننگ ماڈلز جینومک ڈیٹا کی اچھی پیش گوئی کر سکتے ہیں، لیکن زیادہ مشکل مرحلہ انہیں حیاتیاتی دریافت کے لیے استعمال کرنا ہے۔ یہ مقالہ tangermeme کی وضاحت کرتا ہے، جو جینومک ڈیپ لرننگ کے ان حصوں کے لیے، جو خود ماڈل کے علاوہ ہیں، ایک انتہائی بہتر بنایا گیا ٹول کٹ ہے۔ یہ دکھاتا ہے کہ tangermeme ماڈلز کے سیکھے ہوئے cis-ریگولیٹری پیٹرنز کو انسان کے سمجھنے کے قابل بصیرتوں میں کیسے کشید کر سکتا ہے۔
OpenAI نے 700 ریاضی کے پری پرنٹس آن لائن پوسٹ کر دیے: ریاضی دان سخت برہم ہیں
اصل عنوان: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAI نے ایک غیر جاری شدہ ماڈل کو سینکڑوں نمایاں ریاضیاتی مسائل پر استعمال کیا اور 6 October کو GitHub پر AI سے تیار کردہ 700 سے زائد پری پرنٹس پوسٹ کیے۔ کچھ ریاضی دانوں نے دیرینہ مسائل کے حل کا خیر مقدم کیا، جبکہ دوسروں نے سوشل میڈیا پر شکایت کی کہ ان سے سبقت لے لی گئی۔ ایک ریاضی دان نے اس سیلاب کو "slopocalypse" قرار دیا، اگرچہ مواد پھر بھی رسمی طور پر درست ثابت ہو سکتا ہے۔
قابلِ تعمیم پرٹربیشن کی پیش گوئی
اصل عنوان: Generalizable perturbation prediction
خلیاتی پرٹربیشن کا ڈیٹا علّتی ریگولیٹری تعلقات کو ظاہر کرتا ہے، لیکن ایسا ڈیٹا اکثر کمیاب ہوتا ہے، جو ایسے طریقوں کی ضرورت پیدا کرتا ہے جو ایک سیاق و سباق میں ردِعمل کی پیش گوئی دوسرے سیاق و سباق سے کر سکیں۔ مصنفین نے State تیار کیا، جو ایک مشین لرننگ ماڈل ہے اور جو واحد خلیے کے پرٹربیشن اثرات کے لیے ٹرانسفارمر پر مبنی اسٹیٹ ٹرانزیشن ماڈل کو پہلے سے تربیت یافتہ سیل ایمبیڈنگ ماڈل کے ساتھ ملاتا ہے۔ اسے 100 million سے زائد خلیوں کے پرٹربیشن ڈیٹا اور 167 million خلیوں کے مشاہداتی ڈیٹا پر تربیت دی گئی، اور ٹیم نے ماڈلز کا موازنہ کرنے کے لیے ایک جانچ کا فریم ورک Cell-Eval بھی بنایا۔
پارٹیکل سوارم آپٹیمائزڈ ہسٹوگرام ایکوالائزیشن اور VGG19 پر مبنی U-Net کے ذریعے برین ٹیومر کی سیگمنٹیشن
اصل عنوان: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI میں برین ٹیومر کی سیگمنٹیشن سست، غلطیوں کا شکار اور آپریٹر کے تعصب سے متاثر ہوتی ہے، اور ڈیپ لرننگ ماڈلز میں اکثر تشریح پذیری کی کمی ہوتی ہے۔ مصنفین نے SPOHE-VGGNet تجویز کیا ہے، جو ترمیم شدہ U-Net کو VGG-19 اور پارٹیکل سوارم آپٹیمائزڈ ہسٹوگرام ایکوالائزیشن کے ساتھ ملا کر MRI کے کنٹراسٹ کو بہتر بناتا ہے۔ اس نے Figshare ڈیٹا سیٹ پر Dice اسکور 0.9522 (میننجیوما)، 0.9428 (گلیوما) اور 0.9518 (پٹیوٹری ٹیومر) اور BraTS 2021 پر پورے ٹیومر کی سیگمنٹیشن کے لیے 0.9463 حاصل کیے، البتہ مصنفین کے مطابق کلینیکل استعمال سے پہلے بیرونی، حجمی اور معالج مرکوز توثیق ابھی ضروری ہے۔
