Физико-химические структуры от AI Google
В свежей работе от Google DeepMind описывают результаты успешного поиска химических структур для новых материалов при помощи системы с машинным обучением. То есть, “нейросети” и соответствующая им аппаратура используются для оптимизированного перебора, с вспомогательным псевдослучайным вводом. Пространство химических структур велико, а вычисления, требующиеся для моделирования, очень сложны. Что, впрочем, не мешает устроить параллельный перебор и регулировать его итерации при помощи фильтра, который как раз построен на физико-химической вычислительной модели, пусть и простой. Это пример полезной интерпретации свойств ИИ, который существенно отличается от случая, когда выдачу, генерируемую LLM, принимают за работу “инструмента для анализа данных” по запросу-затравке или используют для “краткого пересказа”. Это, впрочем, не отменяет проблему “чёрного ящика”, выдача из которого не помогает улучшить вычислительные модели.
Адрес записки: https://dxdt.ru/2023/11/30/11737/
Похожие записки:
- Кубиты от IBM
- Сервис для просмотра логов Certificate Transparency
- Пеленгация с разнесением по времени
- Публикация ТЦИ о постквантовых криптосистемах
- Браузерная реклама от Firefox
- Stack Overflow и OpenAI
- NY Times и OpenAI
- Apple и процессор радиоканала 5G
- Техническое: один практический пример ошибочных настроек DNS
- "Яндекс.Браузер" и российские сертификаты TLS в вебе
- Имена, не-имена и хостнеймы в DNS
Написать комментарий