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:
- NY Times и OpenAI
- Симметричные ключи, аутентификация и стойкость в TLS
- Многобайтовые постквантовые ключи и TLS
- "Блокирующие" источники случайности в операционных системах
- Сертификаты и их цепочки в вебе
- Электромобили с генераторами
- Простой пример "про измерения"
- Сервис для просмотра логов Certificate Transparency
- Технические подробности: постквантовая криптосистема X25519Kyber768 в TLS
- Реплика: превращение словарных имён королей - Чарльз/Карл
- Полностью зашифрованные протоколы и DPI-блокирование
Написать комментарий