عالمی صحتِ عامہ کے لیے Earth AI کے سیاروی جغرافیائی-مکانی بنیادی ماڈلز سے فائدہ اٹھانا
اصل عنوان: Unlocking Earth AI’s planetary geospatial foundation models for global public health
عوامی صحت کے فیصلے اکثر رپورٹنگ میں تاخیر، الگ تھلگ رکھے گئے ڈیٹا اور کم ڈیٹا کی وجہ سے سست پڑ جاتے ہیں۔ Google کا Population Dynamics Foundation Model (PDFM) رازداری کا تحفظ کرنے والے سرچ رجحانات، انسانی نقل و حرکت، تعمیر شدہ ماحول کی کثافت اور ماحولیاتی عوامل کو مقام کی ایمبیڈنگز میں سمیٹ دیتا ہے۔ ان ایمبیڈنگز کو کسی مخصوص کام کے لیے فائن ٹیوننگ کے بغیر موجودہ وبائی امراض کے ماڈلز میں شامل کیا جا سکتا ہے، اور پانچ شراکت داروں کے کیس اسٹڈیز پیش کیے گئے۔
مقامی سالماتی ڈیٹا کا درست اور بھرپور قوت والا کیس–کنٹرول تجزیہ
اصل عنوان: Accurate and well-powered case–control analysis of spatial molecular data
مقامی سطح پر مالیکیولی ڈیٹا کے لیے موجودہ طریقے اکثر پابندی والے مفروضوں پر مبنی ہوتے ہیں جو بیماری کے اہم اشاروں کو نظر انداز کر سکتے ہیں۔ VIMA، ایک ڈیپ لرننگ طریقہ، variational autoencoders کے مجموعے کو استعمال کر کے ٹشو کے چھوٹے حصوں کا خلاصہ تیار کرتا ہے اور ایسے مائیکرو نیشز کی نشاندہی کرتا ہے جن کی مقدار کیس یا کنٹرول کی حیثیت سے مطابقت رکھتی ہے۔ سمولیشنز میں یہ بخوبی کیلیبریٹ اور طاقتور ثابت ہوا، اور تین بیماریوں پر مشتمل ڈیٹا سیٹس پر لاگو کرنے سے اس نے معلوم حیاتیات کو دوبارہ دریافت کیا اور بیماری کی نئی مقامی خصوصیات کی نشاندہی کی۔
ProFormer: ڈیپ لرننگ کے ذریعے واحد خلیوں اور پلازمہ پروٹیومز کی عمومی طور پر قابلِ اطلاق درجہ بندی
اصل عنوان: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
موجودہ پروٹیومک ورک فلوز کی تھروپٹ کم ہے اور ان میں ڈیٹا کی وسیع پروسیسنگ درکار ہوتی ہے، جس سے نمونوں کی درجہ بندی سست ہو جاتی ہے۔ ProFormer ٹرانسفارمر پر مبنی ڈیپ لرننگ پائپ لائن ہے جو ماس اسپیکٹرومیٹری ڈیٹا سے MS1 سطح کی پیپٹائڈ آئن خصوصیات براہِ راست لیتی ہے۔ اس نے 14 آرکیٹیکچرز میں روایتی مشین لرننگ اور CNNs سے بہتر کارکردگی دکھائی اور واحد خلیے کے پروٹیومز کو خلیے کی قسم، سائیکل کے مرحلے اور تفریق کے راستے کے لحاظ سے، نیز پلازما پروٹیومز سے مریض کی بیماری کی حالت کے لحاظ سے درجہ بند کیا۔
CellART: ہائی ریزولیوشن اسپیشل ٹرانسکرپٹومکس سے سنگل سیل معلومات نکالنے کا ایک متحدہ فریم ورک
اصل عنوان: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
اعلیٰ ریزولوشن والے مقامی ٹرانسکرپٹومکس پلیٹ فارمز یا تو ہر مقام پر ٹرانسکرپٹ کی کم گنتی حاصل کرتے ہیں یا صرف محدود تعداد میں جینز کی پیمائش کرتے ہیں، جس سے واحد خلیے کی معلومات نکالنا مشکل ہو جاتا ہے۔ CellART اسٹیننگ تصاویر، مقامی ٹرانسکرپٹومکس ڈیٹا اور واحد خلیے کے RNA-seq حوالہ جات کو ملاتا ہے، اور ڈیپ لرننگ اور احتمالی ماڈلنگ کے ذریعے خلیوں کی سیگمنٹیشن اور خلیوں کی اقسام کی تشریح بیک وقت کرتا ہے۔ مصنفین کے مطابق یہ مؤثر، قابلِ تعمیم اور مضبوط ہے، اور اس کے نتائج کمیونٹی میں وسیع پیمانے پر استعمال ہونے والے ٹولز سے ہم آہنگ ہیں۔
گہری لرننگ پر مبنی ایک پائپ لائن جو 2D ملٹی ویو ایکوکارڈیوگرافی کے ذریعے ہائپرٹرافک کارڈیومایوپیتھی کو کارڈیک ایمائلوئیڈوسس سے الگ کرتی ہے
اصل عنوان: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
ہائپرٹروفک کارڈیومایوپیتھی (HCM) اور کارڈیک ایمائلوئیڈوسس (CA) ایکوکارڈیوگرافی میں ایک جیسے دکھائی دیتے ہیں، جس کی وجہ سے ان میں فرق کرنا مشکل ہوتا ہے۔ اس مطالعے میں ایک ڈیپ لرننگ فریم ورک تیار کیا گیا جو دو جہتی ایکو تصاویر کو پانچ طبی لحاظ سے اہم نظاروں میں درجہ بند کرتا ہے، ہر نظارے سے خصوصیات نکالتا ہے اور انہیں یکجا کرتا ہے۔ 212 HCM، 119 CA اور 200 کنٹرول مریضوں پر پانچ گنا کراس ویلیڈیشن میں اس نے 0.83 پریسیژن، 0.81 حساسیت، 0.89 مخصوصیت اور 0.82 مائیکرو-F1 حاصل کیا، اور مصنفین اسے ایک قابلِ اعتماد تشخیصی آلہ قرار دیتے ہیں۔
روشنی سے چلنے والا یہ AI تقریباً 98% درستگی کے ساتھ ڈیپ فیکس کی نشاندہی کر سکتا ہے
اصل عنوان: This light-powered AI can spot deepfakes with nearly 98% accuracy
UCLA کے محققین نے ایک آپٹیکل-نیورل پروسیسر بنایا ہے جو ڈیپ فیک ویڈیوز کا پتا لگانے کے لیے روشنی استعمال کرتا ہے، اور اس کا مقصد AI سے تیار کردہ ویڈیوز کے بڑھتے ہوئے حجم کی جانچ کرنا ہے۔ روایتی نظاموں کے برعکس، جو ویڈیوز کو ایک ایک کر کے جانچتے ہیں، یہ ایک ہی آپٹیکل پاس کے دوران 15 یا اس سے زیادہ ویڈیو اسٹریمز کا بیک وقت تجزیہ کرتا ہے۔ ٹیم کے مطابق شناخت کی درستی تقریباً 98% ہے، اور یہ مطالعہ eLight میں شائع ہوا۔
Claude کے طرز کی سائنس
اصل عنوان: Claude-shaped science
پروفیسر Matthew Schwartz بیان کرتے ہیں کہ جب انہوں نے Claude سے لڑنا چھوڑ دیا اور اسے ایسے مسائل تلاش کرنے دیے جو اس کی موجودہ صلاحیتوں کے مطابق تھے، تو انہوں نے BootLoops بنایا، جو مقداری سائنس میں قطعی حسابات کے لیے ایک ٹول کٹ ہے۔ چونکہ ملتے جلتے حسابات مختلف شعبوں میں بار بار سامنے آتے ہیں، اس لیے Claude نے ماحولیات، آبادیاتی جینیات اور درجن بھر دیگر شعبوں سے روابط دریافت کیے، اگرچہ یہ اکثر تکنیکی طور پر درست مگر ابتدا میں غیر نمایاں تھے۔ پھر Schwartz نے متعلقہ شعبوں کے ماہرین کے ساتھ مل کر BootLoops کو ان سوالات کی طرف موڑا جن کی ان شعبوں کو پروا ہے۔
بڑے لسانی ماڈلز مجموعی اصلاح کے لیے تکمیلی ہیورسٹکس دریافت کرتے ہیں
اصل عنوان: Large language models discover complementary heuristics for combinatorial optimization
کمبینیٹوریل آپٹیمائزیشن مینوفیکچرنگ، لاجسٹکس اور توانائی کے شعبوں میں فیصلوں کی بنیاد ہے، لیکن ہر نئی قسم کے لیے ہیورسٹکس تیار کرنے میں ماہرین کی مہینوں کی محنت لگتی ہے، اور LLM سے ایک ہی مرحلے میں کوڈ تیار کرنا اکثر ناکام رہتا ہے۔ LACE الگورتھم کے ڈیزائن کو اسکیماز، ٹول لائبریری اور ہیورسٹک پورٹ فولیو میں تقسیم کرتا ہے، پھر رن ٹائم کی حدود کے اندر ایک دوسرے کی تکمیل کرنے والے ماہر ہیورسٹکس کو ارتقائی طور پر تیار کرتا ہے۔ CO-Bench کے 36 کلاسیکی مسائل میں اس کا اوسط 0.945 رہا، جبکہ سب سے مضبوط سابقہ LLM پر مبنی طریقے کا 0.870 اور براہِ راست پرامپٹنگ کا 0.571 تھا۔
کھیلنے والا یہ AI اب Stratego کا نیا چیمپیئن ہے
اصل عنوان: This game-playing AI is the new champ at Stratego
محققین نے Stratego کے لیے ایک AI نظام بنایا ہے، جو دو کھلاڑیوں کا ایک بورڈ گیم ہے جس میں مخالف کے مہرے پوشیدہ ہوتے ہیں اور جو اکثر حکمتِ عملی کی سوچ کو پرکھنے کے لیے استعمال ہوتا ہے۔ مؤثر تربیتی الگورتھمز کو پوشیدہ معلومات کے تحت فیصلے کرنے کی نئی تکنیکوں کے ساتھ ملا کر، اس نظام نے اعلیٰ درجہ بند انسانی کھلاڑیوں کو بڑے فرق سے شکست دی اور اگلے بہترین ماڈلز سے بہتر کارکردگی دکھائی، جبکہ اس کی تربیت سستی بھی تھی۔ اس نے مختلف قواعد والے دیگر حکمتِ عملی کے کھیلوں میں بھی اعلیٰ انسانی کھلاڑیوں کو ہرایا۔
خود نگرانی شدہ پیشگی تربیت کے ذریعے توانائی کے محاذ کے غیر متجانس نیوٹرینو ڈیٹیکٹرز کے لیے فاؤنڈیشن طرز کے ماڈلز کی جانب
اصل عنوان: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
توانائی کے محاذ کے نیوٹرینو ڈیٹیکٹرز میں واقعات کی تشریح روایتی تعمیرِ نو کے لیے غیر عملی اور لیبل شدہ ڈیٹا کم ہونے پر زیرِ نگرانی ماڈلز کے لیے مشکل ہے۔ مصنفین ایک اسپارس Vision Transformer کو masked-autoencoder تعمیرِ نو اور ریلیشنل voxel سطح کے مقاصد کے ساتھ پہلے سے تربیت دیتے ہیں، پھر اسے درجہ بندی اور ریگریشن پر مشترکہ طور پر فائن ٹیون کرتے ہیں۔ مجوزہ FASER کیلوری میٹر کے سمولیٹڈ واقعات پر، پہلے سے تربیت نے فلیور اور چارم کوارک کی شناخت، مومینٹم ریگریشن اور ورٹیکس کی تعمیرِ نو کو بہتر بنایا، اور تقریباً 1,000 لیبل شدہ واقعات کے ساتھ پہلے سے تربیت یافتہ انکوڈر نے شروع سے تربیت پانے والے ماڈل کی فلیور درجہ بندی کی کارکردگی کے برابر نتائج دیے۔
پاور گرڈز پر خلائی موسم کے خطرات کی پیش گوئی
اصل عنوان: Forecasting space weather risks on power grids
خلائی موسم کے شدید واقعات ٹرانسمیشن نیٹ ورکس میں ایسی برقی رو پیدا کر سکتے ہیں جو آلات کو نقصان پہنچاتی ہے، اور گرڈ آپریٹرز کو کافی پیشگی تنبیہ کے ساتھ یہ جاننے کی ضرورت ہوتی ہے کہ اثرات کب اور کہاں سب سے زیادہ شدید ہوں گے۔ Microsoft Research نے ایک مشین لرننگ پائپ لائن بنائی جو شمسی ہوا کے ڈیٹا، AE اور Dst کی پیش گوئیوں، مقامی عرض بلد، ارضیات اور زمینی موصلیت کو ملا کر براعظمی ریاستہائے متحدہ کے 66,935 سب اسٹیشنز کے لیے خطرے کے تخمینے تیار کرتی ہے۔ جانچ کی مدت کے دوران اس نے خلائی موسم کے تقریباً 80% بڑے واقعات کا پتہ لگایا اور کسی مخصوص خطرے کے ظاہر ہونے سے 30 سے 60 منٹ پہلے آپریٹرز کو خبردار کر سکتی ہے۔
D4RT: متحد اور تیز 4D منظر کی تعمیرِ نو اور ٹریکنگ
اصل عنوان: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
چھوٹے کسانوں کی فصلوں کی نقشہ سازی کا AI ٹول سینیگال میں کارآمد ثابت ہوا
اصل عنوان: AI tool for mapping smallholder crops proves itself in Senegal
سینیگال کے چھوٹے، بارش پر انحصار کرنے والے کھیت آبادی کے بڑے حصے کو موسمیاتی جھٹکوں کے سامنے بے نقاب چھوڑ دیتے ہیں، جبکہ سیٹلائٹ کے ذریعے فصلوں کی نقشہ سازی کے اوزار بڑی حد تک پہنچ سے باہر ہیں۔ University of Cambridge کے محققین نے Tessera استعمال کیا، جو سیٹلائٹ تصاویر پر تربیت یافتہ ایک اوپن سورس AI ماڈل ہے، تاکہ سینیگال کے مونگ پھلی کے علاقے میں فصلوں کی نقشہ سازی کی جا سکے۔ آزمائشوں میں اس نے 84% مرتبہ درست نتیجہ دیا، جو موجودہ طریقوں سے زیادہ درست ہے، جبکہ اس نے کمپیوٹنگ وسائل اور لیبل شدہ ڈیٹا کا صرف ایک چھوٹا حصہ استعمال کیا۔ ایک منظرنامے میں اس نے اگلے بہترین ماڈل سے 28% بہتر کارکردگی دکھائی۔
Quine کا تعارف: حیاتیات کی پیچیدگی کے لیے ڈیزائن کیا گیا ایک AI تحقیقی نظام
اصل عنوان: Introducing Quine: An AI research system designed for the complexity of biology
Microsoft Research کا Quine حیاتیات کا ایک ملٹی موڈل ورلڈ ماڈل اور ایک انٹرایکٹو ہارنیس بنانے کی ابتدائی مرحلے کی کوشش ہے، جو ماڈلز، سائنسی ٹولز، لٹریچر اور محققین کو آپس میں جوڑتا ہے اور سائنس دانوں کو لیب ٹیسٹنگ سے پہلے مفروضوں کو ترجیح دینے میں مدد دیتا ہے۔ Harvard اور MIT کے Broad Institute کے محققین کے تعاون سے، ٹیم نے اسے ان مرکبات کو ترجیح دینے کے لیے استعمال کیا جن کے بارے میں پیش گوئی کی گئی تھی کہ وہ علاجی ٹیومر-حالت کی تبدیلیاں پیدا کریں گے، اور کئی اعلیٰ درجہ بند امیدواروں کی متعدد ویٹ-لیب ایسیز میں توثیق کی۔ یہ نظام تجرباتی ہے، صرف تحقیق کے لیے ہے، اور اس کے نتائج کا اہل محققین سے جائزہ لیا جانا ضروری ہے۔
نئی فارمولیشن RNA ویکسینز کو زیادہ درجہ حرارت برداشت کرنے میں مدد دیتی ہے
اصل عنوان: New formulation helps RNA vaccines withstand high temperatures
RNA ویکسینز کو عموماً انتہائی کم درجہ حرارت پر ذخیرہ کرنا پڑتا ہے، اس لیے MIT کے محققین نے mRNA ویکسینز پہنچانے والے لپڈ نینو پارٹیکلز کے گرد فارمولیشن میں ردوبدل کے لیے ایک AI الگورتھم استعمال کیا۔ الگورتھم نے بہترین فارمولیشنز کی پیش گوئی کی، جس سے درکار تجربات کی تعداد کم ہوئی اور ترقی کا عمل تیز ہوا۔ نتیجتاً بننے والی ویکسینز کمرے کے درجہ حرارت پر ایک سال تک یا تقریباً 100°F پر دو ماہ تک مستحکم رہیں، اور چوہوں میں Covid-19 ویکسین نے Moderna جیسی RNA ویکسین کے برابر مضبوط مدافعتی ردعمل پیدا کیا۔
امکانی مشین لرننگ کے ذریعے موسمیاتی ماڈلز سے علاقائی موسمیاتی خطرے کا تخمینہ
اصل عنوان: Regional climate risk assessment from climate models using probabilistic machine learning
موسمیاتی ماڈلز علاقائی خطرات کے فیصلوں کے لیے بہت موٹے ہیں، اور موجودہ ڈاؤن اسکیلنگ طریقے بڑے اینسیمبلز کے لیے بہت مہنگے ہیں، کثیر متغیری انحصارات کو نظرانداز کرتے ہیں، یا ایسے وقت سے ہم آہنگ تربیتی جوڑوں کے محتاج ہیں جو آزادانہ چلنے والے تخمینوں میں دستیاب نہیں ہوتے۔ GenFocal ایک جنریٹو AI فریم ورک ہے جو جوڑوں والے تربیتی ڈیٹا کے بغیر موٹے تخمینوں سے شماریاتی طور پر درست باریک پیمانے کا موسم تیار کرتا ہے۔ یہ ہیٹ ویوز اور اشنکٹبندیی طوفانوں جیسے طویل المدت خطرات کی تالیف کرتا ہے، نایاب اور شدید اثر والے واقعات کا نمونہ سرکردہ طریقوں سے زیادہ درستگی سے لیتا ہے، اور مرکب انتہائی حالات کے علاقائی تخمینوں کو بہتر بناتا ہے۔
Claude نے ریمان زیٹا فنکشن کے ان صفروں کے تناسب کی دیرینہ زیریں حد کو بہتر بنایا ہے جو ریمان مفروضے پر پورا اترتے ہیں
اصل عنوان: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
ریمان مفروضہ، جو ایک حل طلب مسئلہ ہے، کہتا ہے کہ ریمان زیٹا فنکشن کے تمام صفر ایک مخصوص عمودی لکیر پر واقع ہیں۔ اس مسئلے پر کام کرنے کے دوران، Claude کے ایک غیر جاری شدہ تحقیقی ورژن نے اسے ثابت تو نہیں کیا، لیکن ان صفروں کے حصے پر، جو اس شرط پر پورا اترتے ہیں، ایک دیرینہ زیریں حد کو بہتر بنایا، اور اسے 41.6% سے بڑھا کر 67.2% کر دیا۔ Anthropic کے دو ریاضی دانوں نے مقالے کی توثیق کی اور ایک غیر رسمی ماہرانہ نوٹ لکھا، اور Claude نے ایک رسمی طور پر قابلِ تصدیق ثبوت بھی تیار کیا۔ توقع نہیں ہے کہ یہ نتیجہ خود مفروضے کے ثبوت تک لے جائے گا۔
Claude، N=4 سپر-ینگ-ملز میں نو لوپ ایمپلیٹیوڈ کا حساب لگاتا ہے
اصل عنوان: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
ماہرِ طبیعیات اور سائنس مصنف Matt von Hippel نے AI کمپنیوں کو نظریاتی طبیعیات کا ایک مشکل مسئلہ حل کرنے کا چیلنج دیا: N=4 super-Yang-Mills میں نو-لوپ ایمپلیٹیوڈ کا حساب لگانا۔ Claude نے اسے حل کر لیا اور تقریباً ایک ماہ بعد چیلنج کو شکست دے دی۔
متن سے خودکشی کے خطرے کا اندازہ
اصل عنوان: Estimating suicide risk from text
ذہنی صحت کے بحرانوں کے دوران خودکشی کے زیادہ خطرے کے شکار افراد کی نشاندہی کرنا کاؤنسلرز کی ترجیح ہوتی ہے۔ MIT کے McGovern Institute کے محققین نے زبان کی پروسیسنگ کا ایک ایسا آلہ تیار کیا جو خودکشی کے 49 خطرے کے عوامل سے منسلک الفاظ اور جملوں کے لیے متن میں تلاش کرتا ہے تاکہ کسی فرد کے خطرے کا اندازہ لگایا جا سکے۔ بحرانی کاؤنسلرز کے ساتھ متنی گفتگو میں اس آلے نے خودکشی کے خطرے کی درست پیش گوئی کی، اور مزید توثیق کے بعد یہ طبی اور بحرانی معاونت کے مقامات پر خطرے کے جائزے میں مدد دے سکتا ہے۔
MIT کا ننھا اڑنے والا روبوٹ AI کے ذریعے 450% تیز ہو گیا
اصل عنوان: MIT’s tiny flying robot gets 450% faster with AI
کیڑوں کے پیمانے کے اڑنے والے روبوٹ عام طور پر سست رہے ہیں اور سادہ پرواز کے راستوں تک محدود رہے ہیں۔ MIT کے محققین نے دو حصوں پر مشتمل کنٹرول نظام کے ساتھ AI پر مبنی کنٹرولر تیار کیا جو بار بار جسم کو الٹنے کی صلاحیت دیتا ہے۔ ٹیم کے پچھلے بہترین نتائج کے مقابلے میں روبوٹ کی رفتار تقریباً 450% اور اس کا اسراع تقریباً 250% بڑھ گیا، اور اس نے ہوا کی رکاوٹوں کے باوجود 11 سیکنڈ میں 10 قلابازیاں مکمل کیں۔
Claude حیاتی مالیکیولی ماڈلنگ کو کیسے بہتر بنا رہا ہے
اصل عنوان: How Claude is uplifting biomolecular modeling
اوپن سورس ماڈلز جو سائنس دان بایو مالیکیولز کی پیش گوئی اور ڈیزائن کے لیے استعمال کرتے ہیں سست اور میموری کے بھوکے تھے۔ Claude Science کے اندر کام کرتے ہوئے، Claude نے چار ہفتوں سے کچھ کم وقت میں ان میں سے 30 سے زائد ماڈلز کو آپٹیمائز کیا، اور اوسطاً انہیں تقریباً 4 گنا تیز کر دیا۔ اس نے ایک کم میموری موڈ بھی بنایا جو ایک ہی NVIDIA GPU نوڈ پر 10,000 ٹوکنز سے بڑے سسٹمز کی درست پیش گوئی کی اجازت دیتا ہے، اور آپٹیمائزڈ کوڈ اوپن سورس کیا جا رہا ہے۔